Опубликована «ПАТОЛОГИЯ КРОВООБРАЩЕНИЯ И КАРДИОХИРУРГИЯ». №1, 2004 ГОД. СТР. 61-64.

АЛГОРИТМ ДИАГНОСТИКИ ТИПА ЛЕГОЧНОГО КРОВЕНАПОЛНЕНИЯ ДЛЯ КОМПЬЮТЕРНОГО АНАЛИЗА ЦИФРОВЫХ РЕНТГЕНОГРАММ.

Антонов О.С., Пак Н.Т., Ленько Е.В.

НИИ патологии кровообращения МЗ РФ, Новосибирск

АННОТАЦИЯ.

Цель исследования: определить, каким образом с помощью значения оптической плотности легочной ткани (ОПЛТ) можно объективно оценивать состояние гемодинамики в малом круге кровообращения (МКК) . Всего обследовано 60 человек (28 больных с врожденными пороками сердца, 32 условно здоровых пациентов). Использован пакет статистических программ STATISTICA Data Miner (StatSoft. USA). В результате факторного анализа определены 4 фактора, определяющие величину оптической плотности правого легочного поля. Установлено наличие сильной корреляции между ОПЛТ, возрастом пациента и передне-задним размером грудной клетки. Определен эталонный участок вне легочной ткани, позволяющий стандартизовать цифровые рентгенограммы. Установлены информативные зоны правого легочного поля (предикторы) для дифференциальной диагностики режимов кровотока в малом круге кровообращения при врожденных пороках сердца с переполнением. Доказана возможность объективной рентгенологической оценки гемодинамики МКК с помощью значения ОПЛТ. Разработан алгоритм распознавания типа состояния легочного кровенаполнения: «норма» и «не норма», а также распознавания «гиперволемии» и «не гиперволемии».

Рентгенологическое исследование органов грудной клетки у пациентов с заболеваниями сердечно-сосудистой системы сохраняется востребованным, поскольку в этом случае имеется возможность сделать доступным для оценки малый круг кровообращения (МКК), что имеет большое значение для правильной тактики лечения пациентов. Учитывая современные тенденции развития цифровой рентгенографии [7] , в настоящей работе исследована возможность оценки гемодинамики МКК с помощью численных значений ОПЛТ, полученных при компьютерной обработке цифровых рентгенограмм. Начало объективной диагностике гемодинамических изменений в МКК с помощью численных значений ОПЛТ при пороках сердца изложено ранее нами в [1, 6, 9]. В настоящее время эта работа продолжается также И.Б.Беловой и В.М.Китаевым [ 4 ].

МАТЕРИАЛ И МЕТОДЫ ИССЛЕДОВАНИЯ

Клиническую базу данных настоящего исследования составили 60 наблюдений за условно здоровыми пациентами и больными врожденными пороками сердца, обследованных в НИИ ПК. Клиническая характеристика наблюдений представлена в табл.1.

Таблица 1.

Клиническая характеристика наблюдений, включенных в базу данных

Показатель	Нормоволемия (доноры)	Гиперволемия
		Давление в легочной артерии менее 35 мм.ст.ст.	Давление в легочной артерии 35-60 мм.рт.ст.	Давление в легочной артерии более 60 мм.рт.ст.
Мужчины	10	10	2	-
Женщины	22	8	5	3
Средний возраст, годы мужчины	21,2	13,9	15,5	-
женщины	20,5	21,4	36,6	33,3

Цифровые рентгенограммы получены на цифровом сканирующем аппарате «Новорент» [ 3].

Способ получения цифрового изображения. Программа съемки на аппарате «Новорент» осуществляется после внесения данных о передне-заднем (ПЗ) размере грудной клетки пациента, измеряемого на уровне четвертого межреберья, а остальные параметры для рентгенографии (KV,MAS) выставляются автоматически. Процесс съемки осуществляется путем сканирования. Необходимо отметить, что только при таком прямоугольном плоскостном сканировании устраняется влияние рассеянного излучения. Это способствует получению статистически достоверных значений каждого пикселя (наименьшего элемента цифрового изображения), которые используются далее для построения диагностических алгоритмов [2]. Вычисление средней оптической плотности является программной функцией данного аппарата. Средняя ОПЛТ в измеряемом участке – количественный показатель сосудистых теней, что позволяет судить о степени кровенаполнения легочной ткани [3]. В целом, количественная характеристика легочного рисунка является объективной, выраженной в терминах доказательной медицины [5].Среднюю оптическую плотность мы измеряли в девяти зонах правого легочного поля, как более информативного, согласно общепринятому делению на пояса и зоны [8]. В нашей модификации эти участки правого легочного поля пронумерованы 1-9.(рис.1).

Рис. 1 Деление правого легочного поля на пояса и зоны по Л.С.Розенштраух, Н.И.Рыбакова, М.Г.Виннер (1987)

Стандартизация цифровых изображений. Для стандартизации получаемых рентгенограмм нами определен треугольный эталонный участок с основанием 3см и сторонами по 2 см.

Анатомические ориентиры его основания: нижний левый угол является местом пересечения верхнего края правой ключицы и заднего отрезка 2 ребра справа, основание треугольника - задний отрезок 2 ребра справа длиной 3см. После выполнения трехкратного замера рассчитывалось среднее значение оптической плотности эталонного участка (ОПЭУ), которое затем использовалось для процедуры стиандартизации.

Банк данных и переменных. Всего выбрано 17анализируемых переменных: фамилия, возраст пациента (лет), П-З размер (см), масса тела (кг) ,площадь поверхности тела (м²), оптическая плотность эталонного участка (ОПЭУ), оптические плотности девяти зон правого легочного поля, диагноз, тип кровенаполнения легкого (нормо-, гиперволемия, гипертензия).

Статистический анализ (вариационный, корреляционный, регрессионный, дисперсионный, факторный и «деревья классификации») проведен с помощью пакета STATISTICA Data Miner (StatSoft. USA). Уровень значимости принимали как p < 0.05.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

По результатам корреляционного анализа ОПЭУ, ПЗ и возрасту пациента выявлено следующее. Тесная связь (r = -0.86) выявлена между ОПЭУ и ПЗ размером (рис.2), а также между ОПЭУ и возрастом. Выявленная корреляция по ОПЛТ, П-З размеру и возрасту использована в дальнейших этапах статистического анализа исходных данных.

Рис.2. Корреляция между П-З размером и ОПЭУ.

По результатам регрессионного анализа получено уравнение регрессии ОПЭУ по П-З и возрасту):

ОПЭУ = 283,6+11*Возраст-17,9*ПЗ+0,1*Возраст^2 - 0,85 * Возраст * ПЗ + 0,8 * ПЗ^2.

Значение ОПЭУ, рассчитанного для конкретного пациента с помощью этого уравнения называем «расчетным». Нами предложен коэффициент стандартизации (КСт), равный отношению расчетного ОПЭУ к ОПЭУ реальному, измеренному по анализируемому цифровому рентгеновскому снимку.

После выполнения стандартизации исследуемых снимков мы провели дисперсионный анализ на различие оптических плотностей по зонам правого легочного поля с целью выявления наиболее информативных для дифференциальной диагностики типов кровотока в МКК зон правого легочного поля. По результатам анализа наиболее информативными предикторами являются: 2, 6 и 9 зоны.

Нами выведены уравнения регрессии для расчета ОПЛТ в указанных трех зонах-предикторах при разных типах кровотока в МКК (таб.2).

Таблица 2.

Формулы уравнений регрессии оптической плотности (y=) зон правого легкого по возрасту (Возраст, лет) и передне- заднему размеру (П-З, см) в зависимости от типа легочного кровоснабжения (p<0.05)

Зоны правого легкого	Нормоволемия	Гиперволемия	Гипертензия
2зона	y=195-0,2*(Возраст)-0,9*(П_З)	y=242+0,2*(Возраст)-3*(П_З)	y=423+0,6*(Возраст)-13*(П_З)
6зона	y=200+0,7*(Возраст)-1,4*(П_З)	y=236+0,7*(Возраст)-2,3*(П_З)	y=484+3*(Возраст)-19*(П_З)
9зона	y=218+1,2*(Возраст)-2,6*(П_З)	y=259+0,6*(Возраст)-3*(П_З)	y=409+2*(Возраст)-13*(П_З)

При умножении КСт на реальные значения ОП измеряемых зон правого легочного поля мы получали стандартизованные значения ОПЛТ данных зон.

Для выявления структуры причинно-следственных отношений зависимостей между вышеперечисленными данными применен факторный анализ (анализ главных компонент с Varimax вращением). Его применение позволило выявить 4 ключевых фактора, влияющих на значение ОПЛТ. Первый фактор в наибольшей степени влияет на величину ОПЛТ. Также прослеживается его связь с типом кровенаполнения легкого, а также диагнозом врожденного порока сердца. Эти результаты свидетельствуют о том, что ОПЛТ в разных зонах правого легкого зависит главным образом от интенсивности кровенаполнения легкого. У первого фактора наблюдается достаточно сильное отрицательное влияние на переменные «возраст» и П-З размер. По совокупности свойств зависимых от этого фактора переменных фактор 1 условно обозначен нами «пропускной (экранирующей) способностью тканей для прохождения рентгеновских лучей».

Второй фактор также достаточно сильно влиял на ОПЛТ измеряемых зон. Этот фактор назван «фактором особенностей кровенаполнения легких». Обнаружено менее сильное, хотя и достоверное, влияние третьего фактора на кровенаполнение легких и диагноз, а также четвертого – на переменные «масса тела» и «П-З размер» (p<0,05).

Таким образом, наибольшее влияние на ОПЛТ оказывали два ключевых фактора, названные нами «фактором поглощения квантов рентгеновского излучения тканями грудной клетки» и «фактором особенностей кровенаполнения легких».

Клиническая интерпретация результатов факторного анализа такова: величина измеряемой у пациента ОПЛТ менялась в зависимости от «толщины» экранирующего легкие слоя тканей грудной клетки и в зависимости от разной интенсивности кровенаполнения легочной ткани. На этой основе нами сформулирована научная гипотеза о том, что реальное значение ОПЛТ, измеренного по цифровой рентгенограмме можно использовать в качестве предиктора для дифференциальной диагностики типа легочного кровенаполнения.

Далее с помощью «Classification Trees» нами был определен алгоритм распознавания типа кровенаполнения легочной ткани. В частности, было показано, что для диагностики нормоволемии наиболее значима ОПЛТ в 9 зоне, а для диагностики ГВ ОПЛТ во 2 стандартизованной зоне.

Программа CART из модуля STATISTICA Data Miner (StatSoft. USA) «вывела» АЛГОРИТМ 1, позволяющий дифференцировать «норму» и «не-норму» (рис.3 ).

Рис.3. Алгоритм дифференциальной диагностики «нормы» и не «нормы».

На каждом этапе алгоритма сравниваются определенные значения ОПЛТ в конкретной зоне (в данном случае в 9 измеренной зоне значение ОПЛТ 206,46). Если ОПЛТ менее указанной, то принимаем во внимание левую ветвь, если более - правую и т.д. АЛГОРИТМ 1 позволяет классифицировать снимки легочного кровенаполнения по типу «нормоволемии».

На завершающей стадии нашего исследования мы с помощью программы CART модуля STATISTICA Data Miner (StatSoft. USA) получили АЛГОРИТМ 2 (рис.4) для разделения ГВ от «не- ГВ».

Учитывая то, что алгоритм по дифференциальной диагностике ГТ получить не удалось вследствие малого количества наблюдений, то с большой долей вероятности конечный результат данного алгоритма является значением ГТ. Эти немногочисленные клинические случаи требуют повторной оценки, но они уже визуально оцениваются специалистом-рентгенологом.

Рис.4. Алгоритм разделения ГВ от «не- ГВ».

Таким образом, последовательное выполнение обоих алгоритмов позволяет уверенно дифференцировать ГВ, «норму» и те «прочие типы кровнаполнения правого легкого», которые, к сожалению, машина распознать пока не могла.

При проведении кросс-проверки на независимой базе данных (37 верифицированных наблюдений) получены следующие результаты (табл.3).

Таблица 3.

Результаты кросс-проверки на независимой базе данных.

Вид кровотока	Количество наблюдений	Правильное распознавание	Неправильное распознавание
Нормоволемия	15	12	3
Гиперволемия	12	8	4
Не норма и не гиперволемия	10	7	3

Таким образом, после апробирования алгоритмов установлено, что правильная диагностика типа кровотока имела место в 73% наблюдений, неправильное - в 17 % наблюдений.

Мы надеемся, что первый опыт компьютерной дифференциальной диагностики по цифровым рентгеновским снимкам, можно признать удачным. По мере накопления опыта и совершенствования алгоритма распознавания можно ожидать увеличение чувствительности и специфичности разрабатываемого нами программного обеспечения.

ВЫВОДЫ

1.Установлено, что на оптическую плотность легочной ткани наблюдений, включенных в базу данных, в основном оказывали влияние два ключевых фактора: фактор поглощения квантов рентгеновского излучения тканями грудной клетки и фактор особенностей кровенаполнения легких (p<0,05).

2. Наиболее информативной для дифференциальной диагностики «нормоволемии» является 9 зона без стандартизации ее значения, для диагностики «гиперволемии» предиктором служит 2 стандартизованная зона.

3. С помощью программы STATISTICA Data Miner (StatSoft. USA) разработан двухэтапный алгоритм, позволяющий осуществлять дифференциальную диагностику типа гемодинамики МКК по цифровым рентгенограммам.

4. Разработанный алгоритм может быть использован в качестве основы программного обеспечения не только для предоперационной диагностики ВПС, но и оценки эффективности выполненной операции.

ЛИТЕРАТУРА

1. Антонов О.С., Мантула Д.К., Манохин А.Н. // Вестник рентгенологии и радиологии.1988.№3.С.55-60.

2. Антонов О.С., Антонов А.О., Еникеева Р.И., Виноградова Е.В.// Радиология-практика. 2001.№ 3. С.57-61.

3.Антонов О.С., Антонов А.О., Бару С.Е. и др. //Патология кровообращения и кардиохирургия. 2003. №1. С.91-94.

4. Белова И.Б., Китаев В.М. Малодозовая цифровая рентгенография (малодозовая цифровая рентгенографическая установка «Сибирь». Орел, 2001.80с.

5. Гуляевский С.Е., Гутов А.В., Пак Н.Т. Цифровая рентгенография: метод объективной оценки изменений малого круга кровообращения при заболеваниях сердца. Тезисы VII ежегодной сессии НЦССХ РАМН. 2003.С.174.

6. Мантула Д.К. Система обработки рентгеновского изображения грудной клетки для автоматического разделения его на норму и патологию. Автореф.дис.канд.мед.наук. Обнинск. 1989. 20с.

7. Портной Л.М. // Вестник рентгенологии и радиологии, 2002. № 3. С. 4-22.

8. Розенштраух Л.С., Рыбакова Н.И., Виннер М.Г. Рентгенодиагностика заболеваний органов дыхания. М., Медицина, 1987. С.23.

9. Тарасевич Э.Б. Возможности объективизации изменений легочного кровенаполнения при врожденных пороках сердца методом микрофотометрии рентгенограмм: Автореф.дис.канд.мед.наук. Новосибирск.1980.19с.