Інформаційно-технічна система автоматизованої лапароскопічної діагностики

Abstract

Вирішено завдання автоматизованого розпізнавання – діагностики циротичних змін та метастатичного ураження печінки за результатами аналізу лапароскопічних зображень. Об’єктом дослідження був процес побудови діагностичної системи автоматизованого розпізнавання лапароскопічних зображень. Предметом дослідження складали методи формування вихідних вибірок зображень для навчання каскадного класифікатора за ознаками Хаара. Метою роботи було створення інформаційної технології підтримки прийняття рішень при лапароскопічній діагностиці стану поверхні печінки на основі каскаду Хаара. Класифікацію зображень здійснювали з використанням методу каскадного класифікатора. При використанні для навчання 1000 зображень позитивного характеру та 500 негативних зображень показник чутливості діагностики цирозу печінки розробленої технології складав 68,8% і перевищував таку, яка мала місце при експертній діагностиці (31,0%) (P<0,01). При метастатичному уражені достовірні відмінності зазначеного показника складали 80,0% та 46,7% відповідно (P<0,02). Крім того, при метастатичному ураженні достовірно підвищувалась специфічність діагностики – з 52,5% при експертній діагностиці до 85,0% (P<0,01), а також спостерігалось зростання прогностичних показників – як позитивного (з 42,4% до 80,0%, P<0,01), так і негативного (з 56,8% до 87,2%, P<0,01). Згідно показникам тестування, показник AUC ROC для каскадного класифікатору склав 0,891, в той час як для експертної оцінки дорівнював 0,723, що свідчить про більшу ефективність застосування каскадного класифікатора. Розроблена технологія може бути рекомендована в клінічній практиці при виконанні лапароскопічних хірургічних втручань.

The problem of automatic recognition – diagnostics of cirrhotic and metastatic liver damage has been solved on the basis of laparoscopic images analysis. The object of the investigation was confined to the process of diagnostic automatic system of laparoscopic images recognition building up. The subject of investigation was confined to composing of training images for the learning of cascade Haar’s classificatory. The establishing of the system of decision support for laparoscopic surgeons was the aim of the investigation. The automatic diagnostic technology was developed on the basis of Haar’s features usage. The classification of images was performed using cascade classificator exploration, and 1000 positive images along with 500 negative ones have been used for the learning . It was established that the sensitivity of cirrhosis of the liver diagnostics was 68,8% and exceeded that one which was determined after expert analysis (31,0%) (P<0,01). The sensitivity of metastatic damage was 80,0% and 46,7% after developed and expert diagnostics were performed correspondently (P<0,02).Besides, the specificity was also elevated – from 52,5% after expert diagnostics up to 85,0% (P<0,01) after developed method. The net increasing of both positive prognostic index (from 42,4% up to 80,0%, P<0,01), as well as negative one (from 56,8% up to 87,2%, P<0,01) was also observed. In accordance to results of tests, the AUC ROC for cascade classificator was 0,891, while such one for expert analysis was 0,723. That is in favor for higher effectiveness of cascade classificator. The worked out technology is recommended for laparoscopic surgery clinical exploration.

Решена задача автоматизированного распознавания – диагностики цирротических изменений и метастатического поражения печени по результатам анализа лапароскопических зображений. Объектом исследования был процесс построения диагностической системы автоматизированного распознавания лапароскопических изображений. Предметом исследования были методы формирования исходных выборок изображений для обучения каскадного классификатора. Целью исследования было создание информационной технологи поддержки принятия решений при лапароскопической диагностике состояния поверхности печени на основе каскада Хаара. Классификацию изображений осуществляли с применением метода каскадного классификатора. При применении для обучения 1000 изображений позитивного характера и 500 негативных изображений показатель чувствительности диагностики цирроза печени с помощью разработанной технологии составил 68,8% и превышал таковой, который регистрировался при экспертной диагностике (31,0%) (P<0,01). При метастатическом поражении достоверные отличия указанного показателя составили 80,0% и 46,7% соответственно (P<0,02). Кроме того, при метастатическом поражении достоверно возрастала специфичность диагностики – с 52,5% при экспертной диагностике до 85,0% (P<0,01), а также отмечалось увеличение прогностических показателей – как позитивного (с 42,4% до 80,0%, P<0,01), так и негативного (с 56,8% до 87,2%, P<0,01). В соответствии с результатами тестирования, показатель AUC ROC для каскадного классификатора составил 0,891, в то время как для экспертной оценки – 0,723, что свидетельствует о большей эффективности каскадного классификатора. Разработанная технология может быть рекомендована для применения в клинической практике при выполнении лапароскопических хирургических вмешательств.