Застосування нейронних мереж для діагностики тромбоемболії легеневої артерії за даними КТ ОГК

Скорочена інформація про документ
dc.contributor.authorАлієв, Е. І.
dc.contributor.authorГородецька, О. К.
dc.date.accessioned2023-02-21T13:42:51Z
dc.date.available2023-02-21T13:42:51Z
dc.date.issued2022
dc.description.abstractenBackground. Pulmonary embolism (PE) is a thrombus occlusion of the pulmonary artery (PA), which transports venous blood from the heart to the lungs for oxygenation. As a result, the human body stops receiving a sufficient amount of oxygen and hypoxia occurs. With critical hypoxia caused by PE, the patient may die. Mortality from PE in case of incorrect diagnosis or lack of medical assistance within the first few hours reaches 50% of cases. With timely assistance and adequate treatment, the risk of death is reduced to 10%. Diagnosing PE is a difficult task because all symptoms are non-specific. Standard examination methods (ordinary laboratory tests, electrocardiography (ECG), chest X-ray) are useful only to exclude other pathologies. Computer tomography (CT) of the chest organs is a sensitive and specific method of diagnosis of PE. Automation of the analysis of data obtained with the help of chest CT can significantly speed up the diagnosis, which will contribute to the timely receipt of specific therapy and increase the patient's chances of survival. Objective of study. The aim of the work is to create a model of a convolutional neural network for the analysis of chest CT images, which will allow diagnosing the presence of PE within a patient and classifying its type. Methods. Images obtained with the help of chest CT with the usage of contrast enhancement visualize the trunk and branches of the PA in great detail. Analysis of these images can be performed using a convolutional neural network to look for specific signs of thrombosis and classify the case of PE (massive, left or right bundle branch, chronic). For recognition accuracy, it is additionally necessary to segment the PA area and contrast the image in a certain range. Results. The built convolutional neural network model has high accuracy and specificity. The model showed 96,3% accuracy and 96,1% specificity on the training sample, 97,1% accuracy and 96,2% specificity on the test sample. Conclusions. As a result of the work, a model of a convolutional neural network was obtained, which analyzes images obtained with the help of chest CT and diagnoses PE with high accuracy and determines its type.uk
dc.description.abstractukПроблематика. Тромбоемболія легеневої артерії (ТЕЛА) – це оклюзія тромбом легеневої артерії (ЛА), що транспортує венозну кров із серця до легень для насичення киснем. Як наслідок, організм людини перестає отримувати достатню кількість кисню і виникає гіпоксія. При критичній гіпоксії, спричиненій ТЕЛА, хворий може померти. Смертність від ТЕЛА при неправильній діагностиці або відсутності медичної допомоги протягом перших кількох годин досягає 50% випадків. За своєчасного надання допомоги та адекватного лікування ризик смерті знижується до 10%. Діагностика ТЕЛА є складним завданням, оскільки всі симптоми є неспецифічними. Стандартні методи обстеження (звичайні лабораторні тести, електрокардіографія (ЕКГ), рентгенографія органів грудної клітки) корисні лише для виключення іншої патології. До чутливих та специфічних методів діагностики ТЕЛА відносять комп'ютерну томографію (КТ) органів грудної клітини (ОГК). Автоматизація аналізу отриманих за допомогою КТ ОГК даних може значно пришвидшити постановку діагнозу, що сприятиме вчасному отриманню специфічної терапії та збільшить шанси пацієнта на виживання. Мета дослідження. Метою роботи є створення моделі згорткової нейронної мережі для аналізу зображень КТ ОГК, що дозволить діагностувати наявність ТЕЛА у пацієнта та класифікувати її тип. Методика реалізації. Зображення отримані за допомогою КТ ОГК з використанням контрастного підсилення дуже детально візуалізують стовбур та гілки ЛА. Аналіз цих зображень можна виконати за допомогою згорткової нейронної мережі для пошуку специфічних ознак тромбозу та класифікації випадку ТЕЛА (масивна, лівої чи правої гілок, хронічна). Для точності розпізнавання додатково необхідно сегментувати область ЛА та контрастувати зображення у певному діапазоні. Результати дослідження. Побудована модель згорткової нейронної мережі має високу точність та специфічність. На тренувальній вибірці модель показала точність 96,3% та специфічність 96,1%, на тестовій вибірці – точність 97,1% специфічність 96,2%. Висновки. В результаті роботи одержано модель згорткової нейронної мережі, яка аналізує зображення отримані за допомогою КТ ОГК та з високою точністю діагностує ТЕЛА і визначає її тип.uk
dc.format.pagerangeС. 81-87uk
dc.identifier.citationАлієв, Е. І. Застосування нейронних мереж для діагностики тромбоемболії легеневої артерії за даними КТ ОГК / Алієв Е. І., Городецька О. К. // Біомедична інженерія і технологія. – 2022. – № 7. – С. 81-87.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/52854
dc.language.isoukuk
dc.publisherКПІ ім.Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceЖурнал Біомедична інженерія і технологія, № 7, 2022uk
dc.subjectТЕЛАuk
dc.subjectлегенева артеріяuk
dc.subjectтромбозuk
dc.subjectкомп’ютерна томографіяuk
dc.subjectаналіз зображеньuk
dc.subjectавтоматизаціяuk
dc.subjectзгорткова нейронна мережаuk
dc.subjectPEuk
dc.subjectpulmonary arteryuk
dc.subjectthrombosisuk
dc.subjectcomputed tomographyuk
dc.subjectimages analysisuk
dc.subjectautomationuk
dc.subjectconvolutional neural networkuk
dc.subject.udc616.1 + 004.891.3uk
dc.titleЗастосування нейронних мереж для діагностики тромбоемболії легеневої артерії за даними КТ ОГКuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
BmT-2022-7_p81-87.pdf
Розмір:
467.79 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Біомедична інженерія і технологія, № 7