Тип работы:
Предмет:
Язык работы:


ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ВРАЧА ПРИ ДИАГНОСТИКЕ ОПУХОЛЕВЫХ ЗАБОЛЕВАНИЙ ТОНКОЙ КИШКИ

Работа №74247

Тип работы

Дипломные работы, ВКР

Предмет

медицина

Объем работы91
Год сдачи2017
Стоимость4910 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
205
Не подходит работа?

Узнай цену на написание


Введение 6
Глава 1. Литературный обзор 10
Заболевания тонкой кишки 10
Диагностика опухолей тонкой кишки 14
Системы поддержки принятия решений (СППР) в диагностике заболеваний 18
Обработка видеокапсульных изображений 23
Глава 2. Материалы и методы 27
Материалы исследования 27
Методы исследования 28
Глава 3. Результаты и их обсуждение 35
Задача 1. Определение параметров, необходимых для оценки типа новообразования тонкой кишки и определение диапазона их изменений по ВКЭ 35
Задача 2. Формирование и наполнение базы данных о случаях поражения тонкой кишки в соответствии с описанием видеокапсульного исследования и материалами историй болезней 41
Задача 3. Оценка статистической значимости исследуемых параметров при определении типа новообразования тонкой кишки. 45
Задача 4. Построение алгоритма диагностики типа новообразования тонкой кишки на основе решающих правил, полученных методами математической статистики 62
Задача 5. Программная реализация полученного алгоритма диагностики опухолевых заболеваний тонкой кишки 77
Задача 6. Разработка подхода для автоматизированного выявления на изображении границ пораженных участков тонкой кишки с использованием алгоритмов обработки изображений 80
Заключение 85
Выводы 89
Список литературы


Диагностика заболеваний тонкой кишки - ее воспалительных и неопластических поражений - всегда была сложной задачей для хирургов и гастроэнтерологов. Трудности эндоскопической диагностики связаны с особенностями расположения органа, размерами - длина тонкой кишки достигает шести метров [8].
Опухоли тонкой кишки (двенадцатиперстной, тощей, подвздошной) встречаются относительно редко и составляют 0,6-5% всех опухолей желудочно-кишечного тракта (ЖКТ) и 2-6,5% опухолей кишечника. Злокачественные опухоли тонкой кишки составляют не более 1% всех раков ЖКТ или 0,4-0,6 на 100 000 населения. Раковые опухоли тонкой кишки (ТК) чаще одиночны, хотя описаны и первично-множественные. Важное значение имеют осложнённые формы рака, к которым относят кишечную непроходимость, кровотечение и перфорацию с развитием перитонита. При этом описываемые осложнения зачастую являются первыми клиническими проявлениями опухоли ТК. Метастазирование рака ТК происходит лимфогенным, гематогенным и имплантационным путем. Новообразования необходимо рассматривать дифференцированно каждого отдела тонкой кишки. Обусловлено это различной частотой, характером возникновения опухоли и существенным различием анатомического строения [22].
Эндоскопическая диагностика и лечение верхних и нижних отделов ЖКТ для врачей в большинстве случаев не представляет трудностей. Наоборот, наиболее протяженный отдел ЖКТ - тонкая кишка, считается труднодоступным отделом. В связи с этим, возникают проблемы по своевременной диагностике и лечении различных заболеваний тонкой кишки. Чаще всего пациенты обращаются уже с осложненными формами патологий, что в свою очередь влияет на качество жизни и длительность нетрудоспособности населения.
Точную природу опухоли врач узнает после выполнения операции или сложного (под общим наркозом) метода инструментальной диагностики (энтероскопии) и биопсии из нескольких точек образования и из окружающей его слизистой оболочки, выполнение которой травмирует ткани, нарушает целостность структуры образования и не во всех случаях показательно.
Для оценочной диагностики опухолей ТК чаще всего применяют рентгенологический метод исследования [21, 40, 15], суть которого заключается в введении пациенту рентгенконтрастного вещества и наблюдении за продвижением контрастной массы по кишечнику. Рентгенологическая диагностика ТК на наличие опухоли имеет высокую частоту ошибок в установке диагноза. В связи с этим необходимо использовать более точные диагностические процедуры, такие, как видеокапсульная энтероскопия (ВКЭ), который относят к консервативным, безопасным, безболезненным методам. Результаты отечественных и зарубежных работ по применению ВКЭ продемонстрировали высокую эффективность метода [1, 6, 30, 24].
В зависимости от прогнозируемого типа опухолевого поражения тонкой кишки врач решает задачу о дальнейшей тактике ведения пациента: наблюдение в динамике, консервативная терапия, хирургическое лечение, способ доступа (внутрипросветный эндоскопический, лапароскопический или лапаратомический), срочности проводимых мероприятий.
Одной из существенных проблем ВКЭ является трудоемкость и большие временные затраты на обработку данных. Врачу приходится на протяжении длительного времени внимательно просматривать 8-часовую запись одного пациента, содержащую в среднем 60 000 снимков, чтобы сделать заключение о срочности и дальнейшей тактике его диагностики или лечения. Продолжительное время на просмотр длительной записи, рутинность процесса может влиять на качество и своевременность оказания помощи. На сегодняшний день нами не обнаружено использования в клинической практике реальных систем автоматизации анализа видеокапсульных изображений.
На основании вышеизложенного проблема своевременного выявления опухолей ТК с целью предотвращения осложнений с использованием современных методов является актуальной задачей современного времени для поддержания качества жизни пациентов, страдающих патологией ТК.
В данной работе рассматриваются опухоли только тощей и подвздошной кишки, при которых рекомендуется проводить видеокапсульное исследования для принятия решения о дальнейшей тактике ведения пациента.
Цель данной работы заключается в разработке алгоритма оценки типа опухолевых поражений тонкой кишки на основе видеокапсульной энтероскопии (ВКЭ) для поддержки принятия дальнейших тактических решений врача.
Для достижения цели были поставлены следующие задачи:
1. Определение параметров, необходимых для оценки типа новообразования тонкой кишки и определение диапазона их изменений по ВКЭ.
2. Формирование и наполнение базы данных о случаях поражения тонкой кишки в соответствии с описанием видеокапсульного исследования и материалами историй болезней.
3. Оценка статистической значимости исследуемых параметров при определении типа новообразования тонкой кишки.
4. Построение алгоритма диагностики типа новообразования тонкой кишки на основе решающих правил, полученных методами математической статистики.
5. Программная реализация полученного алгоритма диагностики опухолевых заболеваний тонкой кишки.
6. Разработка подхода для автоматизированного выявления на изображении границ пораженных участков тонкой кишки с использованием алгоритмов обработки изображений.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


1. С помощью экспертов НИЛ хирургической гастроэнтерологии и эндоскопии РНИМУ им. Н.И. Пирогова отделения оперативной эндоскопии ГКБ № 31 были выделены 30 параметров, необходимых для оценки типа новообразования тонкой кишки с использованием ВКЭ, и определен диапазон их изменений.
2. Сформирована база данных о случаях поражения тонкой кишки в соответствии с формализованным описанием видеокапсульного исследования и материалами историй болезней пациентов (181 объект).
3. Для дифференциальной диагностики типов поражения тонкой кишки, классифицированных по ВОЗ на 4 группы, с учетом корреляций определено 8 высоко статистически значимых параметров: Пол пациента, Деформация стенки/просвета кишки, Ход складок, Полиповидные изменения, Сосудистый рисунок, Регулярность слизистой, Дольчатое строение и Цвет слизистой оболочки.
4. Построен алгоритм для дифференциальной диагностики типа
новообразования тонкой кишки групп: Неопухолевые/норма
(чувствительность=86%, специфичность=92%), Эпителиальные доброкачественные (чувствительность=89%, специфичность=93%),
Неэпителиальные доброкачественные (чувствительность=86%,
специфичность=97%), Злокачественные опухоли (чувствительность=89%, специфичность=93%).
5. Построенный алгоритм реализован в виде программного модуля «Заключение по капсуле» с помощью интегрированной среды разработки Visual Studio и языка программирования C#.
6. Разработан подход для автоматизированного выявления на изображении границ пораженных участков (эктазий) тонкой кишки на основе пиксельного анализа изображений.



1. С помощью экспертов НИЛ хирургической гастроэнтерологии и эндоскопии РНИМУ им. Н.И. Пирогова отделения оперативной эндоскопии ГКБ № 31 были выделены 30 параметров, необходимых для оценки типа новообразования тонкой кишки с использованием ВКЭ, и определен диапазон их изменений.
2. Сформирована база данных о случаях поражения тонкой кишки в соответствии с формализованным описанием видеокапсульного исследования и материалами историй болезней пациентов (181 объект).
3. Для дифференциальной диагностики типов поражения тонкой кишки, классифицированных по ВОЗ на 4 группы, с учетом корреляций определено 8 высоко статистически значимых параметров: Пол пациента, Деформация стенки/просвета кишки, Ход складок, Полиповидные изменения, Сосудистый рисунок, Регулярность слизистой, Дольчатое строение и Цвет слизистой оболочки.
4. Построен алгоритм для дифференциальной диагностики типа
новообразования тонкой кишки групп: Неопухолевые/норма
(чувствительность=86%, специфичность=92%), Эпителиальные доброкачественные (чувствительность=89%, специфичность=93%),
Неэпителиальные доброкачественные (чувствительность=86%,
специфичность=97%), Злокачественные опухоли (чувствительность=89%, специфичность=93%).
5. Построенный алгоритм реализован в виде программного модуля «Заключение по капсуле» с помощью интегрированной среды разработки Visual Studio и языка программирования C#.
6. Разработан подход для автоматизированного выявления на изображении границ пораженных участков (эктазий) тонкой кишки на основе пиксельного анализа изображений.
Список литературы
1. Ананко, А.А. Новые тенденции в тонкокишечной эндоскопии/ А.А Ананко. - Украин. мед. частопис. - 2007. - Т.3. - №59. - с.120-123.
2. Блохин, Н.Н. Клиническая онкология/ Н.Н. Блохин, Б.Е. Петерсон. - М., 1979, с.211-212.
3. Гланц, С. Медико-биологическая статистика/ С. Гланц - М: Практика, 1998, 459с.
4. Гублер, Е.В. Вычислительные методы анализа и распознавания вычислительных процессов/ Е.В. Гублер - Л: Медицина, 1978, 296с.
5. Долотова, Д.Д. Автоматизированная поддержка принятия решений на этапах лечебно-диагностического процесса у детей с ожоговой травмой/ Д.Д. Долотова - М, Канд. Дисс, 2015, 119c.
6. Домарев, Л.В. Капсульная эндоскопия в диагностике заболеваний тонкой кишки/ Л.В. Домарев - М, Канд. Дисс, 2007, 159с.
7. Жуков, И.Ю. Программные методы распознавания участков желудочно¬кишечного тракта, полипов и кровотечений в беспроводной капсульной эндоскопии/ И.Ю. Жуков [и д.р.] - М, Программная инженерия, 2012, №
5. с.28-33.
8. Иванова, Е.В. ВОЗМОЖНОСТИ СОВРЕМЕННЫХ МЕТОДОВ ЭНТЕРОСКОПИИ В ДИАГНОСТИКЕ И ЛЕЧЕНИИ ЗАБОЛЕВАНИЙ ТОНКОЙ КИШКИ/ Е.В. Иванова [и д.р.] - М, Экспериментальная и клиническая гастроэнтерология, 2010, №5, с.104.
9. Иванова, Е.В. ЭНТЕРОСКОПИЯ В ДИАГНОСТИКЕ ОПУХОЛЕЙ ТОЩЕЙ И ПОДВЗДОШНОЙ КИШКИ/ Е.В. Иванова [и д.р.] - М, Экспериментальная и клиническая гастроэнтерология, 2010, №10, с.102¬103.
10. Иванова, Е.В. Современные методы энтероскопии в диагностике и лечении заболеваний тощей и подвздошной кишки/ Е.В. Иванова, Докт. Дисс - М, 2013, 310с.
11. Кобринский, Б.А. Этапы и перспективы интеграции информационных систем клинических данных/ Б.А. Кобринский - М, Информационно¬измерительные и управляющие системы, 2010, Т.8, №12, с.12-17.
12. Кобринский, Б.А. Системы поддержки принятия решений в здравоохранении и обучении/ Б.А. Кобринский - М, Врач и информ. технол., 2010, №2, с.39-45.
13. Кобринский, Б.А. Медицинская информатика/ Б.А. Кобринский, Т.В. Зарубина, Учебник - М, «ГЭОТАР-Медиа», 2016, 512с.
14. Миркин, Б.Г. Анализ качественных признаков и структур/ Б.Г. Миркин - М, 1990.
15. Михайлов, А.Н. Рентгендиагностика основных болезней тонкой кишки/ А.Н. Михайлов - Минск, 1985.
16. Парфенов, А.И. Энтерология/ А.И. Парфенов - М.: Триада-Х, 2002, 744с.
17. Реброва, О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA/ О.Ю. Реброва - М: МедиаСфера, 2002, 312с.
18. Уразбагамбетов, А. Совершенствование интерпретации результатов суточного мониторирования артериального давления путем применения современного математического анализа/ А. Уразбагамбетов [и д.р.] - М, Практическая медицина, № 3(71)/2013, с.80-86.
19. Шипунов, А.Б., Наглядная статистика. Используем R! [и д.р.] - М.: ДМК Пресс, 2012. - 298с.: ил.
20. Эрендженова, К.Ю. Разработка решающего правила для
дифференциальной диагностики неопухолевых изменений и
эпителиальных неоплазий желудка на основе видеоэндоскопии/ Эрендженова, К.Ю. [и д.р.] - М, Сибирский вестник медицинской информатики и информатизации здравоохранения, 2016, №1, с. 21-23.
21. Яицкий, Н.А. Опухоли тонкой кишки/ Н.А. Яицкий, Ю.Б. Жватишвили - М., Вестник хирургии - 1979.- №5. - С. 32-36.
22. Яицкий, Н.А. 80 лекций по хирургии. Опухоли тонкой кишки в практике хирурга/ Н.А. Яицкий, А.В. Седнев - М, 2008, с.612, 617-621.
23. Cave, D. ICCE consensus for capsule retention. Endoscopy/ D. Cave [et al], 2005, Vol.37, p.1065-1067.
24. Chow, J.S. A population-based study of the incidence of malignant small bowel tumors: SEER/ J.S. Chow [et al], 1973-1990. International Journal of Epidemiology, 1996, Vol. 25, № 4, p.722-728.
25. Drozdzala, M. Adaptable image cuts for motility inspection using WCE/ M. Drozdzala [et al], Computerized Medical Imaging and Graphics 37 (2013), р.72-80.
26. Goddard, A.F. Guidelines for the management of iron deficiency anaemia/ A.F. Goddard [et al], Gut, 2011, 60, p. 1309-1316.
27. Hartmann, D. A prospective two-center study comparing wireless capsule endoscopy with intraoperative enteroscopy in patients with obscure GI bleeding/ D. Hartmann [et al], Gastrointest Endoscopy, 2005, Vol.61, p.826¬832.
28. Iakovidisa, D.K. Reduction of capsule endoscopy reading times by unsupervised image mining/ D.K. Iakovidisa, S. Tsevasa, A. Polydorouc. Computerized Medical Imaging and Graphics 34 (2010), p. 471-478.
29. Jemal, A. Cancer statistics/ A. Jemal [et al], 2005. CA Cancer J Clin, 2005, 55, p. 10-30.
30. Kornbluth, A., Legnani P., Lewis B.S. Video capsule endoscopy in inflammatory bowel disease/ A. Kornbluth, P. Legnani, B.S. Lewis. Inflamm. Bowel Dis, 2004, 10, p. 278-85.
31. Lai, L.H. Obscure GI bleeding: is capsule endoscopy sufficient/ L.H. Lai, Gastrointest. Endosc, 2008, Vol.68, № 6, p.1128-1130.
32. Lewis, B.S. Small bowel tumors: yield of enteroscopy/ B.S. Lewis, A. Kornbluth, J.D. Waye, Gut, 1991, Vol.32, p.763-765.
33. Lewis, B.S. Enteroscopy/ B.S. Lewis, Gastrointestinal Endoscopy Clin. of NA, 2000, p.101-102.
34. Mujica, V.R. Occult gastrointestinal bleeding. General overview and approach/ V.R. Mujica, J.S. Barkin, Gastrointest Endosc Clin N Am, 1996, 6, p. 833-845.
35. Naef, M. Small bowel tumors: diagnosis, therapy and prognostic factors/ M. Naef, M. Buhlmann, H.U. Baer. Langenbeck’s Archives of Surgery, 1999, Vol. 384, № 2, p. 176-180.
36. North, J.H. Malignant tumors of the small intestine: a review of 144 cases/ J.H. North, M.S Pack, American Surgeon, 2000, Vol. 66, № 1, p. 46-51.
37. Pennazio, M. Capsule endoscopy in neoplastic diseases./ M. Pennazio, R. Emanuele, R. Franchis, World J Gastroenterol, 2008, 14 (34), p. 5245-5253.
38. Ripley, D. Increased incidence of second malignancies associated with small bowel adenocarcinoma/ D. Ripley, B.H. Weinerman, Canadian Journal of Gastroenterology, 1997, Vol. 11, № 1, p. 65-68.
39. Rockey, D.C. Occult gastrointestinal bleeding/ D.C. Rockey, New Engl. Journal of Medicine, 1999, №1, Vol.341, p.38-46.
40. Santos, J.M. Small-bowel enema/ J.M. Santos, M.D. Travassos, D.D.S., 1992, Vol. 31, №152, p. 41.
41. Satrya, G.B. Detection of small colon bleeding in wireless capsuleendoscopy videos/ G.B. Satrya, R.U. Muhammad, S.Y. Shin, Computerized Medical Imaging and Graphics 54 (2016), р.16-26.
42. Szczypinski, P. Texture and color based image segmentation and pathology detection in capsule endoscopy videos/ P. Szczypinski [et al], Comuter methods and programs in biomedicine (2012).
43. Edge detection methods for finding object boundaries in images. [Электронный ресурс]. URL https://ch.mathworks.com/discovery/edge- detection.html
44. Home_doctor_2.2. [Электронный ресурс]. URL:
http://www.aiportal.ru/downloads/expert-systems/home_doctor_2_2.html.
45. R Core Team (2017). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. [Электронный ресурс]. URL https://www.R-project.org/


Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ