ЕФЕКТИВНІСТЬ ЗАСТОСУВАННЯ КОМП’ЮТЕРНОЇ ТОМОГРАФІЇ ТА СУЧАСНИХ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ У ВИЯВЛЕННІ СТРУКТУРНИХ ЗМІН СЕРЦЯ ПРИ ГОСТРІЙ ФОРМІ COVID-19

Автор(и)

  • Максим Гончарук Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського", Україна https://orcid.org/0000-0003-1537-4198
  • Євген Настенко Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"; ДУ «Національний інститут серцево-судинної хірургії ім. М.Амосова НАМН України», Україна https://orcid.org/0000-0002-1076-9337
  • Микола Линник ДУ «Національний інститут фтизіатрії і пульмонології ім. Ф.Г. Яновського НАМН України», Україна https://orcid.org/0000-0002-0011-7482

DOI:

https://doi.org/10.20535/2617-8974.2024.14.304054

Ключові слова:

COVID-19, комп’ютерна томографія, комп’ютерний зір, машинне навчання, радіометрія, серце

Анотація

За допомогою комп’ютерної томографії та сучасних методів інформаційних технологій можливо оцінити не тільки стан ураження легень, а й визначити зміни в серці, які непомітні неозброєним оком безпосередньо під час КТ-діагностики.

Основною метою даного дослідження є аналіз структурних змін в серці, пов’язаних із  гострим перебігом COVID-19. Отримані результати можуть бути приводом для призначення специфічних  кардіологічних обстежень та лікувальних заходів.

Використано відкритий датасет COVID-CT-MD та дані КТ обстежень, виконаних в Національному інститут фтизіатрії і пульмонології імені Ф.Г. Яновського НАМН України і Національного інституту серцево-судинної хірургії імені М.М. Амосова НАМН України.

Спостереження були розділені на два класи: 1- особи, які не хворіли на COVID-19 та 2 – особи із гострою формою COVID-19.

В результаті розмітки КТ-серій і виключення обстежень із явними візуальними  артефактами залишено 167 і 68  випадків(пацієнтів) COVID-19 і норми відповідно.  Для балансування класів застосовано метод андерсемплінгу. Даний метод скоротив кількість випадків до 68 для кожного з класів.

Для оцінки структурних змін в серці застосовано текстурну матрицю суміжності градацій сірого (GLCM) і ансамблеві (Random Forest, LightGBM, XGBoost) та класичні (SVM) класифікатори. Загальну вибірку розділено на тренувальну та валідаційну з частками 70% та 30% відповідно.

Розроблено оригінальний алгоритм відбору інформативних ознак з GLCM, який включає відбір найбільш повторюваних відтінків сірого та їх комбінацій у сусідніх точках зображення у двох класах. 

Якість класифікації оцінено за наступними критеріями: точність, чутливість, специфічність та F-міра. Найкращий результат продемонстрував метод SVM з точністю 63% та F-мірою у 63% на тестовій вибірці.

Встановлено, що специфічні структурні зміни в серці при COVID-19 можуть бути виявлені за даними КТ із застосуванням сучасних інформаційних технологій.

##submission.downloads##

Опубліковано

2024-06-14

Номер

Розділ

Статті