Дифференциальная диагностика очаговых изменений позвоночника с использованием стандартного и радиомического анализа: ретроспективное исследование

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. При обнаружении очаговых изменений в костях врач-рентгенолог должен исключить или подтвердить наличие метастатического характера поражения. Хотя семиотика метастатических и неонкологических изменений по данным магнитно-резонансной томографии (МРТ) достаточно известна, на практике могут встречаться различные сочетания сигнальных характеристик, отражающие течение хронических параллельных процессов, значительно затрудняющих интерпретацию. Использование методов компьютерного анализа изображений имеет большие перспективы и способно повысить диагностическую точность стандартных методов визуализации.

Цель. Повысить точность диагностики рентгенологических заключений очаговых изменений позвоночника с помощью дополнительной оценки изображений алгоритмами компьютерного анализа.

Материалы и методы. Обследованы 30 пациентов, 15 из которых — с метастатическими изменениями в костях вследствие рака молочной железы и ещё 15 — с очаговыми изменениями в костях неонкологической природы. Компьютерный анализ очаговых изменений тел позвонков проведён по Т1ВИ, Т2ВИ, STIR МРТ-последовательностям. Для компьютерного анализа использовали оператор сложности изображения Арцела, гистограммное распределение яркостей.

Результаты. Установлены основные дифференциальные показатели для гемангиомы, условно-нормальных участков костного мозга и метастатических очагов. Оператор сложности изображений Арцела для гемангиомы составил ~0,07, для метастазов (mts) — ~0,05, для позвонка — ~0,04. Гистограммный оператор яркостей для гемангиомы составил ~1,12, для mts — ~0,94. Отличие показателей между собой оказалось равным около 20–25% между гемангиомой и костным мозгом и 35% — между mts и костным мозгом, что позволяет эффективно использовать перечисленные показатели вместе с другими маркёрами.

Заключение. Полученные в работе с помощью радиомического анализа критерии дифференциальной диагностики показали значимые различия между очаговыми изменениями в позвонках различной этиологии. С математической точки зрения они носят рекомендательный характер, а в центре системы принятия решений остаётся врач с его опытом.

Об авторах

Николай Иванович Сергеев

Российский научный центр рентгенорадиологии

Автор, ответственный за переписку.
Email: sergeevnickolay@yandex.ru
ORCID iD: 0000-0003-4147-1928
SPIN-код: 2408-6502
Scopus Author ID: 57201131922
http://www.rncrr.ru

доктор медицинских наук, ведущий научный сотрудник, профессор кафедры, кафедра «Рентгенорадиологии» ФДПО ФГБОУ высшего образования "РНИМУ имени Н.И. Пирогова 

Россия, 117485, Москва, ул. Профсоюзная, д. 86

Петр Михайлович Котляров

Российский научный центр рентгенорадиологии

Email: marnad@list.ru
ORCID iD: 0000-0003-1940-9175
SPIN-код: 1781-2199

доктор медицинских наук, профессор

Россия, 117485, Москва, ул. Профсоюзная, д. 86

Владимир Алексеевич Солодкий

Российский научный центр рентгенорадиологии

Email: director@rncrr.ru
ORCID iD: 0000-0002-1641-6452
SPIN-код: 9556-6556

доктор медицинских наук, профессор, академик РАН

Россия, 117485, Москва, ул. Профсоюзная, д. 86

Список литературы

  1. Padalkar P., Tow B. Predictors of survival in surgically treated patients of spinal metastasis // Indian J Orthop. 2011. Vol. 45, N 4. P. 307–313. doi: 10.4103/0019-5413.82333
  2. Сергеев Н.И., Фомин Д.К., Котляров П.М., Солодкий В.А. Сравнительное исследование возможностей ОФЭКТ/КТ и магнитно-резонансной томографии всего тела в диагностике костных метастазов // Вестник Российского научного центра рентгенорадиологии. 2015. Т. 15, № 3. С. 8.
  3. Haraldsen A., Bluhme H., Røhl L., et al. Single photon emission computed tomography (SPECT) and SPECT/low-dose computerized tomography did not increase sensitivity or specificity compared to planar bone scintigraphy for detection of bone metastases in advanced breast cancer // Clin Physiol Funct Imaging. 2016. Vol. 36, N 1. P. 40–46. doi: 10.1111/cpf.12191
  4. Иозефи Д.Я., Сергеев Н.И., Солодкий В.А., Винидченко М.А. Возможности текстурного анализа изображений (коэффициента структурной гетерогенности и карт исчисляемого коэффициента диффузии) в дифференциальной диагностике метастатического поражения костей по данным магнитно-резонансной томографии // Вестник Российского научного центра рентгенорадиологии. 2022. Т. 22, № 3. С. 1–17.
  5. Tian Z., Chen C., Fan Y., et al. Glioblastoma and Anaplastic Astrocytoma: Differentiation Using MRI Texture Analysis // Front Oncol. 2019. N 9. P. 876. doi: 10.3389/fonc.2019.00876
  6. Литвин А.А., Буркин Д.А., Кропинов А.А., Парамзин Ф.Н. Радиомика и анализ текстур цифровых изображений в онкологии (обзор) // Современные технологии в медицине. 2021. Т. 13, № 2. С. 97–104. doi: 10.17691/stm2021.13.2.11
  7. Özgül H.A., Akin I.B., Mutlu U., Balci A. Diagnostic value of machine learning-based computed tomography texture analysis for differentiating multiple myeloma from osteolytic metastatic bone lesions in the peripheral skeleton // Skeletal Radiol. 2023. doi: 10.1007/s00256-023-04333-4. Epub ahead of print.
  8. Park H.J., Park B., Lee S.S. Radiomics and Deep Learning: Hepatic Applications // Korean J Radiol. 2020. Vol. 21, N 4. P. 387–401. doi: 10.3348/kjr.2019.0752
  9. Shinohara R.T., Sweeney E.M., Goldsmith J., et al. Statistical normalization techniques for magnetic resonance imaging // Neuroimage Clin. 2014. N 6. P. 9–19. doi: 10.1016/j.nicl.2014.08.008
  10. Pencheva T.D. Hochaufgelöste MRT zur Quantifizierung veränderter trabekulärer Knochen-Architektur bei Patientinnen mit und ohne Mammakarzinom und osteoporotischer Wirbelkörper-Fraktur: dissertation. München: Universitätsbibliothek der TU München, 2013. Available from: https://mediatum.ub.tum.de/doc/1129206/1129206.pdf. Accessed: 14.05.2023.
  11. Steinhauer V., Steinhauer L. Neuroph and DL4J // Java Magazine. 2021. N 6. P. 79–82.
  12. Морозов С.П., Кокина Д.Ю., Павлов Н.А., и др. Клинические аспекты применения искусственного интеллекта для интерпретации рентгенограмм органов грудной клетки // Туберкулез и болезни легких. 2021. Т. 99, № 4. С. 58–64. doi: 10.21292/2075-1230-2021-99-4-58-64
  13. Ye J., Huang H., Jiang W., et al. Tumor Grade and Overall Survival Prediction of Gliomas Using Radiomics // Scientific Programming. 2021. Vol. 2021. Article ID 9913466. doi: 10.1155/2021/9913466
  14. Штaйнгауэр В., Сергеев Н.И. Радиомика при раке молочной железы: использование глубокого машинного анализа МРТ-изображений метастатического поражения позвоночника // Современные технологии в медицине. 2022. Т. 14, № 2. С. 16. doi: 10.17691/stm2022.14.2.02.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. T1 tse sag-гемангиома, выделена с помощью окна на гистограмме яркостей, которая показана в правой части рисунка.

Скачать (93KB)
3. Рис. 2. Многослойный перцептрон для распознавания в Т2.

Скачать (120KB)
4. Рис. 3. Результаты анализа гемангиомы оператором сложности рисунка Арцела.

Скачать (75KB)
5. Рис. 4. МРТ поясничного отдела позвоночника в сагиттальной проекции.

Скачать (154KB)
6. 1

Скачать (100KB)
7. 2

Скачать (98KB)
8. 3

Скачать (92KB)
9. 4

Скачать (93KB)
10. 5

Скачать (90KB)
11. 6

Скачать (95KB)
12. 7

Скачать (84KB)
13. 8

Скачать (94KB)
14. 9

Скачать (102KB)
15. 10

Скачать (96KB)
16. 11

Скачать (91KB)

© Эко-Вектор, 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах