Академический Документы
Профессиональный Документы
Культура Документы
ABSTRAK
Efusi pleura adalah suatu kondisi di mana ada penumpukan cairan abnormal dalam ruang
pleura. disini menyajikan sebuah metode otomatis untuk mengevaluasi keparahan efusi
pleura menggunakan gambar CT dada biasa. Pertama paru-paru tersegmentasi menggunakan
wilayah tubuh , matematika dan pengetahuan morfologi anatomi. Kemudian lapisan viseral
dan parietal pleura yang diekstrak berdasarkan landmark anatomi, curve fitting dan model
kontur aktif. Akhirnya, rongga pleura tersegmentasi dan efusi pleura diukur. Metode kami
telah diuji pada 15 Studi CT dada . segmentasi otomatis divalidasi terhadap tracing manual
dan gradasi kualitatif radiologi . korelasi Pearson antara evaluasi komputer dan gradasi ahli
radiologi adalah 0,956 ( P = 10-7 ) . Koefisien Dice antara otomatis dan manual segmentasi
adalah 0.74 ± 0.07 , yang sebanding dengan variasi antara dua pengguna yang berbeda
penelusuran.
KATA KUNCI
Pleural Effusion; CAD; Segmentation
1. PERKENALAN
Efusi pleura menggambarkan kondisi penumpukan cairan dalam rongga pleura dari
rongga paru-paru, biasanya sebagai gejala dari penyakit yang lebih besar , seperti gagal
ventrikel , sirosis hati, atau keganasan, dan dapat dibagi menjadi dua kelas berdasarkan
bagaimana berasal cairan [ 1 ] : transudat berasal dari perubahan tekanan hidrostatik , di
mana cairan didorong dari rongga pleura ke tempat lain; atau eksudat , di mana cairan yang
dibuat oleh pleura yang permukaan itu sendiri . jumlah cairan yang berlebihan tersebut dapat
mengganggu pernapasan. Mengetahui lokasi , dan terutama volume , dari efusi pleura dapat
membantu dokter dalam menentukan keparahan kondisi , atau apakah akan melakukan biopsi
pada efusi pleura .
Efusi pleura dapat dideteksi melalui sejumlah metode noninvasif, termasuk
radiografi dada, CT dada dan ultrasound. metode ultrasonik menawarkan fleksibilitas terbaik
dan portabilitas, serta pengukuran volume yang lebih akurat jika dibandingkan dengan
radiografi dada; Namun, untuk lokasi terbaik dari efusi pleura ditambah dengan volume yang
pengukuran akurat, CT scan dada normal [1]. Berkenaan dengan CT scan dada, mayoritas
kerja pada deteksi efusi pleura dan pengukuran telah terkonsentrasi ke arah baik
mendefinisikan fitur untuk digunakan dalam pemisahan manual efusi pleura dari jaringan
sekitarnya atau penyimpangan lainnya seperti ascites [2], atau terhadap pengukuran yang
lebih baik dari volume yang ditetapkan [3]. Banyak dari ini tidak mengukur volume
langsung. Sistem [3] tidak langsung menghitung jumlah piksel dalam area efusi pleura. Ini
bukan mengandalkan pengukuran atribut tertentu, seperti panjang dan kedalaman efusi.
Ditemukan bahwa meskipun tidak secara langsung mengukur luas penampang, pengukuran
masih berkorelasi baik dengan volume aktual, sebagaimana ditentukan oleh estimasi ahli
radiologi. Namun pengukuran volume versi software ini masih memerlukan ahli radiologi
untuk menafsirkan gambar CT dan manual menarik di daerah bertekad untuk menjadi efusi
pleura yang akan diukur, sering memakan waktu tugas. Apa yang diinginkan adalah dibantu
sistem diagnostik komputer yang tidak hanya menentukan volume dari ruang didefinisikan,
tapi satu yang akan mengidentifikasi area efusi pleura dan memilih volume yang benar tanpa
masukan ahli radiologi.
Hal ini tidak hanya akan mengurangi waktu yang dibutuhkan per CTseri; jika
akurasi sistem itu cukup tinggi, bisa juga mengurangi jumlah kesalahan dalam diagnosis.
Tujuan dari penelitian ini adalah untuk mengembangkan sistem tersebut dan mengujinya
dalam jumlah yang wajar dari kasus untuk menentukan efektivitasnya. Otomatis evaluasi
efusi pleura di gambar CT bukan tugas sepele karena berikut alasan: 1) intensitas pixel dari
cairan pleura sangat dekat dengan yang ada pada jaringan lunak dan jaringan paru
dikompresi; 2) batas ruang pleura tidak teratur dan biasanya ambigu. Gambar 1 menunjukkan
contoh efusi pleura.
di mana K merupakan difusi konstan ( nilai default adalah 3 ) . Hasil anisotropic difusi
ditunjukkan pada Gambar 3b .
Sebagai mana Finternal adalah gaya spline kontur , dan Fimage adalah gaya gambar , dan
menang dan wim adalah parameter bobot masing-masing . Gaya internal Finternal dapat
ditulis sebagai :
(6)
di mana c (s) adalah kurva yang mewakili kontur, c '(s) adalah urutan turunan pertama dari c
(s), dan c '' (s) adalah turunan urutan kedua dari c (s). Gaya spline terdiri dari orde pertama
Istilah dikendalikan oleh α (s) (default = 0,5) dan jangka orde kedua dikendalikan oleh β (s)
(default = 1).
Fimage adalah kekuatan yang berasal dari gambar untuk menarik kontur fitur gambar seperti
tepi, iso-nilai, atau batas. Dalam metode kami, kami menggunakan gradien dari peta tepi
sebagai kekuatan citra, yaitu(7)
dimana g⇀ adalah gradien, '(x) adalah urutan turunan pertama gambar I, | I (x) | membentuk
tepi peta. Gambar 4b menunjukkan pleura visceral diekstrak. Lapisan parietal berfungsi
sebagai batas bawah dari rongga pleura. Hal ini melekat pada bagian dalam dinding tulang
rusuk. Kami menggunakan tiga langkah rutin yang sama untuk ekstraksi pleura parietal.
Pertama, poin penting dari tulang rusuk bagian terdeteksi; kedua, polinomial Bernstein adalah
dilengkapi dengan landmark; dan ketiga, model kontur aktif diterapkan untuk memperbaiki
lapisan. Ribs digunakan sebagai landmark untuk lapisan parietal. Kita model tulang rusuk
sebagai slab memanjang dengan intensitas pixel tinggi (Gambar 4c). Untuk setiap titik (xi, yi)
pada lapisan visceral,kita mencari dalam ruang di bawahnya untuk mencari model rib terbaik
cocok. Proses pencarian dapat ditulis sebagai,
3. HASIL
Lima belas pasien (Usia 32-79 thn, berarti 52,4 thn) dengan efusi pleura setidaknya
berukuran sedang (seperti yang dijelaskan dalam laporan radiologi) dipilih untuk evaluasi
metode kami. CT scan dada memiliki ketebalan irisan 5mm dan spasi. jarak berkisar dari
0.63mm ke 0.88mm. Seorang operator manual ditelusuri keluar efusi pleura jelas pada layar.
Dice koefisien kemudian dihitung antara tracing manual dan segmentasi komputer, (10) sini
Vc adalah seperangkat komputer tersegmentasi voxels, dan Vm adalah himpunan semua
ditelusuri secara manual voxels, adalah jumlah voxels di segmentasi a. The manual tracing
dilakukan dua kali pada waktu yang berbeda. Gambar 5 menunjukkan contoh segmentasi
komputer dan dua penelusuran manual. Tabel 1 merangkum koefisien Dice. Koefisien Dice
antara segmentasi komputer dan menjiplak pengguna sebanding dengan variasi antara dua
penelusuran manual.
Untuk setiap studi, seorang ahli radiologi yang berpengalaman visual diperiksa CT
gambar dan subyektif dinilai keparahan efusi pleura di paru-paru kiri dan kanan secara
terpisah. kelas berkisar antara 0 sampai 4, di mana 0 menunjukkan tidak ada efusi pleura dan
4 menunjukkan parah efusi pleura. Di antara tiga puluh paru-paru (15 pasien, kiri dan paru-
paru kanan), tujuh orang sebagai kelas 0, sembilan sebagai kelas 1, tujuh sebagai kelas 2,
lima sebagai kelas 3 dan dua sebagai kelas 4. Gambar 6 menunjukkan plot pencar dari nilai
radiologi versus rasio pleura computed Volume efusi / volume paru-paru. Analisis regresi
menunjukkan bahwa korelasi Pearson adalah
0,956 dan P (T <= t) = 10-7.