Ієрархічний алгоритм мультикласифікації стадій фіброзу печінки з інтегрованим аналізом областей інтересу
dc.contributor.author | Бабенко, Віталій Олегович | |
dc.contributor.author | Настенко, Євген Арнольдович | |
dc.contributor.author | Павлов, Володимир Анатолійович | |
dc.contributor.author | Дикан, Ірина Миколаївна | |
dc.date.accessioned | 2024-11-14T11:54:24Z | |
dc.date.available | 2024-11-14T11:54:24Z | |
dc.date.issued | 2024 | |
dc.description.abstract | Ультразвукове дослідження є провідним методом у діагностиці таких патологій, як хронічний гепатит і цироз печінки. Однак ефективність даного інструменту значною мірою залежить від кваліфікації лікаря, а інтерпретація зображень є суб'єктивною. Точна оцінка ультразвукових зображень вимагає значного досвіду фахівця в цій галузі. Впровадження автоматизованих систем класифікації стадій фіброзу печінки може стати розв’язанням проблеми нестачі висококваліфікованих радіологів, особливо в регіонах з обмеженими ресурсами. Дослідження, метою якого є розробка подібної системи, базувалося на матеріалах державної установи «Інститут ядерної медицини та променевої діагностики Національної академії медичних наук України». У дослідженні використовувався набір даних з 1059 сегментованих вручну областей інтересу з 585 ультразвукових зображень 162 пацієнтів. Кожному пацієнту була проведена біопсія печінки з подальшим гістопатологічним аналізом за системою METAVIR. Для класифікації оцінок METAVIR використовувались ансамблеві методи машинного навчання, а саме: випадковий ліс, XGBoost, LightGBM і ВЛДОС. Ефективність цих методів на різних стадіях фіброзу печінки оцінювалась за допомогою таких показників, як точність, чутливість і специфічність. Найкращі результати показали LightGBM (82% точності на тестовому наборі в задачі “F0-1 проти F2-4”, 86% точності в задачі “F0-2 проти F3-4” і 96% точності в задачі “F0-3 проти F4”) і ВЛДОС (77% точності в задачі “F0 проти F1-4”). При використанні цих моделей в запропонованому ієрархічному алгоритмі мультикласифікації стадій фіброзу була досягнута точність 99% для всіх суб’єктів. Результати дослідження підтверджують ефективність запропонованого алгоритму для визначення конкретної стадії фіброзу печінки за системою METAVIR з використанням звичайних ультразвукових зображень у В-режимі. Це відкриває перспективу швидкої та точної діагностики без необхідності використання додаткового обладнання або тестових процедур, що робить цю технологію потенційно корисною для підтримки діагностичних можливостей радіологів у клінічних умовах. | |
dc.description.abstractother | Ultrasound is a leading method in the diagnosis of pathologies such as chronic hepatitis and liver cirrhosis. However, the effectiveness of this tool largely depends on the qualifications of the doctor, and the interpretation of images is subjective. Accurate evaluation of ultrasound images requires considerable experience of a specialist in this field. The introduction of automated systems for classifying the stages of liver fibrosis can be a solution to the shortage of highly qualified radiologists, especially in regions with limited resources. The study, which aims to develop such a system, was based on materials from the Institute of Nuclear Medicine and Radiation Diagnostics of the National Academy of Medical Sciences of Ukraine. The study used a dataset of 1059 manually segmented regions of interest from 585 ultrasound images of 146 patients. Each patient underwent a liver biopsy followed by histopathologic analysis using the METAVIR system. Ensemble machine learning methods were used to classify METAVIR scores, namely Random Forest, XGBoost, LightGBM, and RFOCT. The effectiveness of these methods at different stages of liver fibrosis was evaluated using such indicators as accuracy, sensitivity, and specificity. The best results were shown by LightGBM (82% accuracy on the test set in the task "F0-1 vs. F2-4", 86% accuracy in the task “F0-2 vs F3-4”, and 96% accuracy in the task "F0-3 vs. F4") and RFOCT (77% accuracy in the task "F0 vs. F1-4"). When these models were used in the proposed hierarchical algorithm for multiclassification of fibrosis stages, an accuracy of 99% was achieved for all patients. The results of the study confirm the effectiveness of the proposed algorithm for determining the specific stage of liver fibrosis according to the METAVIR system using conventional ultrasound images in B-mode. This opens the prospect of fast and accurate diagnosis without the need for additional equipment or test procedures, making this technology potentially useful for supporting the diagnostic capabilities of radiologists in clinical settings. | |
dc.format.pagerange | С. 64-73 | |
dc.identifier.citation | Ієрархічний алгоритм мультикласифікації стадій фіброзу печінки з інтегрованим аналізом областей інтересу / Бабенко Віталій Олегович, Настенко Євген Арнольдович, Солодущенко Володимир В’ячеславович, Павлов Володимир Анатолійович, Дикан Ірина Миколаївна // Біомедична інженерія і технологія. – 2024. – № 14. – С. 64-73. – Бібліогр.: 19 назв. | |
dc.identifier.uri | https://ela.kpi.ua/handle/123456789/70594 | |
dc.language.iso | uk | |
dc.publisher | КПІ ім. Ігоря Сікорського | |
dc.publisher.place | Київ | |
dc.source | Біомедична інженерія і технологія, № 14, 2024 | |
dc.subject | фіброз печінки | |
dc.subject | машинне навчання | |
dc.subject | аналіз медичних зображень | |
dc.subject | моделювання | |
dc.subject | ультразвукова візуалізація | |
dc.subject | Liver Fibrosis | |
dc.subject | Machine Learning | |
dc.subject | Medical Images Analysis | |
dc.subject | Modeling | |
dc.subject | Ultrasound Imaging | |
dc.subject.udc | 008.64-616.36-08-073.4 | |
dc.title | Ієрархічний алгоритм мультикласифікації стадій фіброзу печінки з інтегрованим аналізом областей інтересу | |
dc.type | Article |
Файли
Контейнер файлів
1 - 1 з 1
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: