Біомедична інженерія і технологія, № 14

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/66837

Переглянути

Перегляд Біомедична інженерія і технологія, № 14 за Ключові слова "004.93"

Зараз показуємо 1 - 1 з 1
  • Ескіз
    ДокументВідкритий доступ
    Ефективність застосування комп’ютерної томографії та сучасних інформаційних технологій у виявленні структурних змін серця при гострій формі COVID-19
    (КПІ ім. Ігоря Сікорського, 2024) Гончарук, Максим Олександрович; Настенко, Євген Арнольдович; Линник, Микола Іванович
    За допомогою комп’ютерної томографії та сучасних методів інформаційних технологій можливо оцінити не тільки стан ураження легень, а й визначити зміни в серці, які непомітні неозброєним оком безпосередньо під час КТдіагностики. Основною метою даного дослідження є аналіз структурних змін в серці, пов’язаних із гострим перебігом COVID-19. Отримані результати можуть бути приводом для призначення специфічних кардіологічних обстежень та лікувальних заходів. Використано відкритий датасет COVID-CT-MD та дані КТ обстежень, виконаних в Національному інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України і Національного інституту серцево-судинної хірургії імені М.М. Амосова НАМН України. Спостереження були розділені на два класи: 1- особи, які не хворіли на COVID-19 та 2 – особи із гострою формою COVID19. В результаті розмітки КТ-серій і виключення обстежень із явними візуальними артефактами залишено 167 і 68 випадків(пацієнтів) COVID-19 і норми відповідно. Для балансування класів застосовано метод андерсемплінгу. Даний метод скоротив кількість випадків до 68 для кожного з класів. Для оцінки структурних змін в серці застосовано текстурну матрицю суміжності градацій сірого (GLCM) і ансамблеві (Random Forest, LightGBM, XGBoost) та класичні (SVM) класифікатори. Загальну вибірку розділено на тренувальну та валідаційну з частками 70% та 30% відповідно. Розроблено оригінальний алгоритм відбору інформативних ознак з GLCM, який включає відбір найбільш повторюваних відтінків сірого та їх комбінацій у сусідніх точках зображення у двох класах. Якість класифікації оцінено за наступними критеріями: точність, чутливість, специфічність та F-міра. Найкращий результат продемонстрував метод SVM з точністю 63% та F-мірою у 63% на тестовій вибірці. Встановлено, що специфічні структурні зміни в серці при COVID-19 можуть бути виявлені за даними КТ із застосуванням сучасних інформаційних технологій.