Классификация пневмоний по локализации


Классификация пневмоний: виды, формы и стадии

Современные медики в своей практике нередко сталкивались с разными формами течения пневмонии. Различие видов воспалительных процессов объясняется многообразием микроорганизмов, вызывающих воспалительное заболевание органов дыхания, а также индивидуальной реакцией организма на внедрение возбудителей. Поэтому на основании этиологии, тяжести, длительности, локализации, природе возбудителя была создана классификация пневмонии.

Этиология пневмонии

Основной причиной развития патологии является воздействие патогенных микроорганизмов. Обычно организм с легкостью справляется с такими атаками, но иногда его защитные функции ослабевают, что и способствует развитию воспалительного процесса. К провоцирующим факторам относятся:

  • несовершенство иммунной системы у грудных детей;
  • угнетение кашлевого рефлекса у пожилых людей старше 65 лет;
  • влияние табачного дыма на органы дыхания;
  • длительно пребывание больного в лежачем положении;
  • болезни, снижающие иммунитет.

Классификация воспаления легких

На протяжении долгого времени в медицинской практике отдавалось предпочтение делению по клинико-морфологическому принципу на долевую и очаговую пневмонию, которые значительно различаются по происхождению и клинической картине. Современные исследования показали, что такая классификация не отражает всевозможные варианты пневмоний, и дает мало информации при выборе оптимального метода лечения, нацеленного на устранение причины заболевания.

Сегодня известно несколько видов пневмонии, классификация которых происходит исходя из локализации поражения, в зависимости от сроков возникновения и форм, степени тяжести заболевания, природы возбудителя.

Классификация по сроку возникновения и формам

Согласно ВОЗ в зависимости от срока и форм проявления существуют перечисленные ниже типы пневмонии:

  • внегоспитальная возникает в домашних условиях, вне стационара, отличается низкой смертностью, является наиболее распространенной формой;
  • госпитальная (нозокомиальная), для которой характерно развитие симптоматики спустя 3 суток после поступления пациента в медицинское учреждение;
  • аспирационная пневмония проявляется во время проглатывания большого количества содержимого ротоглотки;
  • воспалительный процесс в легких при иммунодефицитных состояниях.

Вышеуказанная форма пневмонии чаще всего наблюдается у пациентов с ВИЧ-инфекцией, страдающих от наркотической зависимости, принимающих иммунодепрессанты. Аспирационный вид пневмонии фиксируется у лежачих пациентов, людей в бессознательном состоянии, больных ЦНС, алкоголиков, при нарушении глотательной функции или ослаблении кашлевого рефлекса. Аспирация желудочного содержимого способна вызвать химический ожог слизистой органов дыхания.

Классификация заболевания по возбудителю

К данной группе относятся воспаления легочной ткани, вызванные различными типами возбудителей: вирусы, бактерии, грибок, гельминты. Бактериальная пневмония. Возбудителями данной разновидности выступают бактерии (стафилококки, стрептококки, легионеллы, пневмококковая инфекция). Для типичного варианта течения заболевания характерна симптоматика:

  • гипертермия;
  • появление продуктивного кашля с гнойной или «ржавой» мокротой;
  • головные боли;
  • одышка;
  • отсутствие аппетита.

Лечение данной формы заболевания подразумевает антибактериальную терапию.

Вирусный тип пневмонии провоцируют вирусы гриппа, в более редких случаях парагриппа, аденовирусы, миксовирусы, пикорнавирусы, риновирусы. У больного наблюдаются следующие симптомы:

Пневмонию грибковой природы вызывают кандиды, плесневые грибы, криптококки, пневмоцисты. Сначала больного лихорадит, затем возникает сухой кашель. Нередко наблюдаются такие осложнения, как легочное кровотечение и гидроторакс. При инфицировании гельминтозами к общим признакам присоединяются боли в нижней части живота, тошнота, сопровождающаяся рвотой, общая интоксикация.

Терапия подобного вида заболевания нацелена на ликвидацию глистов и нормализации функций органов дыхания. Диагноз «смешанное воспаление легких» ставится при бактериально-вирусном виде. К отдельной категории по способу заражения следует отнести атипичную пневмонию, возбудителями которой выступают хламидии, микоплазмы, кишечная палочка, клебсиеллы.

Классификация по месту локализации

Заболевание легких поражает как всю поверхность органа, так и отдельные его части. По этому признаку имеется отдельная классификация пневмонии:

  • одно- или двустороннее воспаление – поражение одного либо обоих легких;
  • очаговая – воспаление небольшого участка характерного органа;
  • сегментарная разновидность – распространение патологии на один или несколько сегментов легкого;
  • долевая (крупозная) пневмония захватывает одну либо несколько долей характерного органа;
  • сливная – слияние нескольких маленьких очагов в один большой;
  • тотальное поражение – распространение воспалительного процесса по всей поверхности легких.

Классификация по степени тяжести заболевания

Согласно ВОЗ классифицируют пневмонию по степени тяжести следующим образом:

  • легкая;
  • средняя;
  • тяжелая.

Для легкой степени характерны слабовыраженные симптомы. Присутствуют признаки интоксикации. На данном этапе больной редко нуждается в госпитализации.

Людям со средней степенью поражения необходимо стационарное лечение. Исходя из медицинских показаний, пациент направляется в пульмонологическое отделение. Для средней степени тяжести характерна умеренно выраженная интоксикация, при которой температурные показатели тела превышают отметку 38 °C, немного снижается давление.

Тяжелая степень пневмонии имеет ярко выраженные признаки. Повышается температура выше отметки 39 °C, иногда наблюдается помутнение сознания, лейкоцитоз, значительное падение уровня давления. Человеку необходима интенсивная терапия в условиях стационара. Обычно прогноз неблагоприятный. Для стадии характерен высокий уровень смертности.

Классификация по длительности течения

В зависимости от длительности и характера течения ВОЗ рекомендует следующую классификацию пневмонии: острая, хроническая, скрытая. Остро протекающее заболевание характеризуется ярко выраженными признаками. К ним относятся интенсивный кашель, гипертермия. Нередко болезнь возникает на фоне сахарного диабета, инфаркта. Сопровождается осложнениями и, значительно реже, смертельным исходом.

Хроническая форма является результатом неполного лечения воспаления острого течения. Для нее свойственны периоды ремиссии и обострения. Проявляется повторяющимися рецидивами заболевания. Скрытая, она же вялотекущая, форма является наиболее опасной, поскольку долгое время может протекать бессимптомно, но при этом поражает легочную ткань. Наблюдаются слабовыраженные признаки:

  • потеря аппетита;
  • вялость;
  • побледнение кожного покрова;
  • жажда;
  • сильное потоотделение.

Осложнения пневмонии

Осложненным течение пневмонии считается, если оно сопровождается развитием воспалительных и реактивных процессов в бронхолегочной системе и других органах. Присутствие осложнений определяет характер течения заболевания и его исход.

Существуют легочные и внелегочные осложнения болезни. К первой группе относятся такие патологии, как абсцесс характерного органа, гангрена, возникновение дыхательной недостаточности, экссудативный плеврит. Осложнениями пневмонии внелегочной формы являются миокардит, сердечная недостаточность, инфекционно-токсический шок, отек органов дыхания, сепсис, менингит, анемия.

Профилактические меры

Профилактические мероприятия пневмонии заключаются в укреплении иммунной системы, закаливания организма, своевременного лечения простудных заболеваний, санации хронических очагов инфекции в носоглотке, отказе от пагубных привычек. Следует избегать переохлаждения и бороться с запыленностью. Для предупреждения заражения пневмококком взрослому населению рекомендуется пройти вакцинацию. По словам ВОЗ, профилактика посредством иммунизации представляется собой наиболее успешный вид медицинской помощи.

Видео по теме: Пневмония

cemanuel / Локализация пневмонии под слабым наблюдением: определение местоположения пневмонии без использования этикеток с ограничивающей рамкой

перейти к содержанию Зарегистрироваться
  • Почему именно GitHub? Особенности →
    • Обзор кода
    • Управление проектами
    • Интеграции
    • Действия
    • Пакеты
    • Безопасность
    • Управление командой
    • Хостинг
    • мобильный
    • Истории клиентов →
    • Безопасность →
  • Команда
  • Предприятие
  • Проводить исследования
.

Пневмония: Классификация | Онлайн-обучение с Lecturio

00:01 Итак, пневмония подразделяется на разные типы. 00:06 Первая - самая важная и основная тема сегодняшнего разговора - внебольничная пневмония.00:13 И это то, что написано в его названии, это пневмония, которая приобретается. когда вы живете дома, а не в больнице или где-нибудь еще. 00:20 Так что это обычная стандартная пневмония, которая возникает в повседневной жизни.00:24 Существует подкатегория внебольничной пневмонии, называемая пневмонией, связанной с оказанием медицинской помощи. который был недавно определен в Америке, но, вероятно, не имеет отношения к Европе. 00:34 Сегодня мы не будем обсуждать это более подробно.00:37 Это пневмония, которая возникает у людей, находящихся в учреждениях длительного ухода, домах престарелых и т. Д. 00:43 Но на самом деле в Европе, вероятно, нет такой большой разницы в нормальной внебольничной пневмонии. и поэтому мы относим ее к внебольничной пневмонии.00:53 Другие важные формы пневмонии приобретены в больнице. что, как говорится, пневмония, которая развивается у вас в больнице. 01:01 Итак, вы госпитализированы по другой причине, скажем, у вас операция а затем после операции у вас развивается пневмония.01:08 Это будет больничная пневмония. 01:10 Третья форма пневмонии - искусственная вентиляция легких. 01:13 По сути, это разновидность больничной пневмонии.01:16 Но значит это пневмония у больных находящиеся в отделении интенсивной терапии на искусственной вентиляции легких с введенной эндотрахеальной трубкой. 01:26 И они восприимчивы к пневмонии, потому что трубка ET, Эндотрахеальная трубка обходит множество нормальных иммунных механизмов, предотвращающих инфекцию.01:36 И последняя категория - хозяин с ослабленным иммунитетом. 01:39 Это пациенты с очень серьезным дефектом иммунной системы. и это позволяет ряду необычных организмов, бактерий, вирусов и грибов вызвать пневмонию, так что вероятность пневмонии через необычное намного выше у этих пациентов.01:58 Но мы говорим о пациентах с тяжелым иммунодефицитным состоянием. 02:01 Итак, те, кто прошел химиотерапию от рака, те, кто с ВИЧ-инфекцией, с низким уровнем CD4, тем, кому была проведена трансплантация костного мозга, почки или легкого и т. д.02:13 Итак, пациенты действительно с очень серьезными иммунными нарушениями. 02:16 Итак, кто заболевает пневмонией? Что ж, на этот вопрос есть простой ответ. 02:20 То есть заболеть пневмонией мог абсолютно каждый.Это не редкость для молодых людей. 02:24 Но это особенно характерно для двух возрастных групп. Очень молодые, до пяти лет. 02:29 И как я уже упоминал ранее, это самая частая причина смерти в развивающихся странах среди детей младше пяти лет и пожилых людей.02:36 И вероятность развития пневмонии после 65 лет увеличивается почти в геометрической прогрессии. 02:42 Итак, в итоге вероятность развития пневмонии у людей старше 85 лет - около 5% в год.02:50 Факторы риска пневмонии, а также возраст включают перенесенный грипп или другие вирусные инфекции. 02:57 Потому что, как я упоминал в лекции по гриппу, вирусная инфекция дыхательных путей влияет на иммунный ответ на бактерии и позволяет бактериальным инфекциям развиваться как следствие вирусной инфекции.03:09 Так что вторичные бактериальные пневмонии после гриппа очень распространены. 3:13 И это основная причина смерти во время пандемий или в прошлом. 03:19 Например, пандемия после Первой мировой войны, унесшая жизни 20 миллионов человек.3:23 Большинство людей умерло от пневмококковой и стафилококковой пневмонии. после заражения вирусом гриппа. 3:29 Другие люди, более подверженные пневмонии, - алкоголики. или люди с циррозом печени, потому что это влияет на способность иммунной системы бороться с бактериями.3:39 Курильщики, позволяет бактериям быстрее проникать в легкие. 3:43 Фактически перенес один эпизод пневмонии повышает вероятность повторного эпизода в два или три раза.3:49 Он выделяет вас как человека, подверженного пневмонии. 3:51 А затем пациенты с хроническим заболеванием, хроническим заболеванием легких, ХОБЛ. например, хроническое неврологическое заболевание, слабоумие, перенесенный инсульт и т. д.04:00 Любая почечная недостаточность или сердечная недостаточность. 04:04 Это все причины - все они увеличивают вероятность заражения внебольничной пневмонией. 04:09 Теперь, если вы заболели пневмонией в больнице, вам нужно лечь в больницу.04:14 Так что, если вы госпитализированы по какой-либо причине, вы рискуете получить больничную пневмонию. 04:18 А если вы находитесь на ИВЛ, то рискуете получить искусственную пневмонию. 04:22 И риск того, что вы будете вентилироваться, составляет около 1% в день.04:26 И, конечно же, пациенты с ослабленным иммунитетом для лечения рака или потому что они перенесли трансплантацию легких и т. д. 04:35 Те будут подвержены риску пневмонии пациента с ослабленным иммунитетом.

.

kkoehncke / Pneumonia_Classification: Классификация рентгеновских лучей пневмонии с помощью трансферного обучения

перейти к содержанию Зарегистрироваться
  • Почему именно GitHub? Особенности →
    • Обзор кода
    • Управление проектами
    • Интеграции
    • Действия
    • Пакеты
    • Безопасность
    • Управление командой
    • Хостинг
    • мобильный
    • Истории клиентов →
    • Безопасность →
  • Команда
  • Предприятие
  • Проводить исследования
    • Изучить GitHub →
    Учитесь и вносите свой вклад
    • Темы
    • Коллекции
.

Эффективный подход с глубоким обучением к классификации пневмонии в здравоохранении

В этом исследовании предлагается модель сверточной нейронной сети, обученная с нуля для классификации и обнаружения пневмонии по коллекции образцов рентгеновских снимков грудной клетки. В отличие от других методов, которые полагаются исключительно на подходы к переносному обучению или традиционные методы ручной работы для достижения замечательной производительности классификации, мы построили модель сверточной нейронной сети с нуля, чтобы извлечь особенности из заданного рентгеновского изображения грудной клетки и классифицировать его, чтобы определить, является ли человек инфицированы пневмонией.Эта модель может помочь снизить проблемы надежности и интерпретируемости, с которыми часто сталкиваются при работе с медицинскими изображениями. В отличие от других задач классификации глубокого обучения с достаточным хранилищем изображений, для этой задачи классификации трудно получить большой объем набора данных о пневмонии; поэтому мы развернули несколько алгоритмов увеличения данных, чтобы повысить точность проверки и классификации модели CNN, и достигли замечательной точности проверки.

1. Введение

Риск пневмонии огромен для многих, особенно в развивающихся странах, где миллиарды людей сталкиваются с энергетической бедностью и полагаются на загрязняющие виды энергии.По оценкам ВОЗ, ежегодно более 4 миллионов случаев преждевременной смерти происходят от болезней, связанных с загрязнением воздуха в домах, включая пневмонию [1]. Ежегодно более 150 миллионов человек заражаются пневмонией, особенно дети в возрасте до 5 лет [2]. В таких регионах проблема может усугубиться из-за нехватки медицинских ресурсов и кадров. Например, в 57 странах Африки не хватает 2,3 миллиона врачей и медсестер [3, 4]. Для этих групп населения точный и быстрый диагноз означает все.Это может гарантировать своевременный доступ к лечению и сэкономить необходимое время и деньги для тех, кто уже находится в бедности.

Глубинные модели нейронных сетей конструировались традиционно, и эксперименты с ними проводились экспертами-людьми с использованием непрерывного метода проб и ошибок. Этот процесс требует огромных затрат времени, ноу-хау и ресурсов. Чтобы преодолеть эту проблему, представлена ​​новая, но простая модель для автоматического выполнения задач оптимальной классификации с глубокой архитектурой нейронной сети.Архитектура нейронной сети была специально разработана для задач классификации изображений пневмонии. Предлагаемый метод основан на алгоритме сверточной нейронной сети, использующем набор нейронов для свертки на заданном изображении и извлечения из них соответствующих характеристик. Была проведена демонстрация эффективности предложенного метода с минимизацией вычислительных затрат в качестве фокусной точки и проведено сравнение с существующими современными классификационными сетями пневмонии.

В последнее время алгоритмы глубокого обучения, основанные на CNN, стали стандартным выбором для классификации медицинских изображений, хотя современные методы классификации на основе CNN создают аналогичные фиксированные сетевые архитектуры системы проб и ошибок, которые имеют был их принципом проектирования.U-Net [5], SegNet [6] и CardiacNet [7] - одни из наиболее известных архитектур для исследования медицинских изображений. При разработке этих моделей у специалистов часто есть большой выбор для принятия проектных решений, а интуиция в значительной степени направляет процесс ручного поиска. Такие модели, как эволюционные алгоритмы [8] и обучение с подкреплением (RL) [9], были введены для определения оптимальных гиперпараметров сети во время обучения. Однако эти методы требуют больших вычислительных ресурсов и потребляют много вычислительной мощности.В качестве альтернативы наше исследование предлагает концептуально простую, но эффективную сетевую модель для решения проблемы классификации пневмонии, как показано на рисунках 1 и 2.

CNN

имеют преимущество перед DNN, обладая схемой визуальной обработки, которая эквивалентна человеческой и чрезвычайно оптимизированная структура для обработки изображений и 2D- и 3D-форм, а также возможность извлекать абстрактные 2D-элементы посредством обучения. Слой максимального объединения сверточной нейронной сети эффективен при поглощении различных форм и включает в себя разреженные связи в сочетании со связанными весами.По сравнению с полносвязными (FC) сетями эквивалентного размера CNN имеют значительно меньшее количество параметров. Самое главное, что при обучении CNN используются алгоритмы обучения на основе градиента, и они менее склонны к уменьшению проблемы градиента. Поскольку алгоритм на основе градиента отвечает за обучение всей сети, чтобы напрямую уменьшить критерий ошибки, CNN могут создавать высокооптимизированные веса.

2. Связанные работы

Последние улучшения в моделях глубокого обучения и доступность огромных наборов данных помогли алгоритмам превзойти медицинский персонал в многочисленных задачах медицинской визуализации, таких как классификация рака кожи [11], идентификация кровотечения [12], обнаружение аритмии [ 13] и обнаружение диабетической ретинопатии [14].Автоматическая диагностика с помощью рентгенограмм грудной клетки вызывает растущий интерес. Эти алгоритмы все чаще используются для обнаружения узелков в легких [15] и классификации туберкулеза легких [16]. Производительность нескольких сверточных моделей для различных аномалий, основанная на общедоступном наборе данных OpenI [17], показала, что одна и та же глубокая сверточная сетевая архитектура не работает хорошо при всех аномалиях [18], ансамблевые модели значительно улучшили точность классификации по сравнению с одной моделью, и, наконец, метод глубокого обучения повысил точность по сравнению с методами, основанными на правилах.

Статистическая зависимость между метками [19] была изучена, чтобы получить более точные прогнозы, тем самым превзойдя другие методы на данных 13 изображениях, выбранных из 14 классов [20]. Алгоритмы поиска и прогнозирования меток, исходящих из радиологических изображений, а также отчетов, были изучены [21–23], но метки изображений, как правило, ограничивались тегами болезней, поэтому им не хватало контекстной информации. Выявление заболеваний по рентгеновским изображениям было рассмотрено в [24–26], классификации по изображениям с рентгеновского снимка грудной клетки выполнены в [27], а сегментация частей тела по рентгеновским изображениям грудной клетки и компьютерной томографии выполнена в [23, 28].И наоборот, изучение особенностей изображения из текста и создание описаний изображений относительно того, что бы описал человек, еще предстоит использовать.

3. Материалы и методы

Мы представляем подробные эксперименты и шаги по оценке, предпринятые для проверки эффективности предложенной модели. Наши эксперименты были основаны на наборе данных рентгеновского снимка грудной клетки, предложенном в [29]. Для построения и обучения модели сверточной нейронной сети мы развернули платформу глубокого обучения Keras с открытым исходным кодом и серверной частью tensorflow [10].Все эксперименты проводились на стандартном ПК с графической картой Nvidia GeForce GTX TITAN Xp объемом 12 ГБ, библиотекой cuDNN v7.0 и CUDA Toolkit 9.0.

3.1. Набор данных

Исходный набор данных [25] состоит из трех основных папок (т.е. папок для обучения, тестирования и проверки) и двух вложенных папок, содержащих рентгеновские снимки легких (P) и нормальные (N) грудной клетки, соответственно. В общей сложности 5856 рентгеновских снимков переднезадних отделов грудной клетки были тщательно отобраны у ретроспективных педиатрических пациентов в возрасте от 1 до 5 лет.Вся рентгенография грудной клетки проводилась как часть обычного медицинского ухода за пациентами. Чтобы сбалансировать пропорцию данных, назначенных для набора для обучения и проверки, исходная категория данных была изменена. Мы переставили все данные только в набор для обучения и проверки. Всего для обучающего набора было выделено 3722 изображения, а 2134 изображения были назначены на набор для проверки для повышения точности проверки.

3.2. Предварительная обработка и расширение

Мы использовали несколько методов увеличения данных, чтобы искусственно увеличить размер и качество набора данных.Этот процесс помогает в решении проблем переобучения и повышает способность модели к обобщению во время обучения. Настройки, применяемые для увеличения изображения, показаны ниже в таблице 1.


Метод Настройка

Изменить масштаб 1/255
Диапазон вращения 40
Сдвиг по ширине 0.2
Сдвиг по высоте 0,2
Диапазон сдвига 0,2
Диапазон масштабирования 0,2
Переворот по горизонтали True

Операция масштабирования представляет собой уменьшение или увеличение изображения в процессе увеличения. Диапазон поворота обозначает диапазон, в котором изображения были случайно повернуты во время обучения, т.е.э., 40 градусов. Сдвиг по ширине - это горизонтальный сдвиг изображений на 0,2 процента, а сдвиг по высоте - это вертикальный сдвиг изображений на 0,2 процента. Кроме того, диапазон сдвига 0,2 процента ограничивает углы изображения в направлении против часовой стрелки. Диапазон масштабирования произвольно увеличивает изображение до 0,2 процента, и, наконец, изображения были перевернуты по горизонтали.

3.3. Модель

На рисунке 3 показана общая архитектура предлагаемой модели CNN, которая состоит из двух основных частей: экстракторов признаков и классификатора (функция активации сигмоида).Каждый слой в слое извлечения признаков принимает выходные данные своего непосредственного предыдущего слоя в качестве входных данных, а его выходные данные передаются в качестве входных данных для последующих слоев. Предлагаемая архитектура на рисунке 3 состоит из объединенных вместе слоев свертки, максимального объединения и классификации. Экстракторы признаков включают conv3 × 3, 32; conv3 × 3, 64; conv3 × 3, 128; conv3 × 3, 128, слой max-pooling размером 2 × 2 и активатор RELU между ними. Выходные данные операций свертки и максимального объединения собираются в 2D-плоскости, называемые картами признаков, и мы получили карты признаков размером 198 × 198 × 32, 97 × 97 × 62, 46 × 64 × 128 и 21 × 21 × 128. соответственно, для операций свертки и размеров 99 × 99 × 32, 48 × 48 × 64, 23 × 23 × 128 и 10 × 10 × 128 карт признаков из операций объединения, соответственно, с вводом изображения размером 200 × 200 × 3, как показано в Таблице

.

Смотрите также