Densitometrical volume diagnostics of spherical formations in lungs with the use of artificial neuron

Abstract

Cancer, specific, nonspecific inflammatory and other pathological processes in lungs have similar lines in their visualization by multislice computed tomography methods. In order to improve the accuracy of the differential diagnosis of spherical formations in lungs by quantifying their internal structure with multislice computed tomography a newly developed method comprising sighting volume densitometry was used. 328 patients with primary cancer of a lung, pneumonia and infiltrative tuberculosis are surveyed. The set of densitometry parameters for differential diagnostics of diseases is defined. For paired division of diseases the nonlinear neuron was used. Sensitivity at division of the «primary cancer - infiltrative tuberculosis» made 91,1%, specificity - 88,6%, accuracy - 90,2%. Sensitivity at division of the «primary cancer - pneumonia» made 90,4%, specificity - 74,5%, accuracy - 84,2%. Sensitivity at division of the «infiltrative tuberculosis - pneumonia» made 79,5%, specificity - 80,8%, accuracy - 80,2%.

Keywords

spherical formations of lungs / multispiral computed tomography / densitometry / structure / artificial neuron / differential diagnostics

References

[1] Власов П.В. Лучевая диагностика заболеваний органов грудной полости. М.: Видар; 2006.

[2] Габуния Р.И., Колесникова Е.К. Компьютерная томография в клинической диагностике. М.: Медицина; 1995.

[3] Иваничко Т.Е. Особенности дифференциальной диагностики периферических образований легких при компьютерной томографии: Дисс. Томск; 2000.

[4] Лукомский Г.И., Шулутко М.Л., Виннер М.Г., Овчинников А.А. Бронхопульмонология. М.: Медицина; 1982.

[5] Найдич Б.Г. Проблема нестабильности восприятия и интерпретации рентгеновских изображений шаровидных образований легких. Вестник рентгенологии и радиологии. 1989; 3: 69-74.

[6] Календер В. Компьютерная томография. М.: Техносфера; 2006.

[7] Гончаренко Г.В., Гуревич Л.А., Милентьева Е.Г. Денситометрия томограмм в оценке результатов лучевой терапии периферического рака легкого. Медицинская радиология. 1989; 4: 16-8.

[8] Коновалов В.К., Шойхет Я.Н., Лазарев А.Ф., Леонов С.Л., Колмогоров В.Г., Собакарь Ю.Е. и др. Стандартизация денситометрии внутригрудных лимфатических узлов при аэрозольной КТ-лимфографии. Проблемы клинической медицины. 2005; 4: 92-100.

[9] Kido S., Kuriyama K., Higashiyama M., Kasugai T. Kuroda C. Fractal analysis of internal and peripheral textures of small peripheral bronchogenic carcinomas in thin-section computed tomography: Comparison of bronchioloalveolar cell carcinomas with nonbronchioloalveolar cell carcinomas. J. Comput. Assist. Tomography. 2003; 27: 56-61.

[10] Al-Kadi O.S., Watson D. Texture analysis of aggressive and nonaggressive lung tumor CE CT images. IEEE Transact. Biomed. Engng. 2008; 55 (7): 1822-30.

[11] Хофер М. Компьютерная томография. Базовое руководство. М.: Медицинская литература; 2008.

[12] Руководство пользователя рабочей станции Vitrea® 2. Vital Images, Inc.; 2006.

[13] Ворона О.И., Леонов С.Л., Коновалов В.К., Шайдук А.М. Получение параметров компьютерных изображений. Свидетельство о государственной регистрации программы для ЭВМ № 2013613849. Дата регистрации 17 апреля 2013 г.

[14] Лобанов М.Н. Дифференциальная диагностика шаровидных образований легких при мультиспиральной компьютерной томографии на основе многомерной обработки денситометрических параметров: Дисс. Барнаул; 2013.

[15] Коновалов В.К., Лобанов М.Н., Леонов С.Л., Шайдук А.М., Колмогоров В.Г., Домбровский А.А. Денситометрия шаровидных образований легких с использованием искусственного нейрона. Вестник алтайской науки. 2013; 2-1: 140-8.

[16] Коновалов В.К., Лобанов М.Н., Леонов С.Л., Шайдук А.М., Колмогоров В.Г., Домбровский А.А. Способ количественной оценки структуры шаровидных образований легких при мультиспиральной компьютерной томографии. Вестник алтайской науки. 2013; 2-1: 149-53.

RIGHTS & PERMISSIONS

Eco-Vector