• Nie Znaleziono Wyników

Algorytmy oceny znaczenia zmian chorobowych

W dokumencie Index of /rozprawy2/10251 (Stron 101-107)

W rozdziale III omówiony został algorytm automatycznego wykrywania potencjalnych zmian chorobowych na mapach perfuzji mózgowej. Na tym etapie nie wiadomo jednak, z jaką zmianą chorobową mamy do czynienia, ani w której półkuli mózgowej jest ona usytuowana. Prawidłowa interpretacja dokonywana jest przez lekarza bazującego na swojej wiedzy medycznej. W dalszej części rozdziału zaprezentowany zostanie algorytm, z pomocą którego moŜna dokonać automatycznego określenia typu zmian chorobowych oraz rokowań dla chorych tkanek. Informacje medyczne wykorzystywane przez poniŜsze metody zostały przedstawione w paragrafie 2.3.4.

6.1 Określenie typu zmiany chorobowej

Określenie typu zmiany chorobowej w algorytmie zaproponowanym przez autora niniejszej dysertacji dokonywane jest na podstawie porównania prawidłowych wartości parametrów perfuzji CBF i CBV ze średnimi wartościami zmierzonymi w symetrycznych ROI znajdujących się w obu półkulach. I tak w celu określenia lokalizacji, w której półkuli mózgowej występuje zmiana chorobowa, moŜna zastosować następującą procedurę.

JeŜeli spełniony jest warunek:

A R A L CBF CBF CBF CBF − > − (6.1) Gdzie: L

CBF - średnia wartość CBF dla ROI leŜącego w lewej półkuli

R

CBF - średnia wartość CBF dla ROI leŜącego w prawej półkuli

A

CBF - prawidłowa wartość perfuzji (zgodnie z tabelą 1.1 wynosi on 55 ml/100 g/min)

Mamy do czynienia ze zmianą chorobową w lewej półkuli. Wynika to z faktu, Ŝe moduł róŜnicy pomiędzy prawidłową a obserwowaną wartością perfuzji w lewej półkuli jest większy niŜ moduł róŜnicy pomiędzy prawidłową a obserwowaną wartością perfuzji w prawej półkuli mózgowej.

101

Rodzaj zmiany moŜe natomiast zostać określony poprzez zbadanie warunku:

JeŜeli CBF <L CBFA to zmiana ma charakter niedokrwienny (o takim rodzaju zmiany świadczy spadek obserwowanej wartości CBF poniŜej wartości prawidłowej), w przeciwnym wypadku jest to zmiana krwotoczna.

I analogicznie dla prawej półkuli. JeŜeli: A R A L CBF CBF CBF CBF − < − (6.2)

To mamy do czynienia ze zmianą chorobową w prawej półkuli.

JeŜeli CBF <R CBFA to zmiana ma charakter niedokrwienny, w przeciwnym wypadku jest to zmiana krwotoczna.

Analogicznie określany jest charakter asymetrii na mapach CBV. JeŜeli spełniony jest warunek:

A R A L CBV CBV CBV CBV − > − (6.3) Gdzie: L

CBV - średnia wartość CBV dla ROI leŜącego w lewej półkuli

R

CBV - średnia wartość CBV dla ROI leŜącego w prawej półkuli

A

CBV - prawidłowa wartość perfuzji (zgodnie z tabelą 1.2 wynosi on 2.5 ml / 100g)

To mamy do czynienia ze zmianą chorobową w lewej półkuli (rozumowanie jest analogiczne jak w wypadku wzoru (6.2)).

JeŜeli CBV <L CBVA to zmiana ma charakter niedokrwienny, w przeciwnym wypadku jest to zmiana krwotoczna. JeŜeli: A R A L CBV CBV CBV CBV − < − (6.4)

To mamy do czynienia ze zmianą chorobową w prawej półkuli.

JeŜeli CBV <R CBVA to zmiana ma charakter niedokrwienny, w przeciwnym wypadku jest to zmiana krwotoczna (rysunek 6.1).

102

Rysunek 6.1 Określenie typu zmiany chorobowej. (A) zobrazowania CBF (na górze), CBV (na dole). (B) wyniki detekcji asymetrii. Wartość perfuzji CBF w ROI w prawej półkuli mózgowej (lewa strona zobrazowania) wynosi 8.96 ml/100 g/min, w lewym ROI zobrazowania 69.01 ml/100 g/min. Zgodnie z (6.2) mamy do czynienia ze zmianą niedokrwienną w prawej półkuli. Wartość perfuzji CBV perfuzja w prawym ROI 0.88 ml / 100g, w lewym 3.54 ml / 100g, zgodnie z (6.4) jest to zmiana niedokrwienna w prawej półkuli. (C) Zaznaczone potencjalne zmiany chorobowe.

Znajomość charakteru zmian na mapach CBF i CBV pozwala przejść do kolejnego kroku analizy zobrazowań perfuzyjnych, w którym ocenia się potencjalne zagroŜenie dla tkanek mózgowych, w wypadku jeŜeli zmierzone wartości przepływu krwi utrzymają się na niezmienionym poziomie.

6.2 MoŜliwości określenia rokowań dla chorych tkanek

Przy pomocy badań dynamicznej perfuzji TK moŜliwe jest wykrycie rejonów mózgu z deficytem przepływu krwi zanim zostaną one uwidocznione na „klasycznych” (nie zakontrastowanych) zobrazowaniach TK [89]. Wielkość deficytu perfuzji uwidocznionej na pTK jest skorelowana z prognozami dalszego przebiegu choroby pacjenta. Przegląd literatury poruszającej temat prognostycznego znaczenia map perfuzji mózgowej pTK został przedstawiony w paragrafie 2.3.4. Na jej podstawie autor dysertacji stworzył algorytm pozwalający na automatyczne określenie rokowań dla tkanek objętych zaburzeniem perfuzji mózgowej. Algorytm dokonuje porównania obszarów asymetrii wykrytych na mapach CBF i

103

CBV i dzięki pomocy specjalistycznej wiedzy medycznej streszczonej w podrozdziale 2.3.4, klasyfikuje kaŜdy z pikseli zobrazowania mózgu pacjenta do jednej z trzech grup:

1) Tkanki, które mogą przetrwać nieuszkodzone stan niedokrwienny; 2) Tkanki, które zostaną objęte udarem;

3) Tkanki, w których zostaną uruchomione mechanizmy autoregulacji krąŜenia.

Do grupy 1 naleŜą te piksele obrazu, które:

- NaleŜą do ROI asymetrii dla mapy CBF i CBV natomiast wartość rCBF nie spadła poniŜej 0.48 - granicznej wartości wyznaczającej rejon objęty udarem [50].

Do grupy 2 moŜna zaliczyć te punkty, które spełniają warunek:

- NaleŜą do ROI asymetrii dla mapy CBF i CBV natomiast wartość rCBF spadła poniŜej 0.48.

Do grupy 3 zalicza się punkty, które:

- NaleŜą do ROI asymetrii dla mapy CBF natomiast mają prawidłową lub podwyŜszoną wartość CBV (poniewaŜ według [3] obniŜona wartość CBF przy prawidłowej lub podwyŜszonej wartości CBV oznacza zazwyczaj prawidłowe uruchomienia mechanizmów autoregulacji w obszarze objętym niedokrwieniem i pozwala oczekiwać, Ŝe nie ulegnie on martwicy nawet w przypadku nie wystąpienia reperfuzji).

Na rysunku 6.2 przedstawiono wyniki działania powyŜszego algorytmu. Na obrazie tym potencjalne obszary asymetrii perfuzji zostały nałoŜone na zobrazowanie CT. Na czerwono zaznaczono takŜe obszar, który zostanie objęty udarem, na niebiesko tkanki, w których zostanie uruchomiony mechanizm autoregulacji.

104

Rysunek 6.2 Wyniki działania algorytmu oceniającego rokowania dla chorych tkanek. Potencjalne obszary asymetrii perfuzji zostały nałoŜone na zobrazowanie CT. Opis w tekście.

6.3 Badanie skuteczności algorytmów rozpoznawania

Na skuteczność algorytmu określającego znaczenie zmian chorobowych, decydujący wpływ mają wyniki otrzymane z algorytmu automatycznego wykrywania potencjalnych zmian chorobowych na mapach perfuzji mózgowej, który to algorytm wykonywany jest jako pierwszy. JeŜeli pierwszy algorytm da nieprawidłowe wyniki, ocena znaczenia zmian chorobowych kolejnym algorytmem nie moŜe być brana pod uwagę w procesie diagnostycznym.

W rozwaŜanym zbiorze testowym, dla kaŜdego przypadku, w którym algorytm detekcji zmian chorobowych zwrócił prawidłowe wyniki, prawidłowo określone zostały równieŜ połoŜenie oraz typ zmiany chorobowej. MoŜna zatem oszacować skuteczność tej metody na poziomie 77.0% jeŜeli zastosowany zostanie algorytm półautomatycznej detekcji (z moŜliwością dokonywania manualnej korekcji pozycji osi symetrii mózgowia).

Określenie rokowań dla chorych tkanek jest bardziej złoŜonym procesem. W praktyce perfuzja mózgowa jest jednym z wielu badań, które wykonywane są w celu rozpoznania choroby pacjenta, dlatego teŜ brak obecności zmian perfuzyjnych nie ma decydującego znaczenia dla wykluczenia moŜliwości wystąpienia udaru mózgu [101]. U ośmiu pacjentów z testowanego zbioru, pomimo braku widocznych zaburzeń przepływu krwi, w ostatecznym rozpoznaniu lekarz zdiagnozował udar. W rozwaŜanym zbiorze testowym, dla kaŜdego przypadku, w którym algorytm detekcji zmian chorobowych zwrócił prawidłowe wyniki, prawidłowo określony została równieŜ rokowania dla chorych tkanek (z wyjątkiem wyŜej wymienionych ośmiu przepadkach, w których ostateczna diagnoza podjęta została na podstawie innych badań).

105

W konstrukcji algorytmu, który trafniej oceniałby rokowania tkanek oraz stawiał diagnozę nie tylko w oparciu o zestaw map CBF i CBV, naleŜałoby wziąć pod uwagę wyniki badań, które zazwyczaj wykonywane są w takich wypadkach: TK, RM, angiografię oraz pozostałe dane kliniczne [101].

Podsumowując: moduł określający typ zmiany chorobowej nie wymaga dalszych modyfikacji. Algorytm zaproponowany w tej pracy pozwala na ocenę rokowań tkanek mózgowych oraz trafną diagnozę stanu chorobowego pod warunkiem, Ŝe w jej efekcie nastąpiło zaburzenie przepływu krwi. Moduł stawiający diagnozę oraz oceniający rokowania powinien zostać rozbudowany o moŜliwość symultanicznej oceny map perfuzji z uwzględnieniem wyników pozostałych badań wykonanych w procesie diagnostycznym, poniewaŜ brak obecności zmian perfuzji nie ma decydującego znaczenia przy wykluczeniu obecności udaru mózgu. Modyfikacja ta wymaga zgromadzenia kompletnych danych obrazowych pacjentów ze wszystkich przeprowadzonych obserwacji (zobrazowań) oraz przeprowadzenia dalszych badań.

106

7. Architektura systemu analizującego

W dokumencie Index of /rozprawy2/10251 (Stron 101-107)

Powiązane dokumenty