ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

9
Содержание
том 67 / Сентябрь, 2024
СТАТЬЯ

DOI 10.17586/0021-3454-2024-67-9-798-812

УДК 51-76

РАСПРЕДЕЛЕНИЕ РЕНТГЕНОКОНТРАСТНОГО ВЕЩЕСТВА В ПРОСВЕТЕ И СТЕНКЕ БРЮШНОЙ АОРТЫ ПО ДАННЫМ КТ-АНГИОГРАФИЧЕСКОГО ИССЛЕДОВАНИЯ

Коденко М. Р.
МГТУ им. Н. Э.Баумана, кафедра биомедицинских технических систем; Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы, отдел научных медицинских исследований; мл. научный сотрудник


Васильев Ю. А.
Научно-практический центр медицинской радиологии Департамента здравоохранения города Москвы, Москва, 109029, Российская Федерация; Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; старший научный сотрудник,студент


Самородов А. В.
МГТУ им. Н. Э. Баумана, кафедра биомедицинских технических систем ; заведующий кафедрой


Кульберг Н. С.
ФИЦ „Информатика и управление“ РАН, отдел № 41; ст. научный сотрудник


Решетников Р. В.
Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы, отдел научных медицинских исследований; руководитель отдела

Ссылка для цитирования : Коденко М. Р., Васильев Ю. А., Кульберг Н. С., Самородов А. В., Решетников Р. В. Распределение рентгеноконтрастного вещества в просвете и стенке брюшной аорты по данным КТ-ангиографического исследования // Изв. вузов. Приборостроение. 2024. Т. 67, № 9. С. 798–812. DOI: 10.17586/0021-3454-202467-9-798-812.

Аннотация. Представлен подход к аппроксимации и анализу компонента сигнала КТ-плотности, ассоциированного с внутрисосудистым рентгеноконтрастным веществом (РКВ) по данным компьютерно-томографических ангиографических (КТА) изображений брюшного отдела аорты. Цель работы — исследование возможности извлечения и анализа РКВ-индуцированного компонента в просвете и стенке брюшного отдела аорты на КТАизображении. Предложен функционал для описания одномерного и двумерного распределения РКВ в виде набора сумм сигмоидов специального вида. Для аппроксимации использован метод нелинейных наименьших квадратов с оптимизацией Левенберга — Марквардта. Тестирование алгоритма проведено на открытом наборе данных, состоящем из 594 КТА-изображений. Подготовка данных проведена с помощью специализированного программного обеспечения Slicer 3D. Результаты демонстрируют отсутствие статистически значимых различий значений КТ-плотности между исходными изображениями и результатами аппроксимации (p > 0,05, парный тест Вилкоксона). Продемонстрирована чувствительность модели к различному распределению РКВ в области аневризмы, тромбоза и отхождения магистральных артерий. Чувствительность определена как наличие статистически значимых различий расчетных параметров модели для области однородного и неоднородного распределения РКВ в рамках каждого из КТ-исследований. Значения среднеквадратической ошибки аппроксимации для указанных областей статистически значимо не отличаются и унимодально распределены (p > 0,7) в рамках отдельно взятого КТ-исследования. Предложенный подход может быть полезен для персонализации КТА, развития алгоритмов обработки КТА-данных, синтеза бесконтрастных КТ-данных, обучения алгоритмов искусственного интеллекта.
Ключевые слова: компьютерная томография, ангиография, обработка изображений, контрастное вещество, моделирование, КТ-плотность, искусственный интеллект

Благодарность: работа выполнена в рамках НИОКР (№ ЕГИСУ: 123031500002-1) в соответствии с Приказом от 21.12.2022 г. № 1196 „Об утверждении государственных заданий, финансовое обеспечение которых осуществляется за счет средств бюджета города Москвы, государственным бюджетным (автономным) учреждениям, подведомственным Департаменту здравоохранения города Москвы, на 2023 год и плановый период 2024 и 2025 годов“; авторы выражают благодарность сотрудникам НПКЦ ДиТ ДЗМ, врачам-рентгенологам И. А. Блохину и А. В. Соловьеву.

Список литературы:
  1. Erbel R., Aboyans V., Boileau C., Bossone E. et al. ESC Guidelines on the diagnosis and treatment of aortic diseases: Document covering acute and chronic aortic diseases of the thoracic and abdominal aorta of the adult. The Task Force for the Diagnosis and Treatment of Aortic Diseases of the European Society of Cardiology (ESC) // European Heart Journal. 2014. N 35. P. 2873–926. DOI:10.1093/eurheartj/ehu281.
  2. Baliyan V., Shaqdan K., Hedgire S., Ghoshhajra B. Vascular computed tomography angiography technique and indications // Cardiovascular Diagnosis and Therapy. 2019. N 9. DOI:10.21037/CDT.2019.07.04.
  3. Yu T., Zhu X., Tang L., Wang D., Saad N. Review of CT angiography of aorta // Radiol. Clin. North Amer. 2007. N 45. P. 461–83. DOI:10.1016/J.RCL.2007.04.010.
  4. Zhang Z., Sejdić E. Radiological images and machine learning: trends, perspectives, and prospects // Computers in Biology and Medicine. 2019. Vol. 108. P. 354–370.
  5. Baliyan V., Verdini D., Meyersohn N. M. Noninvasive aortic imaging // Cardiovascular Diagnosis and Therapy. 2018. Vol. 8, Suppl 1. P. S3. DOI:10.21037/cdt.2018.02.01.
  6. Bae K. T. Intravenous contrast medium administration and scan timing at CT: considerations and approaches // Radiology. 2010. Vol. 256, N 1. P. 32-61. DOI:10.1148/radiol.10090908.
  7. Lyu J., Fu Y., Yang M., Xiong Y., Duan Q. et al. Generative Adversarial Network-based Noncontrast CT Angiography for Aorta and Carotid Arteries // Radiology. 2023. N 309(2). P. e230681. DOI: 10.1148/radiol.230681. PMID: 37962500.
  8. Hamersvelt R.W. van, Eijsvoogel N. G., Mihl C. et al. Contrast agent concentration optimization in CTA using low tube voltage and dual-energy CT in multiple vendors: a phantom study // Intern. Journal Cardiovasc. Imaging. 2018. N 34(8). P. 1265–1275. DOI:10.1007/s10554-018-1329-x.
  9. Weininger M., Barraza J. M., Kemper C. A., Kalafut J. F. et al. Cardiothoracic CT angiography: current contrast medium delivery strategies // Amer. Journal of Roentgenology. 2011. N 196(3). P. W260–W272. DOI:10.2214/ AJR.10.5814.
  10. Andreucci M., Solomon R., Tasanarong A. Side effects of radiographic contrast media: Pathogenesis, risk factors, and prevention // BioMed Research Intern. 2014. Vol. 2014. DOI: 10.1155/2014/741018.
  11. Pasquini L., Napolitano A., Pignatelli M., Tagliente E. et al. Synthetic Post-Contrast Imaging through Artificial Intelligence: Clinical Applications of Virtual and Augmented Contrast Media // Pharmaceutics. Chen H. et al. Application of cascaded GAN based on CT scan in the diagnosis of aortic dissection // Computer Methods and Programs in Biomedicine. 2022. Vol. 226. P. 107130. DOI:10.1016/j.cmpb.2022.107130.
  12. Wu C. et al. Vessel-GAN: Angiographic reconstructions from myocardial CT perfusion with explainable generative adversarial networks // Future Generation Computer Systems. 2022. Vol. 130. P. 128–139.
  13. Коденко М. Р., Кульберг Н. С., Самородов А. В. Анализ высокоплотностного компонента содержимого брюшной аорты при КТ-ангиографии [Электронный ресурс]: http://www.mce.su/rus/archive/abstracts/mce30/sect288919/ doc417793/, 30.03.2023 г.
  14. Коденко М. Р., Самородов А. В., Кульберг Н. С., Решетников Р. В. Создание наборов данных компьютерной томографии брюшной аорты с подавлением контрастирования для обучения и тестирования алгоритмов искусственного интеллекта // Изв. вузов. Приборостроение. 2023. Т. 66, № 11. С. 968–981. DOI: 10.17586/00213454-2023-66-11-968-981.
  15. Свид. о гос. рег. программы № 2023661089 РФ. Программа для извлечения и анализа детерминированного компонента сигнала рентгеновской плотности КТ-ангиографического исследования аорты / М. Р. Коденко, Ю. А. Васильев. Опубл. 29.05.2023. Бюл. № 6.
  16. Свид. о гос. рег. программы № 2023661090 РФ. Программа для подавления контрастирования аорты на КТангиографических изображениях / М. Р. Коденко, Ю. А. Васильев. Опубл. 29.05.2023. Бюл. № 6.
  17. Kodenko M. R. et al. Contrast-agent-induced deterministic component of CT-density in the abdominal aorta during routine angiography: proof of concept study // arXiv preprint arXiv:2310.20243. 2023. DOI:10.48550/arXiv.2310.20243.
  18. Norgeot B. et al. Minimum information about clinical artificial intelligence modeling: the MI-CLAIM checklist // Nature Medicine. 2020. Vol. 26, N 9. P. 1320–1324. DOI: 10.1038/s41591-020-1041-y.
  19. Подготовка набора данных для обучения и тестирования программного обеспечения на основе технологии искусственного интеллекта: Учеб.-метод. пособие / Ю. А. Васильев, К. М. Арзамасов, А. В. Владзимирский и др. М.: НПКЦ ДиТ ДЗМ, 2023. 108 с.
  20. МКБ 10 — Аневризма и расслоение аорты (I71) // МКБ 10 — Международная классификация болезней 10-го пересмотра [Электронный ресурс]: https://mkb-10.com/index.php?pid=8344, 05.04.2023.
  21. MosMedData КТ с признаками аневризмы аорты тип III - наборы данных в лучевой диагностике n.d. [Электронный ресурс]: https://mosmed.ai/datasets/mosmeddata-kt-s-priznakami-anevrizmi-aorti-tip-iii/, 16.05.2023.
  22. Свид. о гос. рег. базы данных № 2023621046 РФ. MosMedData: КТ с признаками аневризмы брюшного отдела аорты / Ю. А. Васильев, Е. В. Туравилова, И. М. Шулькин и др. Опубл. 30.03.2023.
  23. Kodenko M. R., Makarova T. A. Preparation of abdominal computed tomography data set for patients with abdominal aortic aneurysm // Digital Diagnostics. 2023. Vol. 4, N 1S. P. 90–92.
  24. 3D Slicer image computing platform // 3D Slicer USA [Электронный ресурс]: https://www.slicer.org/, 05.03.2022.
  25. Knipe H., Moore C. NIfTI (file format) // Radiopaedia.org. 2019 [Электронный ресурс]: https://radiopaedia.org/ articles/72562, 05.03.2022.
  26. Bell D., Greenway K. Hounsfield unit // Radiopaedia. Org. 2015. DOI:10.53347/RID-38181.
  27. Ranganathan A. The Levenberg-Marquardt Algorithm // Tutoral on LM algorithm. 2004. Vol. 11, N 1. P. 101–110.
  28. Williams A. R. et al. Local hemodynamic changes caused by main branch stent implantation and subsequent virtual side branch balloon angioplasty in a representative coronary bifurcation //Journal of Applied Physiology. 2010. Vol. 109, N 2. P. 532–540.
  29. Chiu J. J., Chien S. Effects of disturbed flow on vascular endothelium: pathophysiological basis and clinical perspectives // Physiological Reviews. 2011. Vol. 91, N 1. P. 327–387.
  30. RStudio Desktop — Posit // RStudio [Электронный ресурс]: https://posit.co/download/rstudio-desktop/, 05.03.2022.
  31. Dplyr — R Documentation [Электронный ресурс]: https://cran.rstudio.com/web/packages/dplyr/vignettes/dplyr. html, 07.05.2022.
  32. Rnifti — R Documentation [Электронный ресурс]: https://cran.r-project.org/web/packages/RNifti/index.html, 07.05.2022.
  33. Minpack.lm — R Documentation [Электронный ресурс]: https://cran.r-project.org/web/packages/minpack.lm/index. html, 07.05.2022.
  34. Reshape2 — R Documentation [Электронный ресурс]: https://cran.r-project.org/web/packages/reshape2/, 07.05.2022.
  35. Kanematsu M. et al. Whole-body CT angiography with low tube voltage and low-concentration contrast material to reduce radiation dose and iodine load // Amer. Journal of Roentgenology. 2014. Vol. 202, N 1. P. W106–W116.
  36. Haynes A. et al. Presize: An R-package for precision-based sample size calculation in clinical research // Journal of Open Source Software. 2021. N 60 (6). P. 3118.
  37. Das S., Mitra K., Mandal M. Sample size calculation: Basic principles //Indian Journal of Anaesthesia. 2016. Vol. 60, N 9. P. 652.
  38. Kim H. Y. Statistical notes for clinical researchers: Type I and type II errors in statistical decision // Restorative Dentistry & Endodontics. 2015. Vol. 40, N 3. P. 249–252.
  39. Noordzij M. et al. Sample size calculations: basic principles and common pitfalls // Nephrology dialysis transplantation. 2010. Vol. 25. N 5. P. 1388–1393.
  40. Tanaka H., Unno N., Suzuki Y., Sano H. et al. Hypoperfusion of the Aortic Wall Secondary to Degeneration of Adventitial Vasa Vasorum Causes Abdominal Aortic Aneurysms // Current Drug Targets. 2018. N 19. P. 1327–1332. DOI:10.2174/1389450119666180122154409.
  41. Heistad D. D., Marcus M. L. Role of vasa vasorum in nourishment of the aorta // Blood Vessels. 1979. N 16. P. 225– 238. DOI:10.1159/000158209.
  42. Sano M., Unno N., Sasaki T., Baba S. et al. Topologic distributions of vasa vasorum and lymphatic vasa vasorum in the aortic adventitia — Implications for the prevalence of aortic diseases // Atherosclerosis. 2016. N 247. P. 127–134. DOI:10.1016/J.ATHEROSCLEROSIS.2016.02.007.
  43. Grossmannova .K, Barathova M., Belvoncikova P., Lauko V. et al. Hypoxia Marker Carbonic Anhydrase IX Is Present in Abdominal Aortic Aneurysm Tissue and Plasma // Intern. Journal of Molecular Sciences. 2022. Vol. 23. P. 879. DOI:10.3390/IJMS23020879.
  44. Raffort J. et al. Artificial intelligence in abdominal aortic aneurysm // Journal of Vascular Surgery. 2020. Vol. 72, N 1. P. 321–333.