NEW INFORMATION TECHNOLOGIES FOR ANALYSIS SKELETON PLANAR SCINTIGRAMMS OF PATIENTS WITH BREAST CANCER

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

In work is described practical approach to the expert system building for the analysis skeleton planar scintigramms. The aim is to analyze the numerical characteristics of bone metastases by scintigraphy. Objective. Progress in the development of bioinformatics and mathematical methods in biomedicine, as well as the development of computer and telecommunications systems and networks determines the look of the present and future of oncology technology and of medicine in general. At last years of one of the directions of high-tech-medicine development is a processing the digital image: improvement of quality of image, recovering image, its recognition of separate elements. Recognition of pathological processes is one of the most important problems of processing the medical image. Methods and results. Method of computer-aided analysis of planar osteostsintigrammy studied the skeleton of patients with breast cancer are in complete remission and in the phase progression of the disease with metastases to the skeleton. As analyzed parameter was used brightness of images. The study of the physiological accumulation of radiopharmaceuticals in patients without metastasis to the skeleton indicates a wide variation in the brightness values of the scintigram in some areas of the skeleton. At the same anatomical areas of the skeleton there are significant differences in the values of the index of average brightness. In almost all areas of the skeleton averages of the brightness lesions hyperfixation RFP for scintigram significantly prevail over those of «physiological» lesions hyperfixation. Thus, there is a direct relationship between the levels of accumulation of the radiopharmaceutical in areas of the skeleton without metastatic lesion and bone metastases occurring in these zones. Consider methodological approaches to studies of quality of qualifier at the expert system building for the analysis skeleton planar scintigramms, as well as results of conducting calculations.

Авторлар туралы

Xinmei Kang

3rd Affiliated Hospital (Tumor Hospital) of Harbin Medical University

Хат алмасуға жауапты Автор.
Email: savin.sergei@mail.ru
Harbin, China

N. Kosykh

The Far-Eastern State Medical University

Email: savin.sergei@mail.ru
Khabarovsk, Russia

E. Levkova

Medical Clinic Immunorehabilitation Center

Email: savin.sergei@mail.ru
Khabarovsk, Russia

V. Razuvaev

Far Eastern State Transport University

Email: savin.sergei@mail.ru
Khabarovsk, Russia

S. Savin

Federal State Budget Educational Institution of Higher Education Pacific National University

Email: savin.sergei@mail.ru
Khabarovsk, Russia

Әдебиет тізімі

  1. Pasha S.P., Ternovoy S.K. Radionuclide diagnostic. M.: GEOTAR-media, 2008. 204 p. (in Russian).
  2. The Medical Image Analysis and Machine Intelligence (MIAMI) Research Group. http://www.ece.uwaterloo.ca/ ~miami (accessed 19 october 2018).
  3. Sadik M. Bone scintigraphy. A new approach to improve diagnostic accuracy. University of Gothenburg, 2009. 44 p.
  4. Brunet-Imbault B. et al. A new anisotropy index on trabecular bone radiographic images using the fast Fourier transform. BMC Medical Imaging. 2005. Vol. 5: 4. P. 11-16.
  5. Kosykh N.E., Eremenko A.V., Savin S.Z. Assessment of prognostic factors considering the volume of skeletal metastasis in patients with disseminated prostate cancer. The Siberian Journal of Oncology. 2017. Т. 16. № 1. P. 39-44 (in Russian).
  6. Kosykh N.E., Gostuyshkin V.V., Potapova T.P., Savin S.Z., Eremenko A.V. A computer-assisted diagnostic method for diagnosis of skeletal metastases based on planar scintigraphy data. Far Eastern medical journal, 2013. N 2. P. 33-35 (in Russian).
  7. Kosykh N.E., Gostuyshkin V.V., Savin S.Z., Vorojztov I.V. Designing the systems of computer diagnostics of medical images. Proc. of The First Russia and Pacific Conference on Computer Technology and Applications (RPC 2010). Vladivostok, Russia. 6-9 Sept., 2010. 4 p.
  8. Kosykh N.E., Litvinov K.A., Kovalenko V.L., Eremenko A.V. CAD-analisys of planar ostheoscintigramms for calculating the amount of skeletal metastases. Far Eastern medical journal. 2013. N 3. P. 33-34. (in Russian).
  9. Kosykh N.E., Smagin S.I., Gostuyshkin V.V., Savin S.Z., Litvinov K.A. System of automatic computer analysis of medical images. Information technologies and computing systems. 2011. № 3. P. 52-60 (in Russian).
  10. Kovalenko V.L., Kosykh N.E., Savin S.Z., Gostyushkin V.V. Method of rising for effectiveness of computer automatic technology in radionuclear diagnostics. Physicians and IT. 2013. N 6. P. 48-52 (in Russian).
  11. Lejbkowicz I., Wiener F. et al. Bone Browser a decision-aid for a radiological diagnosis of bone tumor. Comput. Methods Programs Biomed. 2002. 67(2). P. 137-154.
  12. Obenauer S., Hermann K.P., Grabbe E. Applications and literature review of the ВI-RADS classification. Eur Radiol. 2005. P. 1027-1036.
  13. Ojala T., Pietikainen M., Maenpaa T. Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns. IEEE Trans. Pattern Analysis and Machine Intelligence. 2002. Vol. 24 (7). P. 971-987.
  14. Soh L., Tsatsoulis C. Texture Analysis of SAR Sea Ice Imagery Using Gray Level Co-Occurrence Matrices. IEEE Transactions on Geoscience and Remote Sensing. 1999. Vol. 37. No. 2. P. 713-729.
  15. Kosykh N.E., Kovalenko V.L, Savin S.Z., Potapova T.P., Litvinov K.A. Some aspects of studying the expressing of hearths hyperfixation of radiopharmaceuticals on osteostsintigramms by means of computer automatic analysis. Journal of Rentgenology and Radiology. 2016. 97 (2). P. 95-100. (in Russian).
  16. Doronicheva A.V., Savin S.Z. WEB-Technology for Medical Images Segmentation. 3rd Russian-Pacific Conference on Computer Technology and Applications (RPC). IEEE Date Added to IEEE Xplore: 8 October 2018. P. 1-6.
  17. Web-site of DICOM [E-resource]. URL: http://www.dicom.html (accessed 19 october 2018).
  18. Gonzales P., Woods Р., Eddins W. Numerical processing the expressing in MATLAB ambience. M.: Thehnosfera. 2006. 615 p.
  19. De Brabanter K., Karsmakers P., Ojeda F., Alzate C. LS-SVMlab Toolbox User’s Guide, http://www.esat.kuleuven.be/ sista/lssvmlab.
  20. Haralick R.M. Statistical and structured approaches to the description of textures. IEEE-5, 1979. P. 98-118.
  21. Haralick R.M., Shanmugam K., Dinstein I. Textural Features of Image Classification. IEEE Transactions on Systems, Man and Cybernetics. Vol. SMC-3, no. 6, Nov. 1973. P. 11-22.
  22. Metz C.E. Fundamentals of ROC Analysis. Handbook of Medical Imaging. Vol. 1. Physics and Psychophysics. Beutel J, Kundel HL, and Van Metter RL, eds. SPIE Press (Bellingham WA 2000), Chapter 15. P.751-769.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

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».