A mesterséges intelligencia felismeri a pulmonalis nodulusokat a mellkas röntgenen

Közösségek - Mellkas | 2019. szeptember 29. 19:28 | Utolsó módosítás dátuma - 2020. december 25. 04:36 | Forrás: https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=126531

Egy a mesterséges intelligencián (AI) alapuló számítógépes detektaló (CAD) szoftveralkalmazás képes gyorsan és pontosan felismerni a pulmonalis nodulusokat a mellkas röntgenfelvételen, amely szolgálhat triage ként, vagy másod leletezési eszközként a radiológusok számára, jelent meg a Clinical Radiology szeptember 11-ei online kutatásában

A mesterséges intelligencia felismeri a pulmonalis nodulusokat a mellkas röntgenen

Miután retrospektív módon értékelt a mély tanuláson alapuló szoftveralkalmazás 100 beteg esetében, a kutatók egy csoportja, a tajvani Tajpejben található Yang-Ming Nemzeti Egyetemen C.H. Liang vezetésével megállapította, hogy a görbe alatti terület (AUC) legfeljebb 0,916. Sőt, a szoftver kevesebb, mint két perc alatt dolgozta fel a röntgenfelvételeket.

"A szoftver eredményesen felhasználható az összes mellkasi röntgenfelvétel automatikus értékelésére. A mély tanulás különböző algoritmusokkal történő végrehajtása elősegítheti a radiológusok orvosi képalkotás ellátásának javítását" - írta a kutató csoport.

A kutatók a mellkasröntgen értékelő, diagnosztikai teljesítményét kívánta értékelni, amelyet a QUIBIM spanyol szoftverfejlesztő készített. Először 100 beteg adatát gyűjtötték ki a tajvani Kaohsiung Veterán Általános Kórházból. A 100 beteg közül 47-nél volt klinikailag szignifikáns tüdőnodulus vagy térfoglalás, 53-ban pedig kontroll alany volt pulmonalis nodululusok nélkül. A vizsgálat során mellkas röntgenfelvételeket használtak, postoanterior nézetben, a radiográfiás eredményeket CT vizsgálattal validálták.

A mellkasröntgen-értékelő négy különféle mélytanulási algoritmust tartalmaz:

•              Hőtérkép-algoritmus, amelynek célja a röntgen leginkább rendellenes régióinak kiemelése

•              Csomóponti valószínűségi algoritmus

•              Térfoglalás valószínűségi algoritmus

•              Rendellenesség valószínűségi algoritmus

 A kutatók külön kiszámították a tüdőnodulusok azonosítására szolgáló mind a négy algoritmus teljesítményét. A térfoglalás valószínűség algoritmus adta a legjobb teljes teljesítményt.

 

Mellkasröntgen-értékelő teljesítménye a tüdőnodulusok detektálására a mellkas röntgenfelvételeken

 

Hőtérkép algoritmus

Rendellenesség valószínűségi algoritmus

Nodulus valószínűség algoritmus

Tömeg valószínűségi algoritmus

Érzékenység

38,3%

74,5%

85,1%

76,6%

Specificitás

98,1%

81,1%

64,2%

88,7%

A görbe alatti terület

0,682

0,810

0,813

0.916

Ezenkívül a szoftver átlagos képfeldolgozási ideje esetenként 94,07 ± 16,54 másodperc volt.

A kutatók megjegyezték, hogy az algoritmusok mindegyike különböző előnyökkel jár. Például a hőtérkép algoritmusnak volt a legmagasabb specificitása. Liang és munkatársai szerint a radiológusok a mellkasröntgen-értékelőn keresztüli különféle mélytanulási algoritmusok megvalósításával, csökkenthetik a hibákat szelektív kettős leletezéssel.

"Ezeknek a különféle algoritmus stratégiáknak a felhasználásával a mély tanuláson alapuló algoritmus potenciálisan segítséget nyújthat a radiológusoknak a mellkas röntgenfelvételek tüdőnodulusainak felfedezésében, miközben minimalizálja mind a fals pozitív, mind a fals negatív eredményeket." "Ezek az algoritmusok támogathatják a radiológiai munkafolyamatot azáltal, hogy megjelölik a gyanús eseteket, amelyek prioritást élveznek a radiológiai munkalistán, hogy azok kerüljenek először áttekintésre

A kutatók szerint a korai figyelmeztetési pontokon alapuló figyelmeztetést be lehet építeni a jelentési rendszerbe a munkafolyamat korszerűsítése érdekében. A radiológusok ezután nagyobb figyelmet szentelhetnek a magasabb valószínűségű ponttal rendelkező röntgenfelvételeknek, miközben magabiztosan kizárják az alacsonyabb valószínűségi pontszámú mellkasi filmek sérüléseit.

"Összefoglalva: a mély-tanuláson alapuló CAD rendszerek valószínűleg létfontosságú szerepet fognak játszani a mellkas röntgenfelvételeken a tüdőnodulusok / térfoglalások korai felismerésében és diagnosztizálásában" - írták a szerzők. "A jövőbeli alkalmazásban ezek az algoritmusok támogathatják a triage munkafolyamatát kettős leletezéssel, hogy ezzel is javítsák az érzékenységet és a specificitást a diagnosztikai folyamat során."

Referálta: Tarpai Petra

DE-KEK Központi Radiológia Diagnosztika

További cikkek

Mellkasi kóros levegőgyülemek

Közösségek - Mellkas

2021. január 13. 20:48

A kóros levegőgyülem a mellkasban egyike a leginkább életet-veszélyeztető elváltozásoknak, melyek az intenzív terápiás osztályon előfordulnak. A betegmenedzsment különbözik attól függően, hogy hol helyezkedik el a levegőgyülem; ezért a kóros levegőgyülem detektálása, és a pontos lokalizációjának meghatározása a fekvő mellkas felvételen létfontosságú a korai terápia, és a pozitív kimenetel szempontjából. A kóros levegőgyülem sokféle mellkasi térben kialakulhat, ide tartozik a pleuraüreg, a mellkasfal, a mediastinum, a pericardium és a tüdő. A pneumothorax a fekvő mellkas felvételeken az elhelyezkedésétől függően különbözőképpen jelenhet meg. Sokféle betegség, vagy képlet képes pneumothoraxot utánozni a röntgen felvételeken, mint például a bőrredők, az interlobaris fissura, a tüdőcsúcsokban lévő bullák, az intrathoracicus extrapleuralis térben kialakult levegőgyülemek. Továbbá, a pneumopericardium hasonlíthat a pneumomediastinumra, ezért szükséges a differenciálása. Néhány betegségnek, mint az alsó tüdőszalagban kialakuló levegőgyülemnek, és a pneumatokelének, vagy a posteromedialis tében kialakult pneumothoraxnak a differenciál diagnózisa szükséges röntgenfelvétel alapján. CT elvégzése szükséges lehet a levegőgyülem lokalizálására, és a lehetséges etiológiák meghatározására, ha a diagnózis röntgen felvétel alapján nehéz. Ennek a cikknek a célja az, hogy átismételje azoknak a mellkasi tereknek az anatómiáját, ahol kóros levegőgyülem potenciálisan kialakulhat, továbbá hogy illusztrációk és kapcsolódó CT felvételek segítségével magyarázza el a kóros levegőgyülemek jellegzetes röntgendiagnosztikai megjelenéseit fekvő helyzetű betegeknél, és hogy ismertesse a differenciál diagnosztikát igénylő állapotok megkülönböztető jellemzőit. Mivel a terápia különbözik a kialakult levegőgyülem helyzetétől függően, a radiológusoknak meg kell próbálniuk pontosan felismerni, és azonosítani a helyzetét a levegőgyülemnek fekvő röntgen felvételeken.