Разработка метода и средств синтеза бесконтрастных КТ-изображений брюшного отдела аорты за счет подавления контрастного усиления в данных КТ-ангиографии тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Коденко Мария Романовна

• Коденко Мария Романовна
• кандидат наук
• 2024

Оглавление диссертации кандидат наук Коденко Мария Романовна

ВВЕДЕНИЕ

Глава 1. Исследование принципов формирования КТ-изображения брюшного отдела аорты в присуствии рентгеноконтрастного вещества

1.1. Особенности данных для оппортунистического скрининга аневризмы брюшной аорты с использованием КТ

1.2. Теоретические основы формирования КТ-изображения брюшного отдела

аорты в контрастно-усиленной фазе сканирования

1.2.1. Физические основы формирования сигнала КТ-плотности

1.2.2. Гемодинамические факторы, влияющие на распределение рентгеноконтрастного вещества в области накопления

1.2.3. Сигнал КТ-плотности на аксиальных томографических изображениях брюшного отдела аорты в присутствии рентгеноконтрастного вещества

Выводы по главе

Глава 2. Разработка метода синтеза бесконтрастных КТ-изображений брюшного

отдела аорты

2.1. Математическое моделирование одномерного и двумерного распределения рентгеноконтрастного вещества в просвете и стенке брюшной аорты

2.1.1. Модель одномерного и двумерного распределения рентгеноконтрастного вещества

2.1.2. Параметры модели распределения рентгеноконтрастного вещества

2.1.3. Метод аппроксимации контраст-индуцированного компонента сигнала КТ-плотности

2.1.4. Подавление контрастного усиления с использованием разработанной модели

2.2. Исследование модели при однородном и неоднородном распределении рентгеноконтрастного вещества

2.2.1. Подготовка данных

2.2.2. Исследование погрешности аппроксимации областей однородного и неоднородного распределения рентгеноконтрастного вещества

Выводы по главе

Глава 3. Разработка лабораторного стенда для имитации КТ-ангиографических изображений брюшного отдела аорты

3.1. Требования к структуре и функциям лабораторного стенда

3.2. Выбор материала для тест-объекта

3.3. Экспериментальные исследования лабораторного стенда

Выводы по главе

Глава 4. Экспериментальная апробация метода и средств синтеза бесконтрастных КТ-изображений

4.1. Алгоритмизация метода синтеза бесконтрастных КТ-изображений

4.2. Планирование экспериментальной апробации модели

4.2.1. Этапы исследований

4.2.2. Расчет размера выборки

4.2.3. Формирование выборки данных КТ пациентов

4.3. Результаты экспериментальной апробации

4.3.1. Апробация с использованием КТ-изображений тест-объекта

4.3.2. Апробация с использованием КТ-изображений пациентов

4.3.3. Вопросы внедрения метода и средств синтеза размеченных бесконтрастных КТ-изображений

Выводы по главе

ОБЩИЕ ВЫВОДЫ И ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б ПРИЛОЖЕНИЕ В

140

ВВОДИМЫЕ СОКРАЩЕНИЯ И ОБОЗНАЧЕНИЯ

АБА - аневризма брюшной аорты ДИ - доверительный интервал

ЕРИС - единая радиологическая информационная система

ИИ - искусственный интеллект

КЗ - компьютерное зрение

КТ - компьютерная томография

КТА - компьютерная томографическая ангиография

КУ - контрастное усиление

МРТ - магнитно-резонансная томография

ОБП - органы брюшной полости

ПО - программное обеспечение

ПЭТ - позитрон-эмиссионная томография

РКВ - рентгеноконтрастное вещество

СИПК - стенд имитации пульсового кровенаполнения

DICOM - digital imaging and communications in medicine

DSC - Dice-Sorensen coefficient

GAN - generative adversarial network

HU - Hounsfield unit

NIfTI - neuroimaging informatics technology initiative NRRD - nearly raw raster data RMSE - root mean square error

Введение диссертации (часть автореферата) на тему «Разработка метода и средств синтеза бесконтрастных КТ-изображений брюшного отдела аорты за счет подавления контрастного усиления в данных КТ-ангиографии»

ВВЕДЕНИЕ

Актуальность темы. Аневризма брюшного отдела аорты (АБА) -заболевание сердечно-сосудистой системы (код международной классификации болезней 10-й версии - «171.4» [1]), сопровождающееся патологическим увеличением диаметра просвета брюшного отдела аорты от 30 мм и более [2].

По данным министерства здравоохранения Российской Федерации, распространенность АБА составляет от 0,01 % до 0,04 % в зависимости от региона, причем, превалирующее большинство (более 80 %) пациентов - мужчины старше 65 лет [3]. Для мировой статистики характерны более высокие показатели заболеваемости АБА при сходном половозрастном распределении: по данным мета-анализа 54 исследований из 19 стран мира, распространенность аневризм у лиц в возрасте от 30 лет до 79 лет достигает 0,92 % [4]. При этом, более 55 % всех случаев обнаружено у лиц старше 60 лет и около 80 % - у лиц мужского пола. К изученным факторам риска развития АБА относят [5, 6, 7]: возраст старше 65 (более 80 % случаев), мужской пол (встречаемость выше в 4-8 раз), генетическую предрасположенность, курение (увеличивает возникновения в 4-5 раз [8]), сопутствующие заболевания сердечно-сосудистой системы (в частности, атеросклероз и гипертония [9]), нарушение обмена веществ, травмы и аневризмы в иных отделах аорты.

Естественное клиническое течение АБА характеризуется отсутствием специфических симптомов на ранних стадиях и экспоненциальным увеличением средней скорости роста от 1,3 мм/год до 3,6 мм/год для аневризм диаметром от 30 мм до 50 мм соответственно, согласно результатам мета-анализа КЕБСАК [10]. Однако, даже при наличии симптоматики, абдоминальная локализация патологии существенно расширяет дифференциальный диагностический ряд АБА, затрудняя ее обнаружение [11]. Самое грозное из осложнений аневризмы аорты - ее разрыв, в этом случае вероятность летального

исхода превышает 80 % [12]. Частота разрывов АБА находится в диапазоне от 5,6 до 7,5 случаев на 100 тыс. смертей населения [13].

Своевременная диагностика АБА является ключевым фактором, позволяющим снизить риск осложнений [14] и напрямую влияющим на эффективность лечения [15]. В настоящее время отсутствует доказательная база относительно возможности медикаментозного замедления темпов роста аневризм [16]. Тем не менее, пациентам рекомендовано применять меры по снижению сердечно-сосудистого риска, в частности, статинотерапию для уменьшения частоты разрывов (снижение риска до 37 %), послеоперационных осложнений и смертности после плановой реконструкции АБА (снижение риска до 45 %) [17].

Несмотря на отработанную методологию проведения скрининговых исследований с использованием ультразвуковых исследований (УЗИ) [18], по данным проведенного ретроспективного аудита исследований число случайно диагностируемых АБА может достигать 367 случаев ежегодно в рамках отдельно взятого медицинского учреждения [19]. Механизм случайного обнаружения АБА, в частности, является главенствующим в регионах, где отсутствует организованный скрининг [20].

Рутинное КТ-исследование без использования внутрисосудистых рентегнокоснтрастных веществ (РКВ) не используется для диагностики АБА, тем не менее, этот метод имеет потенциальную пользу в обнаружении данной патологии. АБА нередко является случайной находкой при проведении КТ-исследований органов брюшной полости (КТ ОБП): от 2,2 % (91 случай за год [21]) до 5,8 % (187 случаев за 1,5 года [22]). В переложении на число провидимых в РФ КТ ОБП это может составить до 1700 упущенных случаев ежегодно [23]. Заслуживает внимания и тот факт, что КТ обладает большими показателями точности в отношении измерения диаметра аневризмы по сравнению с УЗИ [24], при этом отмечается устойчивое занижение размеров на УЗИ [25]. Отмечается, что пределы согласия (усредненный диапазон разницы измерений между двумя

методами) превышают клинически допустимую границу в 5 мм. Так, на выборке из 334 пар измерений [26] было показано, что размер аневризмы на КТ в 95 % случаев статистически значимо (р < 0,001) превышал измеренный с помощью УЗИ, при этом абсолютная величина расхождения существенно положительно коррелировала с размерами аневризмы (коэффициент корреляции 0,71); рассчитанные переделы согласия составили от -4,5 мм до +23,6 мм. Исследование, проведенное на выборке из 125 пациентов с диаметром АБА более 50 мм также демонстрирует слишком широкие переделы согласия измерений между УЗИ и КТ: от -5,5 мм до +9,6 мм [27]. Кроме того, КТ демонстрирует сравнительно высокую воспроизводимость измерений [28] по причине высокого разрешения изображения [29] даже в отсутствии контрастного усиления [30], операторонезависимости метода и возможности трехмерной реконструкции данных, позволяющей оценить размеры в различных проекциях сосуда.

Упомянутые аспекты позволяют говорить о перспективах использования КТ скрининга АБА при оппортунистическом сценарии. Оппортунистический скрининг - это несистематизированные обследования пациентов, обратившихся за медицинской помощью по любым причинам [31, 32]. Нецелевой тип проводимых исследований, т.е. поиск АБА как сопутствующего заболевания, позволяет разрешить вопрос о возможности применения КТ в рамках скрининга, связанный с наличием лучевой нагрузки на пациента. Ежегодно в РФ проводят до 22,8 миллионов КТ-исследований [33], оценочная доля рутинных КТ ОБП составляет 0,2 % [34]. Стоит также отметить внушительный объем КТ-данных, аккумулированных в Единой Радиологической Информационной Системе (ЕРИС) [35], доступных для ретроспективного аудита.

Несмотря на активное внедрение технологий искусственного интеллекта в лучевую диагностику, проведенный систематический обзор существующих решений для оппортунистического скрининга АБА [38] демонстрирует сравнительно слабое развитие данной области. К основным сдерживающим факторам можно отнести малое число наборов данных (НД), репрезентативность и

объем которых являются одним из ключевых условий успешного обучения и объективного тестирования алгоритмов компьютерного зрения (КЗ) [39]. Формирование репрезентативного НД, содержащего верифицированную разметку области интереса, осуществляется медицинскими экспертами вручную. Помимо высоких трудозатрат, слабая различимость границы сосуда на фоне окружающих тканей, характерная для оппортунистического скрининга, делает ручной метод весьма субъективным [40]. В настоящее время поиск инструментов для автоматизации и объективизации разметки данных главным образом связывают с применением нейросетей [41]. Впрочем, достоверность воспроизведения границ области интереса на таких изображениях не может быть однозначно определена, что не позволяет использовать их для измерения диаметра сосуда, который является одним из ключевых признаков при постановке диагноза АБА.

Актуальность исследования заключается в преодолении недостатков существующей методологии подготовки наборов данных бесконтрастных КТ-изображений, содержащих разметку брюшного отдела аорты. В настоящее время решение задачи сегментации аорты на бесконтрастных КТ-изображениях из-за ряда вышеупомянутых технических особенностей обработки таких данных в основном ограничивается ручными методами. Это является основным сдерживающим фактором развития алгоритмов КЗ и внедрения их для автоматизации оппортунистического скрининга АБА на КТ. В рамках данной работы для получения НД, содержащих сегментацию брюшной аорты на бесконтрастных КТ-изображениях, предложен качественно иной подход: подавление контрастного усиления на размеченных КТ-ангиографических изображениях. Данный подход позволяет повысить точность и снизить трудозатраты при получении бесконтрастных КТ-изображений с разметкой брюшного отдела аорты по сравнению с существующим (ручным) методом.

Целью исследования является разработка метода и средств синтеза размеченных бесконтрастных КТ-изображений брюшного отдела аорты за счет подавления контрастного усиления в данных КТ-ангиографии.

Для достижения поставленной цели в работе были сформулированы и решены следующие задачи:

1. Исследование возможности выделения РКВ-индуцированного компонента сигнала КТ-плотности.

2. Разработка математической модели пространственного распределения РКВ в области его накопления.

3. Разработка метода синтеза бесконтрастных КТ-изображений за счет подавления РКВ-индуцированного компонента сигнала КТ-плотности.

4. Разработка тест-объекта и экспериментального стенда, позволяющих получать КТ-ангиографические изображения, аналогичные изображениям брюшного отдела аорты реальных пациентов по значению КТ-плотности.

5. Апробация разработанных метода и средств синтеза бесконтрастных КТ-изображений, содержащих разметку брюшного отдела аорты.

Научная новизна работы:

1. Показано, что распределение рентгеноконтрастного вещества в просвете и стенке сосуда на аксиальных КТ-изображениях во фронтальном и сагиттальном направлении может быть аппроксимировано посредством суммы двух симметричных сигмоидов специального вида.

2. Показано, что сочетание силиконового матрикса на платиновой основе и полиуретановых нитей способно имитировать КТ-плотность стенки артериального сосуда со средним значением 161 Ни и СКО 17 Ни.

3. Впервые разработан метод подавления контрастного усиления в просвете и стенке брюшного отдела аорты, основанный на скорректированном вычитании контраст-индуцированного компонента из сигнала КТ-плотности.

Основные научные положения, выносимые на защиту:

1. Математическая модель двумерного распределения рентгеноконтрастного вещества в брюшном отделе аорты в виде набора сумм двух сигмоидов позволяет аппроксимировать как области однородного, так и неоднородного его распределения, вызванного дилатацией, тромбозом либо отхождением

магистральных артерий. Значения среднеквадратической ошибки аппроксимации для указанных областей отдельно взятого КТ-исследования статистически значимо не различаются (р > 0,1) и унимодально распределены (р > 0,7).

2. Сочетание силиконового матрикса на платиновой основе и армирующих термопластичных полиуретановых нитей позволяет имитировать КТ-плотность контрастно-усиленного артериального сосуда со средним значением и среднеквадратическим отклонением 161 НИ и 17 НИ соответственно при стандартном протоколе КТ-сканирования органов брюшной полости.

3. При аппроксимации контраст-индуцированного компонента сигнала КТ-плотности брюшного отдела аорты на аксиальных проекциях с помощью набора сумм двух сигмоидов статистически значимые различия между исходными данными и результатами аппроксимации отсутствуют (р > 0,1), медианное значение среднеквадратичной ошибки аппроксимации находится в диапазоне от 7 до 15 ИЛ и статистически значимо (р < 0,001) меньше, чем среднеквадратическое отклонение аппроксимируемого сигнала.

4. Метод скорректированного вычитания контраст-индуцированного компонента из данных, полученных при КТ-сканировании брюшного отдела аорты с контрастным усилением, позволяет получить значения КТ-плотности, статистически значимо не отличающиеся (р > 0,1) от значений, полученных при КТ-сканировании без контрастного усиления.

Теоретическая и практическая значимость работы:

1. Создан экспериментальный стенд, позволяющий генерировать пульсовую волну давления в диапазоне значений давления от 60 мм рт. ст. до 130 мм рт. ст. и объемной скорости от 3 л/мин до 6 л/мин, при частотах 0,5 Гц, 1 Гц и 1,5 Гц.

2. Апробирована технология изготовления тест-объекта, имитирующего не только биомеханические (разрушающее напряжение 2,15 ± 0,15 МПа, максимальное относительное удлинение 3,18 ± 0,05 мм/мм), но и рентгеновские характеристики брюшного отдела аорты в контрастно-усиленной фазе сканирования.

3. Разработана методика подготовки размеченных наборов данных бесконтрастных КТ-изображений брюшного отдела аорты, позволяющая сократить время их подготовки в 4 раза.

4. Показано, что расчетные параметры модели статистически значимо различаются при аппроксимации данных в области визуально однородного и неоднородного, вызванного дилатацией, тромбозом и отхождением магистральных артерий, распределения рентегноконтрастного вещества, что в дальнейшем может быть использовано для повышения информативности рутинного КТА-исследования.

5. Разработано программное обеспечение для извлечения и анализа контраст-индуцированного компонента сигнала КТ-плотности, а также для подавления контрастирования аорты на КТ-ангиографических изображениях.

Методы исследования. В работе использованы методы математической статистики, методы обработки и анализа данных, методы машинного обучения и распознавания образов, элементы теории биотехнических систем.

Достоверность результатов основывается на использовании в работе основных положений теории биотехнических систем, методов математической статистики и других известных методов исследования. Полученные результаты не противоречат общепризнанным принципам и результатам исследований, опубликованным в работах отечественных и зарубежных авторов.

Внедрение и использование. Результаты диссертационной работы использованы при выполнении с участием автора прикладных научных исследований в рамках Госзадания 2023 г.: №2 123031500005-2 и №2 123031500002-1 ГБУЗ НПКЦ ДиТ ДЗМ; № Е8ЕК-2023-0008 МГТУ им. Н.Э. Баумана; внедрены в учебный процесс кафедры «Биомедицинские технические системы» МГТУ им. Н.Э. Баумана.

Апробация материалов диссертации. Основные положения и результаты работы обсуждались на конференциях: «Математика. Компьютер. Образование» (Пущино, 2020; онлайн 2023); VI Всероссийский научно-образовательный конгресс

с международным участием «Онкорадиология, лучевая диагностика и терапия» (Москва, 2023); II Всероссийский конгресс «Современные тренды в хирургии» (Москва, 2023) III Открытая конференция молодых ученых НПКЦ ДиТ ДЗМ (Москва, 2023); III Российский диагностический саммит (Москва, 2023); II Всероссийский саммит «Искусственный интеллект в офтальмологии» (онлайн 2023).

Публикации. Основные результаты диссертационного исследования представлены в 10 научных работах, включая 2 статьи в рецензируемых журналах и изданиях из перечня ВАК РФ, 1 статью, индексируемую в Wos и Scopus и 2 свидетельства о государственной регистрации программ для ЭВМ. Общий объем 4,9 п.л.

Личный вклад соискателя. Все исследования, результаты которых изложены в диссертационной работе, проведены лично соискателем в процессе научной деятельности. Заимствованный материал обозначен в работе ссылками.

Объем и структура диссертации. Диссертация состоит из введения, 4 глав, заключения, выводов, списка литературы и трех приложений; текст диссертации изложен на 149 страницах, содержит 7 таблиц и 42 рисунка. Список литературы включает в себя 202 источника.

ГЛАВА 1. ИССЛЕДОВАНИЕ ПРИНЦИПОВ ФОРМИРОВАНИЯ КТ-ИЗОБРАЖЕНИЯ БРЮШНОГО ОТДЕЛА АОРТЫ В ПРИСУСТВИИ РЕНТГЕНОКОНТРАСТНОГО ВЕЩЕСТВА

1.1. Особенности данных для оппортунистического скрининга аневризмы

брюшной аорты с использованием КТ

Подготовка НД, содержащих верифицированную разметку для обучения и тестирования алгоритмов КЗ традиционно осуществляется медицинскими экспертами. Разметка медицинских данных охватывает задачи детекции (обнаружение), сегментации (маркировка пикселей) и классификации медицинских изображений [42]. Для определения АБА на КТ-изображении необходимо последовательно решить все три задачи: детектировать объект (аорта), сегментировать область интереса (просвет сосуда и его стенку), измерить диаметр просвета (ключевой диагностический признак) и на основании результата измерения классифицировать исследование («норма» или «патология»). Среди перечисленных задач наиболее ресурсозатратной является сегментация медицинского изображения, охватывающая широкий круг потенциально автоматизируемых рутинных операций. Золотой стандарт сегментации в данном случае - ручная разметка врачами-рентгенологами на контрастно-усиленном КТ-изображении [43]. Основные недостатки ручной разметки хорошо известны - это трудоемкий, дорогостоящий метод, требующий привлечения нескольких разметчиков (в т.ч. экспертного уровня) для достижения приемлемого уровня согласованности результатов [44].

Оппортунистический скрининг предполагает работу с нецелевыми, то есть, не-ангиографическими КТ-исследованиями. В этом случае область аорты трудно однозначно определить в местах контакта с мышечной тканью по причине сходства их КТ-плотности. Вопрос точности сегментации аорты на бесконтрастных КТ-изображениях слабо освящен в литературе, при этом представленные результаты

могут оказаться завышенными по причине низкого методологического качества работ [38]. Для оценки согласованности результатов разметки области интереса в отсутствие контрастного усиления было проведено пилотное исследование на базе ГБУЗ НПКЦ ДиТ ДЗМ с участием двух врачей-рентгенологов (опыт работы каждого из экспертов - более 5 лет). Эксперты независимо разметили границу аорты в местах контакта с мягкими и иными тканями на выборке, содержащей 20 КТ-изображений одного КТ-исследования. Результаты показали вариабельность согласованности разметчиков: коэффициент Дайса-Соренса (Dice-Sorensen coefficient, DSC) находился в диапазоне от 0,76 до 0,97 с наименьшими значениями в случае контакта аорты с мягкими тканями [45]. Такое расхождение, в частности, привело к различной классификации состояния сосуда: по мнению одного эксперта, диаметр аорты соответствовал «норме», по мнению второго - «дилатации». Стоит отметить, что действительный просвет аорты оценить по бесконтрастному изображению в месте контакта с мягкими тканями не представляется возможным, т.к. граница сосуда достоверно не визуализируется: в этих случаях разметчик полагается на собственный опыт и мнение. При решении данной задачи часто используют трехмерную реконструкцию для определения границ области интереса [41], однако, этот прием увеличивает трудозатраты и усложняет процесс разметки. При этом объективизировать процесс разметки за счет применения полной либо частичной автоматизации также невозможно. Результаты собственного сравнительного текстурного анализа области внутри сосуда и окружающей мышечной ткани демонстрирует статистически значимое отличие (p < 0,05) средних значений метрик энтропии, гомогенности, корреляции и контраста матрицы градиентов [45] на всех 4 направлениях анализа (0 45 90 ° и 135 °) на расстоянии 2 пиксела. При этом диапазоны значений рассчитанных метрик перекрываются, что говорит о невозможности разделить объекты на отдельно взятом изображении [46].

Применение полуавтоматических методов сегментации брюшного отдела аорты на бесконтрастных КТ-изображениях затруднено по причинам, аналогичным таковым для ручной разметки: отсутствие у области интереса явных

сегментационных признаков. В настоящее время поиск возможных решений в основном связывают с применением технологий ИИ, впрочем, число таких исследований мало, а их дизайн вызывает некоторые сомнения. Так, например, Lu и др. в рамках доклада на конференции [47] о применении нейронной сети для сегментации АБА приводят значения коэффициента DSC в диапазоне 0,9 ± 0,5 на выборке из 25 бесконтрастных КТ-исследований, однако, в работе не указано, как и кем была выполнена эталонная (ручная) сегментация. Bozkir и др. сообщают о значении DSC, достигающем 0,9 по данным сканирования грудной и брюшной аорты 38 пациентов, однако доля бесконтрастных исследований не указана [48]. При этом стоит отметить, что задача разметки КТА и КТ имеют принципиально разный уровень сложности. Более того, даже задачи разметки грудного и брюшного отделов аорты на бесконтрастных КТ-изображениях являются несопоставимыми по сложности: грудной отдел аорты окружен тканями легкого, существенно отличающимся по КТ-плотности от сосуда, что естественным образом позволяет выделить область интереса.

Известен также подход искусственного контрастирования КТ-изображений аорты с целью создания классического сценария разметки, при котором удобна и воспроизводима автоматическая сегментация аорты с последующим измерением ее диаметра. Для этих целей успешно используют нейросети генеративно-состязательного типа (generative artificial network, GAN), позволяющие на основе обучающей выборки создавать новые, не идентичные исходным изображения [49]. Несмотря на успехи применения GAN для создания контрастно-усиленных КТ-изображений брюшного отдела аорты [50], применение искусственно созданных НД для обучения алгоритмов КЗ имеет ряд существенных недостатков. Во-первых, синтетические наборы данных могут содержать ошибки, быть ограниченными относительно ряда признаков из-за недостаточной изменчивости и корреляции в исходной выборке: элементы с редкими признаками при малой представленности в выборке могут быть исключены из конечного результата [51]. Во-вторых, риск возникновения систематической ошибки [52], который сохраняется даже при

корректной методике подготовки исходного набора данных [53]. При этом замкнутый цикл обучения способен усугублять этот эффект за счет накопления подобных ошибок на каждой итерации обучения [54]. Наконец, применение синтеза данных с помощью ОЛК-подхода, может повлечь за собой создание новых, несвойственных реальным данным, элементов.

1.2. Теоретические основы формирования КТ-изображения брюшного отдела аорты в контрастно-усиленной фазе сканирования

1.2.1. Физические основы формирования сигнала КТ-плотности

КТ-изображение получают путем вращения источника рентгеновского излучения вокруг объекта, при этом детектор расположен напротив источника излучения. Как правило, рентгеновские снимки делаются с небольшими угловыми приращениями во время вращения вокруг объекта более чем на 360 Таким образом получается ряд профилей или проекций затухания. Полученные проекции обрабатываются математически для создания трехмерного представления сканируемого объекта. КТ-изображение обычно имеет пространственное разрешение 512 на 512 пикселей, 12-битное цветовое разрешение (диапазон интенсивностей от -1000 Ни до +2000 Ни) и временное разрешение до 30 сек/мм [55]. КТ-плотность представляет собой набор значений линейного коэффициента ослабления в каждом пикселе (соответствует т.н. КТ-вокселу) изображения.

Как правило, материалы, обладающие более высокой плотностью (р) или высоким атомным номером (2), лучше поглощают рентгеновские лучи. Коэффициент поглощения рентгеновского излучения рассчитывается как:

Р/1 14

(11)

где А - атомная масса химического элемента, Е - энергия рентгеновского излучения.

Многие ткани организма легко визуализируются с помощью компьютерной томографии. Способность вещества ослаблять рентгеновские лучи измеряется в единицах Хаунсфилда (HU). Большинство компьютерных томографов откалиброваны с привязкой к воде. Для материала с линейным коэффициентом ослабления рентгеновского излучения ¡ (1.1) соответствующее значение HU рассчитывается по формуле:

HU= ^^-100. (1.2)

Мводы

Значения ¡ для большинства мягких тканей находятся в пределах от 30 HU до 100 HU. К исключениям относят минерализованные ткани (например, кости) и легочную ткань: для этих тканей значение коэффициента поглощения может достигать +1000 HU и -1000 HU соответственно.

Различная КТ-плотность тканей позволяет различать их на КТ-изображении. Так, например, костная ткань легко визуализируется даже при контакте с мышцами, так как значения ¡ для них отличаются на порядок. В тоже время, нередко сложно идентифицировать границу раздела между мягкими тканями и физиологическими жидкостями по причине сходства их КТ-плотности, например, определить границы опухоли в печени или визуализировать мягкие ткани, контактирующие с кровью.

Последнее объясняет применение рентгеноконтрастных веществ при КТ-исследовании сосудов, т.к. in vivo наблюдается пересечение диапазонов КТ-плотности крови (30-45 HU [56]) и мышечной ткани (34-50 HU [57]). РКВ, применяемые в КТ-ангиографических протоколах, имеют высокий уровень поглощения рентгеновского излучения, что обеспечивают большее соотношение сигнал/шум и позволяет успешно визуализировать кровоток на фоне окружающей мышечной ткани. Высокие значения коэффициента поглощения (1.1) достигаются за счет использования элементов c большим атомным номером.

В основе большинства РКВ используется йод (Z = 53). Йодид натрия и лития были одними из первых водорастворимых РКВ. Однако из-за токсичности при концентрациях йода, необходимых для визуализации, они не подходят для большинства клинических применений. В настоящее время используют

низкомолекулярные соединения йода, при этом различают «ионные» и «неионные» соединения. В целом, за последние 20 лет были тщательно изучены потенциальные неблагоприятные последствия для здоровья при использовании РКВ ионного и неионного типа [58], а также имеющих различные значения осмоляльности и вязкости [59]. Несмотря на то, что ионные РКВ широко используются, они имеют существенные недостатки [60]. Водные составы ионных РКВ обладают высокой внутренней осмоляльностью, что делает их нефрототоксичными, а также может вызывать физиологические нарушения со специфической симптоматикой [61]. Кроме того, высокая осмоляльность приводит к снижению КТ-плотности из-за необходимости осмотического разбавления вводимых растворов. С учетом перечисленных недостатков, предпочтительно использование неионных РКВ, которые обладают более низкой осмоляльностью и реже сопровождаются неблагоприятными последствиями [62]. В дополнение к осмоляльности необходимо также учитывать вязкость растворов. Высокая вязкость РКВ затрудняет внутрисосудистый транспорт, а также может вызывать повреждение почек ввиду увеличения времени выведения [63].

Список литературы диссертационного исследования кандидат наук Коденко Мария Романовна, 2024 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Рубрикатор КР [Электронный ресурс]. URL: https://cr.mmzdrav.gov.ru/mterMKB7yscHd4jzf29vqqs 187839143 (дата обращения: 07.02.2023).

2. Suggested standards for reporting on arterial aneurysms / Johnston K. W. [et al.] // Journal of vascular surgery. 1991. Vol. 13. №. 3. P. 452-458.

3. Клинические рекомендации [Электронный ресурс]. URL: https://www.angiolsurgery.org/library/recommendations/2022/aneurysm/?ysclid=lr3bpd upo0919124805 (дата обращения: 07.04.2023)

4. The Global and Regional Prevalence of Abdominal Aortic Aneurysms: A Systematic Review and Modeling Analysis / Song P. [et al.] // Annals of surgery. 2023. Vol. 277. №. 6. P. 912-919.

5. Risk factors for abdominal aortic aneurysm in population-based studies: a systematic review and meta-analysis / Altobelli E. [et al.] // International journal of environmental research and public health. 2018. Vol. 15. №. 12. P. 2805.

6. Aortic Aneurysm - Causes and Risk Factors | NHLBI, NIH [Электронный ресурс]. URL: https://www.nhlbi.nih.gov/health/aortic-aneurysm/causes (дата обращения: 12.07.2023).

7. Smoking, sex, risk factors and abdominal aortic aneurysms: a prospective study of 18 782 persons aged above 65 years in the Southern Community Cohort Study / Jahangir E. [et al.] // Journal of Epidemiology and Community Health. 2015. Vol.69. №2 5 P. 481-488.

8. The aneurysm detection and management study screening program: validation cohort and final results / Lederle F. A. [et al.] // Archives of internal medicine. 2000. Vol. 160. №. 10. P. 1425-1430.

9. Screening for abdominal aortic aneurysm and occlusive peripheral vascular disease in Japanese residents / Takei H. [et al.] // Surgery today. 1995. Vol. 25. P. 608611.

10. Meta-analysis of individual patient data to examine factors affecting growth and rupture of small abdominal aortic aneurysms / Sweeting M. J. [et al.] // Journal of British Surgery. 2012. Vol. 99. №. 5. P. 655-665.

11. Garrity B. M., Sugarman E., Pulley S. Abdominal aortic aneurysm rupture presenting with focal weakness and altered mental status: a case report // International Journal of Emergency Medicine. 2022. Vol. 15. №. 1. P. 28.

12. Meta analysis on mortality of ruptured abdominal aortic aneurysms / Hoornweg L. L. [et al.] // European Journal of Vascular and Endovascular Surgery. 2008. Vol. 35. №. 5. P. 558-570.

13. Systematic review and meta-analysis of population-based mortality from ruptured abdominal aortic aneurysm / Reimerink J. J. [et al.] // Journal of British Surgery. 2013. Vol. 100. №. 11. P. 1405-1413.

14. Anagnostakos J., Lal B. K. Abdominal aortic aneurysms // Progress in cardiovascular diseases. 2021. Vol. 65. P. 34-43.

15. Abdominal aortic aneurysm expansion: risk factors and time intervals for surveillance / Brady A. R. [et al.] // Circulation. 2004. Vol. 110. №. 1. P. 16-21.

16. Kokje V. B. C., Hamming J. F., Lindeman J. H. N. Editor's Choice-pharmaceutical management of small abdominal aortic aneurysms: a systematic review of the clinical evidence // European Journal of Vascular and Endovascular Surgery. 2015. Vol. 50. №. 6. P. 702-713.

17. Statins reduce abdominal aortic aneurysm growth, rupture, and perioperative mortality: a systematic review and meta-analysis / Salata K. [et al.] // Journal of the American Heart Association. 2018. Vol. 7. №. 19. P. e008657.

18. Screening America | Premier Cardiac & Vascular Screening // Screening America [Электронный ресурс]. URL: https://screening-america.com/ (дата обращения: 06.01.2022)

19. Incidence, follow-up, and outcomes of incidental abdominal aortic aneurysms / van Walraven C. [et al.] // Journal of vascular surgery. 2010. Vol. 52. №. 2. P. 282-289. e2.

20. Incidental abdominal aortic aneurysms are largely undocumented and unmonitored / Castro-Ferreira R. [et al.] // Annals of Vascular Surgery. 2021. Vol. 77. P. 182-186.

21. Failure to recognize newly identified aortic dilations in a health care system with an advanced electronic medical record / Gordon J. R. S. [et al.] // Annals of internal medicine. 2009. Vol. 151. №. 1. P. 21-27.

22. Measuring abdominal aortic diameters in routine abdominal computed tomography scans and implications for abdominal aortic aneurysm screening / Claridge R. [et al.] // Journal of vascular surgery. 2017. Vol. 65. №. 6. P. 1637-1642.

23. На международной встрече команда ЦДиТ продемонстрировала способы визуализации медицинских данных с помощью отечественного программного обеспечения на примере лучевой диагностики. [Электронный ресурс]. URL: https://telemedai.ru/press-centr/novosti/dashboard-kak-moshnyj -instrument-dlya-upravlencheskih-reshenij?ysclid=lv2aw64lrq867983487 (дата обращения: 16.04.2023).

24. Paslawski M., Krzyzanowski K., Zlomaniec J. Abdominal aortic aneurysm in ultrasound and CT examination // Annales Universitatis Mariae Curie-Sklodowska. Sectio D: Medicina. 2004. Vol. 59. №. 1. P. 84-90.

25. Abdominal aortic aneurysm diameter: a comparison of ultrasound measurements with those from standard and three-dimensional computed tomography reconstruction / Manning B. J. [et al.] // Journal of vascular surgery. 2009. Vol. 50. №. 2. P. 263-268.

26. Comparison of abdominal aortic aneurysm diameter measurements obtained with ultrasound and computed tomography: is there a difference? / Sprouse II L. R. [et al.] // Journal of vascular surgery. 2003. Vol. 38. №. 3. P. 466-471.

27. Agreement between computed tomography and ultrasound on abdominal aortic aneurysms and implications on clinical decisions / Foo F. J. [et al.] // European Journal of Vascular and Endovascular Surgery. 2011. Vol. 42. №. 5. P. 608-614.

28. Quantitative aortic distensibility measurement using CT in patients with abdominal aortic aneurysm: reproducibility and clinical relevance / Zha Y. [et al.] // BioMed Research International. 2017. Vol. 2017.

29. Lin E., Alessio A. What are the basic concepts of temporal, contrast, and spatial resolution in cardiac CT? // Journal of cardiovascular computed tomography. 2009. Vol. 3. №. 6. P. 403-408.

30. Ultra-low-dose non-contrast CT and CT angiography can be used interchangeably for assessing maximal abdominal aortic diameter / Borgbjerg J. [et al.] // Acta Radiologica Open. 2022. Vol. 11. №. 10. P. 20584601221132461.

31. Драпкина О. М., Самородская И. В. Скрининг: терминология, принципы и международный опыт // Профилактическая медицина. 2019. Vol. 22. №. 1. P. 90.

32. Самородская И. В. Скрининг в кардиологии // Комплексные проблемы сердечно-сосудистых заболеваний. 2018. Vol. 7. №. 4. P. 92-100.

33. Томографические исследования за 2022 год // РБК Магазин исследований [Электронный ресурс]. URL: https://marketing.rbc.ru/articles/14274/ (дата обращения: 07.02.2022)

34. Dashboard как мощный инструмент для управленческих решений [Электронный ресурс]. URL: https://telemedai.ru/press-centr/novosti/dashboard-kak-moshnyj-instrument-dlya-upravlencheskih-

reshenij?ysclid= 123 (дата обращения 21.11.2023).

35. Единый радиологический информационный сервис [Электронный ресурс]. URL: https://telemedai.ru/proekty/edinyj-radiologicheskij-informacionnyj-servis_2020 (дата обращения 21.11.2023)

36. The use of pre-existing CT imaging in screening for abdominal aortic aneurysms / Ruff A. [et al.] // Vascular Medicine. 2016. Vol. 21. №. 6. P. 515-519.

37. О-28 Общие рекомендации по описанию первичных и повторных КТ, МРТ, рентгенологических исследований / Гомболевский В.А., [и др.] //

Серия «Лучшие практики лучевой и инструментальной диагностики». - Вып. 2. -М., 2017. 19

38. Diagnostic Accuracy of AI for Opportunistic Screening of Abdominal Aortic Aneurysm in CT: A Systematic Review and Narrative Synthesis / Kodenko M. R. [et al.] // Diagnostics. 2022. Vol. 12. №. 12. P. 3197.

39. Selecting representative data sets / Borovicka T. [et al.] // Advances in data mining knowledge discovery and applications. 2012. Vol. 12. P. 43-70.

40. CT and MR imaging of the upper extremity vasculature: pearls, pitfalls, and challenges / Ghouri M. A. [et al.] // Cardiovascular Diagnosis and Therapy. 2019. Vol. 9. №. Suppl 1. P. S152

41. A deep learning approach to visualise aortic aneurysm morphology without the use of intravenous contrast agents / Chandrashekar A. [et al.] // Annals of Surgery. 2022. Vol. 277. №. 2. P. e449-e459.

42. Deep learning workflow in radiology: a primer / Montagnon E. [et al.] // Insights into imaging. 2020. Vol. 11. P. 1-15.

43. Preparing medical imaging data for machine learning / Willemink M. J. [et al.] // Radiology. 2020. Vol. 295. №. 1. P. 4-15.

44. Government of Canada S. C. Image Segmentation in Medical Imaging [Электронный ресурс]. URL: https://www.statcan.gc.ca/en/data-science/network/image-segmentation (дата обращения: 17.03.2022).

45. H Abd Al Karim M., A Karim A. Using Texture Feature in Fruit Classification // Engineering and Technology Journal. 2021. Vol. 39. №. 1B. P. 67-79.

46. Коденко М.Р. «Подготовка синтетических и реальных КТ-данных для обучения и тестирования алгоритмов искусственного интеллекта, целевая патология - аневризма брюшного отдела аорты» // доклад II всероссийский саммит «Искусственный интеллект в офтальмологии, AIO 2023» М. 2023.

47. DeepAAA: clinically applicable and generalizable detection of abdominal aortic aneurysm using deep learning / Lu J. T. [et al.] // Medical Image Computing and Computer Assisted Intervention-MICCAI 2019: 22nd International Conference,

Shenzhen, China, October 13-17, 2019, Proceedings, Part II 22. Springer International Publishing, 2019. P. 723-731.

48. Segmentation of the Aorta in CTA Images Using Deep Learning Methods. / Bozkir Ö. F. [et al.] // Preprint. 2023.

49. Generative adversarial networks // Goodfellow I. [et al.] // Communications of the ACM. 2020. Vol. 63. №. 11. P. 139-144.

50. Aorta-aware GAN for non-contrast to artery contrasted CT translation and its application to abdominal aortic aneurysm detection / HU T. [et al.] // International Journal of Computer Assisted Radiology and Surgery. 2022. P. 1-9.

51. Kumar S. Problems with Synthetic Data // AITUDE [Электронный ресурс]. URL: https://www.aitude.com/problems-with-synthetic-data/ (дата обращения: 07.09.2022)

52. Zhao Q., Adeli E., Pohl K. M. Training confounder-free deep learning models for medical applications // Nature communications. 2020. Vol. 11. №2. 1. P. 6010.

53. Lucini F. The Real Deal About Synthetic Data // MIT Sloan Management Review [Электронный ресурс]. URL: https://sloanreview.mit.edu/article/the-real-deal-about-synthetic-data/ (дата обращения: 17.02.2024).

54. Rios A., Itti L. Closed-loop memory GAN for continual learning //arXiv preprint arXiv:1811.01146. 2018.

55. Effect of CT image size and resolution on the accuracy of rock property estimates / Bazaikin Y. [et al.] // Journal of Geophysical Research: Solid Earth. 2017. Vol. 122. №. 5. P. 3635-3647.

56. Imaging of blunt abdominal solid organ trauma / Robinson J. D. [et al.] // Seminars in roentgenology. WB Saunders, 2016. Vol. 51. №. 3. P. 215-229

57. Machine Learning for Automatic Paraspinous Muscle Area and Attenuation Measures on Low-Dose Chest CT Scans / Barnard R. [et al.] // Acad Radiol. Elsevier, 2019. Vol. 26, № 12. P. 1686-1694.

58. Adverse reactions to ionic and nonionic contrast media. A report from the Japanese Committee on the Safety of Contrast Media / Katayama H. [et al.] // Radiology. 1990. Vol. 175. №. 3. P. 621-628.

59. The impact of the viscosity and osmolality of iodine contrast agents on renal elimination / Jost G. [et al.] // Investigative Radiology. 2010. Vol. 45. №. 5. P. 255-261.

60. Wolf G. L., Arenson R. L., Cross A. P. A prospective trial of ionic vs nonionic contrast agents in routine clinical practice: comparison of adverse effects //American Journal of Roentgenology. 1989. Vol. 152. №. 5. P. 939-944.

61. Heat and pain sensations induced by arterial injection of low-osmolality contrast media: A comparison of patients' discomfort with ionic saline, nonionic glucose, and vasodilator nitrate / Himi K. [et al.] // Academic Radiology. 1996. Vol. 3. P. S214-S217.

62. McClennan B. L. Preston M. Hickey memorial lecture. Ionic and nonionic iodinated contrast media: evolution and strategies for use // AJR. American journal of roentgenology. 1990. Vol. 155. №. 2. P. 225-233.

63. Changes of renal water diffusion coefficient after application of iodinated contrast agents: effect of viscosity / Jost G. [et al.] // Investigative Radiology. 2011. Vol. 46. №. 12. P. 796-800.

64. О-75 Особенности применения контрастных препаратов в лучевой диагностике / Гомболевский В.А. [и др.] // Серия «Лучшие практики лучевой и инструментальной диагностики». Вып. 25 2-е изд. перераб. и доп. М., 2019 64 с.

65. NIST: X-Ray Mass Attenuation Coefficients - Section 2 [Электронный ресурс]. URL: https://www.physics.nist.gov/PhysRefData/XrayMassCoef/chap2.html (дата обращения: 24.01.2022).

66. Kerur B. R., Thontadarya S. R., Hanumaiah B. A study on the range of non-validity of the Bragg's additivity law for compounds at photon energies below 10 keV //International journal of radiation applications and instrumentation. Part A. Applied radiation and isotopes. 1992. Vol. 43. №. 7. P. 893-898.

67. Lusic H., Grinstaff M. W. X-ray-computed tomography contrast agents // Chemical reviews. 2013. Vol. 113. №. 3. P. 1641-1666.

68. Seibert J. A., Boone J. M. X-ray imaging physics for nuclear medicine technologists. Part 2: X-ray interactions and image formation // Journal of nuclear medicine technology. 2005. Vol. 33. №. 1. P. 3-18.

69. Tube potential and CT radiation dose optimization / Lira D. [et al.] // AJR Am J Roentgenol. 2015. Vol. 204. №. 1. P. W4-10.

70. Application-and patient size-dependent optimization of x-ray spectra for CT / Kalender W. A. [et al.] // Medical physics. 2009. Vol. 36. №. 3. P. 993-1007.

71. CT image contrast of high-Z elements: phantom imaging studies and clinical implications / FitzGerald P. F. [et al.] // Radiology. 2016. Vol. 278. №. 3. P. 723-733.

72. Effective atomic numbers and electron density of dosimetric material / Kaginelli S. B. [et al.] // Journal of Medical Physics/Association of Medical Physicists of India. 2009. Vol. 34. №. 3. P. 176.

73. I.H. Lambert Photometria, sive, De mensura et gradibus luminis, colorum et umbrae 27 [microform] | National Library of Australia n.d. [Электронный ресурс]. URL: https://catalogue.nla.gov.au/Record/857394 (дата обращения: 16.05.2022).

74. Dynamic Changes in the Aorta During the Cardiac Cycle Analyzed by ECG-Gated Computed Tomography / Zhu W. [et al.] // Frontiers in Cardiovascular Medicine. 2022. Vol. 9. P. 793722.

75. Local hemodynamic changes caused by main branch stent implantation and subsequent virtual side branch balloon angioplasty in a representative coronary bifurcation / Williams A. R. [et al.] // Journal of applied physiology. 2010. Vol. 109. №. 2. P. 532-540.

76. Chiu J. J., Chien S. Effects of disturbed flow on vascular endothelium: pathophysiological basis and clinical perspectives // Physiological reviews. 2011. Vol. 91. №. 1. P. 327-387.

77. Pappano A. J., Wier W. G. Cardiovascular Physiology E-Book: Mosby Physiology Monograph Series. Elsevier Health Sciences, 2012.

78. Barral J. P., Croibier A. Visceral Vascular Manipulations E-Book. Elsevier Health Sciences, 2011.

79. Physiologic blood flow is turbulent / Saqr K. M. [et al.] // Scientific reports. 2020. Vol. 10. №. 1. P. 15492.

80. Mathieu J., Scott J. An introduction to turbulent flow. Cambridge University Press, 2000.

81. Lasheras J. C. The biomechanics of arterial aneurysms // Annu. Rev. Fluid Mech. 2007. Vol. 39. P. 293-319.

82. Kemmerling E. M. C., Peattie R. A. Abdominal aortic aneurysm pathomechanics: current understanding and future directions //Molecular, cellular, and tissue engineering of the vascular system. 2018. P. 157-179.

83. Review of hydrodynamic principles for the cardiologist: applications to the study of blood flow and jets by imaging techniques / Yoganathan A. P. [et al.] // Journal of the American College of Cardiology. 1988. Vol. 12. №. 5. P. 1344-1353.

84. Brahme A. Comprehensive biomedical physics. Newnes, 2014.

85. Ku D. N. Blood flow in arteries //Annual review of fluid mechanics. 1997. Vol. 29. №. 1. P. 399-434.

86. Urone P. P., Hinrichs R. 12.4 Viscosity and Laminar Flow; Poiseuille's Law - College Physics | OpenStax [Электронный ресурс]. URL: https://openstax.org/books/college-physics-2e/pages/12-4-viscosity-and-laminar-flow-poiseuilles-law (дата обращения: 08.01.2023)

87. Urone P. P., Hinrichs R. 12.5 The Onset of Turbulence - College Physics | OpenStax [Электронный ресурс]. URL: https://openstax.org/books/college-physics-2e/pages/12-5-the-onset-of-turbulence (дата обращения: 08.01.2023).

88. Nonclinical Product Developmental Strategies, Safety Considerations and Toxicity Profiles of Medical Imaging and Radiopharmaceuticals Products / Laniyonu A. [et al.] // Molecular Imaging. Academic Press, 2021. P. 717-735.

89. Influence of contrast media (iopromide, ioxaglate, gadolinium-DOTA) on blood viscosity, erythrocyte morphology and platelet function / Reinhart W. H. [et al.] // Clinical hemorheology and microcirculation. 2005. Vol. 32. №. 3. P. 227-239.

90. Effects of contrast media on blood rheology: comparison in HUmans, pigs, and sheep / Laurent A. [et al.] // Cardiovascular and interventional radiology. 1999. Vol. 22. P. 62-66.

91. Dyvik K., Dyrstad K., Tronstad A. Relationship between viscosity and determined injection pressure in angiography catheters for common roentgen contrast media //Acta Radiologica. 1995. Vol. 36. №. 399_suppl. P. 43-49.

92. Guideline on the use of iodinated contrast media in patients with kidney disease 2018 / Isaka Y. [et al.] // Japanese journal of radiology. 2020. Vol. 38. P. 3-46.

93. Impact of coronary vasa vasorum functional structure on coronary vessel wall perfusion distribution / Gossl M. [et al.] // American Journal of Physiology-Heart and Circulatory Physiology. 2003. Vol. 285. №. 5. P. H2019-H2026.

94. Cuete D. CT artifacts | Radiology Reference Article | Radiopaedia.org // Radiopaedia [Электронный ресурс]. URL: https://radiopaedia.org/articles/ct-artifacts (дата обращения: 14.03.2023).

95. Murphy A. Beam hardening | Radiology Reference Article | Radiopaedia.org // Radiopaedia [Электронный ресурс]. URL: https://radiopaedia.org/articles/beam-hardening?lang=us (дата обращения: 07.04.2022).

96. Проблема точности денситометрических показателей в современной многослойной компьютерной томографии / Громов А. И., [и др.] // Медицинская визуализация. 2016. №. 6. P. 133-142.

97. Garg V. Partial volume averaging (CT artifact) | Radiology Reference Article | Radiopaedia.org // Radiopaedia [Электронный ресурс]. URL: https://radiopaedia.org/articles/partial-volume-averaging-ct-artifact-1 ?lang=us (дата обращения: 08.04.2022).

98. Recognizing and minimizing artifacts at CT, MRI, US, and molecular imaging / Triche B. L. [et al.] // RadioGraphics. 2019. Vol. 39. №. 4. P. 1017-1018.

99. Chen W. K. The electrical engineering handbook. Elsevier, 2004.

100. Набор данных MosMedData КТ с признаками аневризмы аорты тип III // mosmed.ai [Электронный ресурс]. URL: https://mosmed.ai/datasets/mosmeddata-kt-s-priznakami-anevrizmyi-aortyi-tip-iii/ (дата обращения: 13.06.2023).

101. ГОСТ Р 8.736-2011. Измерения прямые многократные. Методы обработки результатов измерений. Основные положения. М., 2011. 27 с.

102. 3D Slicer image computing platform // 3D Slicer [Электронный ресурс]. URL: https://slicer.org/ (дата обращения: 11.09.2022).

103. Posit // Posit [Электронный ресурс]. URL: https://www.posit.co/ (дата обращения: 07.05.2023).

104. Lyubchich V., Gel Y. R., El-Shaarawi A. On detecting non-monotonic trends in environmental time series: A fusion of local regression and bootstrap //Environmetrics. 2013. Vol. 24. №. 4. P. 209-226.

105. Hall P., Keilegom I. V. Using Difference-Based Methods for Inference in Nonparametric Regression with Time Series Errors // Journal of the Royal Statistical Society Series B: Statistical Methodology. 2003. № 2 (65). C. 443-456.

106. Stochastic and deterministic trends | Forecasting: Principles and Practice (2nd ed) Hyndman R. J. Forecasting: principles and practice-Rob J Hyndman, George Athanasopoulos //Victoria. 2014.

107. Caiado J., Crato N. Discrimination between deterministic trend and stochastic trend processes. 2005.

108. Hyndman R. J. Forecasting: principles and practice // Victoria. 2014.

109. Weigend A. S. Time series prediction: forecasting the future and understanding the past. - Routledge, 2018. 203 p.

110. Fisher J. C., Pry R. H. A simple substitution model of technological change // Technological forecasting and social change. 1971. Vol. 3. P. 75-88.

111. Greenway K. Hounsfield unit | Radiology Reference Article | Radiopaedia.org // Radiopaedia [Электронный ресурс]. URL: https://radiopaedia.org/articles/hounsfield-unit (дата обращения: 05.03.2022).

112. 4.1.4.2. Nonlinear Least Squares Regression [Электронный ресурс]. URL: https://itl.nist.gov/div898/handbook/pmd/section1/pmd142.htm (дата обращения: 07.08.2023).

113. Kelley C. T. Iterative methods for optimization. // Society for Industrial and Applied Mathematics. 1999.

114. Emmert-Streib F., Moutari S., Dehmer M. Mathematical foundations of data science using R. Walter de Gruyter GmbH and Co KG, 2022.

115. Remko Duursma nlshelper: Convenient Functions for Non-Linear Regression. [Электронный ресурс]. URL https://rdrr.io/cran/nlshelper/ (дата обращения: 16.05.2023).

116. Ranganathan A. The levenberg-marquardt algorithm // Tutoral on LM algorithm. 2004. Vol. 11. №. 1. P. 101-110.

117. Ruder S. An overview of gradient descent optimization algorithms // arXiv preprint arXiv:1609.04747. 2016.

118. Nonlinear regression analysis / HUang H. H. [et al.] // International encyclopedia of education. 2010. Vol. 2010. P. 339-346.

119. Mohammad H., Waziri M. Y., Santos S. A. A brief survey of methods for solving nonlinear least-squares problems // Numerical Algebra, Control & Optimization. 2019. Vol. 9. №. 1. P. 1-13.

120. The QR decomposition of a matrix [Электронный ресурс]. URL: https://inst.eecs.berkeley.edu/~ee127/sp21/livebook/l_lineqs_qr.html (дата обращения: 08.01.2022).

121. 2014 ESC guidelines on the diagnosis and treatment of aortic diseases / Erbel R. [et al.] // Kardiologia Polska (Polish Heart Journal). 2014. Vol. 72. №. 12. P. 11691252.

122. I-Based Image Auto-Crop Algorithm Sticks to the Subject // Cloudinary Blog [Электронный ресурс]. URL: https://cloudinary.com/blog/new_ai_based_image_auto_crop_algorithm_sticks_to_the_ subject (дата обращения: 08.01.2022).

123. kruskal.test: Kruskal-Wallis Rank Sum Test R Documentation [Электронный ресурс]. URL: https://www.rd0cumentati0n.0rg/packages/stats/versi0ns/3.6.2/t0pics/kruskal.test (дата обращения: 07.05.2022).

124. ANOVA: Analysis of Variance R Documentation [Электронный ресурс]. URL: https://www.rdocumentation.org/packages/lessR/versions/4.2.0/topics/AN0VA (дата обращения: 07.05.2022).

125. dunn.test: Dunn's Test R Documentation [Электронный ресурс]. URL: https://www.rdocumentation.org/packages/dunn.test/versions/1.3.5/topics/dunn.test (дата обращения: 07.05.2022).

126. Tukey test: Conventional Tukey Test R Documentation [Электронный ресурс]. URL: https: //www.rdocumentation. org/packages/TukeyC/versions/1.3-42/topics/Tukey %20test (дата обращения: 07.05.2022).

127. Matienzo D., Bordoni B. Anatomy, blood flow. 2020.

128. Медведев А. Е. Двухфазная модель течения крови в крупных и мелких кровеносных сосудах //Математическая биология и биоинформатика. 2011. Vol. 6. №. 2. P. 228-249.

129. Local hemodynamic changes caused by main branch stent implantation and subsequent virtual side branch balloon angioplasty in a representative coronary bifurcation / Williams A. R. [et al.] // Journal of applied physiology. 2010. Vol. 109. №. 2. P. 532-540.

130. Chiu J. J., Chien S. Effects of disturbed flow on vascular endothelium: pathophysiological basis and clinical perspectives //Physiological reviews. 2011. Vol. 91. №. 1. P. 327-387.

131. Evaluation of contrast densities in the diagnosis of carotid stenosis by CT angiography / Claves J. L. [et al.] // AJR. American journal of roentgenology. 1997. Vol. 169. №. 2. P. 569-573.

132. Computed tomography techniques, protocols, advancements, and future directions in liver diseases / Kulkarni N. M. [et al.] // Magnetic Resonance Imaging Clinics. 2021. Vol. 29. №. 3. P. 305-320.

133. Система имитационного моделирования пульсового потока в крупных сосудах для ангиографических исследований / Коденко М.Р. [и др.] // Биомедицинская радиоэлектроника. 2023. T. 26. № 5. P. 85-95.

134. 3D printed abdominal aortic aneurysm phantom for image guided surgical planning with a patient specific fenestrated endovascular graft system / Meess K. M. [et al.] // Medical imaging 2017: imaging informatics for healthcare, research, and applications. SPIE, 2017. Vol. 10138. P. 159-172.

135. Simulation of endovascular aortic repair using 3D printed abdominal aortic aneurysm model and fluid pump // Karkkainen J. M. [et al.] // Cardio Vascular and Interventional Radiology. 2019. Vol. 42. P. 1627-1634. doi: 10.1007/s00270-019-02257-y

136. Парашин В. Б., Иткин Г. П. Биомеханика кровообращения. федеральное государственное бюджетное образовательное учреждение высшего образования Московский государственный технический университет имени НЭ Баумана (национальный исследовательский университет), 2005. P. 224-224.

137. Биотехническая система для роботизированной минимально -инвазивной хирургии сосудов / Н. В. Беликов [и др.] // Физика и радиоэлектроника в медицине и экологии : Труды XIII Международной научной конференции с научной молодежной школой имени И.Н. Спиридонова. В 2-х книгах, Владимир-Суздаль, 03-05 июля 2018 года. Том Книга 2. Владимир-Суздаль: ООО "Графика", 2018. P. 125-129. EDN YKZJRR.

138. Афанасьев Ю.И. Юрина Н.А., Алешин Б.В. Мышечные ткани // Гистология, эмбриология, цитология. Учебник. Переработанное и дополненное 6-е издание. М.: Медицина. — 2018. — C. 217-220.

139. Hypoperfusion of the aortic wall secondary to degeneration of adventitial vasa vasorum causes abdominal aortic aneurysms // Tanaka H. [et al.] // Current Drug Targets. 2018. Vol. 19. №. 11. P. 1327-1332.

140. Heistad D. D., Marcus M. L. Role of vasa vasorum in nourishment of the aorta //Journal of Vascular Research. 1979. Vol. 16. №. 5. P. 225-238.

141. Внутрисердечное давление — Большая Медицинская Энциклопедия [Электронный ресурс]. URL: https://xn--90aw5c.xn--c1avg/index.php/ %D0 %92 %D0 %9D %D0 %A3 %D0 %A2 %D0 %A0 %D0 %98 % D0 %A1 %D0 %95 %D0 %A0 %D0 %94 %D0 %95 %D0 %A7 %D0 %9D %D0 %9E %D0 %95_ %D0 %94 %D0 %90 %D0 %92 %D0 %9B %D0 %95 %D0 %9D %D0 %9 8 %D0 %95?ysclid=lr4s1 i6tt9774107712 (дата обращения: 08.01.2022).

142. WebPlotDigitizer - Extract data from plots, images, and maps // URL: https://automeris.io/WebPlotDigitizer/ (дата обращения: 24.02.2023).

143. Основные методы изготовления силиконовых изделий. // «Резинопласт». URL: https://rezinaplast.ru/articles/tehn0l0gii-proizvodstva-silikonovyh-izdeliy- (дата обращения: 24.02.2023).

144. Kwon J., Ock J., Kim N. Mimicking the mechanical properties of aortic tissue with pattern-embedded 3D printing for a realistic phantom //Materials. 2020. Vol. 13. №. 21. P. 5042.

145. Evaluation of radiodensity and dimensional stability of polymeric materials used for oral stents during external beam radiotherapy of head and neck carcinomas / Jonovic K. [et al.] // Clinical and translational radiation oncology. 2022. Vol. 36. P. 3139.

146. Vidar DICOM Viewer // Vidar [Электронный ресурс]. URL: https://povidar.ru/DIC0M-viewer/v3/versi0ns.html (дата обращения: 05.03.2022).

147. STM32F407G-DISC1, Отладочная плата на базе MCU STM32F407VGT6 (ARM Cortex-M4), ST-LINK/V2-A, accelerometer, DAC, ST Microelectronics | купить в розницу и оптом [Электронный ресурс]. URL:

https://www.chipdip.ru/product/stm32f407g-disc 1 -2?ysclid=lj aca6tbp4971981660 (дата обращения: 24.02.2023).

148. Преобразователь частоты SPE401B21G (0.4KW, 220V, 1PH) [Электронный ресурс]. URL: https://www.intek.ru/catalog/preobrazovateli_chastoty_intek_spe/19536/?ysclid=lj acb3 pwkd511404334 (дата обращения: 24.02.2023).

149. Group I. T. A. ИТА Групп — интернет-магазин запчастей для крупной и мелкой бытовой техники в Москве [Электронный ресурс]. URL: https://ita-group.ru/ (дата обращения: 24.02.2023).

150. Датчик давления газа 0,3-1,2 атм., MS5837-02BA, Китай | купить в розницу и оптом [Электронный ресурс]. URL: https://www.chipdip.ru/product0/8009542627?ysclid=ljabfdobmz480929012 (дата обращения: 24.10.2022).

151. YF-S201C Transparent, Датчик расхода воды для Arduino проектов, 1-30л/мин, резьба G1/2, SEA | купить в розницу и оптом [Электронный ресурс]. URL: https://www.chipdip.ru/product/yf-s201c-transparent?ysclid=ljabg2ffq3289878387 (дата обращения: 24.10.2022).

152. Омнипак — инструкция по применению, дозы, побочные действия, описание препарата: раствор для инъекций, 350 мг йода/мл // РЛС® [Электронный ресурс]. URL: https://www.rlsnet.ru/drugs/omnipak-2313 (дата обращения: 24.02.2023).

153. Our heart rate // British Heart Foundation [Электронный ресурс]. URL: https://www.bhf.org.uk/informationsupport/how-a-healthy-heart-works/your-heart-rate (accessed: 24.06.2023).

154. Serial_port_plotter // GitHub. [Электронный ресурс]. URL: https://github.com/CieNTi/serial_port_plotter (дата обращения: 24.01.2023).

155. Terminal 1.9^работаем с COM-портом/Скачать Terminal // MicroPi. 2016. [Электронный ресурс]. URL: https://micro-pi.ru/terminal-1-9b (дата обращения: 24.01.2023).

156. Myers L., Sirois M. J. Spearman correlation coefficients, differences between //Encyclopedia of statistical sciences. 2004. Vol. 12.

157. Sedgwick P. Pearson's correlation coefficient //Bmj. 2012. Vol. 345.

158. William J. Conover. A Kolmogorov Goodness-of-Fit Test for Discontinuous Distributions. // Journal of American Statistical Association, 1972. Vol. 67, No. 339, 591-596.

159. Bloomfield V. A. Using R for numerical analysis in science and engineering. CRC Press, 2018.

160. Свидетельство о государственной регистрации программы для ЭВМ

2023661089 Российская Федерация. Программа для извлечения и анализа детерминированного компонента сигнала КТ-плотности КТ-ангиографического исследования аорты / Коденко М. Р., Васильев Ю. А.; заявитель и патентообладатель НПКЦ ДиТ ДЗМ. № 2023660164 ; заявл. 19.05.2023 ; опубл. 29.05.2023, Бюл. № 6.

161. Свидетельство о государственной регистрации программы для ЭВМ

2023661090 Российская Федерация. Программа для подавления контрастирования аорты на КТ-ангиографических изображениях / Коденко М. Р., Васильев Ю. А.; заявитель и патентообладатель НПКЦ ДиТ ДЗМ. № 2023660165; заявл. 19.05.2023 ; опубл. 29.05.2023, Бюл. № 6.

162. Reshape2 R Documentation [Электронный ресурс]. URL: https://cran.r-project.org/web/packages/reshape2/ (дата обращения: 07.05.2022).

163. Rnifti R Documentation [Электронный ресурс]. URL: https://cran.r-project.org/web/packages/RNifti/index.html (дата обращения: 07.05.2022).

164. Oronifti R Documentation [Электронный ресурс]. URL: https://rigorousanalytics.blogspot.com/2010/12/oroniffi-024.html (дата обращения: 07.05.2022).

165. Dplyr R Documentation [Электронный ресурс]. URL: https://cran.rstudio.com/web/packages/dplyr/vignettes/dplyr.html (дата обращения: 07.05.2022).

166. Minpack.lm R Documentation [Электронный ресурс]. URL: https://cran.r-project.org/web/packages/minpack.lm/index.html (дата обращения: 07.05.2022).

167. Stats R Documentation [Электронный ресурс]. URL: https://cran.r-project.org/web/packages/minpack.lm/index.html (дата обращения: 07.05.2022).

168. Наборы данных // mosmed.ai [Электронный ресурс]. URL: https://mosmed.ai/datasets/ (дата обращения: 08.01.2023).

169. О 64 Организация рабочего места врача-рентгенолога / сост. Н. Д. Кудрявцев [и др.] // Серия «Лучшие практики лучевой и инструментальной диагностики». Вып. 102. - М.: ГБУЗ «НПКЦ ДиТ ДЗМ», 2022. 36 с.

170. M-54 Методика оценки «Организация и управление персоналом в отделениях (кабинетах) лучевой диагностики» / сост. А. А. Клименко, Н. А. Иванова, О. В. Кочерова [и др.] // Серия «Лучшие практики лучевой и инструментальной диагностики». - Вып. 58. «НПКЦ ДиТ ДЗМ», 2020. - 19 с.

171. Vrieze S. I. Model selection and psychological theory: a discussion of the differences between the Akaike information criterion (AIC) and the Bayesian information criterion (BIC) // Psychological methods. 2012. Vol. 17. №. 2. P. 228.

172. Anderson-Darling Test [Электронный ресурс]. URL: https://real-statistics.com/non-parametric-tests/goodness-of-fit-tests/anderson-darling-test/ (дата обращения: 07.05.2022).

173. Ruxton G. D. The unequal variance t-test is an underused alternative to Student's t-test and the Mann-Whitney U test //Behavioral Ecology. 2006. Vol. 17. №. 4. P. 688-690.

174. A review of analysis and sample size calculation considerations for Wilcoxon tests / Divine G. [et al.] // Anesthesia & Analgesia. 2013. Vol. 117. №. 3. P. 699-710.

175. Kelley K., Lai K. Accuracy in parameter estimation for the root mean square error of approximation: Sample size planning for narrow confidence intervals //Multivariate Behavioral Research. 2011. Vol. 46. №. 1. P. 1-32.

176. Wilcox.test function R Documentation [Электронный ресурс]. URL: https://www.rd0cumentati0n.0rg/packages/stats/versi0ns/3.6.2/t0pics/wilc0x.test (дата обращения: 07.05.2022).

177. t.test function R Documentation [Электронный ресурс]. URL: https://www.rd0cumentati0n.0rg/packages/stats/versi0ns/3.6.2/t0pics/t.test (дата обращения: 07.05.2022).

178. CI function R Documentation [Электронный ресурс]. URL: https://www.rd0cumentati0n.0rg/packages/Rmisc/versi0ns/1.5.1/t0pics/CI (дата обращения: 07.05.2022).

179. Shapiro S. S., Wilk M. B. An analysis of variance test for normality (complete samples) //Biometrika. 1965. Vol. 52. №. 3/4. P. 591-611.

180. Kim H. Y. Statistical notes for clinical researchers: Type I and type II errors in statistical decision // Restorative dentistry & endodontics. 2015. Vol. 40. №. 3. P. 249252.

181. Zach How to Find Z Alpha/2 (za/2) // Statology [Электронный ресурс]. URL: https://www.statology.org/how-to-find-z-alpha-2-za-2/ (дата обращения: 09.06.2023).

182. Das S., Mitra K., Mandal M. Sample size calculation: Basic principles //Indian Journal of Anaesthesia. 2016. Vol. 60. №. 9. P. 652.

183. Whole-body CT angiography with low tube voltage and low-concentration contrast material to reduce radiation dose and iodine load / Kanematsu M. [et al.] // American Journal of Roentgenology. 2014. Vol. 202. №. 1. P. W106-W116.

184. presize: An R-package for precision-based sample size calculation in clinical research / Haynes A. [et al.] // J0urnal 0f Open S0urce S0ftware. 2021. № 60 (6). C. 3118

185. Identificati0n 0f robust and reproducible CT-texture metrics using a customized 3D-printed texture phantom / Varghese B. A. [et al.] // Journal of applied clinical medical physics. 2021. Vol. 22. №. 2. P. 98-107.

186. Yurt A., Ozsoykal L, Obuz F. Effects of the use of automatic tube current modulation on patient dose and image quality in computed tomography // Molecular imaging and radionuclide therapy. 2019. Vol. 28. №. 3. P. 96.

187. Repeatability and reproducibility study of radiomic features on a phantom and HUman cohort / Jha A. K. [et al.] // Scientific reports. 2021. Vol. 11. №. 1. P. 2055.

188. Mahesh M. The essential physics of medical imaging //Medical physics. 2013. Vol. 40. №. 7. P. 077301.

189. П 44 Подготовка набора данных для обучения и тестирования программного обеспечения на основе технологии искусственного интеллекта: учебно-методическое пособие / Ю. А. Васильев [и др.] // М.: ГБУЗ «НПКЦ ДиТ ДЗМ», 2023. 108 с.

190. Kodenko M. R., Makarova T. A. Preparation of abdominal computed tomography data set for patients with abdominal aortic aneurysm //Digital Diagnostics. 2023. Vol. 4. №. 1S. P. 90-92.

191. Независимый этический комитет [Электронный ресурс]. URL: https://telemedai.ru/nauka/nauchnaya-infrastruktura/nauchnyj -eticheskij -komitet (дата обращения: 07.04.2022).

192. Тымкович М. Ю., Аврунин О. Г., Семенець В. В. Использование DICOM изображений в медицинских системах. 2012.

193. Minimum information about clinical artificial intelligence modeling: the MI-CLAIM checklist / Norgeot B. [et al.] // Nature medicine. 2020. Vol. 26. №. 9. P. 13201324.

194. The first step for neuroimaging data analysis: DICOM to NIfTI conversion / Li X. [et al.] // Journal of neuroscience methods. 2016. Vol. 264. P. 47-56.

195. Quality control of diffusion weighted images / Liu Z. [et al.] // Medical Imaging 2010: Advanced PACS-based Imaging Informatics and Therapeutic Applications. SPIE, 2010. Vol. 7628. P. 137-145.

196. Haralick R. M., Shapiro L. G. Computer and robot vision. Reading, MA : Addison-wesley, 1992. Vol. 1.

197. Uchida S. Image processing and recognition for biological images //Development, growth & differentiation. 2013. Vol. 55. №. 4. P. 523-549.

198. boot function - R Documentation [Электронный ресурс]. URL: https://www.rdocumentation.org/packages/boot/versions/1.3-28.1/topics/b00t (дата обращения: 07.05.2022).

199. Fleiss J. L., Levin B., Paik M. C. Statistical methods for rates and proportions. john wiley and sons, 2013.

200. FreeBSD License — LicenseIt.ru [Электронный ресурс]. URL: https://licenseit.ru/wiki/index.php/FreeBSD_License (дата обращения: 17.06.2024).

201. Digital subtraction CT angiography for detection of intracranial aneurysms: comparison with three-dimensional digital subtraction angiography / Lu L. [et al.] // Radiology. 2012. Vol. 262. №. 2. P. 605-612.

202. Utility of iodine density perfusion maps from dual-energy spectral detector CT in evaluating cardiothoracic conditions: a primer for the radiologist / Kikano E. G. [et al.] // American Journal of Roentgenology. 2020. Vol. 214. №. 4. P. 775-785.

ПРИЛОЖЕНИЕ А

В приложении представлены:

- акты внедрения (3 шт.);

- скан-копии свидетельств на регистрацию программ для ЭВМ (2 шт.)

- синопсис исследования;

- выписка из протокола Независимого этического комитета;

- акт об апробации экспериментального образца лабораторного стенда.

ДЕПАРТАМЕНТ ЗДРАВООХРАНЕНИЯ I ОРОДЛ МОСКВЫ Гкуцярствсввсе бюджетам у^иченщ зсфавамфнкеини [порода Мосгяи «МпучЕЮПрыкщческвн клвшчккнй центр диагностики ч телеинчннкнскш тешнлпгин Департамента гиф^ноохранешш города Москвы»

АКТ ВНЕДРЕНИЯ РЕЗУЛЬТАТА ИНТЕЛЛЕКТУАЛЬНОЙ ДЕЯТЕЛЬНОСТИ

1. Наныенсжа ЕСШ.' РТ1Д^ ГТр01"р£ЩЛ1-а ДЛЯ ИЗВЛСч£">|}1Д Н а>|аЛЕ13Л ДСТСрЫНЫЦрф НЯРТкого

компонента сигнала рентгеновской ллотности КТ-анпюграфилеского нсслсдсшнш аорты.

2. Лн.1 ныдоиго р^у.тьтата: свидетельству о государственной регистрации программы для ЭВМ № 20236410В9 от 29.05.2021 г,

Заказчик РИД: Департамент -здравоохраненля города Моекиы.

Испмннтелъ^а) рабы: Государственное бюджегнго учреждение здравоохранении I орода Мпскии ^НауЦшО-ггрдлтичссний К.гшннческнй центр дишиснлгмин н тслемедкцннскил технологий Департаменту адраиоолрансния города Москлы»

Авторский коллектор: Коденко М.Р., Васильев Ю-А

Основание дилодмтя научного шыикйомнлн (Е1ИГ>: Приказ Департамента здравоохранения города Москвы № 119Л от 21.12.2022 «Об утверждении государственны* заданий фииансовие обеспечение которых осуществляется за счет срадст^ бшджста города Москвы, тсударственнычи бщнпш&ш (автономными) упрощениями, подведомственным Департаменту здравоохранения города Москвье> на 2023 гЗД н гзл^нп-выРг период 2024 и 2025 пщйв»

7, Дата и Шцпи о ирночке результатов научного исследовании (НИР):

Ллх приемки ГКУЗ «НПКЦ ДйТ ДЗМ» от 1ЭД7.2Э № 52УШЗ.

Сведений о внеднирц РИД: РИД вщдрЁв в деятельность ГБУЗ НПКЦ ДиТ ДЗМ .тля вмгтолнения работ и ринках НИОКР Ц (¡Разработка программного обеспечения для автоматического формирования наборов лзннык КТ-нвспедованкй сердечнососудистой системы с подавлеЕЕием контрастирования для обучения н тестирования мщиши «а пчжоде искусственного интеллекта» н НИР 5 «Научное обосноышие метщюв лучевой диагностики инухолены* заболеваний с [[ьгтпльтоианнсм радиомнческогщ акллнэал для решения задач повышения информативности ДивгиэСтачесинх КТ-ангнографнческик «(хлелояаннй

9. Сиедслн н тффектннности внедрении ГИД в дст-лышп ь пп.трд) делений, а также вобр&зонггельнъш процесс: на основе внедренном программы проводятся нлучЕЕые нсследиванпя в сфере рщдкютпсяого аналюа томографических изображений, в том числе, в рамках еьтполнсни* 11ИОКР 11 н !ШР5

Заместитель директора по ¡ручной работе ГЕУЭ «НПКЦ ДиТ ДЗМч

А .В. Бладзимирскнй

г.

Рисунок А.1.

Акт внедрения результатов исследования (ПО анализа данных)

ДЕПАРТАМЕНТ ЗДРАВООХРАНЕНИЯ ГОРОДА МОСШЬС Грсу.'^рсгмкное Индостане учреждение эдаккнфйвокв город* Москин «Научио-ПрвнтнческмЙ нлвнческнй центр дангвосгжмн Н ТеЛСМИИКИНГКН! технологий Деиаргжчснта здравоохранении города Москвы»

I. Нйлчвдваине РИД: Программа для подавления контрастирования аорты ла КТ-внпни-рафннккях изображения*.

1- Инл ВЫГОДНЫ О результата: свидетельство и государственной ряЪстроцнн программы для ЭВМ № 202Л661090 от 29.05.2023 г.

Заказчик РИД1 Делартаистгт здравоохааЕгеньи порода Москвы.

4. 11с[Е^.-[1Н[Тй.,1\(!1) рэГка; Гисударсзъинкпе бюджетное учреждение здравоохранения [■орода Москвы аНаучно-лрактнчеекий клинический центр дншкистнкн и телйМйоидинеких технологий Двпарпвднта здравоохранения города Москвы ч.

Авторский коллектив: Кодснко М.Р., Васильев Ю А

Осиоиинне пы1 [(1.-П1 и пня к4у>||[»го нсследоиинин {НИР}; Црккаэ Департамента здравоохранения города Москвы № 11М от 21-12.2022 «Об утмрвденнл 14>еудлрстненных иланий, финансовое й&к:лечгнке который осуществляется -и счет ередитн бюджета города Москвы, государстяенны1]]1 бюджетными (авфипышщ) учреждения*!!, подведомственным Департаменту ддравиохраненшг города Москвы, на 2023 год и плановый ттернод 2024 к 2025 голова

7. Дата н сш^ши « «[«щигере^тшов нучнага йссклонпля (НИР):

Актлрменяи ГЁУЗ «НПКЦ Д«Т ШМ» от ¡3,07,23 № 53/2023.

я. Сведения о внедрении РИД: РИД внедрил 91 деятельность ГБУЗ НПКЦ ДнТ Д2М ДЛЯ выполнения Р^йог ранках НИОКР II ((Разработка Программною обе^пгченля для автоматического формнрйьанлА наборов данных КТ-чсследомний сердечно-сосуднстоД системы с подавлением Кипрастврвннпя для обучения гг тестирования алгоритмов о оениве никусстаенного ннтешиятан для создания набором динньгк КГ исследований сосудои с плдииняиси кон-грастнролднш

Сведений «б эффект и н99н>стн вн^ретгл РИД я деятельность подразделений, а также ь иГьралжательчын пронесся С ПСшсщью внедренной программы автоматизирован продаж подготоякн наборов данных КТ-нссп сдовишй, разрабатываемых ГБУЗ НПКЦ ДиТ ДЗМ

Акт внедрения результатов исследования (ПО подавления КУ)

АКТ ВНЕДРЕНИЯ РЕЗУЛЬТАТА ИНТЕЛЛЕКТУАЛЬНОЙ ДЕЯТЕЛЬНОСТИ

Заместитель директора 110 9№уч]ш.н раСитц

йуз «нпкц Днг дам»

Рисунок А.2.

АКТ

о практическом использования результатов диссертации М.Р. Коденко

«Разработка метода и средств синтезабесконтрас1ныхКТ-изо6ра*5енкй брюшного отдела аорты за счет подавления контрастного усиления в данных

I Тредставленные в диссертационной работе Коденко М.Р результаты по экспериментальному и теоретическому обоснованию метода и средств синтеза некоанраймых КТ-изображений брюшного отдела аорты имеют большую теоретическую и практическую Значимость и применяются к учебном процессе кафедры «Бномедицрвдкве технические системы» МГГУ им. П.Э. Баурша, начиная с 2Ü2G г.

Результаты Коденко М.Р,, представленные э ее диссертационной работе используются при проведении занятий со студентам следующих направлений подготовки: 09.03.03/04 (СУОС 3++) Прикладная информатика -Цифривыебиомсдицпнекие системы, 12.03,04/01 (СУОС 3++) Биотехнические системы и технологии - Биомедйцижаше технические системы, 12.04.04/09

(СУОС 3++} Биотехнические системы и технологии Интеллектуальные биомедицинекие системы.

Материалы диссертационно го исследования Коделко М.Р. позволили познакомим, студентов, обучающихся из кафедре иЕномедицинекие технические системы», с новыми технологиями синтеза неконтрастных КГ-изображений брюшного отдела аорты за счет подавления контрастного усиления »данных КТ-аягиографии.

Заместитель заведующего кафедрой <(Биомедицн не ки е технические системы»

КТ-ан i ислраф ии »

доцент, к.т.н.

Рисунок А.3.

Акт внедрения результатов исследования в учебную деятельность

Рисунок А.4.

Свидетельство о государственной регистрации программы для ЭВМ

№ 2023661090

Рисунок А. 5.

Свидетельство о государственной регистрации программы для ЭВМ

№ 2023661089

Синопсис исследования

Наименование исследования Исследование пространственного распределения рентгеновской плотности содержимого брюшной аорты при компьютерном томографическом ангиографическом (КТА) исследовании. Преобразование КТ-данных.

Научная новизна Выявление ранее неизвестных взаимосвязей и характеристик пространственного распределения контрастного вещества в сосудистой системе и оценка их потенциальной диагностической и практической значимости

Сроки проведения исследования, количество исследовательских центров и добровольцев 25.05.2023 - 31.01.2024 Ретроспективный анализ данных из Единой Радиологической Информационной Системы (ЕРИС), 100 исследований, мультицентровая выборка

Цель исследования Анализ характеристик пространственного распределения контрастного вещества в просвете сосуда и преобразование КТА-данных

Задачи исследования Определить наличие и тип взаимосвязи характеристик пространственного распределения контрастного вещества с: 1.1 общими и индивидуальными анатомическими особенностями сосудистого русла; 1.2 патологическими изменениями сосудов. Сформировать набор КТА-данных с подавлением контрастирования в области сосуда для обучения и валидации алгоритмов искусственного интеллекта.

Методология исследования Расчет требуемого объема выборки Формирование критериев включения, невключения и исключения Разработка технического задания (ТЗ) на создание набора данных Выгрузка исследований из ЕРИС согласно ТЗ Анонимизация исследований согласно ТЗ Разметка исследований согласно ТЗ Выделение в данных высокоплотностной компоненты сигнала рентгеновской плотности по данным КТА с помощью разработанной автором модели (в настоящее время заявка, содержащая описание модели, направлена в ФИПС) Анализ и оценка характера взаимосвязи характеристик извлеченной компоненты (п.7) с особенностями сосудистого русла в норме и при патологии Подавление извлеченной компоненты (п.7) в исходных данных и анализ сопоставимости полученных синтетических нативных изображений сосудистого русла с реальными КТА-изображениями, полученными в нативную фазу сканирования. Формирование итогового комплекта документации и набора данных

Соблюдение конфиденциальности персональных данных Данные пациентов не обрабатываются и не передаются третьим лицам

Анонимизация данных (если предусмотрено) Анонимизация согласно Методическим рекомендациям по применению приказа Роскомнадзора от 5 сентября 2013 года № 996 «Об утверждении требований и методов по обезличиванию персональных данных»

Продолжительность исследования 8 месяцев

Критерии включения КТА органов брюшной полости наличие одновременно нативной и артериальной фаз сканирования в исследовании толщина среза не более 1.5 мм мягкотканый kernel свертки

Критерии невключения Отсутствуют

Критерии исключения Диссекция брюшного отдела аорты Протезирование в области аорты Артефакты, затрудняющие обработку данных в области интереса

Проведение обследований Ретроспективный дизайн исследования. Отбор данных из ЕРИС

Оценка качества жизни Неприменимо

Применение опросников? Неприменимо

Оценка безопасности препаратов исследования Неприменимо

Аналитический метод Разметка области интереса (попиксельная маска) на аксиальных срезах исследования с помощью открытого программного обеспечения 3D Slicer

Таблица А.1 (продолжение).

Обоснование размера выборки Расчет объема выборки проведен согласно методологии достоверной оценки диагностической точности алгоритмов искусственного интеллекта с использованием автоматической системы расчета. Входные данные: 1) ЛиКОС 0.94 (с опорой на методические рекомендации НПКЦ ДиТ ДЗМ) 2) Наличие целевой патологии - 80 % 3) Ширина доверительного интервала - 10 %

Заслепление/маскировка Неприменимо

Рандомизация Неприменимо

ДЕПАРТАМЕНТ ЗДРАВООХРАНЕНИЯ ГОРОДА МОСКВЫ Государственное бюджетное учреждение здравоохранения города Москвы «Научно-практический клинический центр диагностики н тслсмсдицинских технологий Департамента здравоохранении города Москвы»

ВЫПИСКА ИЗ ПРОТОКОЛА ЗАСЕДАНИЯ НЕЗАВИСИМОГО ЭТИЧЕСКОГО КОМИТЕТА МОСКОВСКОГО РЕГИОНАЛЬНОГО ОТДЕЛЕНИЯ РОССИЙСКОГО ОБЩЕСТВА РЕНТГЕНОЛОГОВ И РАДИОЛОГОВ

от «25» мая 2023 г.

№ 5/2023

МЕСТО ПРОВЕДЕНИЯ:

Москва, ул. Петровка, д. 24, стр. 1, e-mail: ethicsrâûzdrav. mos.ru

ВРЕМЯ ПРОВЕДЕНИЯ:

15:30— 17:30

ПРИСУТСТВОВАЛИ:

Председатель НЭК МРО POPP - Пчелинцева ОН.; Ответственный секретарь НЭК МРО POPP - Королева MB.; Члены НЭК МРО POPP

СЛУШАЛИ:

Устный доклад эксперта о рассмотрении программы ретроспективного исследования «Исследование пространственного распределения рентгеновской плотности содержимого брюшной аорты лри компьютерном томографическом анз иографическом (KTА) Исследовании. Преобразование К'1 -данных», главный исследователь Колен ко М.Р.

HP Е ДСТ AB Л Е НН Ы Е ДОК У M Е H Т Ы :

1. Направительное письмо:

2, Программа ретроспективного исследования «Исследование пространственного распределения рентгеновской плотности содержимого брюшной аорты при компьютерном томографическом ангио графическом (КТА) исследовании. Преобразование КТ-данных»;

3. Резюме главного исследователя;

4, Заключение эксперта,

ПОСТАНОВИЛИ

Одобрить программу и проведение ретроспективного исследования «Исследование пространственного распределения рентгеновской плотности содержимого брюшной аорты при компьютерном томографическом антнографическом (КТА) исследовании. Преобразование КГ-данных и.

Решение нринято на основании большинства голосов.

Независимый этический комитет Московского регионального отделения Российского общества рентгенологов И радиологов организован и осуществляет свою деятельность руководствуясь Правилами надлежащей клинической практики (ICH GCP), а также действующим законодательством Российской Федерации.

/

НЭК МРО POPP

1

Рисунок А. 6.

Выписка из протокола заседания Независимого этического комитета

Рисунок А. 7.

Акт об экспериментальной апробации экспериментального образца

ПРИЛОЖЕНИЕ Б

В приложении представлено краткое изложение методики полуавтоматической сегментации брюшной аорты на КТА с помощью БНеег 3Э.

Инструкция разметки 1. После запуска приложения для загрузки данных слева вверху на вкладке выбрать значок «DCM», далее нажать «Import DICOM files» и выбрать папку, содержащую необходимую серию или исследование. После того, как нужный файл выбран (активный файл будет подсвечен синим цветом), необходимо нажать кнопку «Load» в нижней части рабочего окна и процесс загрузки отобразится во всплывающем окне. В случае успешной загрузки основное окно программы изменится и данные исследования будут отображены в трех стандартных проекциях (Рисунок Б.1).

Рисунок Б1. Загруженное исследование

2. Для перехода в режим сегментатора нужно нажать соответствующий значок либо выбрать «Segmentation Editor» в панели окон. После выбора активного исследования для создания «маски» нужно нажать клавишу «Add». Необходимо создать 2 маски и провести первичную попиксельную разметку - «наметить» границу областей. При создании маски аорты нужно с помощью кисти отметить просвет сосуда в аксиальной плоскости на первом и последнем срезе выбранной области. Далее создать вторую маску и «окружить» область сосуда (Рисунок Б.2). Пересечений между масками быть не должно. Для коррекции можно пользоваться

ластиком. Для удобства следует регулировать размер кисти и масштабировать изображение.

Рисунок Б. 2.

Размечены области аорты (красный) и окружающих тканей (желтый) на первом

(а) и последнем (б) срезе области интереса

3. Затем, нужно активировать инструмент «Grow from seed» и запустить сегментацию с помощью кнопки «Initialize». Программа автоматически создаст разметку целевой области внутри квадрата нецелевой области. Области начнут «расти» навстречу друг другу, анализируя пикселы соседние пикселы и определяя перепад яркости, соответствующий границе целевой области (Рисунок Б.3).

Рисунок Б.3. Результат создания автоматической маски

4. Следует осуществить прокрутку срезов для оценки качества созданной маски. При обнаружении ошибок, например, захвата нецелевых областей или, наоборот, «обрезки» нужной области, необходимо провести коррекцию - для этого активировать инструменты кисти и вручную отметить некорректные области. После ручной коррекции нужно вернуться в инструмент «grow from seed» и обновить расчет кнопкой «Update», которая появится вместо «Initialize». Когда маска целевой области примет нужный вид, следует принять результаты сегментации с помощью кнопки «Apply» (для отмены - «Cancel») в меню инструмента «Grow from seed». После ее нажатия активной останется первая (целевая) маска. Вторую маску «нецелевую» можно будет удалить. Результаты разметки (опционально) можно изучить в трехмерном виде с помощью кнопки «Show 3D» (Рисунок Б.4).

Рисунок Б.4.

Результат разметки сосуда с помощью инструмента

5. Для сохранения результатов следует убедиться, что все необходимые изменения приняты и в окне сегментатора присутствуют только нужные маски. Далее следует нажать кнопку «Save» на верхней панели инструмента. После нажатия отобразиться выплывающее окно, в котором будут перечислены сохраняемые файлы. Далее следует окно выбора формата: для самих исследований (серий) выбирать формат NIfTI (.mi), для маски - (.nrrd). После установки значений следует нажать кнопку «Save» и вручную (т.е. через проводник) проверить наличие нужных файлов в выбранной папке.

ПРИЛОЖЕНИЕ В

В приложении представлено техническое задание на подготовку набора данных «20 КТА-исследований ОБП с сегментацией брюшного отдела аорты».

Техническое задание

Блок А Общая информация

А1. Название набора данных МовМеёБа1а КТ с признаками расширения брюшного отдела аорты тип I МовМеёБа1а КТ с признаками расширения брюшного отдела аорты тип III

А2 Ключевые слова (тэги) МовМеёБа1а, обучение, искусственный интеллект, органы брюшной полости, КТ, аневризма брюшной аорты, ДС тип I, ДС тип III

А3 Языки набора данных русский

А4 Версия 1

А5 Документ, в рамках которого ведется подготовка набора данных НИОКР

А6 Финансирование деятельности, в рамках которой проводится подготовка набора данных внутреннее

А7 Целевое назначение (клиническая задача) Выявление наличия расширения брюшного отдела аорты (дилатация или аневризма брюшной аорты) на КТ ОБП.

А8 Приоритет Высокий

А9 ФИО ответственного за набор данных -сотрудника ГБУЗ «НПКЦ ДиТ ДЗМ» Коденко М.Р.

Блок Б Выгрузка из BI

Б1 Выгрузка из BI Study Instance UID исследования для взрослых пациентов (старше 18 лет) по наименованию процедуры, типу МО Наименование процедуры: компьютерная томография органов брюшной полости (с контрастированием)

Параметры исследования: контрастная серия с толщиной среза не более 1 мм, измерения проводить в аксиальной проекции, использовать мягкотканое окно

Тип МО: все* *по причине высокой вероятности технического брака (невозможности выделить номер изображения в аксиальной проекции) для исследований «с патологией» исключить ЛПУ: Госпиталь для ветеранов войн № 2 «ГВВ №2», Госпиталь для ветеранов войн № 3 «ГВВ №3», ГКБ им. Е.О. Мухина

Дополнительные ограничения: наличие в исследовании нативной серии с толщиной среза не более 1 мм

Период сбора: 2020-2021 гг

Количество: 10 000 уникальных ЦТО

Блок В Выгрузка из ЕРИС ЕМИАС

В1 Формирование первичной выборки исследований. Перечень ключевых слов для каждого класса

Таблица* UID с колонками, содержащими: описание, заключение врача, наличие (1) или отсутствие (0) в описании или заключении каждого из ключевых слов/сочетаний по п 1. и п 2:

1. С патологией. С ключевыми словами/фрагментами слов:

[(«аневр» или «дилат» или «расшир») и

(«аорт» или («брюш» и «аорт»))] или [«увелич» и «диамет» и («аорт» или («брюш» и «аорт»))]

2. Без патологии. Без ключевых слов из п.1

*рекомендуемый формат - CSV

B2 Необходимость отбора исследований согласно пункту В1 по текстовым протоколам медицинских описаний и заключений

да

Проверку протоколов проводит Коденко М.Р.

В3 Список Study Instance UID исследований для включения в ДС, отобранных медицинским специалистом. Предварительный отбор на основании предразметки текстовых протоколов медицинских описаний и заключений.

Должно быть отобрано:

1. С патологией: 10 исследований.

2. Без патологии: 10 исследований.

Критерии отбора:

1. С патологией: размер аорты по короткой оси > 25 мм (дилатация > 25 мм и <30 мм или аневризма > 30 мм)

2. Без патологии: размер аорты по короткой оси < 25 мм

B4 Необходимость предварительного отбора медицинским специалистом исследований пригодных для разметки изображений

да

B5 Формирование подвыборки для ДС из списка иГО по п. В1 отобрать: 1. С патологией: 50 исследований. 2. Без патологии: 50 исследований.

Блок Г Обработка данных

Г1 Обезличивание DICOM-исследований Выполняется средствами и оператором

для ДС ЕРИС ЕМИАС

Г2. Выделение хранилища для выгрузки и требуется 150 ГБ

обезличивания DICOM исследований для ДС

Блок Д Разметка

Д1 Необходимость разметки с

привлечением медицинских специалистов да

по направлению

Д2 Если в п. Д1 выбран «да», количество 2 врача-рентгенолога, 1 эксперт

привлекаемых разметчиков,

их кВалификация

Д3 Необходимость численных измерений да

параметров целевой патологии

Д4 Если в п. Д3 выбран «да», порядок измерения проводит врач-рентгенолог

измерения

Д5 Требования, предъявляемые к ординатура по специальности

разметчикам (ординатор) «Рентгенология»

Д5.1 Требования, предъявляемые к студент технического ВУЗа (3 курс и

разметчикам (технический специалист) старше)

Д5.2 Требования, предъявляемые к врачам- действующий сертификат по

рентгенологам (экспертам) специальности "Рентгенология"

Д6 Разметка по целевой патологии Общая схема разметки: 1. Исходная выборка по каждому классу делится на 2 части: 50 и 50 исследований; 2. Первичный просмотр исследований врачом-рентгенологом на предмет возможности разметки; 3. Первичную разметку исследования выполняет технический специалист в полуавтоматическом режиме с помощью инструментов «paint», «erase», «level tracing», «grow from seeds» и др.; 4. Полученную маску (посрезово) просматривает и при необходимости корректирует вручную ординатор с помощью инструментов «paint» и «erase»; 5. Результат первичной разметки (посрезово) просматривает и верифицирует врач-рентгенолог. При обнаружении ошибок разметки повторяют пп.3 и 4; 6. (Опционально) Исследования, разметка которых вызывает затруднения у врача-рентгенолога в итоговый ДС не включаются.

Д6.1 Инструмент и метод, используемый для первичной разметки по целевой патологии Slicer 3D