Формирование модели прогноза отсроченных изменений в легких по динамическим кт-изображениям при COVID-19

Резюме: В диагностической практике радиологии врачи визуально оценивают медицинские изображения для выявления характеристик и мониторинга заболеваний. Методы ИИ и компьютерного зрения позволяют распознавать сложные закономерности в данных визуализации и предоставлять количественные оценки рентгенографических характеристик. На основе разработанной авторами методики, получены результаты по интерпретации и поиску информации. Это способствует быстрой обработке массива данных и формирование программ по поддержке принятия решений врачом-рентгенологом. Применяемая вычислительная методика направлена не только на повышения качества изображений, но и на возможность поиска КТ-паттерна более отсроченных изменений. Количественный анализ данных медицинских изображений с использованием современного программного обеспечения дает больше информации, чем стандартный анализ снимком врачом-рентгенологом. Идея исследования: выделение и формирования маркеров в зоне интереса в структуре легких для оценки индивидуальных особенностей. Это обеспечивает более достоверную интерпретацию выявленных изменений, с повышением точности диагностики заболеваний органов дыхания. Повышение точности необходимо для идентификации патологических структур, ускорения процесса диагностики заболеваний органов дыхания и снижения доли повторных исследований. Получены следующие результаты: разработан способ анализа и интерпретации патологических изменений в легких для повышения качества и точности рентгенодиагностики; выполнен поиск эталонных изображений для формирования прогноза отсроченных явления и сопоставления результатов на группе пациентов; проведен сравнительный анализ данных, полученных при помощи вычислительной методики.

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, прогноз результатов, анализ изображения текстуры

А.S. Kents, Y.A. Hamad, K.V. Simonov

Formation of the forecast model of delayed lung changes by dynamic CT images in COVID-19

Summary: In the diagnostic practice of radiology, doctors visually evaluate medical images to identify characteristics and monitor disease. AI and computer vision techniques can recognize complex patterns in imaging data and provide quantitative estimates of radiographic characteristics. Based on the methodology developed by the authors, results were obtained on the interpretation and search for information. This contributes to the rapid processing of the data array and the formation of programs to support decision-making by the radiologist. The applied computational technique is aimed not only at improving the image quality, but also at the ability to search for the CT pattern of more delayed changes. Quantitative analysis of medical imaging data using modern software provides more information than standard X-ray analysis by a radiologist. Research idea: isolation and formation of markers in the area of interest in the structure of the lungs to assess individual characteristics. This provides a more reliable interpretation of the identified changes, with an increase in the accuracy of the diagnosis of respiratory diseases. An increase in accuracy is necessary to identify pathological structures, accelerate the process of diagnosing respiratory diseases, and reduce the proportion of repeated examinations. The following results were obtained: a method was developed for the analysis and interpretation of pathological changes in the lungs to improve the quality and accuracy of X-ray diagnostics; a search for reference images was performed to form a prediction of delayed events and compare the results in a group of patients; a comparative analysis of the data obtained using the computational technique has been carried out.

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.

Keywords: CT image, Lung Pathology from COVID-19, Prognosis of outcomes, Texture Image Analysis

DOI : 10.34219/2306-3645-2021-11-3-14 -23