Выявление патологических изменений в легких на основе совместного анализа радиологических отчетов и томографических изображений

Выявление патологических изменений в легких на основе совместного анализа радиологических отчетов и томографических изображений

Автор: Слуднова Алена Александровна, Шутько Вадим Валерьевич, Гайдель Андрей Викторович, Зельтер Павел Михайлович, Капишников Александр Викторович, Никоноров Артем Владимирович

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 2 т.45, 2021 года.

Бесплатный доступ

В данной статье рассматривается идея совместного анализа изображений компьютерной томографии лёгких и текстовых радиологических данных для повышения качества автоматизированной диагностики эмфиземы. Сравнивается качество классификации изображений без учёта локализации патологии, упомянутой в радиологических отчётах, и с её учётом. Исследование произведено на наборах реальных изображений компьютерной томографии лёгких, полученных при клинических исследованиях в Самарском государственном медицинском университете. Установлено, что использование информации о локализации патологии, содержащейся в радиологических отчётах, приводит к повышению F-меры обнаружения эмфиземы с 0,55 до 0,73.

Еще

Обработка изображений, обработка томографических изображений, анализ изображений, признаки харалика, классификация изображений, радиологический отчёт, обработка естественного языка

Короткий адрес: https://sciup.org/140257384

IDR: 140257384   |   DOI: 10.18287/2412-6179-CO-793

Identification of pathological changes in the lungs using an analysis of radiological reports and tomographic images

This article discusses an idea of a joint analysis of medical images and texts aimed at improving the quality of automated diagnosis of emphysema. We compare the quality of image classification with and without taking into account the localization of the pathology mentioned in radiological reports. The study was carried out on sets of real images of computed tomography of the lungs obtained in clinical studies at Samara State Medical University. It was established that the use of information on the localization of pathology contained in radiological reports leads to an increase in the F-score for the detection from 0.55 to 0.73.

Еще

Список литературы Выявление патологических изменений в легких на основе совместного анализа радиологических отчетов и томографических изображений

  • Zimmerman, S.L. Informatics in radiology: automated structured reporting of imaging findings using the AIM standard and XML / S.L. Zimmerman, W. Kim, W.W. Boonn // Radiographics. - 2011. - Vol. 31, Issue 3. - P. 881-887.
  • Mendelson, D.S. Imaging informatics: essential tools for the delivery of imaging services / D.S. Mendelson, D.L. Rubin // Academic Radiology. - 2013. - Vol. 20, Issue 10. - P. 1195-1212.
  • Rubin, D.L. Automated tracking of quantitative assessments of tumor burden in clinical trials / D.L. Rubin, D. Willrett, M.J. O'Connor, C. Hage, C. Kurtz, D.A. Moreira // Translational Oncology. - 2014. - Vol. 7, Issue 1. - P. 23-35.
  • Rubin, D.L. Common data elements in radiology / D.L. Rubin, C.E. Kahn Jr. // Radiology. - 2017. - Vol. 283, Issue 3. - P. 837-844.
  • Ganeshan, D. Structured reporting in radiology / D. Ganeshan, P.-A.T. Duong, L. Probyn, L. Lenchik, T.A. McArthur, M. Retrouvey, E.H. Ghobadi, S.L. Desouches, D. Pastel, I.R. Francis // Academic Radiology. - 2018. - Vol. 25, Issue 1. - P. 66-73.
  • Napel, S. Quantitative imaging of cancer in the post-genomic era: Radio(geno)mics, deep learning, and habitats / S. Napel, W. Mu, B.V. Jardim-Perassi, H.J.W.L. Aerts, R.J. Gillies // Cancer. - 2018. - Vol. 124, Issue 24. -P. 4633-4649. - DOI: 10.1002/cncr.31630.
  • Kulkarni, P. A novel architecture and analysis of challenges for combining text and image for medical image retrieval / P. Kulkarni, S. Kulkarni, A. Stranieri // International Journal for Infonomics (IJI). - 2014. - Vol. 7, Issues 1/2. -P. 885-890.
  • Гайдель, А.В. Возможности текстурного анализа компьютерных томограмм в диагностике хронической обструк-тивной болезни I А.В. Гайдель, П.М. Зельтер, А.В. Капишников, А.Г. Храмов II Компьютерная оптика. -2014. - Т. 38, № 4. - С. 843-850. - DOI: 10.18287I0134-2452-2014-38-4-843-850.
  • Пашина, Т.А. Сравнение алгоритмов выделения области интереса на компьютерных томограммах лёгких I Т. А. Пашина, А. В. Гайдель, П. М. Зельтер, А.В. Капишников, А.В. Никоноров II Компьютерная оптика. - 2020. - Т. 44, № 1. - С. 74-81. - DOI: 10.18287I2412-6179-CO-659.
  • Otsu, N. A threshold selection method from gray-level histograms I N. Otsu II IEEE Transactions on Systems, Man, and Cybernetics. - 1979. - Vol. 9. - P. 62-66.
  • Gaidel, A. Method of automatic ROI selection on lung CT images I A. Gaidel II Procedia Engineering. - 2017. - Vol. 201. -P. 258-264. - DOI: 10.1016Ij.proeng.2017.09.612.
  • Aizawa, A. An information-theoretic perspective of tf-idf measures I A. Aizawa II Information Processing and Management. - 2003. - Vol. 39, Issue 1. - P. 45-65.
  • Cramer, J.S. The origins of logistic regression [Electronical Resource] I J.S. Cramer. - Tinbergen Institute Working Paper No. 2002-119I4. - URL: https:IIpapers.ssm.com/sol3I pa-pers.cfm?abstract_id=360300. - DOI: 10.2139Issrn.360300.
  • Quinlan, J.R. Simplifying decision trees I J.R. Quinlan II International Journal of Man-Machine Studies. - 1987. -Vol. 27, Issue 3. - P. 221-234.
  • Van Rijsbergen, C.J. Information retrieval I C.J. Van Rijs-bergen. - 2nd ed. - Butterworth-Heinemann, 1979.
  • Choi, E. RETAIN: Interpretable predictive model in healthcare using reverse time attention mechanism [Electronical Resource] I E. Choi, T. Bahadori, A. Schuetz, W. Stewart, J. Sun. - 2016. - URL: https:IIarxiv.orgIabsI1608.05745.
  • Li, Y. BEHRT: Transformer for electronic health records I Y. Li, S. Rao, J.R.A. Solares [et al.] II Scientific Reports. -2020. - Vol. 10. - 7155.
  • Taylor, D. Co-attentive cross-modal deep learning for medical evidence synthesis and decision making [Electronical Resource] I D. Taylor, S. Spasov, P. Lio. - 2019. - URL: https:IIarxiv.orgIabsI1909.06442.
  • Kreyszig, E. Advanced engineering mathematics I E. Kreyszig, H. Kreyszig, E.J. Norminton. - 10th ed. - New York: John Wiley and Sons, Inc., 2011. - 880 p.
  • Грузман, И. С. Цифровая обработка изображений в информационных системах: Учебное пособие I И.С. Грузман, В.С. Киричук, В.П. Косых. - Новосибирск: Изд-во НГТУ, 2002. - 352 c.
  • Serra, J. Image analysis and mathematical morphology I J. Serra. - Orlando: Academic Press, 1983. - 610 p.
  • Haralick, R.M. Textural features for image classification I R.M. Haralick, K. Shanmugam, I. Dinstein II IEEE Transactions on Systems, Man, and Cybernetics. - 1973. -Vol. SMC-3(6). - P. 610-621.
  • Садыков, C.C. Компьютерная диагностика новообразований на маммографических снимках I С.С. Садыков, Ю.А. Буланова, Е.А. Захарова II Компьютерная оптика. - 2014. - Т. 38, № 1. - С. 131-138. - DOI: 10.18287I0134-2452-2014-38-1-131-138.
  • Глумов, Н.И. Компьютерная обработка сцинтиграфи-ческих изображений легких I Н.И. Глумов, А.В. Капишников II Компьютерная оптика. - 2003. -Т. 25, № 1. - С. 158-164.
  • Breiman, L. Random forests I L. Breiman II Machine Learning. - 2001. - Vol. 45, Issue 1. - P. 5-32
  • Olatunji, T. Caveats in generating medical imaging labels from radiology reports with natural language processing [Электронный ресурс] / T. Olatunji, L. Yao, B. Covington, A. Rhodes, A. Upton. - 2019. - URL: https://arxiv.org/abs/1905.02283 (дата обращения 27.03.2021).
Еще
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp