2019-01-04 23:54:11 +0000 2019-01-04 23:54:11 +0000
2
2

Apprendimento automatico per la scansione di immagini mediche

Sto cercando un argomento di interesse nel dominio dell'apprendimento automatico e della visione artificiale. Più specificamente, la ricerca può essere applicata alla computer vision per classificare le scansioni di immagini mediche e/o prevedere lo stato futuro di una scansione. Non sono un professionista della sanità, quindi per inquadrare il problema in qualcosa che sia realizzabile sto puntando a ricercare l'argomento della scansione delle immagini un po’ di più.

Quello che vorrei sapere è:

Qual è lo stato attuale dell'arte della tecnologia di scansione delle immagini?

Quali sono i suoi punti deboli?

Ho molte incognite e non sono sicuro da dove cominciare per ottenere una conoscenza di base.

I consigli sui libri sono benvenuti, per esempio questo libro sembra un buon punto di partenza: Per esempio il libro “Medical Imaging for the Health Care Provider: Practical Radiograph Interpretation ” : https://www.amazon.com/Medical-Imaging-Health-Care-Provider-ebook/dp/B01HUNOJPG

Il dataset che intendo utilizzare per questa ricerca è ‘DeepLesion’ https://www.nih.gov/news-events/news-releases/nih-clinical-center-releases-dataset-32000-ct-images

Update : questo sembra un buon punto di partenza : Medical imaging - image quality?

Update 2:

Ho intenzione di utilizzare le immagini e i dati annotati da DeepLesion per sviluppare una AI per diagnosticare lo stato futuro e/o presente di una scansione. Lo “stato futuro di una scansione” si riferisce alla previsione dello stato futuro degli attributi della scansione. Gli attributi sono quelli contenuti nel set di dati annotati di DeepLesion che include il diametro della lesione, il sesso e l'età del paziente. Quindi cercherò di predire 1 o una combinazione di questi attributi.

In questa fase non sto mirando a far sì che il modello AI esegua una diagnosi o una prognosi, ma a fornire una previsione degli attributi che aiuti l'operatore sanitario a eseguire la diagnosi o la prognosi. Dato che DeepLesion contiene scansioni di immagini CT, l'operatore sanitario in questo caso è un radiologo.

Altri tipi di predizioni/classificazioni di più alto livello che potrei considerare sono il rilevamento di lesioni al fegato, ai polmoni e ai reni.

Il tipo di predizioni dipende dal tipo di dati disponibili. 

Un'altra domanda di ricerca che ho è quale tipo di predizioni sono di maggior valore per il medico. Questo aiuterà a focalizzare la mia ricerca.
Fonte

Risposte (2)

5
5
5
2019-01-05 17:36:28 +0000

I metodi di diagnostica per immagini comunemente usati sono:

  • Ultrasonografia
  • Raggi X
  • Tomografia computerizzata (TC)
  • Risonanza magnetica (RM)
  • Scintigrafia o scansione con radionuclidi (iniettando un tracciante radioattivo in una vena, aspettando che si raccolga in un certo organo, per esempio la tiroide, e facendo una foto della distribuzione del tracciante con uno scanner)

Tutte le tecniche menzionate hanno diverse varianti, per esempio l'ecografia Doppler, una RM con contrasto, ecc. La sezione Medical Imaging di Wikipedia ha un “indice” più dettagliato delle tecniche con link ai singoli articoli.

Su Biology SE, c'è un elenco di siti web che forniscono immagini ad accesso aperto , alcune delle quali sono accompagnate dalle descrizioni dei casi. Prima di comprare qualsiasi libro, ti consiglio vivamente di farti un'idea chiara su quali tipi di libri possono servire al tuo scopo. Un libro che può essere eccellente per un medico o uno studente di medicina può essere inutile per voi. Vi consiglio anche, per cominciare, di scegliere UNA tecnica di imaging e di fare un po’ di ricerca, piuttosto che andare con tutte le imaging in una volta sola; i problemi dell'ultrasonografia sono significativamente diversi da quelli della TAC.

Esempi di debolezze delle tecniche di imaging:

  • Una TAC e una risonanza magnetica, almeno, sono costose.
  • Una radiografia può mostrare solo le lesioni che sono significativamente più o meno radiopache dei tessuti circostanti (per esempio, può mostrare solo i calcoli ricchi di calcio ma non altri).
  • Una risonanza magnetica della cistifellea non può distinguere in modo affidabile i polipi non cancerosi dai tumori Radiografie ).
  • Il problema più comune è probabilmente che, nonostante l'alta sensibilità (capacità di rilevare una lesione), la specificità (capacità di rivelare/prevedere un tipo esatto di lesione) delle scansioni CT e MRI può essere ancora bassa.

Una domanda comune per un operatore sanitario che spesso rimane irrisolta dopo l'imaging è: la lesione è cancerosa o no o quanto probabilmente si svilupperà in un cancro. Per esempio, i polipi della cistifellea superiori a 10 mm sono significativamente più cancerosi di quelli più piccoli, ma non è chiaro se il rischio aumenta dopo 5 mm o dopo 15 mm, per esempio. Inoltre, a volte l'imaging non riesce a mostrare se il cancro si è diffuso agli organi vicini.

EDIT:

Per prevedere una lesione su un'immagine CT, è necessario sapere come appare un'immagine CT normale e come appare una lesione. La conoscenza di ciò che è una lesione proviene dal confronto tra molte immagini CT e le situazioni fisiche reali scoperte durante un intervento chirurgico. Ora, per estendere questa conoscenza al di là di ciò che si può vedere con i propri occhi su un'immagine CT, si dovrebbe di nuovo confrontare molte immagini CT (usando un programma per computer) con i risultati di un intervento chirurgico.

Immagino che questo richiederebbe un progetto in cui sarebbero coinvolti diversi radiologi esperti, chirurghi ed esperti di computer. Un progetto dovrebbe concentrarsi su una singola domanda, ad esempio: Quali sono i predittori del cancro alla cistifellea nelle crescite anormali della cistifellea rilevate da un'immagine CT? Migliaia di immagini CT e risultati di interventi chirurgici dovrebbero poi essere confrontati per trovare eventuali associazioni.
Fonte
1
1
1
2019-03-02 20:53:07 +0000

Vorrei fare una raccomandazione, come ricercatore che lavora anche nell'imaging medico. Lei afferma di essere interessato a prevedere il diametro della lesione, il sesso e l'età del paziente dalle scansioni. Tuttavia, quando un radiologo legge una scansione, conosce già il sesso e l'età del paziente perché queste informazioni sono nella cartella clinica. Conosce anche il motivo della scansione. Per esempio, spesso vedranno un display come “la signora Smith è una donna di 55 anni con una storia di cancro ai polmoni” insieme alla scansione stessa. (E possono cliccare sulla cartella clinica del paziente e vedere tutto nella cartella clinica, se vogliono). Quindi, penso che sia meglio non prevedere cose che sono già note al medico. Ci sono molti altri bei compiti di imaging medico che si possono fare con il set di dati DeepLesion, ad esempio prevedere se c'è una lesione nella scansione.

Ecco alcune altre risorse che potrebbero aiutarvi:

  1. Panoramica di base anatomia del torace per la radiologia e anatomia dell'addome per la radiologia
  2. Termini di radiologia di localizzazione
  3. Come leggere normali radiografie del torace . Le radiografie del torace non sono TAC, ma se state imparando l'imaging medico è più facile iniziare con le radiografie del torace e poi passare alle TAC
  4. Interpretazione delle TAC addominali ](https://www.youtube.com/watch?v=Eg3GeUmOeYE)
Fonte