2019-01-04 23:54:11 +0000 2019-01-04 23:54:11 +0000
2
2

Uczenie maszynowe dla skanowania obrazów medycznych

Szukam tematu zainteresowania w dziedzinie uczenia maszynowego i wizji komputerowej. Konkretnie chodzi o badanie, czy wizja komputerowa może być zastosowana do klasyfikacji skanów obrazów medycznych i/lub przewidywania przyszłego stanu skanu. Nie jestem pracownikiem służby zdrowia, więc w celu ujęcia problemu w ramy czegoś, co jest osiągalne, zamierzam zbadać temat skanowania obrazu trochę więcej.

To co chciałbym wiedzieć to:

Jaki jest obecny stan techniki w technologii skanowania obrazów?

Jakie są jej słabe strony ?

Mam wiele niewiadomych i nie jestem pewien od czego zacząć, aby zdobyć podstawową wiedzę.

Rekomendacje książek są mile widziane, na przykład ta książka wydaje się być dobrym miejscem do rozpoczęcia: Na przykład książka “Medical Imaging for the Health Care Provider: Practical Radiograph Interpretation” : https://www.amazon.com/Medical-Imaging-Health-Care-Provider-ebook/dp/B01HUNOJPG

Zbiór danych, który zamierzam wykorzystać do tych badań to ‘DeepLesion’ https://www.nih.gov/news-events/news-releases/nih-clinical-center-releases-dataset-32000-ct-images

Aktualizacja : to wydaje się dobrym miejscem na początek : Obrazowanie medyczne - jakość obrazu?

Aktualizacja 2:

Zamierzam wykorzystać obraz i dane adnotowane z DeepLesion do opracowania SI do diagnozowania przyszłego i / lub obecnego stanu skanu. Przyszły stan skanu" odnosi się do przewidywania przyszłego stanu atrybutów skanu. Atrybuty są tym, co jest zawarte w zbiorze danych z DeepLesion, który zawiera średnicę zmiany, płeć pacjenta i wiek pacjenta. Więc będę próbował przewidzieć 1 lub kombinację tych atrybutów. 

Na tym etapie nie mam na celu, aby model AI przeprowadził diagnozę lub prognozę, ale dostarczył przewidywania atrybutów, które pomogą lekarzowi w przeprowadzeniu diagnozy lub prognozy. Ze względu na to, że DeepLesion zawiera skany obrazów CT, lekarzem w tym przypadku jest radiolog. 

Innym rodzajem bardziej wysokopoziomowych predykcji/klasyfikacji, które mogę rozważyć, jest wykrywanie zmian w wątrobie, płucach, nerkach.

Typ przewidywań zależy od typu dostępnych danych. 

Innym pytaniem badawczym, które mam jest to, jaki typ przewidywań ma największą wartość dla lekarza. To pomoże ukierunkować moje badania.

Odpowiedzi (2)

5
5
5
2019-01-05 17:36:28 +0000

Powszechnie stosowane metody obrazowania diagnostycznego to:

  • Ultrasonografia
  • RTG
  • Tomografia komputerowa (CT)
  • Rezonans magnetyczny (MRI)
  • Scyntygrafia lub skanowanie radionuklidowe (wstrzykiwanie radioaktywnego znacznika do żyły, czekanie, aż zbierze się w pewnym narządzie, na przykład w tarczycy, i robienie zdjęcia rozkładu znacznika za pomocą skanera)

Wszystkie wymienione techniki mają kilka wariantów, na przykład USG Dopplera, MRI z kontrastem itp. W Wikipedii Medical Imaging znajduje się bardziej szczegółowy “indeks” technik z linkami do poszczególnych artykułów.

Na Biology SE jest lista stron internetowych, które udostępniają obrazy open-access , niektóre z nich z opisami przypadków. Przed zakupem jakiejkolwiek książki, zdecydowanie polecam zorientować się, jakie typy książek mogą służyć do Twoich celów. Książka, która może być doskonała dla lekarza lub studenta medycyny, może być bezużyteczna dla Ciebie. Zalecam również, aby na początek wybrać JEDNĄ technikę obrazowania i trochę ją zbadać, a nie zajmować się wszystkimi metodami obrazowania naraz; problemy w ultrasonografii są znacznie inne niż w tomografii komputerowej.

Przykłady słabych stron technik obrazowania:

  • TK i MRI, przynajmniej, są drogie.
  • Zdjęcie rentgenowskie może pokazać tylko zmiany, które są znacznie bardziej lub mniej promieniste niż otaczające je tkanki (np. może pokazać tylko kamienie żółciowe bogate w wapń, ale nie inne).
  • Rezonans magnetyczny pęcherzyka żółciowego nie jest w stanie wiarygodnie odróżnić nienowotworowych polipów od nowotworów Grafika radiowa ).
  • Najczęstszym problemem jest prawdopodobnie to, że pomimo wysokiej czułości (zdolność do wykrycia zmiany), specyficzność (zdolność do ujawnienia/przewidywania dokładnego typu zmiany) tomografii komputerowej i rezonansu magnetycznego może być nadal niska.

Powszechnym pytaniem dla lekarza, które często pozostaje nierozwiązane po badaniu obrazowym, jest: czy zmiana jest rakowa, czy nie lub jak bardzo prawdopodobne jest, że rozwinie się w nowotwór. Na przykład, polipy pęcherzyka żółciowego większe niż 10 mm są znacznie bardziej prawdopodobne jako rakowe niż mniejsze, ale nie jest jasne, czy ryzyko wzrasta po 5 mm czy po 15 mm, na przykład. Ponadto, czasami badania obrazowe nie wykazują, czy rak rozprzestrzenił się na pobliskie narządy.

EDIT:

Aby przewidzieć zmianę na obrazie TK, musisz wiedzieć, jak wygląda normalny obraz TK i jak wygląda zmiana. Wiedza o tym, czym jest zmiana chorobowa pochodzi z porównań wielu obrazów TK i rzeczywistych sytuacji fizycznych odkrytych podczas operacji. Teraz, aby rozszerzyć tę wiedzę poza to, co można zobaczyć własnymi oczami na obrazie TK, trzeba by ponownie porównać wiele obrazów TK (używając programu komputerowego) z wynikami operacji.

Wyobrażam sobie, że wymagałoby to projektu, w który zaangażowanych byłoby kilku doświadczonych radiologów, chirurgów i ekspertów komputerowych. Jeden projekt musiałby się skupić na jednym pytaniu, na przykład: Jakie są predyktory raka pęcherzyka żółciowego w nieprawidłowych rozrostach pęcherzyka żółciowego wykrytych na obrazie tomografii komputerowej? Tysiące obrazów TK i wyników operacji musiałyby być następnie porównane, aby znaleźć ewentualne związki.

1
1
1
2019-03-02 20:53:07 +0000

Chciałbym przedstawić rekomendację, jako badacz pracujący również w obrazowaniu medycznym. Stwierdził Pan, że jest Pan zainteresowany przewidywaniem średnicy zmiany, płci pacjenta i wieku pacjenta na podstawie skanów. Jednakże, kiedy radiolog odczytuje skan, zna już płeć i wiek pacjenta, ponieważ informacje te znajdują się w dokumentacji medycznej. Zna również powód wykonania skanu. Na przykład, często zobaczy komunikat “Pani Smith jest 55-letnią kobietą z historią raka płuc” wraz z samym skanem. (A jeśli chcą, mogą kliknąć na dokumentację medyczną pacjenta i przejrzeć wszystko, co się w niej znajduje). Myślę więc, że lepiej jest nie przewidywać rzeczy, które są już znane lekarzowi. Istnieje wiele innych fajnych zadań obrazowania medycznego, które można wykonać za pomocą zestawu danych DeepLesion, np. Jak przewidywanie, czy na skanie znajduje się zmiana.

Oto kilka innych zasobów, które mogą Ci pomóc:

  1. Przegląd podstawowych anatomii klatki piersiowej dla radiologii i anatomii brzucha dla radiologii
  2. Terminy radiologiczne dotyczące lokalizacji ](https://glassboxmedicine.com/2019/01/22/anatomy-for-radiology-terms-of-location/)
  3. Jak czytać prawidłowe zdjęcia rentgenowskie klatki piersiowej ](https://glassboxmedicine.com/2019/02/10/radiology-normal-chest-x-rays/). Zdjęcia rentgenowskie klatki piersiowej to nie tomografia komputerowa, ale jeśli dopiero uczysz się o obrazowaniu medycznym, łatwiej jest zacząć od zdjęć rentgenowskich klatki piersiowej, a potem przejść do tomografii komputerowej
  4. Interpretacja tomografii komputerowej jamy brzusznej ](https://www.youtube.com/watch?v=Eg3GeUmOeYE).