Use of convolution kernel during computed tomography in pneumonia patients
- Authors: Konovalov V.K1, Lobanov M.N1, Kolmogorov V.G1, Borisenko O.V1, Fedoseev M.A1, Modakalova Y.S1
-
Affiliations:
- Issue: Vol 20, No 4 (2015)
- Pages: 25-26
- Section: Articles
- Submitted: 22.07.2020
- Published: 15.08.2015
- URL: https://rjonco.com/1028-9984/article/view/40212
- DOI: https://doi.org/10.17816/onco40212
- ID: 40212
Cite item
Full Text
Abstract
Full Text
В настоящее время диагностические исследования в лучевой диагностике невозможны без применения мультиспиральной компьютерной томографии, сложившейся в самостоятельный высокоинформативный метод и завоевавший признание в практике. Применение кернеля конволюции (КК) обеспечивает дополнительные возможности для получения необходимых характеристик изображения посредством выбора соответствующего ядра свертки: от ядра сглаживания до ядра, обеспечивающего подчеркивание контуров. При этом «мягкий» КК снижает пространственное разрешение и уровень шума на изображении, а «жесткий» - производит обратный эффект. Проведена оценка степени влияния различных рекомендуемых КК на денситометрические параметры компьютерно-томографического изображения у больного 40 лет с пневмонией в заднем сегменте нижней доли левого легкого на томографе Emotion 16 (Siemens). Осуществлялась реконструкция срезов толщиной 1,5 мм. Проведена обработка одного и того же изображения: к полученным «сырым» данным применяли кернели конволюции B10s, B40s. B50s, B70s, B75s и B90s. При визуальной (качественной) оценке компьютерных томограмм в легочном электронном окне отмечалось увеличение четкости наружных границ фокуса пневмонии в зависимости от перехода примененных КК от стандартных до высокого и сверхвысокого разрешения. В средостенном электронном окне определялось постепенное увеличение зернистости как внутри фокуса пневмонии (структура его становилась менее однородной), так и в прилежащих мягких тканях. Проведен постпроцессинговый анализ изображений с применением компьютерной программы Рентгенолог+ (Россия, г. Барнаул), позволяющей проводить прямую выборку значений плотностей пикселей в табличном виде в выделенных зонах интереса из файлов в формате DICOM для последующего анализа. Полученные данные заносили в табличный процессор Microsoft Excel для статистической обработки. Результаты. Проведена оценка влияния КК на шесть параметров, разработанных нами ранее для дифференциальной диагностики шаровидных образований легких (ШОЛ) на основе использования искусственного нейрона. Анализ средних значений и доверительных интервалов показал, что наибольшее влияние КК оказывают на СКОс (среднее среднеквадратичных отклонений плотности ШОЛ по срезам) денсито- метрической плотности: величина доверительного интервала составляет 44,44% от среднего значения СКО . Наименьшее влияние алгоритмы восстановср А ления оказывают на среднюю плотность всех срезов ШОЛ (Ср) и коэффициент корреляции среднеквадратичного отклонения плотности ШОЛ по срезам при описании параболической зависимости (гСК„ аб): доверительный интервал практически равен 3% от средних значений (см. таблицу). Значения анализируемых параметров при разных кернелях конволюции КК Ср Гср. параб СКО ср r СКО параб FD dFD B10s 19,17 0,6932 15,101 0,9287 2,165 0,1886 B40s 20,75 0,7568 25,039 0,9239 2,524 0,2047 B50s 21,53 0,7556 37,169 0,9485 2,781 0,1836 B70s 20,98 0,7548 72,211 0,9655 2,988 0,1506 B75s 23,53 0,8364 75,043 0,5902 3,002 0,1298 B90s 21,47 0,7322 78,413 0,9141 3,132 0,1204 Анализ средних значений X 21,24 0,7549 50,496 0,8785 2,765 0,1629 ±т 1,13 0,0375 22,438 0,1140 0,291 0,0275 % 5,32 4,96 44,44 12,97 10,51 16,86 Выводы 1. При использовании параметров денситометри- ческой плотности в алгоритмах дифференциальной диагностики заболеваний легких необходимо учитывать примененный КК. 2. При построении баз данных пациентов и при выполнении алгоритмов дифференциальной диагностики все КТ-изображения необходимо получать при одном и том же КК. 3. Параметры КК необходимо использовать в качестве одного из факторов для обучения нейронной сети.About the authors
V. K Konovalov
M. N Lobanov
V. G Kolmogorov
O. V Borisenko
M. A Fedoseev
Yu. S Modakalova
References
Supplementary files
