Дифференциальная диагностика шаровидных образований легких при мультиспиральной компьютерной томографии на основе многомерной обработки денситометрических параметров

• Автор: Лобанов, Михаил Николаевич
• Шифр специальности: 14.01.25
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Барнаул
• Количество страниц: 106 с. : 25 ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
Глава 1. ДИФФЕРЕНЦИАЛЬНАЯ ДИАГНОСТИКА ШАРОВИДНЫХ ОБРАЗОВАНИИ ЛЕГКИХ (аналитический обзор литературы)
1Л. Дифференциальная диагностика шаровидных образований легких при традиционных рентгенологических исследованиях
1.2. Дифференциальная диагностика шаровидных образований легких при мультиспиральной компьютерной томографии
1.3. Возможности мультиспиральной компьютерной томографии в определении плотности шаровидных образований легких
1.4. Дифференциальная диагностика шаровидных образований легких при мультиспиральной компьютерной томографии с использованием денситометрии
1.5. Анализ медицинских изображений с применением фрактальных размерностей
ф Глава 2 ХАРАКТЕРИСТИКА БОЛЬНЫХ И МЕТОДИКА ИССЛЕДОВАНИЯ
2.1. Дизайн исследования
2.2. Характеристика обследованных больных
2.3. Методика исследования
Глава 3. ОПРЕДЕЛЕНИЕ ВНУТРЕННЕЙ СТРУКТУРЫ ШАРОВИДНЫХ ОБРАЗОВАНИЙ ЛЕГКИХ ПО ДАННЫМ МУЛЬТИСПИРАЛЬНОЙ КОМПЬЮТЕРНОЙ ТОМОГРАФИИ
3.1. Количественная оценка плотности шаровидных образований легких при мультиспиральной компьютерной томогра-

3.2. Погрешности измерений при мультиспиральной компьютерной томографии
3.3. Анализ погрешностей данных и их корректировка при мультиспиральной компьютерной томографии шаровидных образований легких
3.4. Прицельная объемная денситометрия шаровидных образований легких для оценки их внутренней структуры
Глава 4. ДИФФЕРЕНЦИАЛЬНАЯ ДИАГНОСТИКА ШАРОВИДНЫХ ОБРАЗОВАНИЙ ЛЕГКИХ ПРИ МУЛЬТИСПИРАЛЬНОЙ ф КОМПЬЮТЕРНОЙ ТОМОГРАФИИ НА ОСНОВЕ МНОГО-
МЕРНОЙ ОБРАБОТКИ ДЕНСИТОМЕТРИЧЕСКИХ ПАРАМЕТРОВ
4.1. Статистический анализ базы данных для дифференциальной диагностики шаровидных образований легких при первичном раке, пневмонии и инфильтративном туберкулезе
4.2. Алгоритм дифференциальной диагностики шаровидных образований легких
4.3. Дифференциальная диагностика шаровидных образований ф легких на основе использования искусственного нейрона
4.4. Эффективность дифференциальной диагностики шаровидных образований легких при мультиспиральной компьютерной томографии на основе многомерной обработки денситометрических параметров
ЗАКЛЮЧЕНИЕ
СПИСОК СОКРАЩЕНИЙ
СПИСОК ЛИТЕРАТУРЫ
ВВЕДЕНИЕ
Актуальность темы исследования и степень ее разработанности
Болезни органов дыхания преобладают в структуре заболеваемости детей и взрослых и являются одной из основных причин временной утраты трудоспособности и экономических потерь государства [3, 9, 26].
Проблема рака легкого с каждым годом приобретает все большую актуальность [7, 80, 88, 99, 107, 131, 136, 137 и др.]. В структуре онкологической заболеваемости мужского населения эта патология занимает первое место - 28,6%. В течение последних 20 лет смертность от рака легких увеличилась на 76% среди мужчин и на 135% среди женщин и составляет 55,8 на 100000 населения.
С начала 2000-х годов в России ежегодно регистрируются более 450000 новых случаев злокачественных новообразований. Ежегодный рост абсолютного числа больных с впервые в жизни установленным диагнозом злокачественного новообразования обусловлен улучшением диагностики и учета, ростом доли лиц старшего возраста и истинным ростом заболеваемости злокачественными новообразованиями ряда нозологических групп.
Злокачественные новообразования трахеи, бронхов, легкого занимают первое место в структуре заболеваемости мужчин в возрасте 60 лет и старше (19,4%).
В Алтайском крае заболеваемость раком легкого в 2010 году составила 76,9 среди мужчин и 8,4 среди женщин ка 100000 населения [24].
Ежегодно в мире фиксируется свыше 9 миллионов свежих случаев туберкулеза легких и 2,5 миллиона летальных исходов от него [110, 122, 135, 149, 150, 164, 168].
В России сохраняется неблагополучная ситуация по заболеваемости населения туберкулезом. Показатель заболеваемости туберкулезом в 2010 г. составил 76,47 на 100000 населения (в 2009 г. - 82,29) и в 2,3 раза превысил уровень заболеваемости до начала ее роста в 1989 г. (33,0 на 100000 населения) [Государственный доклад «О санитарно-эпидемиологической обстановке в Российской
При постпроцессинговом анализе применялась программа Image J (Image Processing and Analysis in Java, США), позволяющая проводить прямую выборку значений пикселей в табличном виде в выделенных зонах интереса из файлов в формате DICOM. Полученные данные заносили в табличный процессор Microsoft Excel для статистической обработки.
Цифровые данные о состоянии ШОЛ обработаны с использованием табличного процессора Microsoft Excel, где применялись следующие функции: СРЗНАЧ (средняя арифметическая, х ); СТАНДОТКЛОНП (среднее квадратическое отклонение, а); ДОВЕРИТ (ошибка средней арифметической, ±т); КОРРЕЛ (коэффициент корреляции, г). Для большей наглядности результаты исследований представляли в виде диаграмм. Ераницы средних величин и достоверность их различий определены с помощью критерия Стьюдента (t) с вероятностью безошибочного прогноза 95% (р < 0,05).
Оценку размеров корреляции проводили в соответствии с рекомендациями А.М. Меркова, Л.Е. Полякова [Санитарная статистика. Л., 1974] (таблица 6).
Таблица 6.
Схема оценки размеров корреляции
Оценка корреляции Величина корреляции при наличии:
прямой связи обратной связи
г г
слабая 0 - 0,29 0 - (- 0,29)
умеренная 0,3 - 0,69 (-0,3) - (-0,69)
сильная 0 -л 1 о (-0,7)-(-1,0)
Таким образом, главным отличием вновь проведенных аналоговых и реконструктивных методов исследований от предшествовавших, была стандартизация их выполнения и оцифровка полученных данных.
Резюме
В основу работы положены данные о 5887 больных. Было отобрано 1211 человек с наличием в легких на архивных и/или вновь выполненных пленоч-