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

Aprendizagem mecânica para digitalização de imagens médicas

Estou à procura de um tópico de interesse no domínio da aprendizagem de máquinas e visão por computador. Mais especificamente, a pesquisa pode ser aplicada à visão por computador para classificar os exames de imagem médica e/ou prever o estado futuro de um exame. Não sou um profissional de saúde, por isso, para enquadrar o problema em algo que seja alcançável, pretendo investigar um pouco mais o tema da digitalização de imagens.

O que eu gostaria de saber é:

Qual é o actual estado da arte da tecnologia de digitalização de imagens?

Quais são as suas fraquezas ?

Tenho muitas incógnitas desconhecidas e não sei por onde começar para atingir um conhecimento básico.

As recomendações do livro são bem-vindas, por exemplo, este livro parece ser um bom lugar para começar: por exemplo, o livro “Medical Imaging for the Health Care Provider”: Interpretação Radiográfica Prática “ : https://www.amazon.com/Medical-Imaging-Health-Care-Provider-ebook/dp/B01HUNOJPG

O conjunto de dados que pretendo utilizar para esta pesquisa é ‘DeepLesion’ https://www.nih.gov/news-events/news-releases/nih-clinical-center-releases-dataset-32000-ct-images

Update : este parece ser um bom local para começar : Medical imaging - image quality?

Update 2:

O meu objectivo é utilizar a imagem e dados anotados do DeepLesion para desenvolver uma IA para diagnosticar o estado futuro e/ou presente de um scan. O "estado futuro de um scan” refere-se à previsão do estado futuro dos atributos do scan. Os atributos são os contidos no conjunto de dados anotados do DeepLesion que inclui o diâmetro da lesão, o sexo do paciente e a idade do paciente. Assim, tentarei prever 1 ou uma combinação destes atributos. 

Nesta fase não pretendo que o modelo de IA realize um diagnóstico ou prognóstico, mas que forneça uma previsão de atributos que auxilie o profissional de saúde a realizar o diagnóstico ou prognóstico. Devido à DeepLesion contendo imagens tomográficas, o profissional de saúde neste caso é um radiologista. 

Outro tipo de previsões/classificações de nível mais elevado que posso considerar são a detecção de lesões hepáticas, pulmonares, renais.

O tipo de previsões depende do tipo de dados disponíveis. 

Outra questão de pesquisa que tenho é que tipo de previsões são mais valiosas para o médico. Isto ajudará a concentrar a minha investigação.

Respostas (2)

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

Métodos de diagnóstico por imagem* são comummente utilizados:

  • Ultra-sonografia
  • Radiografia
  • Tomografia computorizada (TC)
  • Ressonância magnética (RM)
  • Cintilografia ou radionuclídeo (injecção de um traçador radioactivo numa veia, espera até se recolher num determinado órgão, por exemplo, a glândula tiróide, e tirar uma fotografia da distribuição do traçador com um scanner)

Todas as técnicas mencionadas têm várias variantes, por exemplo, ultra-som Doppler, uma RM com contraste, etc. A Wikipedia Medical Imaging tem um “índice” mais detalhado de técnicas com ligações a artigos individuais.

Em Biologia SE, há uma lista de sites que fornecem imagens de acesso aberto , alguns dos quais vêm com as descrições de casos. Antes de comprar qualquer livro, recomendo vivamente que tenha uma ideia clara sobre que tipos de livros podem servir o seu propósito. Um livro que pode ser excelente para um médico ou estudante de medicina pode ser inútil para si. Também recomendo que, para começar, escolha UMA técnica de imagem e a pesquise um pouco, em vez de ir com todas as imagens de uma só vez; os problemas na ultra-sonografia são significativamente diferentes dos da TC.

Exemplos de ** fraquezas** das técnicas de imagem:

  • Uma TC e uma RM, pelo menos, são dispendiosas. & - Um raio-X pode mostrar apenas lesões que são significativamente mais ou menos radiopacas do que os tecidos circundantes (por exemplo, pode mostrar apenas cálculos biliares ricos em cálcio, mas não outros).
  • Uma RM da vesícula biliar não pode distinguir de forma fiável entre os pólipos não cancerosos e os cancros Radio Graphics ). & - O problema mais comum é provavelmente, que apesar da alta sensibilidade (capacidade de detectar uma lesão), a especificidade (capacidade de revelar/prever um tipo exacto da lesão) das tomografias computorizadas e ressonâncias por ressonância magnética ainda pode ser baixa.

** Uma questão comum para um profissional de saúde** que muitas vezes permanece por resolver após a imagiologia é: A lesão é ou não cancerosa ou a probabilidade de se transformar num cancro. Por exemplo, os pólipos da vesícula biliar com mais de 10 mm são significativamente mais prováveis de desenvolver cancro do que os mais pequenos, mas não é claro se o risco aumenta após 5 mm ou após 15 mm, por exemplo. Além disso, por vezes, a imagem não mostra se o cancro se propagou aos órgãos próximos.

EDIT:

Para prever uma lesão numa imagem tomográfica, é necessário saber como é que uma imagem tomográfica normal se apresenta e como é que uma lesão se apresenta. O conhecimento sobre o que é uma lesão veio das comparações de muitas imagens de TC e das situações físicas reais descobertas durante a cirurgia. Agora, para alargar este conhecimento para além do que se pode ver com os próprios olhos numa imagem de TC, seria novamente necessário comparar muitas imagens de TC (utilizando um programa de computador) com os resultados da cirurgia.

imagino que isto exigiria um projecto no qual estariam envolvidos vários radiologistas, cirurgiões e peritos informáticos experientes. Um projecto teria de se concentrar numa única questão, por exemplo: O que são os preditores de cancro da vesícula biliar em crescimento anormal da vesícula biliar detectado numa imagem tomográfica? Milhares de imagens de TC e resultados cirúrgicos teriam então de ser comparados para encontrar eventuais associações.

1
1
1
2019-03-02 20:53:07 +0000

Gostaria de fazer uma recomendação, como investigador que também trabalha na área da imagiologia médica. Afirma que está interessado em prever o diâmetro da lesão, o sexo do paciente, e a idade do paciente, a partir dos exames. No entanto, quando um radiologista lê um scan, já conhece o sexo e a idade do paciente, porque essa informação está no registo médico. Também sabem o motivo da varredura. Por exemplo, verão frequentemente uma exposição como “A Sra. Smith é uma mulher de 55 anos com um historial de cancro do pulmão”, juntamente com a própria varredura. (E podem clicar na ficha médica do paciente e ver tudo o que está na ficha médica, se quiserem). Portanto, penso que é melhor não prever coisas que já são do conhecimento do médico. Há muitas outras tarefas de imagem médica fixes que pode fazer com o conjunto de dados DeepLesion, por exemplo, como prever se há uma lesão no scan.

Aqui estão alguns outros recursos que o podem ajudar:

  1. visão geral da anatomia básica anatomia torácica para radiologia e anatomia abdominal para radiologia
  2. Termos de localização radiológica
  3. Como ler as radiografias normais do tórax &. As radiografias do tórax não são TAC, mas se estiver apenas a aprender sobre imagens médicas, é mais fácil começar com as radiografias do tórax e depois passar às TACs
  4. Interpretação das TCs abdominais