Класифікатор диференціальної діагностики аутоімунного гепатиту та хвороби Вільсона на основі аналізу ультразвукових зображень печінки

Скорочена інформація про документ
dc.contributor.authorІванченко, А. С.
dc.contributor.authorБовсуновська, К. С.
dc.contributor.authorДикан, І. М.
dc.contributor.authorТарасюк, Б. А.
dc.contributor.authorПавлов, В. А.
dc.contributor.authorНастенко, Є. А.
dc.date.accessioned2021-12-13T10:52:55Z
dc.date.available2021-12-13T10:52:55Z
dc.date.issued2021
dc.description.abstractenAbstract: Problems. When monitoring intensive prophylactic examination of patients in primary care medical institutions, it is most convenient to diagnose only the presence or absence of fibrotic changes in the liver using ultrasound images. This approach is the most effective in disease prevention, while the classification algorithm determines only the presence of pathology. Clarification of the diagnosis, the degree of damage to the already found pathology can be determined later in specialized medical institutions by a highly qualified diagnostician. However, the development of automated decision support systems for differentiating clinically similar diseases is always an urgent task in medical practice. Differentiating autoimmune hepatitis and Wilson's disease is one such challenge. Purpose. To develop a diagnostic algorithm for the classification of autoimmune hepatitis and Wilson's disease using the results of liver ultrasound imaging analyzes. Implementation technique. The data for the study were provided by the Institute of Nuclear Medicine and Radiological Diagnostics of the National Academy of Medical Sciences of Ukraine. 9 ultrasound images concern patients with autoimmune hepatitis, 20 images of patients with Wilson's disease. Classification objects are areas of interest identified on ultrasound images by medical specialists. To increase the volume of the training sample and improve the quality of the classification system, the augmentation of the obtained images was applied. As a result, only 600 regions of interest were obtained for training (training set) and verification (test set) (150 for autoimmune hepatitis and 450 for Wilson's disease). Based on the assumption that the differences in the characteristics of the images of the classes are in the differences in their textures. Texture features are calculated based on the frequency of occurrence of patterns of a binary grayscale template. The Random Forest algorithm was used to build the classifier. Research results. The total sample of 600 areas of interest was randomly divided into study (80%) and test (20%). A model of the classifier of the Random Forest algorithm was obtained with the classification quality indicators on the training set: accuracy - 100%, sensitivity - 1, specificity - 1, F-score 1, and on the test set: accuracy 90.8%, sensitivity 0.767, specificity - 0.956 F -score - 0.873. Conclusions. An effective approach is proposed for solving the problem of automatic differential diagnosis of autoimmune hepatitis and Wilson's disease. Based on texture features and a random forest algorithm, a high-quality classification model was obtained.uk
dc.description.abstractruРеферат: Проблематика. При интенсивном мониторинге профилактического осмотра пациентов в медицинских учреждениях первичного звена наиболее удобно по ультразвуковым изображением диагностировать только наличие или отсутствие фиброзных изменений печени. Подобный подход является наиболее эффективным при профилактике заболеваний, при этом алгоритм классификации определяет только наличие патологии, а уточнение диагноза, степень поражения уже найденной патологии может определяться в дальнейшем в специализированных медицинских учреждениях высококвалифицированным врачом диагностом. Однако, разработка автоматизированных систем поддержки решений при дифференциации клинически похожих заболеваний всегда является актуальной задачей в медицинской практике. Одной из таких задач является дифференциация аутоиммунного гепатита и болезни Вильсона. Цель. Разработать диагностический алгоритм классификации аутоиммунного гепатита и болезни Вильсона по результатам анализа ультразвуковых изображений печени. Методика реализации. Данные для выполнения исследования предоставлены Институтом ядерной медицины и лучевой диагностики НАМН Украины - 9 снимков УЗИ касаются больных аутоиммунным гепатитом, 20 снимков пациентов с болезнью Вильсона. Объектами классификации являются области интереса, выделенные на ультразвуковых изображениях специалистами-медиками. Для увеличения объема обучающей выборки и повышения качества системы классификации была применена аугментация полученных изображений. В результате для обучения (обучающая выборка) и верификации (тестовая выборка) было получено всего 600 областей интереса (150 для аутоиммунного гепатита и 450 для болезни Вильсона). Исходя из предположения, что различия в характеристиках изображений классов находятся в различиях их текстур в работе рассчитаны текстурные признаки на основе частот встречаемости паттернов бинарного шаблона оттенков серого. Для построения классификатора использован алгоритм Random Forest. Результаты исследования. Общая выборка из 600 областей интереса была разбита случайным образом на учебную (80%) и тестовую (20%). Получена модель классификатора алгоритма Random Forest с показателями качества классификации на обучающей выборке: точность - 100%, чувствительность - 1, специфичность - 1, F-score 1, и на тестовой выборке: точность 90,8%, чувствительность 0.767, специфичность - 0,956 F-score - 0,873. Выводы. Предложен эффективный подход для решения задачи автоматической дифференциальной диагностики аутоиммунного гепатита и болезни Вильсона. На основе текстурных признаков и алгоритма случайного леса была получена высококачественная модель классификации. Ключевые слова - дифференциальная диагностика, аутоиммунный гепатит, болезнь Вильсона, ультразвуковая диагностика, аугментация изображений, паттерны, локальные бинарные шаблоны, Random Forest.uk
dc.description.abstractukПроблематика. При інтенсивному моніторингу профілактичного огляду пацієнтів у медичних закладах первинної ланки найбільш зручно по ультразвуковим зображенням діагностувати лише наявність чи відсутність фіброзних змін печінки. Подібний підхід є найбільш ефективним при профілактиці захворювань, при цьому алгоритм класифікації визначає лише наявність патології, а уточнення діагнозу, ступінь ураження вже знайденої патології може визначатися в подальшому у спеціалізованих медичних закладах висококваліфікованим лікарем діагностом. Однак, розробка автоматизованих систем підтримки рішень при диференціації клінічно схожих захворювань завжди є актуальною задачею в медичній практиці. Однією з таких задач є диференціація аутоімунного гепатиту і хвороби Вільсона. Мета. Розробити діагностичний алгоритм класифікації аутоімунного гепатиту і хвороби Вільсона за результатами аналізу ультразвукових зображень печінки. Методика реалізації. Дані для виконання дослідження надано Інститутом ядерної медицини та променевої діагностики НАМН України – 9 знімків УЗД стосуються хворих на аутоімунній гепатит, 20 знімків пацієнтів з хворобою Вільсона. Об’єктами класифікації є області інтересу, що було виділено на ультразвукових зображеннях медичними фахівцями. Для збільшення об’єму навчальної вибірки та підвищення якості системи класифікації застосовано аугментацію одержаних зображень. В результаті для навчання (навчальна вибірка) та верифікації (тестова вибірка) було одержано загалом 600 областей інтересу (150 для аутоімунного гепатиту і 450 для хвороби Вільсона). Виходячі з припущення, що відмінності у характеристиках зображень класів знаходяться у відмінностях їх текстур в роботі розраховані текстурні ознаки на основі частот зустрічаємості патернів бінарного шаблону відтінків сірого. Для побудови класифікатора застовано алгоритм Random Forest. Результати дослідження. Загальна вибірка з 600 областей інтересу була розбита випадковим чином на навчальну (80%) і тестову (20%). Одержано модель класифікатору алгоритмом Random Forest з показниками якості класифікації на навчальній вибірці: точність - 100%, чутливість - 1, специфічність - 1, F-score -1, та на тестовій вибірці: точність 90,8% , чутливість 0.767 , специфічність – 0,956, F-score – 0,873. Висновки. Запропоновано ефективний підхід для вирішення задачі автоматичної диференційної діагностики аутоімунного гепатиту та хвороби Вільсона. На основі текстурних ознак та алгоритму випадкового лісу була отримана високоякісна модель класифікації.uk
dc.format.pagerangeС. 62-73uk
dc.identifier.citationКласифікатор диференціальної діагностики аутоімунного гепатиту та хвороби Вільсона на основі аналізу ультразвукових зображень печінки / Іванченко А. С., Бовсуновська К. С., Дикан І. М., Тарасюк Б. А., Павлов В. А., Настенко Є. А. // Біомедична інженерія і технологія. – 2021. – № 6. – С. 62-73.uk
dc.identifier.issn2617-8974
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/45490
dc.language.isoukuk
dc.publisherКПІ ім.Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceЖурнал Біомедична інженерія і технологія, № 6, 2021uk
dc.subjectдиференціальна діагностикаuk
dc.subjectхвороба Вільсонаuk
dc.subjectаугментація зображеньuk
dc.subjectлокальні бінарні шаблониuk
dc.subjectdifferential diagnosisuk
dc.subjectaugmentationuk
dc.subjectдифференциальная диагностикаuk
dc.subjectультразвуковая диагностикаuk
dc.subjectпаттерныuk
dc.subjectаугментация изображенийuk
dc.subjectpatternsuk
dc.subjectlocal binary patternsuk
dc.subjectлокальные бинарные шаблоныuk
dc.subjectRandom Forestuk
dc.subjectаутоімунний гепатитuk
dc.subjectультразвукова діагностикаuk
dc.subjectпатерниuk
dc.subjectautoimmune hepatitisuk
dc.subjectWilson's diseaseuk
dc.subjectultrasound diagnosticsuk
dc.subjectаутоиммунный гепатитuk
dc.subjectболезнь Вильсонаuk
dc.subject.udc004.9+616-079.4uk
dc.titleКласифікатор диференціальної діагностики аутоімунного гепатиту та хвороби Вільсона на основі аналізу ультразвукових зображень печінкиuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
BmT-2021-6_p62-73.pdf
Розмір:
971.7 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Біомедична інженерія і технологія, № 6