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


Cite item

Full Text

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%.

About the authors

V. K Konovalov

The Altai State Medical University

Email: kon4867@gmail.com
д-р мед. наук, проф. каф. лучевой диагностики 656038, Barnaul, Russian Federation

V. G Kolmogorov

Diagnostic center of the Altai territory

656038, Barnaul, Russian Federation

M. N Lobanov

Federal Center of Traumatology, Orthopedics and Endoprosthesis replacement

656045, Barnaul, Russian Federation

S. L Leonov

I.I.Polzunov Altai State Technical University

656038, Barnaul, Russian Federation

A. M Shayduk

The Altai State Medical University

656038, Barnaul, Russian Federation

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.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2014 Eco-Vector


 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».