Terjemahan Internal Bleeding PDF
-
Upload
anjani-celalu-chayank-amuey -
Category
Documents
-
view
74 -
download
0
description
Transcript of Terjemahan Internal Bleeding PDF
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