Можливості радіоміки для обробки даних комп’ютерної томографії органів грудної порожнини при діагностиці туберкульозу легень

Автор(и)

  • М.І. Линник ДУ «Національний інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України», Київ, Ukraine https://orcid.org/0000-0002-0011-7482
  • І.В. Ліскіна ДУ «Національний інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України», Київ, Ukraine https://orcid.org/0000-0001-8879-2345
  • І.А. Калабуха ДУ «Національний інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України», Київ, Ukraine
  • В.І. Ігнатьєва ДУ «Національний інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України», Київ, Ukraine https://orcid.org/0000-0003-0604-4349
  • О.Р. Тарасенко ДУ «Національний інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України», Київ, Ukraine https://orcid.org/0000-0002-6382-0554

DOI:

https://doi.org/10.30978/TB-2022-2-36

Ключові слова:

комп’ютерна томографія; туберкульоз легень; радіоміка; патоморфологія; сегментаційна гістограма

Анотація

У статті показано можливості застосування радіоміки для обробки даних комп'ютерної томографії органів грудної порожнини при діагностиці туберкульозу легень. На сьогодні для обробки зображень КТ використовується суб'єктивний метод, заснований на знаннях та досвіді лікаря-радіолога. Новий підхід до аналізу зображень КТ здатний кардинально змінити процес діагностики. Суть його полягає у створенні математичних моделей та комп'ютерних алгоритмів, які приймають на вхід медичні зображення та видають патофізіологічні особливості тканин.
З метою аналізу зрізів КТ використана програма Dragonfly, надана безкоштовно фірмою OBYECT RESERCH SYSTEMS (ORS), Монреаль, Канада, яка дає можливість проводити сегментацію, математичну та статистичну обробку зображень, виконувати побудову звичайних та сегментованих гістограм. Для роботи з програмою dicom — файли КТ трансформуються в растрові файли (Tiff, Jpeg, Raw) та подальший аналіз зрізів КТ проводиться за градаціями відтінків сірого (за пікселями зображення, а не за вокселями файлів dicom). Необхідно наголосити, що аналіз відтінків сірого корелює з одиницями Хаунсфільда.
Показано, що на підставі даних патоморфологічного дослідження ураженої тканини неможливо встановити різницю між хіміорезистентним та чутливим туберкульозом легень.
Обробка даних КТ із побудовою звичайних та сегментаційних гістограм за допомогою інструментів програми Dragonfly дає змогу виявляти патофізіологічні особливості тканин при діагностиці чутливого та хіміорезистентного туберкульозу легень.
Необхідно проведення подальших досліджень для виявлення закономірностей та різниці у визначенні щільностей при діагностиці чутливого та хіміорезистентного туберкульозу легень.

Біографії авторів

М.І. Линник, ДУ «Національний інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України», Київ

Линник Микола Іванович
д. мед. н., зав. відділу епідеміологічних та організаційних проблем фтизіопульмонології
03038, м. Київ, вул. М. Амосова, 10

І.В. Ліскіна, ДУ «Національний інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України», Київ

Ліскіна Ірина Валентинівна
д .мед. н., ст.  наук. співр., зав. лабораторії патоморфології

І.А. Калабуха, ДУ «Національний інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України», Київ

-

В.І. Ігнатьєва, ДУ «Національний інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України», Київ

Ігнатьєва Вікторія Ігорівна
ст. наук. співр. відділення діагностики, терапії і клінічної фармакології  захворювань легень

О.Р. Тарасенко, ДУ «Національний інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України», Київ

Тарасенко Олена Ростиславівна
ст. наук. співр. відділу епідеміологічних та організаційних проблем фтизіопульмонології

Посилання

Aerts HJWL, Rios-Velazquez E, Leijenaar RTH, et al. Decoding tumor phenotype by noninvasive imaging using a quantitative radiomics approach. Nat Commun. 2014;5:4006. doi:10.1038/ncomms5006.

Kumar V, Gu Y, Basu S, et al. Radiomics: the process and the challenges. Magn Reson Imaging. 2012;30(9):1234-1248. doi:10.1016/j.mri.2012.06.010.

Lambin F, Rios-Velazquez E, Leijenaar R, et al. Radiomics: Extracting more information from medical images using advanced feature analysis. Eur J Cancer. 2012;48(4):441-446. doi:10.1016/j.ejca.2011.11.036.

Patil R, Mahadevaiah G, Dekker A. An approach toward automatic classification of tumor histopathology of non—small cell lung cancer based on radiomic features. Tomography. 2016;2(4):374-377. doi:10.18383/j.tom. 2016.00244.

Rizzo S, Botta F, Raimondi S, et al. Radiomics: the facts and the challenges of image analysis. Eur Radiol Exp. 2018;2(1):36. doi:10.1186/s41747-018-0068-z.

The National Lung Screening Trial Research Team. Reduced lung-cancer mortality with low-dose computed tomographic screening. N Engl J Med. 2011;365:395-409.

Trajanovski S, Mavroeidis D, Swisher CL, et al. Towards radiologist-level cancer risk assessment in CT lung screening using deep learning. Comput Med Imaging Graph. 2021;90: 101883. doi:10.1016/j.compmedimag.2021.101883.

Voronchuk NS, Bovsunovska KS, Davydko OB, et al. Segmentation of tuberculosis lungs on computer tomography images. Innov Biosyst Bioeng. 2021;5(2):117-124. doi:10.20535/ibb.2021.5.2.23305.

##submission.downloads##

Опубліковано

2022-06-17

Номер

Розділ

Практика і досвід