Monitor Udaru jako narzędzie wspomagania diagnostyki badań TK mózgu

Transkrypt

1 słabości polskiej nauki, być może najpoważniejszą, jest słabość krytyki. Źródła tej słabości tkwią głównie w sferze psychiki. Po pierwsze, unikamy ocen negatywnych, zapominając o tym, że ocena niesłusznie pozytywna może bardziej skrzywdzić (zwłaszcza na przyszłość) ocenianego, niż ocena uczciwie wskazująca na słabości jego pracy. Po drugie, unikamy ocen wymagających zastosowania pracochłonnej procedury, co jest szczególnie nieuzasadnione w środowiskach "oswojonych" z elektroniką i informatyką, które pozwalają na daleko posuniętą automatyzację procesu oceniania. Po trzecie, chętnie zapominamy, że praca badawcza, zwłaszcza w zakresie najnowszych technologii, pożegnała się już dawno z okresem "romantycznej dowolności" i, choćby ze względu na ogromne koszty, musi się rządzić ścisłymi regułami postępowania. Jeśli krytyka ma spełniać właściwą sobie rolę, musi być maksymalnie obiektywną, musi być opartą na możliwie ścisłej, najlepiej liczbowej ocenie faktów. Dzisiejsze naukoznawstwo dysponuje już w tej dziedzinie dostatecznie wypróbowanymi, obiektywnymi metodami, a dość liczne doświadczenia krajowe potwierdzają możliwość ich stosowania w naszych warunkach. Można zaryzykować twierdzenie, że każda ocena ilościowa bardziej odpowiada naszemu poczuciu sprawiedliwości, niż ocena uznaniowa oparta na obiegowych opiniach. Każda ocena chwaląca powinna też wskazywać na niedoskonałości, a każda krytyczna - na możliwość poprawy. przykładów życia codziennego znamy złe skutki "przechwalenia" (częste marnowanie dobrych, ale nie aż tak dobrych, jak przedstawiono w ocenie, rezultatów) i krzywdy wynikłe z niedocenienia (do odrzucenia wartościowych pomysłów włącznie). Typową polską wadą w tym zakresie wydaje się być poszukiwanie osiągnięć wielkich, a lekceważenie ważnych [4]. Sięgając do przedstawionego na wstępie przykładu trzeba też przytoczyć opinie, że gdyby nie było Czochralskiego, to i tak ktoś musiałby wynaleźć tę metodę i stać się wielkim, ale naprawdę ważnym wydarzeniem było jej praktyczne zastosowanie do krzemu. I temu (tj. wychwytywaniu osiągnięć ważnych) także sprzyja powszechne stosowanie ocen ilościowych [5]. Recepta wydaje się przeraźliwie banalna: oceniaj dokładnie i obiektywnie! A że to czasem boli? Skutecznym ograniczeniem jest stare powiedzenie: "Nie żałuj słów krytyki tak długo, jak długo sprawia ci to przykrość. Przestań natychmiast, gdy zaczynasz odczuwać przyjemność!" Literatura [1] Europejska Karta Naukowca - Dziennik Urzędowy Unii Europejskiej z poz. 2005/251/WE [2] Świderski J.: Krytyka jako rodzaj pomiaru. W zbiorze pt. Krytyka i krytycyzm w nauce. Wydawnictwo Fundacji na Rzecz Nauki Polskiej Warszawa [3] Świderski J.: Sposoby oceny działalności naukowej i ich praktyczne zastosowanie w elektronice. Zagadnienia Naukoznawstwa XXXVIII, nr 1-2/2002, ss [4] Samsonowicz H., Sławiński J., Szczucki L. (rada wydawnicza): Lepsze w nauce. Wrocław [5] Świderski J.: Liczbowa ocena pracowników naukowych. Konferencja ChFPN NEW'07 Rogów 2007, ss Monitor Udaru jako narzędzie wspomagania diagnostyki badań TK mózgu dr hab. inż. ARTUR PRZELASKOWSKI 1, GRZEGORZ OSTREK 1, lek med. KATARZYNA SKLINDA 2 1 Politechnika Warszawska, Instytut Radioelektroniki 2 Zakład Radiologii CMKP, CSK MSWiA, Warszawa Przedstawiona w tej pracy koncepcja Monitora Udaru ma na celu wsparcie diagnostyki wczesnego udaru mózgu, szczególnie dla przypadków niemych w rutynowej diagnostyce z wykorzystaniem tomografii komputerowej (TK). Celem jest rozpoznanie/potwierdzenie przypadków udaru niedokrwiennego warunkujące lub wykluczające skuteczne leczenie trombolityczne. Jest to szczególne zastosowanie metod komputerowego wspomagania diagnostyki CAD (Computer Aided Diagnosis), kiedy to liczbę wskazań fałszywych należy ograniczyć do minimum, a wskazaniom pozytywnym trzeba nadać możliwie dużą wiarygodność. Aby sprostać tym wyzwaniom, zaproponowano formułę wspomagania bazującą na dwóch istotnych elementach: dodatkowej wizualizacji badań TK mózgu jedynie jako uzupełnienia klasycznego sposobu diagnozy, wykorzystującego wyłącznie na analizę obrazu TK, wskazaniach dających możliwie kompleksową, zintegrowaną wykładnię treści istotnych w diagnostyce udaru (wykorzystujących wszystkie dostępne źródła informacji potwierdzające diagnozę). Dodatkowe zobrazowanie obejmuje kilka form: od lepszego skontrastowania zmian gęstości w obszarach potencjalnie udarowych poprawiające percepcję subtelnych symptomów udaru, po dobitne podkreślenie obszarów hipodensyjnych w kierunku automatycznych wskazań obszarów niedokrwienia (detektor niedokrwienia). Szczególnie ważną rolę w proponowanej analizie pełni segmentacja obszarów narażonych na udar (potencjalnie udarowych) w poszczególnych warstwach, uwzględniająca zależności treści diagnostycznej w całej badanej przestrzeni. Udar mózgu stanowi trzecią pod względem częstości występowania przyczynę zgonów ludzi dorosłych i jest najczęstszym powodem inwalidztwa osób po 40 roku życia. W Polsce zapada na udar około 80 tys. osób rocznie, z czego ok. 80% przypadków to udar niedokrwienny powodowany niedrożnością naczynia tętniczego. Niedokrwienie powoduje niedobór energii i tlenu, obrzęk, wydzielanie wolnych rodników. Średnia wartość przepływu krwi mózgowej (CBF) dla zdrowego mózgu wynosi ml/100 g/min. Wskutek niedokrwienia spada w obszarze jądra udaru (obszar nieodwracalnego niedokrwienia), jak i penumbry (obszar niedokrwionej, ale żywotnej tkanki mózgowej) do wartości ml/100 g/min i niższych. Jednak w obszarze penumbry, w celu skompensowania spadku miejscowego przepływu, miejscowa objętość krwi 104. ELEKTRONIKA 7-8/2008

2 wzrasta w mechanizmie poszerzenia łożyska naczyniowego. W obrębie jądra udaru mechanizmy autoregulacji przepływu są zaburzone i miejscowa objętość krwi jest obniżona. Obszar penumbry często może być uratowany przez szybkie zastosowanie leczenia trombolitycznego, z czym wiąże się w ostatnich latach duże nadzieje [1,2]. Warunkiem jest możliwie wczesne wykrycie niedokrwienia tkanki mózgowej. Rozpoznanie udaru w ciągu najlepiej 3 godzin od wystąpienia objawów jest nieocenione, a w wielu przypadkach w sposób zasadniczy warunkuje skuteczność leczenia. Komputerowe wspomaganie tego procesu jest celem naszych badań. Leczenie udaru niedokrwiennego niesie za sobą olbrzymie nakłady finansowe, wymaga zaangażowania wielu osób, a kluczową rolę w tej batalii odgrywa czas. Wśród procedur diagnostycznych stosowanych na oddziałach udarowych wymienić należy w pierwszej kolejności rutynowe badanie TK, uważane za metodę z wyboru w diagnostyce radiologicznej udaru [3]. Główną zaletą konwencjonalnej TK jest jej ogólna dostępność i możliwość wykonania w warunkach ostrego dyżuru. Znaczenie TK to przede wszystkim stwierdzenie lub wykluczenie udaru krwotocznego (przyczyny, leczenie i rokowanie są zupełnie różne w udarze krwotocznym i niedokrwiennym) oraz wykluczenie innych patologii dających podobny obraz kliniczny (guz, malformacja naczyniowa, krwiak przymózgowy). We współczesnej ocenie potencjału systemów obrazowania, żadna inna metoda nie może zastąpić rutynowej TK w diagnostyce udaru, ale kilka z nich może stanowić bardzo cenne jej uzupełnienie w uzasadnionych przypadkach [2,4]. We wczesnym badaniu TK można stwierdzić obecność następujących oznak niedokrwienia: objaw hiperdensyjnej tętnicy, zaciśnięcie bruzd mózgowia oraz związane z tym obniżenie wartości współczynnika osłabienia promieniowania w obszarze objętym niedokrwieniem, zmniejszenie różnicowania istota szara istota biała w tym zatarcie granic jądra soczewkowatego czy zatarcie wstążki wyspy. Stwierdzenie obszaru hipodensyjnego (zmian hipodensyjnych) w ciągu pierwszych 6 godzin od początku objawów jest wysoce swoiste dla niedokrwienia tkanki mózgowej, a jego wielkość stanowi czynnik prognostyczny ryzyka ukrwotocznienia ogniska niedokrwiennego [5]. Niestety, w dużej liczbie przypadków nadostre symptomy udaru w ocenie radiologów nie występują lub są niewidoczne, co uniemożliwia radiologiczne rozpoznanie choroby [2,6]. W badaniu wykonanym przed upływem 12 godzin od wystąpienia objawów prawidłowy obraz mózgowia występuje w % przypadków udaru [7]. Podstawowe trudności w detekcji udaru w TK obok subtelności zmian w fazie nadostrej wynikają także z ograniczenia percepcji zmian hipodensyjnych wskutek maskowania niewielkich spadków gęstości (około 7,5±1,6 HU w ciągu 4 h, co daje bardzo mały kontrast lokalny) poprzez: szum metody obrazowania (na poziomie ±4 HU [8]), występujące artefakty od kości w płatach skroniowych i w tylnym dole czaszki, zły dobór okna obserwacji, niedoświadczenie, nieuwagę. Praca dotyczy poprawy skuteczności detekcji wczesnych zmian niedokrwiennych w mózgowiu z wykorzystaniem rutynowych badań TK przez uwidocznienie zmian hipodensyjnych w fazie nadostrej udaru (najlepiej do 3 h od wystąpienia objawów). Pozwala to wpłynąć korzystnie na wybór najwłaściwszego leczenia farmakologicznego [1,2]. Podstawowym zagadnieniem badawczym jest skuteczna segmentacja obszarów tkanki mózgowia, gdzie mogą wystąpić subtelne zmiany hipodensyjne. Wieloskalowe metody ekstrakcji zmian w tych obszarach mogą zapewnić uwidocznienie niedokrwienia z wystarczającą czułością, przy jednoczesnej minimalizacji wskazań fałszywych. Metoda wspomagania diagnostyki udaru niedokrwiennego Monitor Udaru (MU) jest narzędziem wspomagania diagnostyki zmian niedokrwiennych wykorzystującej bezkontrastowe badania TK mózgu. Koncepcja monitora sprowadza się do poprawy percepcji zmian hipodensyjnych, ale także w dalszej kolejności do automatycznej detekcji obszarów niedokrwienia oraz przestrzennej wizualizacji wysegmentowanych struktur mających znaczenie diagnostyczne. Po rutynowej ocenie wstępnej wykluczającej udar krwotoczny, niemy obraz zawału mózgu może zostać uzupełniony wskazaniem (wizualizacją) specyficznym względem zmian niedokrwiennych. Zwiększenie skuteczności monitora obejmuje zintegrowanie wiedzy klinicznej (badanie neurologiczne i radiologiczne pacjenta z podejrzeniem udaru), efektów przetwarzania badań obrazowych TK i wskazań automatycznych, a także opracowanie protokołu badań udarowych z wykorzystaniem monitora. Proponowana formuła MU (rys. 1) mogłaby być stosowana w każdym ośrodku dysponującym nawet najprostszym, jednorzędowym tomografem komputerowym. Przestrzenna wizualizacja treści istotnej wymaga udoskonalenia metod segmentacji spójnych, gładkich struktur mózgu. Wykorzystanie referencyjnych badań wyszukiwanych według semantycznego podobieństwa może pomóc w interpretacji danego przypadku, podobnie jak danych klinicznych - w redukcji wskazań fałszywych monitora. Rozszerzenie tej koncepcji dotyczy uzupełnienia wskazań o dodatkowe badania innych modalności (DWI MR, perfuzja TK) i syntezę multimodalnej informacji udarowej w celu m.in. różnicowania udaru i TIA, dokładnego określenia obszaru niedokrwienia. Prowadzone są prace przygotowawcze w tym kierunku. Implementacje Monitora Udaru pozwoliły uzyskać poprawę skuteczności detekcji udaru w testach klinicznych oraz optymalizacyjnych z udziałem radiologów. Zaobserwowano wzrost czułości decyzji diagnostycznych przy zachowaniu lub nawet poprawie ich trafności. Kluczowym pojęciem umożliwiającym skuteczną detekcję symptomów udaru za pomocą monitora jest poszukiwany obszar hipodensyjny. Szersza definicja tego obszaru mówi o regionie o nieznacznie obniżonej gęstości (kilka, maksymalnie 10 HU), występującym w rejonach istoty białej lub szarej, o silnie zróżnicowanych rozmiarach, niesymetrycznym względem środkowej osi mózgowia i dość nieregularnym kształcie, wynikającym ze źródła unaczynienia danej strefy mózgowia. Celem zasadniczym wspomagania jest możliwie jednoznaczna ekstrakcja patologicznych obszarów hipodensyjnych, a także uwidocznienie innych struktur i cech mózgowia, które mogą potwierdzać występowanie niedokrwienia w sugerowanym regionie. Podstawowy algorytm MU bazuje na kilku zasadniczych, kolejno realizowanych etapach (rys. 3), takich jak: 1. Segmentacja obrazu poprzez: a) wstępną ekstrakcję mózgowia wydzielonego z części kostnych i nieistotnego tła - najlepsze efekty uzyskano przy zastosowaniu skojarzonych metod rozrostu regionów, adaptacyjnego progowania oraz modelowania histogramów z wykorzystaniem mieszaniny Gaussów (ang. Gaussian mixture models GMM), b) segmentację artefaktów i obszarów nieistotnych diagnostycznie manualna ze wspomaganiem rysowania, wykorzystująca dane kliniczne, c) segmentację widocznych przestrzeni płynowych (wypełnionych płynem mózgowo-rdzeniowym, ze zwiększoną zawartością wody w stosunku do najbliższego ELEKTRONIKA 7-8/

3 Rys. 1. Koncepcja Monitora Udaru - zintegrowanej diagnostyki wczesnych udarów niedokrwiennych mózgu. Linią przerywaną zaznaczono blok rozszerzenia koncepcji monitora dla przypadków, kiedy możliwa jest synteza kilku metod obrazowania. W pracy weryfikowano elementy-bloki zaznaczone szarym kolorem Fig. 1. Concept of stroke monitor integrated system for diagnosis of ischemic stroke. Extensions for other modalities were added in dashed boxes. Gray-colored boxes contain the procedures strictly verified in this paper otoczenia na obrazie widocznych jako ciemne); chodzi tutaj o wydzielenie przede wszystkim naturalnych komór, bruzd i starych blizn poudarowych w tym przypadku dobre rezultaty dały adaptacyjnie metody progowe rozrostu wyznaczanych i korygowanych centrów niedokrwienia, d) ekstrakcję obszarów występowania udaru, czyli istoty szarej i białej z wyłączeniem bruzd, blizn, komór, artefaktów, obszarów, czyli a) b) c) z korektą spójności obszarów i gładkości krawędzi, e) wypełnienie obszarów odrzuconych w p. a-c) średnią wartością jasności (obrazującej gęstość) z zachowaniem gładkości (możliwie wysokiego stopnia) funkcji jasności na krawędziach poszczególnych obszarów oraz jasności zbliżonej do bezpośredniego otoczenia. 2. Ekstrakcja cech hipodensyjnych w obszarach występowania udaru poprzez: a) dekompozycję wieloskalową, która uwypukla zmiany w silnie zdekorelowanej, hierarchicznej, zachowującej przestrzenny rozkład informacji w dziedzinie skalogramów najlepsze rezultaty uzyskano przy wykorzystaniu baz falkowych, z bazą falek zmodyfikowanych tspline2 (baza ortogonalna definiowana prostym filtrem dolnoprzepustowym), z falkami geometrycznymi typu curvelets [9] i contourlets [10], b) adaptacyjne odszumienie i podkreślenie sygnału poprzez modyfikację rozkładu współczynników (zależne od skali, pasma, zastosowanych elementów bazy przekształcenia) - metody progowania, nieliniowej funkcji przekształcenia, c) rekonstrukcję obszarów integrowanych z sąsiadującym obszarem mózgowia, d) dwustopniowe przetwarzanie wieloskalowe: optymalizowano następujące zestawienia przetwarzania wieloskalowego: falki odwracalne (gładkie z rodziny falek sklejanych o rozmiarze nośnika 5-10) z odszumianiem i modyfikowane (tspline2), falki geometryczne (curvelets) z odszumianiem i falki modyfikowane, same falki geometryczne z odszumianiem (progowanie). 3. Wizualizacja przetworzonych obszarów badanych z dodatkową poprawą kontrastu poprzez: a) wyrównanie histogramu w celu wyeksponowania ewentualnych cech udaru (lokalne i globalne), b) dodatkowe skontrastowanie obszarów występowania udaru względem pozostałych regionów, c) nałożenie na siebie poszczególnych regionów w obrazie wynikowym: obszary tła, struktur kostnych oraz wskazane w p.1b) w typowej prezentacji badań z do ELEKTRONIKA 7-8/2008

4 Rys. 2. Wizualizacja badań TK wczesnego udaru z niewidoczną zmianą hipodensyjną kolejne warstwy: typowy sposób prezentacji z oknem mózgowym (po lewej), wskazanie MU - asymetria najciemniejszych regionów sugeruje obecność niedokrwienia (środek), potwierdzenie udaru w badaniu późnym Fig. 2. Visualisation of CT examinations with invisible hypodensity of ischemic area successive slices: with typical view window (left), with stroke monitor asymmetric dark regions suggest hypodensity (middle), follow-up examination with evident ischemia ELEKTRONIKA 7-8/

5 Rys. 3. Interfejs MU; widoczne są elementy projektowanego protokołu badań, który ustala reguły wykorzystania monitora w praktyce klinicznej Fig. 3. Interface of stroke monitor with rating scales and parameter selection branym oknem mózgowym, obszary występowania udaru oraz przestrzenie płynowe po przetworzeniu i korekcji kontrastu, istotne jest zachowanie rozsądnej jednorodności prezentowanych obszarów przetworzonych (możliwa dodatkowa filtracja na granicach obszarów uwodnionych. Przykład działania MU w przypadku badania pacjenta z nadostrym udarem przedstawiono na rys. 2. Na rys. 3 pokazano interfejs i fragmenty protokołu badań. Koncepcja MU oraz szczegóły jej realizacji i konkretne implementacje są efektem kilkuletnich badań, intensywnie kontynuowanych. Stałe konsultacje radiologów i inżynierów prowadzą do modyfikacji poszczególnych rozwiązań, rozszerzenia zakresu wspomagania oraz optymalizacji form wspierających diagnozę. Poniżej wskazano na kilka istotnych problemów, które warunkują efektywność MU w możliwie uniwersalnej realizacji. Segmentacja regionów potencjalnie udarowych Uzyskane dotąd rezultaty eksperymentów przekonują o dużym wpływie poprawnej segmentacji na końcowy efekt wspomagania. Dokładne wydzielenie ROI w sensie opisanym wyżej pozwala zwiększyć czułość kontrastu, niekiedy wydzielić artefakty i silniej zredukować szum, ponadto zmniejsza liczbę wskazań fałszywych powodowanych dodatkowym wzmocnieniem obszarów ciemniejszych w sposób dostrzegalny oraz pozwala lepiej rozróżnić struktury. Zauważono pogorszenie wyników segmentacji w grupie obrazów zniekształconych ruchem pacjenta podczas badania, czy ogólniej przy gorszej jakości badań. Artefakty od struktur kostnych oraz szumy maskujące niewielkie zmiany gęstości tkanki wpływają negatywnie, a czasem wręcz uniemożliwiają dokładną segmentację regionów użytecznych. Utrudnieniem jest też asymetria ułożeniowa brak symetrii zobrazowań względem środkowej osi mózgowia powodowany niedokładnym ułożeniem głowy pacjenta w czasie badania. Oddzielny problem to wydzielenie mózgowia przy asymetrycznym rozkładzie struktur kostnych w danej warstwie (szczególnie w warstwach dołu głowy). Znaczący procentowo udział bruzd, występowanie dużych komór oraz starych blizn poudarowych dodatkowo utrudnia interpretację badań oraz segmentację obszarów istotnych. Dokładniejsze wydzielenie struktur możliwe jest z uwzględnieniem ich przestrzennego charakteru, co skłania do analizowania sąsiednich warstw przy ustalaniu kształtu i właściwości poszczególnych obiektów. Doskonalenie metody segmentacji dotyczy kilku aspektów: poprawy efektywności metody inicjowania i rozrostu regionów w 3W na okoliczność segmentacji nietypowych, złożonych lub zniekształconych struktur kostnych, artefaktów, bruzd, blizn, itp.; stosowane są metody wydzielenia przestrzennych regionów, których obecność w wybranej warstwie jest weryfikowana i ewentualnie korygowana; istotne jest przyspieszenie typowych algorytmów, np. poprzez dynamiczne ustalanie kierunków rozrostu, inicjowanie tego procesu nawet w kilkudziesięciu punktach wolumenu, a następnie łączenie wydzielonych segmentów, wykorzystania algorytmu wyznaczenia pewniaków, czyli wiarygodnych ziaren (zaczątków) obszarów uwodnionych (etap c) segmentacji); są to punkty będące wyraźnym lokalnym minimum gęstości (według naszych badań o wartości 10HU lub mniejszej), ewentualnie z adaptacyjną korektą progu na podstawie histogramu lokalnego; dodatkowo wprowadza się różnego typu lokalną filtrację, np. z oknem 3x3 (wykorzystywaliśmy tutaj z powodzeniem filtr Kuwahara), by zredukować wpływ szumu; stosowano także regularną siatkę ziaren początkowych w celu przyspieszenia algorytmu segmentacji, doboru warunków rozrostu (przynależności) bazując na metodach statystycznych lokalnych (średnia, wariancja), gradientowych, kontekstowych (szacowanie korelacji cech obszaru z sąsiedztwem); podejmowane są też próby wykorzystania wiedzy dostępnej a priori nt. możliwej lokalizacji, kształtu, cech szukanych struktur poprzez 108. ELEKTRONIKA 7-8/2008

6 nakładanie dodatkowych reguł rozrostu; dodatkowo istotne jest zapewnienie pełnego wypełnienia segmentowanych obszarów, czyli kontroli warunku stopu przy rozroście (kompromis pomiędzy nadmiernym rozlewaniem przestrzeni płynowych, a pozostawieniem minimów lokalnych na granicach wydzielonych obszarów), opracowania nowej metody uzupełnienia przetwarzanej dziedziny obrazowej w nieużytecznych regionach; chodzi o nałożenie warunków ciągłości w obszarach brzegowych regionów użytecznych (udarowych) i nieużytecznych (płynowych-wysegmentowanych), co wyeliminuje efekt wzmocnienia funkcji jasności w punktach nieciągłości powstających niekiedy (szczególnie w obszarach bardziej niejednorodnych) na styku tych regionów podczas dalszego przetwarzania. Schemat jednego z wariantów stosowanej metody segmentacji przedstawiono na rys. 4; podjęto pracę nad zastosowaniem modyfikacji twierdzenia Whitneya o rozszerzaniu funkcji poza określony, ograniczony, podzbiór dziedziny do uzupełniania nieużytecznych diagnostycznie dziur na bazie gładkich falek (przede wszystkim funkcji skalujących) dobrze aproksymujących właściwości sąsiedztwa powstaje w ten sposób uzupełniona, ciągła i gładka powierzchnia funkcji jasności danej warstwy, która jest przekształcana w wielu skalach, przetwarzana, analizowana i rekonstruowana; efektem jest zwiększenie dokładności analizy zmian niedokrwiennych na brzegach obszarów tkanki mózgowej podatnej na udar. Wieloskalowa ekstrakcja obszarów hipodensyjnych Stosowanie metod analizy sygnału w wielu skalach pozwala przede wszystkim na większe upakowanie energii sygnału w miejscach występowania struktur, z dokładnością charakterystyczną dla danej skali. Zwiększa to szansę lepszej separacji sygnału od szumu, a także dokładniejszego opisu określonych cech sygnału, w tym przypadku symptomów niedokrwienia. Ważną rolę odgrywa wykorzystanie gładkich funkcji bazowych tych przekształceń, które możliwie skutecznie aproksymują (w sensie nieliniowym) istotne cechy sygnału. Wolnozmienny charakter obszarów hipodensyjnych, o niewielkiej dynamice zmian gęstości sugeruje zastosowanie np. falek gładkich o stosunkowo dużym nośniku. Jednak ograniczenia dziedziny niezniekształconego występowania niedokrwienia (artefakty, obszary uwodnione, nieregularne struktury kostne itp.) oraz niekiedy mała rozległość zmiany skłaniają jednak do stosowania kompromisowego rozwiązania: falek o mniejszych nośnikach (zwykle do rozmiaru 10) i z konieczności - mniejszej gładkości. Użyteczne jest opracowanie znormalizowanych wzorców hipodensyjnych w przestrzeni wieloskalowej ułatwiające optymalizację reguł ich opisu i ekstrakcji. Doskonalenie metod ekstrakcji hipodensyjności w dziedzinie wielu skal dotyczy przede wszystkim: stosowania adaptacyjnych przekształceń falkowych na bazie metody lifting z modelowaniem cech subtelnych obszarów niedokrwiennych; parametry etapu przewidywania oraz dookreślenia mogą być zmieniane zależnie od cech otoczenia oraz jakości obrazu w danym obszarze (poziom szumów, występowanie naturalnych ograniczeń poprawnej oceny niedokrwienia według wzorców), wykorzystania przekształceń z jądrem 2W, przede wszystkim falek geometrycznych curvelets, contourlets i innych [12], lepiej wpisujących się w naturalne kształty struktur, dokładniej modelujących kierunkowość zarysu zmian niedokrwiennych i dobrze różnicujących krawędzie ekstrahowanych obszarów; doskonalono bazę falek curvelets m.in. zamieniając w klasycznej implementacji transformację Fouriera na kosinusową; szybkość obliczeń przemawia za bazą contourlets, adaptacyjnych reguł nieliniowej korekcji rozkładu współczynników zależnych od lokalnych cech podpasma danej skali; zaobserwowano większą rolę metod odszumiania poprzez różnego typu progowanie (miękkie, półmiękkie), niż podbijania lokalnego kontrastu (nieliniowe charakterystyki z kilkoma punktami przegięcia funkcji przekształcenia, zależności potęgowe power law). Semantyczna wizualizacja udaru Kluczowym zagadnieniem jest zakres prezentowanych zmian gęstości tkanki po przetworzeniu. W opiniach radiologów dominują dwie tendencje: zachowania charakteru obrazu oryginalnego przy jedynie uwypukleniu symptomów niedokrwienia (poprawa percepcji) oraz wyraźnej, jednoznacznej sugestii obszaru niedokrwienia przy znacznie uproszczonej prezentacji pozostałej treści (detektor zmian hipodensyjnych). Wśród obserwatorów pojawiały się także głosy domagające się rozwiązań pośrednich. Sugeruje to konieczność opracowania kilku form wizualizacji efektów ekstrakcji niedokrwienia, dobieranych według preferencji użytkownika. Poprawa warunków wizualizacji silnie zależy od efektów uzyskanych w poprzednich etapach obróbki badań. Stosowano następujące rozwiązania: a) wypełnianie nakładanych obszarów uwodnionych (nieużytecznych) kolorem jasnym w celu lepszego skontrastowania z ciemnym regionem niedokrwienia lub też wypełnianie tych obszarów średnią wartością gęstości obszarów występowania udaru (jak na przykładowych rysunkach), b) wprowadzenie skali barwnej bardziej różnicującej wydobyte cechy niedokrwienia lub też segmentowane regiony;, c) adaptacyjne metody korekcji histogramu w wybranych regionach (modyfikowane wersje algorytmów CLAHE i AHE) w celu dodatkowego uwypuklenia określonych cech obrazu. Wcześniejsza weryfikacja MU Pierwsza forma Monitora Udaru została zweryfikowana kliniczne na blisko 70 badaniach TK mózgu (w tym ponad 40 przypadków wczesnego udaru niemych lub bardzo trudnych diagnostycznie), co opisano w [13] (była to forma MU zbliżona do opisanej w następnej sekcji formy MU: z silną ekstrakcją). Wykazano istotną poprawę skuteczności detekcji udaru niedokrwiennego przy wykorzystaniu MU jako dodatkowego narzędzia przy ocenie badań udarowych. Nastąpił wyraźny wzrost czułości i trafności decyzji diagnostycznych oraz skrócenie czasu oceny badań. Jednak uzyskane wskaźniki skuteczności diagnozy są jeszcze dalekie od zadawalających: liczba wskazań fałszywie pozytywnych wyniosła średnio na badanie 0,31, czułość - 64%. Przyczyną są m.in. wspomniane wyżej ograniczenia. Dalsza optymalizacja metody wspomagania detekcji udaru niedokrwiennego jest więc konieczna. Opisane poniżej eksperymenty stanowią wstępną weryfikację udoskonaleń MU. Mają charakter orientacyjnej weryfikacji procesu optymalizacji monitora w wspomnianych kierunkach. Służą większemu zrozumieniu procesu interpretacji tego typu badań i określenia występujących ograniczeń, by zobiektywi- ELEKTRONIKA 7-8/

7 Rys. 4. Koncepcja segmentacji wykorzystującej metody progowania, wypełniania i rozrostu z dobieranymi regułami przynależności. W rozwiązaniu uniwersalnym wartości progów są dobierane na podstawie modelowania histogramu metodą GMM Fig. 4. Concept of segmentation method with thresholding, and adaptive region growing based on selected membership rules. Gaussian mixture modeling of local histograms improve adaptive threshold selection 110. ELEKTRONIKA 7-8/2008

8 zować i możliwie usprawnić komputerowe narzędzia wspomagania oraz potwierdzić ich użyteczność przynajmniej w ograniczonym zakresie zastosowań. Eksperymenty Przeprowadzone eksperymenty dotyczą weryfikacji kilku form MU: z poprawą percepcji (MU-PP), z silną ekstrakcją (MU- SE), delikatny detektor (MU-DD) oraz detektor (MU-DE), przedstawionych na rys. 5. Formy te różnią się przede wszystkim zastosowanym przekształceniem wieloskalowym oraz odpowiednio dobraną metodą ekstrakcji udaru w hierarchicznej dziedzinie wielorozdzielczej: MU-PP z bazą falek geometrycznych curvelets wraz z miękkim progowaniem modułu zespolonych współczynników WaveShrink d) oceny poprawy percepcji symptomów udaru w skali - 2 do 2 (-2 zdecydowane pogorszenie percepcji, 2 znaczna poprawa percepcji) jak na rys. 3. Za decyzję prawdziwie pozytywną uznawano wskazanie poprawnej lokalizacji udaru przy stopniu widoczności minimum 3 oraz pewności przekraczającej 50%, natomiast wskazanie fałszywie pozytywne dotyczyło złej lokalizacji z odpowiednio wysokim stopniem widoczności oraz pewnością decyzji. Ocena poprawy percepcji (percepcja) zawiera średnią ocen obserwatorów (skala -2 do 2). Wyniki testów zestawiono w tabelach 2 4. Na rysunku 6. pokazano przykładowe wskazania MU w przeprowadzonych testach. Definicje wykorzystanych miar efektywności są następujące: dokadność = (liczba wskazań prawdziwych odniesiona do ogółu przypadków) gdzie: µ moduł wartości zespolonej współczynnika, λ - próg. MU-SE z bazą falkową tspline2 uzupełnioną przekształceniem z bazą Atrial definiowaną filtrem dolnoprzepustowym [0,01995, 0,04271, 0,05224, 0,29271, 0,56458, 0,29271;0,05224, 0,04271, 0,01995], z progowaniem miękkim; MU-DD to sekwencja transformacji z bazą falek geometrycznych (curvelets z WaveShrink) oraz tspline2; MU-DE to sekwencja tych samych transformacji w kolejności odwrotnej z bazą tspline2, następnie falek geometrycznych (curvelets z WaveShrink). Wykorzystano tę samą metodę segmentacji (z rys. 4) oraz sposób wizualizacji dopasowany do charakteru przetworzonych danych. Jako badania testowe wybrano 6 przypadków z wcześniejszego testu klinicznego opisanego w [13], które sprawiły najwięcej kłopotów wskazania MU właściwie nie były tutaj pomocne albo wręcz powodowały fałszywe decyzje radiologów (wyniki z tego testu umieszczono w tab. 1). Celem weryfikacji była oczywistość wskazań doskonalonego MU. Do testów zaproszono więc różne grupy mniej doświadczonych obserwatorów: studentów Akademii Medycznej oraz studentów niezwiązanych z medycyną. Dodatkowo, przeprowadzono test z udziałem radiologa o niewielkim stażu poszerzając zbiór badań testowych do 24 przypadków (w tym 6 wspomnianych badań trudnych w ocenie, w sumie 14 przypadków badań z potwierdzonym klinicznie udarem i 10 przypadków badań pacjentów, w przypadku których wstępne rozpoznanie udaru nie potwierdziło się). Po krótkim przeszkoleniu teoretycznym oraz praktycznym, obejmującym technikę posługiwania się MU, samą procedurę badania oraz sposób formalizacji ocen według przyjętych skal przeprowadzono eksperyment oceny badań TK według ogólnie obowiązujących zasad (niezależność ocen, dowolny czas oceny, indywidualny dobór warunków prezentacji). Formalizacja ocen dotyczyła: a) wskazania lokalizacji udaru poprzez podanie warstwy i przybliżonego miejsca jak na rys. 3; b) oceny stopnia widoczności symptomów udaru w skali 1-5, gdzie 1 to definitywny brak udaru, 2-raczej nie ma udaru, 3-jest podejrzany, ale bardzo subtelny symptom, 4-prawdopodobny udar, 5-ewidentny udar; c) uzupełniającego określenia ogólnej pewności decyzji w procentach; błąd = (liczba wskazań fałszywych odniesiona do ogółu przypadków), czułość = (liczba prawdziwych wskazań patologii odniesiona do wszystkich przypadków z patologią), trafność = (inaczej swoistość, liczba prawdziwych wskazań braku patologii odniesiona do wszystkich przypadków bez patologii), Przewidywana wartość pozytywna (PVP) = (udział decyzji prawdziwych we wszystkich wskazaniach patologii). oryginał 0,625 0,375 0,583 0,666 0,466 MU - wersja z [13] 0,416 0,583 0,5 0,333 0,375 Tab. 2. Wyniki testu (wartości średnie) dla 6 wybranych badań trudnych, z udziałem 4 studentów z Sekcji Neuroanatomii Studenckiego Koła Naukowego przy Zakładzie Anatomii Prawidłowej AM. Pogrubiono najlepsze wyniki dla monitora Tabl. 2. Experimental results for 4 medical students (university of technology and university) interpreted test examinations of 6 difficult cases. The best scores were bolded Badania Tab. 1. Wyniki testu (wartości średnie) detekcji udaru niedokrwiennego opisanego w [13] dla 6 wybranych badań trudnych, z udziałem 4 radiologów-specjalistów z dwóch ośrodków Tabl. 1. The results of stroke detection for the experiment reported in [13]. 4 experts interpreted test set of 6 diagnostically difficult cases Badania dokładność błąd czułość trafność PVP dokładność błąd czułość trafność PVP percepcja oryginał 0,434 0,565 0,416 0,416 0, MU-PP 0,5 0,5 0,5 0,333 0,4 0,444 MU-DD 0,391 0,608 0,583 0,166 0,368 0,722 MU-SE 0,5 0,5 0,667 0,25 0,444 0,666 MU-DE 0,708 0,291 0,833 0,583 0,625 0,444 Rezultaty testów, chociaż przeprowadzone na niewielkiej grupie 6 badań, ukazują użyteczną rolę monitora. Wszystkie średnie oceny poprawy percepcji są dodatnie, czyli wskazują na lepszą lub wyraźnie lepszą widoczność symptomów udaru ELEKTRONIKA 7-8/

9 Rys. 5. Różne formy ekstrakcji treści w MU. Kolejno w wierszach: badanie wczesne, inteligentna wizualizacja z segmentacją i korekcją histogramu, badanie późne oraz 4 formy przetwarzania MU-PP, MU-SE, MU-DD oraz MU-DE (opis w tekście) Fig. 5. Different forms of stroke monitor indications; successively row by row: input acute examination case, histogram-based correction of visualized areas, and 4 processed image forms according to MU-PP, MU-SE, MU-DD, MU-DE schemes described below w obrazach monitora. W różnych grupach obserwatorów preferencje rozkładały się niejednakowo. Studentom medycyny przypadł do gustu delikatny detektor, który jest formą pośrednią pomiędzy klarowną podpowiedzią a jedynie wyraźniejszym zarysowaniem struktur, zmuszającym do trafnej oceny wydobytych, niekiedy dość złożonych informacji dodatkowych. Jednak preferencje co do formy działania monitora rozmijały się z efektywnością stawiania diagnozy wyraźnie najlepiej interpretowane były badania z wykorzystaniem MU-DE. Warto też zauważyć, że czułość badania była wyraźnie większa od średniej czułości dla 4 specjalistów bez monitora przy akceptowalnym poziomie trafności. Z kolei studenci Politechniki woleli jasne, jednoznaczne wskazania detektora MU-DE, bo brak wiedzy medycznej utrudniał im interpretację bardziej złożonych obrazów. Większe zaufanie do MU pozwoliło im uzyskać bardzo dobre wyniki w detekcji udaru dzięki klarownym i przekonującym sugestiom monitora (przy dużej ostrożności wysoka trafność bardzo poprawiła się czułość ich decyzji). Niemałą rolę odegrała także umiejętność sprawnego posługiwania się narzędziami informatycznymi i doświadczenie w analizie obrazów przetwarzanych. Mniej doświadczony radiolog opowiedział się za formą MU-PP, bo wówczas miał dostęp do dodatkowej informacji i mógł w większy sposób zrobić użytek z wiedzy medycznej. Ograniczone zaufanie do podpowiedzi MU nie pozwoliło zwiększyć jego efektywności w diagnozowaniu. Jednak w rozszerzonej próbie 24 badań, gdzie dodano przypadki o średnim poziomie trudności interpretacji, zanotowano największy, ponad dwukrotny, wzrost czułości przy tym samym poziomie trafności tym razem dla MU-DD. Tab. 3. Wyniki testu (wartości średnie) dla 6 wybranych badań trudnych, z udziałem 4 studentów niezwiązanych z medycyną (3 z Politechniki Warszawskiej) Tabl. 3. Experimental results for 4 non-medical students (university of technology and university) interpreted test examinations of 6 difficult cases Badania dokładność błąd czułość trafność PVP percepcja oryginał 0,5 0,541 0,25 0,75 0,5 -- MU-PP 0,7 0,3 0,5 0,666 0,545 0,04 MU-DD 0,789 0,210 0,210 0,210 0,636 0,42 MU-SE 0,818 0,181 0,833 0,666 0,714 0,5 MU-DE 0,85 0,15 1 0,75 0,8 0,96 Klasyfikacja form monitora ze względu na użyteczność w interpretacji badań udarowych dla testowej grupy niespecjalistów przedstawia się następująco: wyraźnie najlepsze wyniki uzyskano dla MU-DE (według przyjętych miar efektywności), potem porównywalne rezultaty dla MU-DD i MU-SE, a najgorzej wypadł MU-PP. Wnioskiem jest duża przydatność trzech pierwszych form w zastosowaniach edukacyjnych. Wydaje się jednak, że w grupie specjalistów rola MU-PP może być istotniejsza sygnalizuje to wskazanie tej formy jako najbardziej poprawiającej percepcję symptomów 112. ELEKTRONIKA 7-8/2008

10 MU - PP MU - DE MU - DD MU - DE MU - PP MU - DD Rys. 6. Przykładowe efekty wspomagania za pomocą MU. W lewej kolumnie badanie TK w fazie nadostrej, dwie środkowe kolumny to wizualizacja monitora, a ostatnia kolumna to potwierdzenie udaru w badaniu późnym Fig. 6. Example of stroke monitor assistance effects: acute stroke (left), two monitor visualizations (middle) and follow-up Tab. 4. Wyniki testu dla 6 wybranych badań trudnych, z udziałem mniej doświadczonego radiologa Tabl. 4. Experimental results for inexperienced radiologist interpreted test examinations of 6 difficult cases Badania dokładność oryginał 0,833 0,166 0, , MU-PP 0,666 0,333 0,666 0,666 0,666 1,83 MU-DD 0,833 0,166 0, ,66 MU-SE 0,666 0,333 0,666 0,666 0,666 1,83 MU-DE 0,833 0,166 0, ,5 ab. 5. Wyniki testu z udziałem mniej doświadczonego radiologa na grupie badań rozszerzonej do 24 przypadków Tabl. 5. Experimental results for inexperienced radiologist interpreted extended test examinations of 24 cases Badania błąd czułość trafność PVP percepcja dokładność błąd czułość trafność PVP percepcja oryginał 0,625 0,375 0, , MU-PP 0,75 0,25 0,642 0,9 0,75 1,916 MU-DD 0,875 0,125 0, ,916 1,625 MU-SE 0,791 0,208 0,714 0,9 0,769 1,791 MU-DE 0,833 0,166 0, ,909 1,625 ELEKTRONIKA 7-8/

11 przez radiologa oraz opinie drugiego radiologa z większym doświadczeniem, który nadzorował testy. W tym przypadku korzystne było równoczesne wyświetlenie MU-PP i jednej z form detektora Konkluzje Przedstawiona koncepcja Monitora Udaru wydaje się być kompleksowym rozwiązaniem, które pozwoli na znaczącą poprawę skuteczności detekcji udaru niedokrwiennego. W zakresie doskonalonych rozwiązań uzyskano obiecujące potwierdzenie możliwości wspomagania procesu interpretacji badań TK zwiększając skuteczność ocen we wszystkich grupach obserwatorów biorących udział w teście. Stosowanie monitora pozwala przede wszystkim wyraźnie zwiększyć czułość detekcji udaru, przy zachowaniu średniej trafności interpretacji zredukowano efekt występowania wskazań czy sugestii fałszywie pozytywnych (mniejsza trafność), co ograniczało użyteczność poprzedniej wersji (tab. 1). Przytoczone rezultaty i ich analizy mają oczywiście charakter orientacyjny, potwierdzający jedynie słuszność obranego kierunku badań. Uwidaczniają dużą rolę doboru form wizualizacji ekstrahowanej zwracając uwagę na zróżnicowane preferencje użytkowników. Istotnym elementem warunkującym użyteczność monitora jest rozumienie i przypisanie odpowiedniej wagi do wskazań narzędzia wspomagającego oraz doświadczenie w posługiwaniu się dodatkową formą wizualizacji selektywnie dobranej informacji obrazowej. Poszczególne rozwiązania algorytmów i metod stosowanych w różnych formach monitora są podatne na dalsze modyfikacje, które czynią to narzędzie bardziej uniwersalnym i niezawodnym. Planowane są dalsze poszukiwania optymalnych form wspomagania diagnozy udaru i kolejne testy z udziałem specjalistów na statystycznie istotnym zbiorze badań testowych. Praca naukowa finansowana ze środków na naukę w latach jako projekt badawczy N /3301 Literatura [1] von Kummer R., Allen K.L. i in.: Acute stroke: usefulness of early CT findings before thrombolytic therapy. Radiology 1997; 205: [2 von Kummer R.: The impact of CT on acute stroke treatment, in: P. Lyden (Ed.). Thrombolytic Therapy for Stroke, Humana Press, Totowa, New Jersey, USA, [3] Adams H., Adams R., Del Zoppo G., Goldstein L.B.: Guidelines for 13 the early management of patients with ischemic stroke, 2005 guidelines update, A scientific statement from the Stroke Council of the American 15 Heart Association/American Stroke Association. Stroke 2005; 36: [4] Sa de Camargo E.C., Koroshetz W.J.: Neuroimaging of ischemia and infarction. The Journal of the American Society for Experimental NeuroTherapeutics 2005; 2(2): [5] Larrue V.,von Kummer R.R., Muller A., Bluhmki E.: Risk factors for severe hemorrhagic transformation in ischemic stroke patients treated with recombinant tissue plasminogen activator: a secondary analysis of the European-Australasian Acute Stroke Study (ECASS II). Stroke 2001; 32: [6] Tomura N., Uemura K. i in.: Early CT finding in cerebral infarction. Radiology 1988; 168: [7 Osborn A.G: Diagnostic Neuroradiology, Mosby-year Book, [8] European guidelines in quality criteria for computed tomography. Report EUR 16262, Office for Official Publications of the European Communities, Brussels, [9] Candes E.J., Demanet L., Donoho D.L., Ying L.: Fast discrete curvelet transforms. Multiscale Model. Simul., 5: [10] Do M.N., Vetterli M., Contourlets, Beyond Wavelets, G.V. Welland ed., Academic Press, [11] Przelaskowski A., Bargieł P., Rachocka A.: Segmentacja struktur mózgu podatnych na udarowe zmiany hipodensyjne w badaniach TK. Prace Naukowe Politechniki Warszawskiej - Elektronika, materiały II Sympozjum Inżynieria Biomedyczna i Telemedycyna IBiTel w Warszawie, Oficyna Wydawnicza PW, [12] Führ H., Demaret L., Friedrich F.: Beyond wavelets: new image representation paradigms. Chapter 7 in M. Barni (ed.): Document and Image Compression. CRC Press, [13] Sklinda K., Bargiel P., Przelaskowski A., Bulski T., Walecki J., Grieb P.: Multiscale extraction of hypodensity in hyperacute stroke. Medical Science Monitor 2007; 13(Suppl 1):5-10, Proc XXXVIII Congress of the Polish Medical Society of Radiology ELEKTRONIKA 7-8/2008