Рентген при подозрении на пневмонию


подробно о том как выглядит воспаление легких на снимке, описание рентгенологических признаков заболевания и особенности процедуры

Рентгенография грудной клетки – один из наиболее информативных методов диагностики заболеваний дыхательной системы, включая пневмонию. Он позволяет не только выявить патологический процесс, определить его локализацию и особенности, но и оценить эффективность проводимого лечения. Как же выглядят рентгенологические признаки пневмонии на снимках, и как проводится рентгенография при данной патологии?


В каких целях проводят рентгенографию

Пневмония представляет собой воспалительное заболевание, которое вызывают патогенные микроорганизмы – вирусы, бактерии, грибки. Симптомы включают повышение температуры до 38-39 градусов, кашель, одышку, хрипы в грудной клетке, ухудшение общего самочувствия. Сложность диагностики пневмонии заключается в том, что вышеперечисленные признаки характерны не только для воспаления легких, но и для других заболеваний – острого бронхита, плеврита, онкологических процессов и т.д.

Рентгеновское исследование основывается на сканировании внутренних органов с помощью специального аппарата, который излучает электромагнитные волны определенной длины. Проходя сквозь ткани человеческого тела, они оставляют на поверхности пленки следы, из которых формируется изображение соответствующего органа. По ней можно определить патологические изменения и составить полную картину разных заболеваний, в том числе воспалительных процессов в респираторных органах.

В число показаний к проведению рентгена грудной клетки входит кашель с обильным отделением мокроты, сильная лихорадка (38-39 градусов), озноб, боли в груди и другие признаки, которые могут свидетельствовать о патологических процессах в органах дыхательной системы.

ВАЖНО! Постановка диагноза при пневмонии должна основываться не только на рентгеновских снимках, но и на результатах выслушивания грудной клетки, анализов крови и мокроты и других методах обследования.

Существует два основных способа проведения процедуры – обычный (пленочный) рентген и цифровой, который позволяет получить более четкие и информативные снимки, а также снижает рентген-нагрузку на организм. Выбор методики зависит от оснащения конкретного медицинского учреждения – аппараты для цифровой диагностики есть далеко не во всех больницах и поликлиниках.

Чем отличается от флюорографии

Рентгеновское и флюорографическое исследование имеют один и тот же принцип, но при диагностике пневмонии предпочтение отдается рентгену.

Флюорография позволяет выявить изменения в тканях легких на ранних стадиях, но не дает достаточно четкой рентгенологической картины для постановки точного диагноза.

Вместе с тем, коэффициент облучения при проведении процедуры гораздо меньше, чем при рентгеновском исследовании, поэтому флюорографию делают в профилактических целях, а рентген – непосредственно для диагностики патологических процессов при наличии соответствующих симптомов.

Может ли не показать воспаление легких

Пневмония имеет множество форм клинического течения, а очаги воспаления могут располагаться в любом сегменте легких, и в некоторых случаях определить заболевание по рентгенограмме бывает непросто, особенно если поражен небольшой участок органа. Если после проведения исследования у врача остаются сомнения, больному назначаются дополнительные диагностические процедуры – как правило, КТ или МРТ.

СПРАВКА! Труднее всего выявить пневмонию у детей, страдающих от иммунодефицитных состояний, поэтому в таких случаях ребенка лучше сразу направлять на КТ или МРТ.

Как выглядит недуг на снимке

После проведения рентгенографии снимки должен изучить специалист, и на основе полученных данных и результатов других исследований сделать соответствующие выводы и поставить диагноз. В норме легкие и бронхи человека выглядят следующим образом:

  • легочные доли имеют одинаковый, равномерный черный оттенок;
  • в районе сердца наблюдается белый просвет;
  • ребра и ключицы серые, с привычными очертаниями;
  • купола диафрагмы белого цвета;
  • позвоночный столб расположен в центре.

Признаки пневмонии на рентгеновском снимке во многом зависят от формы заболевания и его стадии, а также от локализации патологического процесса. Если исследование показало признаки пневмонии, необходимо как можно скорее приступить к лечению – запущенный патологический процесс опасен не только для здоровья, но и для жизни человека.

Основные признаки, описание

Первый признак пневмонии на рентгеновском снимке – появление очагов затемнения с неровными контурами в разных частях легкого, которые могут иметь разный размер, от 3-4-х до 12 мм.

Тени различают по внешнему виду (круглые, овальные кольцевидные) и интенсивности окраски – чем темнее пятно, тем сильнее выражен патологический процесс.

При поражении лимфатических узлов и нарушении кровоснабжения органа могут наблюдаться изменения корней легких, а если болезнь затронула плевру – нарушение в рисунке куполов диафрагмы. В остальном проявления пневмонии зависят от стадии, формы и клинических особенностей заболевания:

  1. Очаговая форма. На рентгене отображаются небольшие (1-1,5 см) тени со слабой или умеренной интенсивностью окраски, неоднородной структурой и нечеткими границами. Очаги поражения могут быть единичными или множественными, а в некоторых случаях они сливаются в одно большое пятно. Корни легких расширены, причем нарушения нормального рисунка органа могут сохраняться в течение нескольких дней после выздоровления.
  2. Крупозная пневмония. Наблюдаются изменения нормального легочного рисунка, жидкость в полости плевры, признаки инфильтрации одной из долей легкого, расширение корней. По мере развития воспалительного процесса выраженность изменений и интенсивность окраски затемнений усиливается.
  3. Интерстициальная форма. На снимке заметно уплотнение корней легких и другие изменения, которые формируют выраженный рисунок, напоминающий ветви дерева.
  4. Абсцедирующая пневмония. Проявляется обширным затемнением пораженной области, признаками утолщения плевры и наличием полостей разного размера, наполненных жидкостью.
  5. Аспирационная форма. Рентген характеризуется треугольными пятнами с однородной структурой, светлыми очагами и приподнятой диафрагмой.

ВАЖНО! Сложнее всего поддается диагностике очаговая пневмония – на первых стадиях она проявляется небольшими очагами инфильтрации, которые не всегда заметны на рентгене.

Стадии заболевания

Воспалительный процесс при пневмонии протекает в несколько этапов, причем каждый из них характеризуется определенными изменениями на рентгеновских снимках.

  1. Стадия прилива. Первая стадия болезни продолжается от 12 до 72 часов и проявляется усилением кровообращения в легких, ухудшением их функций и образованием жидкости в альвеолах. На снимках наблюдается четкий рисунок органа, который напоминает решетку, размытость крайних точек и увеличение корней.
  2. Стадия опеченения. Ткани легких уплотняются, и становится похожей на ткани печени. Рисунок легких на данной стадии выражен не так интенсивно, на нем формируются темные пятна со светлыми полосами, корни органа расширены, причем особенно это заметно на пораженной стороне. По мере развития патологического процесса очаги воспаления затемняются, а наличие жидкости хорошо заметно на снимках.
  3. Стадия разрешения. Начало регенерации тканей легких: снижение интенсивности рисунка органа и окраски затемнений, исчезновение крупных элементов в месте поражения и признаков наличия жидкости.

СПРАВКА! Изменения в легочном рисунке могут присутствовать на протяжении нескольких недель после выздоровления.

Как часто можно проходить рентгенодиагностику

В среднем рентгенологическое исследование рекомендуется проходить не более 1-2-х раз в год, но при пневмонии процедура проводится чаще, так как риск развития осложнений превышает опасность от радиационного облучения. Как правило, рентген выполняется не менее 3-х раз – при постановке диагноза «пневмония», через 3-5 дней после начала терапии для контроля ее эффективности, а также после исчезновения клинических симптомов. Повторные снимки после выздоровления больного надо делать для предупреждения осложнений и последствий заболевания – абсцессы легких, разрастание фиброзной ткани и т.д.

Противопоказания

Относительными противопоказаниями к проведению процедуры являются беременность (особенно первый триместр) и тяжелое состояние больного. Однако при наличии характерных симптомов процедура рекомендована всем без исключения, в том числе будущим мамам – для уменьшения негативного воздействия на плод живот беременной закрывают специальным фартуком, который не пропускает рентгеновские лучи. Точно определить пневмонию без рентгеновского снимка практически невозможно – из-за отсутствия специфических симптомов слишком велика вероятность ошибки и неправильного лечения.

Полезное видео

Ознакомьтесь подробно о рентгенографии при пневмонии на видео ниже:

Пневмония – опасное заболевание, которое при отсутствии соответствующей терапии может привести к серьезным последствиям. Единственным способом выявить патологические изменения в легких является рентген, поэтому не стоит пренебрегать данной процедурой – своевременное исследование поможет предотвратить угрозу не только для здоровья, но и для жизни больного.

Оцените статью: Загрузка... Понравилась статья? Поделитесь с друзьями:

Deep Learning для обнаружения пневмонии по рентгеновским снимкам | Абхинав Сагар

Непрерывный конвейер для обнаружения пневмонии по рентгеновским снимкам

Застрял за платным доступом? Щелкните здесь, чтобы прочитать полную историю с помощью моего Friend Link!

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 домашних условиях, включая пневмонию.Ежегодно более 150 миллионов человек заражаются пневмонией, особенно дети в возрасте до 5 лет. В таких регионах проблема может усугубиться из-за нехватки медицинских ресурсов и кадров. Например, в 57 странах Африки нехватка врачей и медсестер составляет 2,3 миллиона человек. 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.

Этот проект является частью рентгеновского снимка грудной клетки (пневмония), проводимого на Kaggle.

Создайте алгоритм для автоматического определения того, страдает ли пациент пневмонией, по рентгеновским изображениям грудной клетки. Алгоритм должен был быть предельно точным, потому что на карту поставлены жизни людей.

  1. scikit-learn
  2. keras
  3. numpy
  4. pandas
  5. matplotlib

Набор данных можно загрузить с веб-сайта kaggle, который можно найти здесь.

Без лишних слов, давайте начнем с кода.Полный проект на github можно найти здесь.

Начнем с загрузки всех библиотек и зависимостей.

Затем я показал несколько нормальных изображений и изображений пневмонии, чтобы просто посмотреть, насколько они отличаются невооруженным глазом. Ну не очень!

Образцы изображений

Затем я разделил набор данных на три набора - обучающий, проверочный и тестовый.

Затем я написал функцию, в которой я немного увеличил данные, подал в сеть изображения обучающего и тестового набора.Также я создал ярлыки для изображений.

Практика увеличения данных - эффективный способ увеличения размера обучающей выборки. Дополнение обучающих примеров позволяет сети «видеть» более разнообразные, но все же репрезентативные точки данных во время обучения.

Затем я определил пару генераторов данных: один для данных обучения, а другой - для данных проверки. Генератор данных , способен загружать необходимый объем данных (мини-пакет изображений) непосредственно из исходной папки, преобразовывать их в обучающие данные (поданные в модель) и обучающие цели (вектор атрибутов - сигнал наблюдения).

Для своих экспериментов я обычно устанавливаю batch_size = 64 . В общем, значение от 32 до 128 должно работать. Обычно вам следует увеличивать / уменьшать размер пакета в зависимости от вычислительных ресурсов и производительности модели.

После этого я определил некоторые константы для дальнейшего использования.

Следующим шагом было построение модели. Это можно описать в следующих 5 шагах.

  1. Я использовал пять сверточных блоков, состоящих из сверточного слоя, максимального объединения и пакетной нормализации.
  2. Поверх него я использовал плоский слой, а затем четыре полностью связанных слоя.
  3. Также в промежутках я использовал дропауты, чтобы уменьшить переобучение.
  4. Функция активации была Relu повсюду, за исключением последнего слоя, где она была Sigmoid, поскольку это проблема двоичной классификации.
  5. Я использовал Адама в качестве оптимизатора и кросс-энтропию в качестве потерь.

Перед обучением модель полезно определить один или несколько обратных вызовов. Довольно удобные: ModelCheckpoint и EarlyStopping .

  • ModelCheckpoint : когда обучение требует много времени для достижения хорошего результата, часто требуется много итераций. В этом случае лучше сохранять копию наиболее эффективной модели только по окончании эпохи, улучшающей показатели.
  • EarlyStopping : иногда во время обучения мы можем заметить, что разрыв обобщения (то есть разница между ошибкой обучения и проверки) начинает увеличиваться, а не уменьшаться. Это симптом переобучения, который можно решить разными способами ( уменьшает емкость модели , увеличивает обучающие данные , увеличивает данные , регуляризация , выпадение и т. Д.).Часто практическим и эффективным решением является прекращение тренировок, когда разрыв в обобщении ухудшается.
Ранняя остановка

Затем я обучил модель для 10 эпох с размером пакета 32. Обратите внимание, что обычно больший размер пакета дает лучшие результаты, но за счет более высокой вычислительной нагрузки. Некоторые исследования также утверждают, что существует оптимальный размер пакета для получения наилучших результатов, который можно найти, потратив некоторое время на настройку гиперпараметров.

Давайте визуализируем графики потерь и точности.

Точность в сравнении с эпохой | Loss vs Epoch

Пока все хорошо. Модель сходится, что можно наблюдать по уменьшению потерь и потерь проверки с эпохами. Также он может достичь точности проверки 90% всего за 10 эпох.

Давайте построим матрицу неточностей и получим некоторые другие результаты, такие как точность, отзывчивость, оценка F1 и точность.

 МАТРИЦА НЕИСПРАВНОСТЕЙ ------------------ 
[[191 43]
[13 377]]

ТЕСТОВЫЕ МЕТРИКИ ------------- ---------
Точность: 91.02564102564102%
Точность: 89.76190476190476%
Отзыв: 96.66666666666667%
F1-оценка: 93.08641975308642

TRAIN METRIC ----------------------
Поезд: 94.23

Модель может достигать точности 91,02%, что неплохо, учитывая размер используемых данных.

Хотя этот проект далек от завершения, но примечательно видеть успех глубокого обучения в таких разнообразных проблемах реального мира. Я продемонстрировал, как классифицировать положительные и отрицательные данные о пневмонии из коллекции рентгеновских снимков.Модель была создана с нуля, что отличает ее от других методов, которые в значительной степени полагаются на метод трансферного обучения. В будущем эта работа может быть расширена для обнаружения и классификации рентгеновских изображений, состоящих из рака легких и пневмонии. В последнее время большой проблемой было различение рентгеновских изображений, на которых обнаружены рак легких и пневмония, и наш следующий подход должен заключаться в решении этой проблемы.

Соответствующий исходный код можно найти здесь.

Приятного чтения, удачного обучения и удачного программирования!

Если вы хотите быть в курсе моих последних статей и проектов, подписывайтесь на меня на Medium.Вот некоторые из моих контактных данных:

.

anjanatiha / Обнаружение пневмонии на рентгеновских изображениях грудной клетки с глубоким обучением: обнаружение пневмонии на рентгеновских изображениях грудной клетки с использованием сверточной нейронной сети и предварительно обученных моделей

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

Ассистент радиолога: болезнь легких

Вот типичное крупное уплотнение.
Сначала изучите изображения, затем продолжайте чтение.

Результаты:

  • повышенная плотность с нечеткими границами в левом легком
  • силуэт сердца все еще виден, что означает, что плотность находится в нижней доле
  • воздушная бронхограмма

Долевое уплотнение результат болезни, которая начинается на периферии и распространяется от одной альвеолы ​​к другой через поры Кона.
На границах болезни одни альвеолы ​​будут вовлечены, а другие нет, что создает нечеткие границы.
Когда болезнь достигает трещины, это приводит к резкому очерчиванию, так как уплотнение не пересекает трещину.

По мере того, как альвеолы, окружающие бронхи, становятся более плотными, бронхи становятся более заметными, что приводит к воздушной бронхограмме (стрелка).

При консолидации не должно быть потери объема или она должна быть минимальной, что отличает уплотнение от ателектаза.
Расширение консолидированной доли встречается не так часто и наблюдается у Klebsiella pneumoniae, а иногда и у Streptococcus pneumoniae, туберкулеза и рака легких с обструктивной пневмонией.

,Система

AI точно определяет ключевые результаты рентгеновских снимков грудной клетки пациентов с пневмонией в течение 10 секунд - ScienceDaily

От 20 минут и более до 10 секунд.

Исследователи из Intermountain Healthcare и Стэнфордского университета говорят, что 10 секунд - это то, как быстро потребовалась новая система, которую они изучили, которая использует искусственный интеллект, чтобы точно идентифицировать ключевые результаты рентгеновских снимков грудной клетки пациентов в отделении неотложной помощи с подозрением на пневмонию.

Исследование показало, что эти сверхбыстрые результаты могут позволить врачам, считывающим рентгеновские снимки, точно подтвердить диагноз пневмонии значительно быстрее, чем в современной клинической практике, что позволяет раньше начать лечение, что жизненно важно для тяжелобольных пациентов, страдающих пневмонией.

Результаты совместного исследования будут представлены на Международном конгрессе Европейского респираторного общества 2019, который состоится в Мадриде, Испания, в понедельник, 30 сентября 2019 г.

Исследователи из Интермаунтин и Стэнфорд изучили систему CheXpert, автоматизированную модель интерпретации рентгеновского снимка грудной клетки, разработанную в Стэнфордском университете, которая использует искусственный интеллект, для просмотра рентгеновских снимков, сделанных в нескольких отделениях неотложной помощи больниц Межгорья по всей Юте.

Проведя обзор, исследователи обнаружили, что система CheXpert очень точно выявила ключевые результаты в рентгеновских лучах - с высокой степенью согласия с консенсусом трех радиологов - примерно за 10 секунд, что значительно превосходит текущую клиническую практику.

«CheXpert будет быстрее и точнее, чем рентгенологи, просматривающие исследования. Это захватывающий новый подход к диагностике и лечению пациентов, обеспечивающий наилучшее возможное лечение», - сказал Натан К.Дин, доктор медицины, главный исследователь исследования и руководитель отделения легочной медицины и реанимации в Медицинском центре Интермаунтин в Солт-Лейк-Сити.

Модель CheXpert была разработана Стэнфордской группой машинного обучения, которая использовала 188 000 визуализационных исследований грудной клетки для создания модели, которая может определить, что является пневмонией, а что нет, на рентгеновском снимке. Эти изображения были взяты из Стэнфордского медицинского центра в Пало-Альто, Калифорния,

.

Поскольку группы пациентов в разных географических регионах различаются, CheXpert был адаптирован для штата Юта путем считывания дополнительных 6 973 изображений из отделений скорой помощи Intermountain.

«Мы разрабатываем алгоритм глубокого обучения, который может автоматически обнаруживать пневмонию и связанные с ней находки при рентгенографии грудной клетки», - сказал Джереми Ирвин, аспирант Стэнфордского университета и член исследовательской группы. «В этом первоначальном исследовании мы продемонстрировали потенциал алгоритма, проверив его на пациентах в отделениях неотложной помощи в Intermountain Healthcare. Мы надеемся, что алгоритм может улучшить качество лечения пневмонии в Intermountain, от повышения точности диагностики до сокращения времени до диагностика.«

В обычном отделении неотложной помощи, объяснил доктор Дин, пациентам с подозрением на пневмонию делают рентген грудной клетки. Хотя создание этих изображений - быстрый процесс, их чтение может занять много времени, поскольку эти рентгеновские лучи совпадают с другими изображениями для интерпретации радиологами. Этот процесс может занять до 20 минут и более, что означает потенциальную задержку начала приема антибиотиков для очень больных пневмонией.

В отделениях неотложной помощи Intermountain отчеты о радиологии обрабатываются с помощью Cerner Natural Language Processing (NLP), которая в настоящее время является вспомогательным средством, используемым для получения необходимой информации из отчетов радиолога.Затем NLP передает информацию в ePNa, электронный инструмент поддержки принятия клинических решений, являющийся частью обычного лечения пневмонии в Intermountain.

Для большинства отделений неотложной помощи, где ePNa недоступна, модель CheXpert может предоставлять информацию о рентгеновских снимках грудной клетки непосредственно врачам, сказал д-р Дин.

«Используя систему CheXpert, мы обнаружили, что время интерпретации было очень быстрым, а точность отчета - очень высокой», - добавил он.

Радиологи Intermountain для исследования классифицировали изображения грудной клетки 461 пациента Intermountain как «вероятные», «вероятные-неопределенные», «маловероятные-неопределенные» или «маловероятные» с пневмонией.Они также определили изображения, которые, по их мнению, показывали пневмонию в нескольких частях легких, и были ли у этих пациентов парапневмонический выпот, который представляет собой скопление жидкости между легкими и грудной полостью.

Рентгенологи отличались друг от друга в классификации более чем у половины пациентов, как это обычно было показано в предыдущих исследованиях. Показатели модели CheXpert на тех же изображениях были сопоставимы с показателями радиологов.

Исследователи обнаружили, что модель CheXpert превзошла нынешнюю систему использования радиолога для создания радиологических отчетов для всех основных результатов пневмонии, а также НЛП.Это также было сделано менее чем за 10 секунд, по сравнению с 20 минутами или часами от НЛП. НЛП радиологических отчетов было наиболее частой причиной ошибок в ePNa.

«Исследование 2013 года, опубликованное в JAMA Internal Medicine, показало, что 59 процентов ошибок, допущенных ePNA, были вызваны обработкой NLP отчетов радиологов, поэтому мы стремимся заменить ее более совершенной и быстрой системой», - сказал д-р Дин.

Помимо проблем, связанных с ePNa, врачам отделений неотложной помощи, просматривающим отчеты о радиологических исследованиях, часто бывает сложно понять неструктурированный язык, используемый радиологами при интерпретации теней на рентгеновских снимках грудной клетки.Мертвый добавлен.

Следующим шагом, по его словам, будет использование модели CheXpert в отделениях неотложной помощи, что, как он ожидает, произойдет в некоторых больницах Intermountain Healthcare этой осенью.

Исследование финансировалось Межгорным исследовательским и медицинским фондом.

,

Смотрите также