Цель - разработать систему управления базой данных для хранения и поиска структурных компонентов тканей паращитовидной железы.
Задачи:
- разработать программные средства для классификации изображений области шеи и средостении;
- разработать архитектуру и создание базы данных для хранения информации о пациентах с патологией щитовидной и паращитовидной железы;
- обучение нейронной сети для определения нормы и патологии щитовидной и паращитовидной желез, а также окружающих их структур.
Первичный гиперпаратиреоз является третьим по распространенности после сахарного диабета и патологии щитовидной железы эндокринным заболеванием и одной из наиболее частых причин остеопороза и переломов среди вторичных остеопатий [Samohvalov N., et al., 2013]. ПГПТ относится к социально значимым проблемам в связи с вовлечением в патологический процесс большинства органов и систем, высоким риском инвалидизации и преждевременной смерти, а также снижением качества жизни у пациентов вне зависимости от формы заболевания, обусловленным как наличием костно-висцеральных проявлений различной степени выраженности, так и неспецифическими нарушениями в психоэмоциональной сфере.
В широком арсенале известных методов диагностики гиперпаратиреоза отсутствуют эффективные способы дифференциальной диагностики образований щитовидной и паращитовидной желез, а также дифференциальной диагностики гиперплазии и аденомы ПЩЖ, формирование которых отражает развитие вторичного и третичного гиперпаратиреоза, негативно сказывающихся на течении ХБП. В связи с этим представляется целесообразным внедрение новых методов диагностики образований щитовидной и паращитовидной желез, а также дифференциальной диагностики аденомы и гиперплазии ПЩЖ, что позволит наиболее эффективно проводить хирургическую коррекцию гиперапаратиреоза. Одним из таких методов в настоящее время является конфокальная лазерная микроскопия, позволяющая в кратчайшие сроки, как в дооперационном периоде, так и во время выполнения хирургического вмешательства провести чёткую топическую диагностику с определением морфологической структуры патологических образований. Метод конфокальной лазерной микроскопии (КЛМ) основан на способности тканей к флюоресценции при облучении их лазером с длиной волны 488 нм. КЛМ – неинвазивная методика, позволяющая во время рутинной эндоскопии в режиме реального времени получать микроскопические изображения органов и тканей в высоком разрешении, приближенном к традиционной световой микроскопии. Основным преимуществом КЛМ перед световой микроскопией является возможность исследования препарата значительной толщины без выполнения микротомных срезов и фиксации, а также оценки тканей in vivo.
До настоящего времени данных об использовании метода КЛМ в диагностике патологии паращитовидных желез в доступной мировой литературе нет. Очевидно, что использование метода КЛМ в диагностике патологических состояний паращитовидных желез позволит в кратчайшие сроки, как в дооперационном периоде, так и во время выполнения хирургического вмешательства провести чёткую топическую диагностику с определением морфологической структуры патологических образований этого органа эндокринной системы.
В настоящее время задачи обработки, анализа и распознавания биомедицинских изображений приводят к необходимости организации эффективных программно-аппаратных средств хранения и поиска изображений. Даже самые быстродействующие современные ЭВМ последовательной архитектуры оказываются неспособными решать задачи такой сложности. Поэтому актуальной является необходимость адаптации современных средств и технологий распределённой обработки информации для применения их в области организации баз данных (БД) биомедицинских изображений.
Разработана база данных для хранения информации о пациентах с патологией щитовидной и паращитовидной железы, программное средство для классификации изображений в ручном режиме врачом-специалистом, спроектирован и обучен классификатор.
Разработан алгоритм позволяющий проводить классификацию тканей паращитовидной железы. При реализации алгоритма проведен выбор вида классификатора, разработана математическая модель задачи. Проведены практические исследования классификаторов с различной структурой ядер. Эффективность работы классификатора SVM с линейным ядром обеспечена его простой структурой и одновременно высокой величиной определения патологии паращитовидной железы.
Медицина.
Разработка выполняется впервые в Республике Беларусь и СНГ. Результатом проделанной работы является автоматизированная система поиска кровеносных сосудов в видеоданных, получаемых с помощью конфокальной лазерной микроскопии. В ходе проектирования произведен выбор подходящих методик создания графического интерфейса пользователя. Подобраны оптимальные алгоритмы поиска объектов в видеоданных. Программный продукт разработан на языке программирования Javа с использованием библиотеки OpenCV. Была проведена верификация, показавшая высокие результаты. Из чего следует, что программа работает стабильно, корректно выполняет все функции, обладает удобным интерфейсом и полностью соответствует требованиям разработки.
Выбран наиболее простой и эффективный алгоритм классификации изображений – метод опорных векторов. Предварительная подготовка изображений с применением фильтров, выделения границ областей дала возможность получить высокие результаты по классификации изображений паращитовидной железы. Рассматривался процесс классификации, основанный на применении различных ядер. Наиболее высокий процентный показатель удалось получить с помощью линейного ядра SVM. Так, на обучающей выборке получена точность около 96 %, на тестовой выборке – около 91%.
Обучение нейронной сети и использование её для распознавания нормы и патологии щитовидной, паращитовидных желез позволит значительно сократить время и повысить качество интраоперационной диагностики патологии паращитовидных желез, а также сократить объем активного участия врача в процессе диагностики и принятия решения о выборе наиболее эффективных способов лечения.
Хирургическое отделение (трансплантации, реконструктивной и эндокринной хирургии), эндоскопическом отделении ГУ "РНПЦ РМ и ЭЧ".
УО "Гомельский государственный технический университет"
Научный руководитель
Комраков Владимир Викторович, доцент кафедры "Информационные технологии", кандидат технических наук
Тел.: +375 232 40 37 45
E-mail: [email protected]