Abstrak-Makalah ini mengusulkan batas organ

penentuan metode untuk mendeteksi pendarahan internal. Terfokus

penilaian dengan sonografi untuk trauma (FAST) adalah penting

untuk pasien yang dikirim ke shock dengan pendarahan internal.

Namun, FAST memiliki sensitivitas rendah, sekitar 42,7%,

dan keterlambatan pengobatan menyelamatkan nyawa akibat pendarahan internal menjadi

terjawab sudah menjadi masalah serius dalam keadaan darurat medis

perawatan. Penelitian ini bertujuan, oleh karena itu, untuk membangun sebuah otomatis

perdarahan internal sistem deteksi robot atas dasar

USG (AS) pengolahan citra untuk meningkatkan sensitivitas.

Perdarahan internal memiliki dua fitur kunci: itu diekstrak dari

rendah kecerahan gambar daerah di AS dan terakumulasi antara

organ. Kami mengembangkan metode untuk mengekstraksi rendah kecerahan

daerah dan algoritma menentukan batas-batas organ oleh

rendah kecerahan analisis set, dan kami mendeteksi pendarahan internal oleh

menggabungkan dua metode ini.

Hasil penelitian berdasarkan gambar US klinis internal

perdarahan antara Hati dan Ginjal menunjukkan bahwa diusulkan

algoritma memiliki sensitivitas 77,8% dan spesifisitas 95,7%.

Kata kunci: Emergency Medical Care, sistem Wearable, Gambar

Feedback pengolahan, Visual

I. PENDAHULUAN

Dalam perawatan darurat medis saat penilaian, terfokus

dengan sonografi untuk trauma (FAST) telah menyebar luas

sebagai langkah pertama untuk mendiagnosis pasien syok traumatik [1] - [3].

Cepat dapat mempersempit daerah diagnosis ke empat bagian utama,

terlepas dari lapangan di mana dokter atau staf medis

spesialisasi. Oleh karena itu suatu echography cepat dan mudah

Metode untuk pasien syok [4] - [6]. Bahkan dengan ini efektif

metode, bagaimanapun, waktu yang dibutuhkan untuk mengangkut pasien untuk

rumah sakit sering terlalu panjang. Oleh karena itu, kita harus

mengembangkan sistem tele-echography yang dapat melakukan perintah cepat

di ambulans atau di adegan cedera yang kita sebut "FASTele"

[7], seperti yang ditunjukkan pada Gambar 1.

Namun, FAST memiliki sensitivitas rendah, dan keterlambatan dalam

menyelamatkan nyawa karena perdarahan internal yang melewatkan pengobatan

telah menjadi masalah serius dalam perawatan medis darurat. B.

Natarajan et al. melaporkan bahwa penggunaan CEPAT dalam hemodinamik

stabil pasien trauma tumpul tampaknya tidak

berharga, karena sensitivitas cepat adalah

sekitar 42,7% berdasarkan penelitian klinis [8], seperti yang ditunjukkan

pada Tabel I. Ini berarti dokter tidak dapat secara akurat

Keiichiro Ito, Hiroyasu Iwata, dan Shigeki Sugano adalah dengan Departemen

Ilmu Kreatif dan Teknik, Fakultas Teknik Mesin modern,

Waseda University, 17 Kikui-cho, Shinjuku-ku, Tokyo ,162-0044,

Jepang. Telepon: +81-3-3203-4457, Fax: +81-3-3203-4457, Email: {itokei-

1985, Jubi, Sugano} @ sugano.mech.waseda.ac.jp. Hiroyasu Iwata juga

dengan Institute for Advanced Studi Waseda (WIAS).

mendeteksi pendarahan di lebih dari setengah internal

perdarahan pasien. USG (AS) pengolahan citra

teknologi dengan mengendalikan probe AS, oleh karena itu,

diperlukan untuk meningkatkan sensitivitas puasa.

Dalam beberapa tahun terakhir, banyak US sistem pengolahan citra dan

sistem robot telah dikembangkan [9] - [13]. G. Sumei et al.

melaporkan metode gray-level image thresholding dengan

mengekstraksi pixel yang memiliki perubahan besar dalam konsentrasi

[14]. A. Takemura mengembangkan filter adaptif untuk gambar AS

di bawah High-Frekuensi Ultrasonic Equipment [15]. T.

Deguchi et al. daerah diekstrak dari hati berkompetisi

tomografi gambar dengan menggunakan distribusi probabilitas [16]. R.

Chan et al. dan H. K. Chang et al. dibangun AS pencitraan

pengolahan dan servoing visual untuk objek internal [17], [18].

Sistem ini, bagaimanapun, tidak bisa membedakan dan mengidentifikasi

diketahui rendah kecerahan daerah di gambar klinis. Juga, tidak ada

Penelitian telah difokuskan pada mendeteksi pendarahan internal akumulasi

dalam gambar AS.

Dalam studi ini, oleh karena itu, kami bertujuan untuk membangun sebuah otomatis

perdarahan internal sistem deteksi robot berdasarkan AS

pengolahan citra untuk meningkatkan sensitivitas. Dalam tulisan ini, kita

fokus pada Fast 2 (daerah antara hati dan ginjal), dan

melaporkan sebuah metode untuk mengekstraksi rendah kecerahan daerah dan

penentuan algoritma batas organ oleh

rendah kecerahan set analisis untuk mendeteksi perdarahan internal

Fast 2.

Cepat positif FAST Negatif

Perdarahan internal 88 (42,7%) 118

Tidak Ditemukan 5 1.894

Perdarahan internal Deteksi Algoritma Berdasarkan

Penentuan Batas Organ oleh Low-Brightness Analisis Set

Keiichiro Ito, Shigeki Sugano, Fellow IEEE, dan Hiroyasu Iwata, Anggota, IEEE

Gambar 1 Dikembangkan tele-echography Sistem: FASTele

FAST1 (Jantung)

FAST2 (Hati dan Ginjal)

FAST3 (Limpa)

FAST4 (kandung kemih)

Mekanik pegas

Uretan spons Korset sabuk

Rotary Motor

Penyelidikan

Kelengkungan rel

Motor linier

100 mm

200 mm 200mm

Tabel I Sensitivitas puasa (Creighton (USA) Universitas ER)

2.012 IEEE / RSJ Konferensi Internasional

Robot Cerdas dan Sistem

07-12 Oktober, 2012. Vilamoura, Algarve, Portugal

978-1-4673-1735-1/12/S31.00 © 2012 IEEE 4131

II. SISTEM KONFIGURASI DAN PERSYARATAN

A. Tinjauan tentang Sistem FASTele

Gbr.2 menunjukkan sistem yang cepat robot, "FASTele". Itu

Sistem terdiri dari perangkat pencitraan AS, manipulator

memegang probe AS dan PC untuk kontrol manipulator dan

pengolahan citra. Sebuah output gambar dari pencitraan AS

perangkat diproses dan dikirim ke PC untuk mengontrol

posisi dan postur dari probe. AS pencitraan perangkat

(MicroMaxx (SonoSite Inc, Micro-cembung probe (1-5 MHz))

output sinyal gambar, yang kemudian ditangkap oleh video

grabber Epiphan ini DVI2USB Solo ke PC (Core2Duo

2.0GHz). Pengolahan citra diimplementasikan oleh Intel

OpenCV.

The FASTele memiliki dua fungsi: menghubungi permukaan

pasien tubuh, dan beradaptasi dengan berbagai badan

jenis dan gerakan tubuh. Juga, FASTele memiliki 4-DOF

(Pitching (1DOF), Rol (1DOF), Positioning (1DOF), dan

Menghubungi (1DOF)). Rel kelengkungan dan motor rotary

(Drive Harmonic, RSF-5A, 66g) yang digunakan untuk mencapai

pitching dan rolling dari probe. Sudut rel kelengkungan

140 ° dan 360 ° yang digunakan masing-masing untuk mencapai 90 °

pitching dan 360 ° bergulir dari probe.

B. Persyaratan untuk Deteksi Pendarahan internal

Di setiap daerah FAST, perdarahan internal memiliki dua fitur kunci:

itu diekstraksi serendah-kecerahan daerah dalam gambar AS dan

terakumulasi antara organ [4] - [6]. Darah berbeda dari

jaringan lain dalam hal impedansi akustik. Juga, masing-masing organ

dipisahkan oleh celah, dan perdarahan internal terakumulasi dalam

kesenjangan, seperti yang ditunjukkan pada Gbr.3. Fungsi-fungsi berikut ini

diperlukan untuk mengembangkan algoritma deteksi perdarahan internal.

Dalam tulisan ini, kami fokus pada pengolahan citra AS 1) dan 2).

1) Mengekstrak rendah kecerahan area untuk mendeteksi darah:

Karena darah diekstraksi serendah-kecerahan daerah, echo

gambar harus binarized. Namun, citra AS memiliki beberapa

kebisingan, seperti seperti Speckles. Rendahnya kecerahan daerah yang disebabkan oleh

darah memiliki perubahan kecerahan yang lebih besar bahwa sekitarnya

jaringan. Oleh karena itu, algoritma diperlukan untuk mengekstrak hanya

daerah tertutup oleh batas dengan perubahan kecerahan yang besar.

2) Menentukan batas organ (hati dan ginjal) untuk mengidentifikasi

internal yang perdarahan:

Kecerahan rendah disebabkan oleh perdarahan internal harus

dibedakan dari kecerahan rendah disebabkan oleh darah dalam

kapal. Perdarahan internal dapat dideteksi dengan menggunakan fakta

pendarahan terakumulasi antara organ. Oleh karena itu,

algoritma diperlukan untuk mengekstrak kesenjangan antara organ

(Hati dan ginjal) pada citra AS. Ini berarti bahwa

algoritma diperlukan untuk menentukan batas organ.

3) Pencarian perdarahan internal dengan mengendalikan AS penyelidikan:

Karena visi citra AS tergantung pada postur dari AS

probe, metode diperlukan untuk mencari pendarahan internal

dengan mengendalikan probe secara otomatis untuk sesuai

FAST.

III. PENDARAHAN INTERNAL DETEKSI ALGORITMA

Gbr.4 menunjukkan gambaran dari metode yang diusulkan. Itu

Metode yang diusulkan terdiri dari dua tahap: penggalian

rendah kecerahan daerah atas dasar arah 8-usulan

filter, dan menentukan batas-batas organ yang diusulkan oleh

rendah kecerahan set analisis.

A. Mengekstrak Rendah kecerahan area untuk mendeteksi darah

Seperti yang ditunjukkan pada Gambar 5 (a) binarization, sederhana dengan menggunakan

ambang ekstrak daerah rendah kecerahan lebar. Karena

rendah kecerahan area yang disebabkan oleh darah memiliki kecerahan besar

berubah, kita binarize citra AS dengan menggunakan diferensial suatu

nilai antara piksel yang berdekatan. Selain itu, kami secara akurat

mengekstrak darah oleh binarization dari arah 8-

(Longitudinal, salib, diagonal) filter. Setiap piksel memiliki nomor

diekstraksi serendah-brightness pada skala 0 sampai 8, seperti pada (1). Kita

didefinisikan sebagai jumlah intensitas filter. Semakin tinggi

intensitas filter, semakin mudah untuk mengekstrak darah. Jika

intensitas terlalu tinggi, namun, darah itu sendiri akan dihapus dari

gambar. Ini berarti harus ada intensitas optimal pada

yang darah tidak hilang. Gbr.5 (b) menunjukkan contoh

citra di mana intensitas filter adalah lima.

Gambar

pengolahan

AS pencitraan

alat

Transaksi Pengontrol

Internal perdarahan

deteksi

+

-

AS image

Probe posisi sasaran & postur

Actuator Target

Posisi & postur

Momen

perintah

Diukur posisi dan

sikap

FASTele

Gbr.2 Blok diagram FASTele

Gbr.3 Fitur perdarahan internal

【Dua Fitur Utama】

1. Rendah kecerahan area

2. Antara Organ

Gbr.4 Over view dari metode yang diusulkan

4132

N (x, y) = Σ X?

?

??? ? p

Δ

? ,??

Δ??

? 5

DAN

P x, y?? ? 120

N (x, y): Nomor yang telah diekstraksi serendah-kecerahan

X:? (1: Rendah kecerahan, 0: Tinggi kecerahan)

p: Intensitas filter 8-arah

n: Jumlah Arah

P (x, y): Brightness nilai pixel x, y

Δa: Jarak antara piksel yang berdekatan dalam jumlah arah (n)?

B. Penentuan Batas Organ untuk Mengidentifikasi

Perdarahan internal

Untuk mengekstrak hanya rendah kecerahan daerah yang disebabkan oleh internal

perdarahan, kami mendeteksi kesenjangan antara organ (hati dan ginjal)

atas dasar penentuan batas-batas organ dengan mengusulkan

rendah kecerahan set analisis.

1) Organ di Area Segmentasi: Pertama, kita memperoleh tepi

perbaikan citra berdasarkan smoothing dengan menggunakan

Maksud-Pergeseran metode [19], [20] dan diferensial nilai antara

berdekatan piksel, seperti pada (2). Selanjutnya, daerah organ tersegmentasi sebagai

berikut;

(I) Penandaan lingkaran satuan

Seperti ditunjukkan dalam Gbr.6 (a), lingkaran satuan menandai organ dalam

tepi perbaikan citra.

(Ii) Perluasan wilayah lingkaran satuan

Lingkaran unit otomatis diperluas ke diekstrak

tepi piksel yang berdekatan dengan piksel yang berdekatan. Gbr.6 (b) menunjukkan

contoh memperluas area lingkaran satuan 10 kali.

(Iii) Penyelesaian daerah lingkaran satuan

Karena tepi diekstraksi sering hilang pada batas organ,

kita tidak bisa menghentikan perluasan daerah lingkaran satuan hanya

Kondisi bahwa daerah tersebut menyentuh tepi diekstrak. Dalam hal ini

kertas, oleh karena itu, kami menetapkan batas ekspansi (5 kali) sampai

sembilan piksel sekitar satu pixel yang menyentuh tepi diekstrak.

Ini berarti bahwa ketika pixel menyentuh tepi diekstrak, yang

Ekspansi sekitar pixel hanya dapat dilakukan 5 kali. Dalam

kasus kapal di organ disentuh, ekspansi adalah

dipertahankan di sekitar kapal dengan menetapkan batasan

ekspansi.

Ketika pixel tidak dapat memperluas, perluasan unit lingkaran

dan daerah segmentasi selesai. Gbr.7 (c) menunjukkan

Hasil segmentasi daerah pada hati.

?? ? ! Σ "? # $% &??% &

Σ "? # $% &??

g x?? ! exp * +

%,

-

h-+

/

0 1 exp * +

%,

2

h2 +

/

0

y: Fitur ruang vektor (Posisi (x, y), Warna (L, u, v))

hs: Bandwidth ruang posisi (2D)

hr: Bandwidth dari ruang warna (3D)

%,

-: Fitur ruang vektor dalam ruang posisi

%,

2: Fitur ruang vektor dalam ruang warna

2) Penentuan Organ oleh Low kecerahan Set

Analisis: Untuk mengekstrak kesenjangan antara hati dan ginjal dengan

menentukan apa daerah organ tersegmentasi adalah, kami mengusulkan

rendah kecerahan analisis set sebagai berikut;

(I) Memperoleh distribusi nilai extremal di setiap

tersegmentasi organ daerah

Pertama, setiap area organ tersegmentasi dibedakan dengan

menghormati kecerahan. Selanjutnya, kita memperoleh nilai extremal, yang

adalah nilai kecerahan saat kecerahan pixel bergerak

dari nilai yang rendah ke yang tinggi, seperti pada (3). Proses ini

Internal perdarahan

Gambar asli

Gbr.5 Mengekstrak rendah kecerahan daerah untuk mendeteksi darah

(A) Simple binarization

(Threshold: 120)

(B) Usulan 8-arah penyaring

(Intensitas filter: 5)

X? ! 1:

(A) Menandai lingkaran satuan (b) Perluasan unit lingkaran

(Contoh 10 kali)

Gbr.6 Arus segmentasi organ daerah

【Organ di Area Segmentasi】

Seorang dokter menandai unit

lingkaran di Hati (atau Ginjal).

Lingkaran otomatis mengembang.

Ketika sebuah pixel menyentuh

diekstrak tepi, ekspansi

sekitar pixel hanya dapat

dilakukan 5 kali

(C) Penyelesaian daerah lingkaran satuan

(Hati)

Daerah merah: Hati

(1)

(2)

Sebuah lingkaran satuan

Ujung peningkatan

4133

dilakukan dalam arah horisontal dan vertikal dalam gambar.

Distribusi nilai extremal dihitung sebagai rasio luas

rendah kecerahan kecerahan tinggi, seperti pada (4). Gbr.7 menunjukkan

extremal distribusi nilai.

(Ii) Analisis distribusi nilai extremal

Dengan membandingkan distribusi nilai extremal dari masing-masing organ,

kami menemukan perbedaan distribusi antara hati dan

ginjal, seperti yang ditunjukkan pada Tabel II. Hati memiliki lebih besar

rendah kecerahan daerah daripada ginjal.

Kami mendefinisikan hunian rendah kecerahan daerah di masing-masing

organ sebagai set rendah kecerahan. Hati dan ginjal

ditentukan oleh Analisis Set Rendah kecerahan.

P: Kecerahan nilai pixel

E (x, y): Nilai Extreaml

Statistik Organ Rendah kecerahan set nilai

Hati

Rata-rata 2,98

Max 3,57

Min 1.50

Ginjal

Rata-rata 2.62

Max 3.38

Min 2.04

IV. EKSPERIMEN DAN HASIL

A. Percobaan dari Mengekstrak Rendah kecerahan area berbasis

pada 8-Arah Filter

1) Metode: Tujuan dari penelitian ini adalah untuk mengevaluasi

efektivitas filter 8-arah dan untuk menandai menuruni

optimal intensitas filter dengan menggunakan gambar klinis AS

menunjukkan perdarahan internal.

Kami diekstraksi rendah kecerahan daerah dari gambar US klinis,

di mana daerah perdarahan internal telah diukur oleh

dokter medis, dengan mengubah intensitas. Juga, daerah rasio

Total diekstraksi rendah kecerahan daerah untuk perdarahan internal

daerah diukur.

2) Hasil: Gbr.8 menunjukkan hubungan antara daerah

rasio dan intensitas filter. Kami mengkonfirmasi bahwa semakin tinggi

intensitas filter, daerah yang lebih kecil low-kecerahan

selain daerah perdarahan internal. Ini berarti bahwa

rendah kecerahan daerah karena kebisingan dan sebagainya bisa dihapus

pada citra AS dengan tepat menetapkan intensitas dalam

8-arah filter.

Gbr.9 menunjukkan hubungan antara jumlah AS

gambar dari yang rendah kecerahan daerah telah diekstraksi

dan intensitas filter. Kami mengkonfirmasi bahwa jika intensitas adalah

lebih dari enam, beberapa gambar dari AS yang rendah kecerahan

daerah tidak diekstraksi akan dihasilkan.

Untuk menghindari kehilangan perdarahan mendeteksi internal, kami mengatur

Intensitas optimal menyaring hingga lima dan dilakukan internal

Percobaan deteksi perdarahan dijelaskan di bawah ini.

Gbr.7 distribusi extremal nilai

Gambar asli

Fast 2

Diekstrak extremal nilai

Hitam: Tinggi kecerahan

Putih: Rendah kecerahan

ΔP

Ax

! 0 DAN

ΔP /

Ax?? / 3 0

ΔP

Δy

! 0 DAN

ΔP /

Δy?? / 3 0

1:

0:

ΔP

Ax

4 0 OR

ΔP /

Ax?? / 7 0 ATAU

ΔP

Δy

4 0 OR

ΔP /

Δy?? / 7 0

E (x, y) =

Tabel II Hasil rendah kecerahan analisis set (N = 213)

(3)

Extreaml nilai distribusi =

Luas kecerahan = low E?? X, y? ! 1?

Luas kecerahan tinggi E?? X, y? ! 0? (4)

Gbr.8 Hubungan antara rasio luas dan intensitas filter

(Rasio luas dalam intensitas 0 diatur ke 1)

Intensitas filter 8-arah (N = 10)

Intensitas filter 8-arah

Gbr.9 Hubungan antara rasio gambar AS dari mana

rendah kecerahan daerah telah diekstrak dan intensitas

8-arah penyaring

4134

B. Percobaan dari Penentuan Batas Organ

(Hati dan Ginjal)

1) Metode: Tujuan dari penelitian ini adalah untuk

mengevaluasi penentuan organ oleh rendahnya kecerahan set

analisis. Gambar AS bervariasi tergantung pada postur dari AS

probe.

Dalam penelitian ini, oleh karena itu, kami menggunakan FASTele untuk memperoleh

49 AS gambar postur probe pada FAST2 menunjukkan

hati dan ginjal (tujuh jenis sudut masing-masing: rolling dan

melempar). Analisis statistik dilakukan dengan uji rank

diikuti oleh Wilcoxon, dan signifikansi statistik diuji

dengan nilai p <0,01.

2) Hasil dan Diskusi: Gbr.10 menunjukkan hasil

rendah kecerahan set analisis. Kami mengkonfirmasi bahwa

rendah kecerahan daerah hati secara signifikan lebih besar daripada

ginjal (p <0,01). Ini berarti bahwa hati dan ginjal bisa

ditentukan dengan menggunakan set rendah kecerahan yang diusulkan

analisis.

C. Percobaan Deteksi Perdarahan internal

1) Metode: Tujuan dari penelitian ini adalah untuk

mengevaluasi algoritma deteksi perdarahan internal yang diusulkan

berdasarkan pada filter 8-arah dan penentuan organ

batas-batas dengan rendah kecerahan analisis set.

Kami memverifikasi jumlah gambar yang internal yang

perdarahan dapat dideteksi oleh algoritma yang diusulkan pada

dasar gambar US klinis menunjukkan atau tidak menunjukkan internal yang

perdarahan.

2) Hasil dan Diskusi: Tabel III menunjukkan hasil

sensitivitas dan spesifisitas dari perdarahan internal yang diusulkan

algoritma. Kami mengkonfirmasi bahwa sensitivitas dan spesifisitas

adalah 77,8%, 95,7%.

Juga, sukses hasil deteksi perdarahan internal

ditunjukkan pada Gbr.11.

Cepat positif FAST Negatif

Perdarahan internal 21 (77,8%) 6

Tidak Ditemukan 9 204 (95,7%)

Kepekaan

!

Perdarahan internal cepat positif?? 21??

Perdarahan internal cepat positif?? 21? K FAST Negatif 6???

SpeciNicity

!

Tidak Ditemukan? Cepat positif 204???

Tidak Ditemukan cepat positif?? 9? K FAST Negatif 204???

V. PEMBAHASAN

Seperti yang ditunjukkan pada Gbr.10, kami menegaskan bahwa hati dan ginjal

dapat ditentukan dengan menggunakan set rendah kecerahan yang diusulkan

analisis. Hati memiliki darah lebih banyak daripada ginjal. Ini berarti

bahwa di AS gambar hati mengandung lebih rendah kecerahan

daerah dibandingkan dengan ginjal. Hal ini dianggap, oleh karena itu, bahwa

diusulkan rendah kecerahan set analisis yang membandingkan rasio

rendah kecerahan daerah di masing-masing organ secara efektif menentukan

hati dan ginjal.

Namun, ada beberapa kegagalan untuk mengekstrak kesenjangan

antara hati dan ginjal, seperti yang ditunjukkan pada Gbr.12. Kasus-kasus ini

diduga disebabkan oleh kegagalan segmentasi daerah organ

disebabkan oleh perubahan kecerahan batas organ

menjadi kecil dan bahwa dari pembuluh darah di ginjal yang tinggi.

Oleh karena itu, batas peningkatan pengolahan dan otomatis

penyesuaian kontras yang diperlukan untuk gambar-gambar. Di

Selain itu, dalam kasus penyakit organ, maka dianggap bahwa

volume darah dalam masing-masing organ akan berbeda dari

status normal. Sebuah metode baru untuk beradaptasi situasi ini adalah

diperlukan dalam situs klinis di masa depan.

Seperti terlihat pada Tabel III, sistem yang diusulkan bisa lebih

sensitif terhadap perdarahan internal dari dokter. Juga,

spesifisitas yang mempertahankan standar yang tinggi. Ini berarti bahwa

kualitas penilaian difokuskan dengan sonograpfy untuk trauma

(FAST) ditingkatkan dengan metode yang diusulkan. Oleh karena itu, kita

menegaskan efektivitas perdarahan internal yang diusulkan

algoritma deteksi.

Gbr.13 menunjukkan contoh kegagalan deteksi. Organ

segmentasi daerah gagal karena daerah hati diekstrak menjadi

perdarahan sangat kecil dalam gambar dan internal yang ada pada

sisi kiri gambar. Dalam kasus ini, optimal AS gambar

harus diekstrak untuk melakukan algoritma yang diusulkan, untuk

Misalnya, perdarahan internal ada di tengah AS

gambar. Untuk sistem ini, diperlukan untuk mengontrol posisi dan

postur probe AS secara otomatis untuk memperoleh optimal

gambar untuk mendeteksi pendarahan internal oleh algoritma yang diusulkan.

Jumlah AS image

Gbr.10 Hasil rendah kecerahan Hati set analisis, dan Ginjal

0

Tabel III Sensitivitas dan spesifisitas dari algoritma yang diusulkan

Gbr.11 Contoh deteksi perdarahan internal (Sukses)

Hati

Ginjal

Gap antara organ-organ

(Perdarahan internal)

0 213

4135

VI. KESIMPULAN DAN KARYA MASA DEPAN

Dalam perawatan medis darurat, Focused Assessment dengan

Sonografi untuk Trauma (FAST) dilakukan untuk mendeteksi

internal yang perdarahan. Namun, FAST tidak cukup sensitif untuk

intern perdarahan, yang merupakan masalah penting. Dalam penelitian ini,

Oleh karena itu, kami bertujuan untuk mengembangkan sebuah sistem robot untuk

meningkatkan sensitivitas.

Dalam tulisan ini, kami fokus pada FAST2 (daerah sekitar hati

dan ginjal), dan deteksi perdarahan internal yang diusulkan

algoritma. Metode ini terdiri dari filter 8-arah

dan penggalian kesenjangan antara organ. Juga, rendah kecerahan set

Analisis didasarkan pada membandingkan rendah kecerahan daerah pada masing-masing

organ diusulkan untuk menentukan hati dan ginjal. Dengan

Hasil percobaan deteksi perdarahan internal menggunakan

gambar klinis AS, kami mengkonfirmasi bahwa algoritma yang diusulkan

bisa meningkatkan kepekaan terhadap pendarahan internal. Selain itu,

disarankan bahwa rendahnya kecerahan yang diusulkan set analisis

bisa menentukan hati dan ginjal.

Untuk karya di masa depan, kami akan melakukan validasi lebih lanjut dari

intensitas filter 8-arah dengan meningkatkan jumlah

klinis AS gambar yang menunjukkan perdarahan internal. Juga, kontras

penyesuaian dan metode untuk mengendalikan penyelidikan AS untuk memperoleh

optimal AS gambar yang diperlukan untuk meningkatkan kinerja

sistem.

Berdasarkan penelitian ini, oleh karena itu, kita memajukan

penelitian otomatis algoritma penyelidikan AS pengendali oleh

menggunakan algoritma deteksi yang diusulkan. Selain itu, sistem

akan diperluas ke semua bidang diagnosis FAST, dan

penerapan untuk pasien dengan perdarahan internal akan

dievaluasi.

PENGAKUAN

Penelitian ini didukung sebagian oleh Waseda Institute for

Lanjutan Studi (WIAS), Kementerian Pendidikan, Kebudayaan,

Olahraga, Sains dan Teknologi dan Perawatan Kritis dan

Darurat Pusat, Yokohama City University Medis

Pusat di Jepang.

REFERENSI

[1] S. Iwai, "Jepang maju trauma evaluasi dan pedoman perawatan," The

Jepang asosiasi untuk operasi trauma, 2008, hlm 43-114.

[2] WS Hoff, M. Holevar dan KK Nagy, pedoman Praktek manajemen "

untuk evaluasi trauma tumpul abdomen, "The timur Praktek

pedoman manajemen kerja kelompok, 2002, 31:20.

[3] GS. Rozycki dan CJ. Dente, "Surgeon-dilakukan USG pada trauma

dan perawatan kritis bedah, "Trauma. 5th ed New York, 2004, hal

311-328.

[4] BM. Decter dan B. Goldner, syncope "Vasovagal sebagai penyebab motor

kecelakaan kendaraan, "AM Hati J, 1992, 1619-1621.

[5] P. Hansotia dan SK. Broste, "Pengaruh epilepsi atau diabetes mellitus

pada risiko kecelakaan mobil, "N Engl J Med, 1991, 22-26.

[6] JE. Morrison, "Sinkop terkait trauma: Dasar Pemikiran dan hasil

diagnostik studi, "J Trauma, 1999, 707-710.

[7] K. Ito, "Pengembangan Robot Wearable untuk Darurat Tele-

Echography ", IEEE Proc. 32 dari Konferensi Internasional Tahunan

Teknik di Kedokteran dan Biologi Society, 2010, pp.205.

[8] B. Natarajan, PK. Gupta, P. Cemaj, M. Sorensen, GI. Hatzoudis, RA.

Forse, "pemindaian FAST: itu layak dilakukan di tumpul hemodinamik stabil

trauma pasien ",? Bedah, 2010, pp.695-700.

[9] JW Tsao, T. Ito, T. Konishi, "Formulasi dan Evaluasi statistik

untuk Variasi Histogram Parametrik di B-mode Ultrasonografi ",

Journal of Medical Ultrasonic,, 1989 Vol.16, No.1.

[10] H. Fujimoto, G. Lixu, T. Kaneko, "Pengakuan Organ Perut

Menggunakan Morfologi Matematika 3D ", Journal of Electronics,

Informasi dan Komunikasi Engineers, 2001, Vol. 84, No.5, hlm

843-850

[11] A. Ohya, S. Yuta, M. Nakajima, Analisis "kuantitatif Ultrasonic

Spekel Daerah ", Journal of Ultrasonic Kedokteran, 1989, Vol.16, No.4.

[12] D. Fukuoka, "Dinamis Daerah-Kontur-Ekstraksi Metode dengan

Otomatis awal-Kontur Produksi dan Unifikasi Contour ",

Journal of Electronics, Informasi dan Komunikasi Engineers,

1998, Vol.81, No.6.

[13] X. Yong, A. Ohya, "Batas Ekstraksi Metode Tiga

Dimensi Pencitraan Echo Ultrasonic Menggunakan Penalaran Fuzzy ",

Journal of Electronics, Informasi dan Komunikasi Engineers,

1993, hlm 17-24

[14] G. Sumei, S. Ozawa, "A-Level Gray Gambar Thresholding Metode",

Journal of Electronics, Informasi dan Komunikasi Engineers,

1997, pp.183-189.

[15] A. Takemura, "Segmentasi Gambar dengan Menggunakan Ultrasonic Lokal

Adaptive Filter dan Wavelet Analisis-Deteksi Superficial

Peripheral Vein oleh peralatan High-Frekuensi Ultrasonic ", Jurnal

institut elektronik, informasi dan komunikasi

insinyur, 2001, hlm 1.452-1.460.

[16] T. Deguchi, Y. Hayashi, K. Kitasaka, K. Mori, Y. Mekada, Y. Suenaga,

Z. Hasegawa, Z. Toriwaki, "Hati Daerah Ekstraksi Berdasarkan

Distribusi Probabilitas pada Gambar Computed Tomography ",

probabilitas distribusi, 2005, vol. 9, No .4, pp.36-48.

[17] R. Chan, "Pendekatan Energi Variasional untuk Vaskular Memperkirakan

Struktur dan Deformasi B-mode Pencitraan USG ", Proc. dari

Konferensi Internasional tentang Image Processing, 2000, Vol.1, hlm

160-163.

[18] HK Chang, "An Automatic Doppler Angle dan Kecepatan Aliran

Pengukuran Metode ", IEEE Simposium Ultrasonic, 1998, hlm

1.579-1.582.

[19] D. Comaniciu, P. Meer, "Berarti pergeseran: Sebuah Pendekatan Robust terhadap

Fitur Ruang Analisis ", IEEE Trans. pada PAMI, 2002.

[20] C. Haifeng, P. Meer, "fusi Robust informasi pasti", IEEE

Trans. Sistem Man Sibernetika, 35 (3) :578-586, 2005.

Hati

Ginjal

Tidak segmentasi

Gbr.12 Contoh kegagalan kesenjangan antara organ penggalian

Gambar asli Kegagalan contoh

Gambar asli Kegagalan contoh

Gbr.13 Contoh kegagalan mendeteksi perdarahan internal

4136