Метод ИКА интерпретации патологических изменений легких с использованием компьютерной томографии для диагностики COVID-19

Резюме: Компьютерная томография легких является наиболее распространенной диагностической процедурой, направленной на выявление патологических изменений, связанных с COVID-19. Исследование направлено на использование разработанного алгоритмического обеспечения в комплексе с текстурным (геометрическим) анализом для выделения ряда показателей, характеризующих клиническое состояние объекта интереса. Обработка направлена на решение ряда диагностических задач: выделение и контрастирование объектов, представляющих интерес, с учетом цветового кодирования. Далее выполняется оценка по соответствующим критериям, чтобы выяснить природу изменений и повысить как визуализацию патологических изменений, так и точность рентгенодиагностического заключения. Для этих целей предлагается использовать алгоритмы предварительной обработки для серии изображений в динамике. Сегментация легких и области возможной патологии проводятся с помощью вейвлет-преобразования и порогового значения Оцу. В качестве средства визуализации и выделения признаков (маркеров) используются дельта-карты и карты, полученные с помощью шиарлет-преобразования с контрастированием цветовым кодированием. Проведенный в работе анализ экспериментально-клинического материала показывает эффективность предложенной комбинации методов для изучения изменчивости внутренних геометрических признаков (маркеров) объекта интереса на КТ-изображениях. Исследование выполнено в рамках гранта «Методы искусственного интеллекта и компьютерного зрения для повышения точности дистанционной диагностики заболеваний органов дыхания в северной группе районов Красноярского края» при финансовой поддержке Красноярского краевого фонда поддержки научной и научно-технической деятельности.

Ключевые слова: КТ-изображение, патология легких от COVID-19, фиброз легких, прогноз результатов, анализ изображения текстуры, алгоритм шиарлет-преобразования, контрастирование с цветовой кодировкой.

А.S. Kents, Y.A. Hamad, K.V. Simonov, A.S. Kruglyakov 

Methods for interpreting pathological changes in the lun gs using computer tomography for diagnosing COVID-19

Summary: Сomputed tomography of the lungs has been the most common diagnostic procedure aimed at detection of the pathological changes associated with COVID-19. The study is aimed at the use of the developed algorithmic support in combination with texture (geometric) analysis to highlight a number of indicators characterizing the clinical state of the object of interest. Processing is aimed at the solution of a number of diagnostic tasks: highlighting and contrasting the objects of interest, taking into account the color coding. Further, an assessment is performed according to the appropriate criteria in order to find out the nature of the changes and increase both the visualization of pathological changes and the accuracy of the X-ray diagnostic report. For these purposes, it is proposed to use preprocessing algorithms for a series of images in dynamics. Segmentation of the lungs and areas of possible pathology are performed using wavelet transform and Otsu threshold value. Delta-maps and maps obtained using Shearlet transform with contrasting color coding are used as a means of visualization and selection of features (markers). The analysis of the experimental and clinical material carried out in the work shows the effectiveness of the proposed combination of methods for studying of the variability of the internal geometric features (markers) of the object of interest in the CT images. The study was carried out within the framework of the grant «Methods of artificial intelligence and computer vision to improve the accuracy of remote diagnostics of respiratory diseases in the northern group of regions of the Krasnoyarsk Territory» with financial support from the Krasnoyarsk Regional Fund for the Support of Scientific and Scientific and Technical Activities.

Key words: CT image, Lung Pathology from COVID-19, Pulmonary Fibrosis, Prognosis of outcomes, Texture Image Analysis, Shearlet Transform Algorithm, Color-coded Contrasting.

DOI : 10.34219/2306-3645-2021-11-1-14-23