raport ŞtiinŢific Şi tehnic etapa ii (ianuarie-decembrie 2015) indisio etapa ii (2015).pdf ·...
Post on 07-Sep-2019
1 Views
Preview:
TRANSCRIPT
1
RAPORT ŞTIINŢIFIC ŞI TEHNIC
Etapa II (Ianuarie-Decembrie 2015)
Titlu proiect: INFRASTRUCTURA DE SUPORT PENTRU DIAGNOSTIC IMAGISTIC
INTELIGENT
Contractul de finanțare nr: 209/2014
Director: Prof. Univ. Dr. Cristin Constantin Vere
REZUMAT ETAPĂ:
A doua etapă a proiectului – Modul de prelucrare a imaginii – s-a întins pe 12 luni
(ianuarie‐ decembrie 2015) şi a inclus patru activități: Includere pacienți, investigații şi
monitorizare (activitatea 2.1), Dezvoltarea modelului ANN (activitatea 2.2), Extragerea
caracteristicilor și Înglobarea tehnicilor de procesare a imaginilor (activitatea 2.3) și
Diseminare (activitatea 2.4).
În cadrul primei activități (activitatea 2.1), UMF Craiova și SCJU Craiova, sub
supravegherea directorului de proiect, au identificat pacienți care să aibă indicație diagnostică
pentru administrarea VCE, stabilindu-se astfel un lot posibil de pacienți. După achiziționarea
sistemului VCE (August/Septembrie 2015), pacienții selectați au fost contactați în vederea
administrării dispozitivului. În paralel am desfășurat activitățile dedicate dezvoltării modulelor
de prelucrare a imaginii și de analiză cantitativă și calitativă bazate pe rețele neuronale
(activitățile 2.2 și 2.3). În cadrul acestora, am definit noțiunile primare și am stabilit
caracteristicile principale ale interfeței grafice, dezvoltând o primă formă a algoritmului de
procesare a datelor, care va fi testat pe un număr suficient de mare de cazuri clinice individuale.
Rezultatele preliminare ale studiului au fost diseminate (activitatea 2.4) prin publicarea
unui număr de trei rezumate (două prezentări orale și un poster) la congrese naționale și
internaționale. De asemenea, am publicat două articol full-text în reviste indexată în baze de
date internaționale (unul in press).
A2.1 Includere pacienți, investigații si monitorizare
Am continuat procedurile de includere în studiu, conform protocolului deja stabilit. Încă
de la începutul anului au fost selectați prospectiv pacienții care îndeplineau criteriile de
includere deja stabilite în cadrul etapei anterioare.
Conform protocolului stabilit, pacienții cu următoarele patologii suspectate au fost
supuși investigărilor ulterioare:
hemoragii gastro-intestinale obscure, oculte sau evidente,
anemie feriprivă de cauză necunoscută,
suspectarea bolii Crohn a intestinului subțire,
evaluarea precoce a recidivelor bolii Crohn după tratamentul chirurgical,
colita nedeterminată,
complicații refractare sau recurente ale tratamentului medicamentos anti-inflamator
nesteroidian în boala celiacă,
polipi în sindroame de polipoză,
suspectarea unor tumori ale intestinului subțire.
Toate indicațiile de mai sus au necesitat efectuarea endoscopiei superioare şi inferioare, ca
parte din procesul de investigare clinică. CO în colaborare cu personalul P1 a efectuat aceste
explorări și am selectat pacienții care îndeplineau criteriile pentru explorarea ulterioară cu VCE.
Toți pacienții au primit un formular de consimțământ informat (Anexa 1). Studiul a primit
aprobarea Comisiei de Etică – Nr. 100/12/12/2014.
A fost achiziționat sistemul de videocapsulă endoscopică, fiind incluși până în
momentul redactării raportului un număr de nouă pacienți. Fiecare dintre aceștia a urmat
2
investigația, neînregistrându-se efecte adverse sau reacții nedorite. Complianța pacienților
incluși a fost de 100%.
Cinci pacienți selectați nu au putut fi investigați prin VCE, nefiind disponibili pentru
înregistrare. Aceștia urmează a fi contactați iar o vizită va fi programată pentru efectuarea
investigației.
Doi pacienți au refuzat includerea în studiu; un număr de cinci pacienți nu au fost supuși
investigației, prezentând riscuri pentru obținerea de rezultate concludente (pregătire inadecvată
a intestinului subțire). Aceștia din urmă urmează a fi rechemați și o nouă vizită va fi programată,
după îndeplinirea standardelor de calitate în ceea ce privește pregătirea pre-investigație.
Pacienții incluși în studiu au fost înregistrați (Anexa 2 – model de fișă de înregistrare),
iar în urma efectuării investigației și a interpretării rezultatelor de către operatorii umani, au fost
generate rapoarte individuale (Anexa 3 – două modele de fișă de raportare).
Caracteristicile celor nouă pacienți selectați pentru investigație sunt prezentate în tabelul
de mai jos.
Nr.crt. Vârstă Mediu de
proveniență
Diagnostic trimitere Diagnostic VCE
1. 45 Urban Hiperplazie nodulara limfoida
a intestinului subțire
Hiperplazie nodulara
limfoida a intestinului
subțire
2. 43 Urban Sindrom de intestin iritabil Telangiectazie
3. 52 Urban Anemie hipocromă
microcitară
Aspect normal
4. 70 Rural Anemie feriprivă Ulcerații AINS/ Boala
Crohn in obs
5. 74 Urban Anemie feriprivă Telangiectazie
6. 35 Urban Sindrom de intestin iritabil Angiectazie
7. 53 Urban Anemie feriprivă Polip cecal
8. 72 Rural Sindrom anemic Telangiectazie
9. 67 Urban Polipi colonici In lucru
Nu au fost înregistrate dificultăți tehnice, iar calitatea înregistrărilor a fost apreciată ca
fiind bună de către personalul medical implicat în stabilirea diagnosticului.
Pacienții vor fi monitorizați în continuare la intervale de 3 luni (în primul an) apoi la
șase luni (anii 2-5), apoi anual. După caz, vor fi supuși unor altor investigații sau vor fi
direcționați pentru tratament de specialitate în alte servicii.
În continuare, a fost folosit sistemul computerizat pentru a se genera primele rezultate
folosind aplicația INDISIO.
A2.1.1 Baza de date securizată cu caracteristicile cazurilor
Baza de date INDISIO conține informațiile asociate celor mai relevante cazuri medicale
selecționate. Baza de date permite stocarea informațiilor de tip text și/sau secvențe media
preluate de la pacienții grupului țintă în urma investigațiilor medicale. Conform planului, au
fost parcurse următoarele sub-etape ale creării bazei de date:
Sub etapa 1 – Proiectarea bazei de date
Sub etapa 2 – Crearea bazei de date
Ultima etapă sub-etapa 3 – Popularea și testarea bazei de date, este in curs de realizare,
conform informațiilor colectate de P1.
3
A2.1.1.1 Proiectarea bazei de date
Această etapă a avut ca scop identificarea diagramei proceselor și a diagramei logice
asociate bazei de date, precum și stabilirea structurii bazei de date utilizate pentru stocarea
datelor.
Pentru implementarea etapei de proiectare a bazei de date, a fost realizat un chestionar de
completare a specificațiilor bazei de date care să reflecte următoarele aspecte relevante:
Domeniu de aplicabilitate,
Tipuri de documente/fișiere utilizate,
Interfațare cu alte sisteme,
Utilizatori ai bazei de date,
Disponibilitatea bazei de date,
Securitatea bazei de date,
Necesarul de resurse aferente bazei de date,
Backup și recovery,
Alte aspecte relevante.
Chestionarul a fost completat de beneficiarul direct al aplicației INDISIO – coordonatorul
proiectului. În baza observațiilor și a sesiunilor de comunicare avute s-a putut trece la
următoarea acțiune din proiectarea bazei de date.
Realizarea diagramei proceselor
În urma analizării chestionarului și ținând cont de specificul medical al aplicației INDISIO
au rezultat 2 tipuri de utilizatori/roluri pentru nucleul aplicației care vor interacționa cu baza de
date prin intermediul interfeței și anume: doctor și administrator. Pentru fiecare dinte cele 2
categorii de agenți externi care vor interacționa cu baza de date au fost dezvoltate diagramele
de procese în baza cărora s-a demarat procesul de implementare al aplicației.
Figura 1 Diagrama proceselor pentru vizualizarea datelor din baza de date INDISIO
4
Figura 2 Digrama proceselor pentru administrarea informațiilor generale din baza de date
INDISIO
Figura 3 Digrama proceselor pentru evenimente de tip Insert/Update/Delete din baza de date la
nivelul Administratorului
5
Figura 4 Digrama proceselor pentru evenimente de tip Insert/Update/Delete din baza de date la
nivelul Doctor-ului
Realizarea diagramei logice
Pentru a documenta necesarul de informații de tip business la nivelul aplicației INDISIO, a
fost dezvoltat modelul de date logic (diagrama logică E-R – entity relationship). Diagrama de
date logică este o componentă care se dezvoltă independent de componenta hardware sau
software asociată bazei de date. La realizarea diagramei logice s-au folosit elementele de
descriere grafică și textuală ale entităților și legăturilor care există între acestea.
Figura 5 Diagrama logică a bazei de date INDISIO
Alegerea sistemului de management al bazei de date
În baza chestionarului de completare a specificațiilor bazei de date, ținând cont de nevoile
legate de tipurile de fișiere utilizate, disponibilitatea bazei de date, securitatea bazei de date,
6
necesarul de resurse aferente bazei de date, backup și recovery și capacitatea de stocare sistemul
RDBMS – (relational database management system) ales a fost Microsoft SQL Server 2014.
Există o serie de avantaje ale utilizării soluției Microsoft SQL Server și anume:
performanțe mărite chiar și la resurse hardware de nivel mediu,
facilități de management îmbunătățite inclusiv din punctul de vedere al “disaster
recovery”,
scalabilitate mărită la nivel de putere de calcul, rețea sau spațiu de stocare,
nivel de securitate mărit integrat și cu soluții de autentificare compatibile Microsoft,
accesul la date folosind tool-uri uzuale complementare,
punerea la dispoziție a unui tool pentru management integrat – SQL Server
Management Studio cu nivele de autentificare complexe,
posibilitatea integrării pe diverse tehnologii și platforme .NET, C/C++, Java, PHP
și posibilitatea interfațării cu alte aplicații.
A2.1.1.2 Crearea bazei de date
Instalarea bazei de date (serverul Microsoft SQL Server 2014)
Având în vedere că proiectul este în etapa de dezvoltare și ținând cont de resursele
financiare limitate alocat pentru anul 2015, s-a decis ca pentru etapa de dezvoltare să se
folosească resursele interne ale partenerului APTUS. Astfel, s-a pus la dispoziție un server ca
echipament hardware și s-a instalat o licență de Microsoft SQL Server fiind complet funcțional
împreună cu nucleul aplicației INDISIO.
Adresa la care se găsește provizoriu BD este - http://194.169.209.70/index.html#Login
Realizarea diagramei relaționale
Pornind de la diagrama logică s-a realizat diagrama relațională ce conține practic tabelele
din baza de date cu toate constrângerile de tip PK – Primary key și FK – foreign key.
Figura 6 Diagrama relațională pentru tabelele asociate în principal secțiunii Pacient
7
Figura 5 Digrama relațională a bazei de date INDISIO
Crearea fizică a structurii bazei de date
În baza diagramei relaționale și folosind facilitățile oferite de SQL Server Management
Studio a fost creată structura fizică a bazei de date APTUS_MEDICAL_INDISIO cu toate
elementele de referință asociate. Aceasta se regăsește pe serverul de dezvoltare fiind complet
funcțional și integrat cu nucleul de bază al aplicației INDISIO.
Figura 8 Lista tabelelor fizice aferente bazei de date
INDISIO
Crearea elementelor de interfațare cu baza de date
Pentru a putea accesa datele din baza de date au fost create pagini de interfațare cu baza de
date. Au fost realizate un set de pagini în secțiunea administrare ce sunt descrise la dezvoltarea
nucleului aplicației INDISIO.
8
Figura 9 Pagina de interfațare cu baza de date
A2.1.2 Dezvoltarea aplicației INDISIO
Dezvoltarea aplicației INDISIO presupune mai multe sub-etape. În anul 2015, în
conformitate cu acțiunile stabilite în planul de activități și procedurile de lucru, au fost demarate
și finalizate parțial activitățile asociate:
Sub etapa 1 – Proiectării design-ului aplicației,
Sub etapa 2 – Dezvoltării modulelor de procesare a imaginilor.
A2.1.2.1 Proiectarea aplicației INDISIO
Această etapă are ca scop identificarea cerințelor aplicației, stabilirea tehnologiilor
utilizate pentru dezvoltarea aplicației, documentarea cu privire la necesarul de resurse
hardware și software pentru implementarea și deployment-ul aplicației INDISIO, design-
ul modulelor GUI.
Pentru implementarea etapei de proiectare a design-ului aplicației a fost realizat un
chestionar de completare a specificațiilor aplicației INDISIO care să reflecte aspectele relevante
pentru stabilirea specificațiilor aplicației.
Chestionarul a fost completat de beneficiarul direct al aplicației INDISIO – coordonatorul
proiectului. În baza observațiilor și a sesiunilor de comunicare avute s-a putut trece la
dezvoltarea aplicației INDISIO.
Arhitectura și tehnologiile utilizate în cadrul aplicației INDISIO
În urma documentării și a cerințelor privind utilizarea aplicației INDISIO a rezultat o
arhitectură de tip web-based access.
Componenta server este instalată pe sistem de operare Windows 2012R2 și integrează 2
categorii de tehnologii:
Front-end modul – care presupune zona de dezvoltare a componentelor de interfață
(client-side). Pentru aceasta se folosește HTML5, JavaScript, Boottrap, jquery și UI
integrat Kendo ce conține și elementele de style specifice CSS,
Server-side modul – care utilizează .Net framework 4.5, C#, Microsoft SQL Server
2014
Cele 2 module rulează pe platforma IIS – Internet Information Server sub Windows 2012
R2.
La nivelul clientului se utilizează un simplu browser web.
9
Figura 10 Arhitectura aplicației INDISIO
Cerințe hardware și software aferente deployment-ului aplicației INDISIO
Cerințele hardware și software necesare componentei server sunt:
Se va folosi ultima versiune a serverului Microsoft Windows Server. În cazul de față
s-a folosit Microsoft Windows Server 2012R2. Cerințele hardware de sistem sunt
specificate pe site-ul - https://technet.microsoft.com/en-us/library/ dn303418.aspx
Baza de date INDISIO este instalată în momentul de față pe versiunea Microsoft
SQL server 2014. Pentru ultima versiune a Microsoft SQL Server cerințele hardware
și software sunt specificate pe site-ul https://msdn.microsoft.com/en-
us/library/ms143506.aspx
Specificațiile aplicației INDISIO
Ca urmare a analizei chestionarului privind cerințele și specificațiile aplicației au fost
identificate 2 module ale aplicației:
Nucleul de bază al aplicației INDISIO – care este responsabil pentru gestionarea
datelor din baza de date,
Modulele de procesare a fișierelor media integrate cu aplicația INDISIO.
Nucleul de bază al aplicației INDISIO conține 2 secțiuni
1. Secțiunea OPERAȚIONAL – care este accesibilă ambelor roluri DOCTOR și
ADMINISTRATOR.
Figura 11 Secțiunea OPERAȚIONAL
10
Secțiunea permite administrarea datelor din baza de date asociate pacienților. Se pot adăuga
pacienți noi sau se pot vizualiza și actualiza datele asociate unui pacient: date personale,
informațiile aferente diagnosticelor, programarea vizitelor sau gestionarea sesiunilor de
informații media aferente consultului medical.
Figura 12 Pagina pacientului
2. Secțiunea ADMINISTRARE – care este accesibilă doar rolului ADMINISTRATOR.
Figura 13 Secțiunea ADMINISTRARE
Figura 14 Pagina de administrare a utilizatorilor
aplicației
Figura 15 Pagina de actualizare a
diagnosticelor
Secțiunea permite actualizarea datelor din baza de date aferente:
actului medical: diagnostice, markeri,
setărilor de sistem: căile de stocare a fișierelor media, utilizatorii și rolurile din
aplicație, elemente de interfață,
A2.2 Dezvoltarea modelului ANN
Rețelele neuronale artificiale (ANN – Artificial Neural Networks) sunt structuri de
procesare paralele alcătuite din elemente sau noduri ce simulează procesele biologice de
învățare. Aceste aplicații software sunt create pentru a reproduce neuronii și sinapsele neuronale,
11
având pe de o parte, capacitatea de a prelua și procesa o serie de date de intrare, pe baza cărora
identifică soluții pentru diverse probleme complexe, iar pe de altă parte au capacitatea de a
învăța pe parcurs, adaptându-se astfel unor necesități ulterioare.
În cazul unor conexiuni neliniare, datorită unor date incorecte și lipsite de un algoritm
matematic bine stabilit ce cresc riscul apariției de erori, rețelele neuronale reprezintă o soluție
pentru aceste probleme dificile. Un mare avantaj al acestor rețele îl reprezintă capacitatea lor
de a identifica, pornind doar de la datele disponibile achiziționate în etapa de antrenare, un
model al sistemului analizat datorită abilității lor de a determina și generaliza o serie de corelații
și reguli de asociere. Rețelele neuronale pot folosi reguli de învățare deja însușite pentru a
rezolva probleme similare ce apar ulterior, fiind astfel o adecvate în soluționarea unor probleme
ce apar în practica medicală.
Calcule elementare pot fi efectuate individual de fiecare element de procesare, învățarea
realizându-se prin adaptarea ponderilor asignate conexiunilor dintre diverse noduri. Pentru a
clasifica imaginile achiziționate de videocapsula endoscopică, s-a folosit un eșantion de date
pentru învățare în etapa de antrenare a rețelei (cupluri de date de intrare / ieșire) pe baza cărora
s-au putut determina ponderile. Obiectivul final îl reprezintă clasificarea noilor imagini pe baza
asemănării sau nu a acestora cu imaginile utilizate în etapa de antrenare. Metoda clusterelor
reprezintă varianta nesupravegheată de învățare.
Numărul mare de conexiuni al rețelei neuronale permite încorporarea informației spațiale
în procedura de clasificare. În general, pentru clasificarea imaginilor se pot asocia rețelelor
neuronale diverse tehnici statistice de pattern recognition. Clasificarea imaginilor complexe a
vizat implementarea unui tip de rețele cu o topologie multi-strat bazată pe perceptroni (MPL –
Multi Layer Perceptron), utilizând un algoritm complex de propagare inversă (back
propagation).
Antrenarea rețelelor neuronale, după stabilirea datelor de intrare și ieșire, urmărește
obținerea unei erori medii pătratice (MSE – Mean Squared Error) mai mică decât o anumită
valoare de prag. În cazul aplicației generale INDISIO, am ales valoarea 0.0001. O serie de valori
aleatoare inițializează ponderea conexiunilor dintre neuroni, în timp ce ceilalți parametrii sunt
în mod obișnuit preluați ca valori by default setate de diverse toolbox-uri de creare a rețelei
neuronale. Pentru crearea rețelei neuronale utilizate în cadrul aplicației, am folosit NNT –
Neural Network Toolbox din Matlab – Mathworks Inc.
Datorită rolului major pe care îl au în dezvoltarea de aplicații medicale, o etapă importantă
este cea a determinării arhitecturii optime a rețelei neuronale. În etapa de antrenare, am urmărit
furnizarea unor date de ieșire cu acuratețe ridicată, ce vor fi utilizate de către medicul
examinator în vederea asigurării aplicabilității sistemului în practica medicală.
Aplicația software de detecție a leziunilor se bazează pe aceiași parametrii urmăriți de
medicul examinator, extrași din cadrele preluate cu ajutorul VCE ce cuantifică caracteristicile
imagistice ale unei leziuni, pentru a confirma sau infirma prezența acesteia în interiorul
segmentului digestiv investigat. În ceea ce privește identificarea și clasificarea leziunilor
rețeaua neuronală poate simula experiența profesională a medicului examinator prin primirea
ca date de intrare a unui set de valori ale diverselor caracteristici ce au fost extrase în prealabil,
urmând ca ea să furnizeze ca ieșire o clasificare a unei leziuni.
În cadrul aplicației INDISIO, a fost implementată o rețea neuronală cu un strat de neuroni
de intrare, un strat ascuns și un strat de neuroni de ieșire. Numărul neuronilor din stratul de
intrare este egal cu numărul parametrilor extrași de modulele de analiza imagistică. Stratul de
ieșire este reprezentat de un singur neuron, care furnizează rezultatul clasificării. Stratul ascuns
cuprinde 10 neuroni. Rețeaua neuronală a fost definită cu o funcție de antrenare de tip
Levenberg-Marquardt, o funcție de învățare de tip learngdm (Gradient descent with momentum
weight and bias learning function). Calculul performanței s-a bazat pe MSE. Ca vectori de
intrare s-au folosit datele furnizate de modulele de analiză a culorii, texturii şi formei. Parametrii
12
cu valori numerice au fost utilizați ca atare. Parametrii precum tipul de textură identificată,
localizarea regiunii sau dependența de luminozitate au fost cuantificați ca enumerări.
Funcțiile de transfer ce fac legăturile dintre straturile de neuroni reflectă de fapt sinapsele
umane. Rezultatul final este calculat în funcție de datele de intrare care sunt ponderate de
anumite valori ce simbolizează importanța fiecărui parametru de intrare. Ponderile nu au fost
în mod strict stabilite de la început, ci au fost determinate ci au fost determinate în cadrul etapei
de antrenare, prin calcule iterative. Această etapă asigură convergența perechilor definite de
datele de intrare și ponderile asociate către valoarea de ieșire, evidențiind corelația dintre
acestea. Pentru definirea rețelei neuronale, a fost stabilit un eșantion de 100 de imagini care să
cuprindă o variație cat mai mare din punct de vedere al conținutului informațional. Cea mai
mare parte a imaginilor a fost utilizată pentru antrenarea rețelei, restul cadrelor fiind necesare
în procesul de validare şi testare a performanței acesteia. Validarea rezultatelor furnizate de
rețea s-a făcut pe baza unui diagnostic stabilit anterior de un medic cu experiență. Acest
diagnostic a reprezentat punctul de referință în evaluarea si modificarea algoritmilor
implementați.
Această metodă de clasificare reprezintă un punct de plecare în dezvoltarea aplicației
INDISIO. Rețelele neuronale sunt astfel construite încât permit adaptarea si învățarea continuă.
Pe măsură ce vor fi și alte date disponibile, din diverse surse, performanțele rețelei vor fi
actualizate pentru a oferi medicului examinator indicii clare relativ la prezența anumitor leziuni
în cadrele achiziționate de videocapsula endoscopică.
A2.3 Extragerea caracteristicilor și înglobarea tehnicilor de procesare a imaginilor
Pentru stabilirea modulelor de procesare de imagini implementate în aplicația INDISIO,
împreună cu coordonatorul proiectului au fost analizate o serie de leziuni ce pot fi identificate.
S-au analizat, din punct de vedere imagistic, parametrii de imagini care se pot lua în considerare
la diagnosticare prin imagistică medicală.
Imaginile obținute în urma investigației cu videocapsula endoscopică efectuată în cazul
primilor pacienți incluși în lotul de studiu au stat la baza realizării unor eșantioane de analiză
imagistică. Ulterior, acestea au fost prelucrate prin aplicarea unei serii de tehnici de procesare,
extragere a elementelor specifice, împărțire pe regiuni și clasificare automată în funcție de
conținut. Cele mai adecvate procese de prelucrare, segmentare și clasificare au fost alese pentru
alcătuirea fluxului de date specific algoritmilor identificați pentru detecția automată a leziunilor
vasculare (telangiectazii) și a polipilor intestinali / colonici.
Datorită zgomotului indus de sistemul de achiziție a imaginilor corespunzător videocapsulei
endoscopice, este necesară o etapă inițială de pre-procesare a cadrelor originale, definită prin
convoluția acestora cu o serie de funcții gaussiene. Această etapă este utilă şi pentru realizarea
unei uniformizări a mucoasei intestinale, ducând la o detecție mai clară a contururilor
elementelor semnificative prezente în cadrul imaginilor.
Cei mai uzuali descriptori imagistici folosiți în cea mai mare parte a aplicațiilor software cu
specific imagistic bazat pe conținut sunt culoarea, textura şi forma regiunilor specifice. Aceste
trei caracteristici reprezintă fundația metodei de analiză globală a filmelor furnizate de
videocapsula endoscopică fiind, de fapt, transpunerea etapelor principale care se regăsesc şi în
analiza efectuată de medicul examinator. Alte trăsături specifice precum rotația şi/sau
deplasarea vizibile într-o secvență de cadre, contururile parțiale precum şi direcția de mișcare
pot crește acuratețea de identificare a elementelor deosebite prezente în cadrele WCE, deoarece
completează tabloul imagistic al cadrelor.
13
A2.3.1 Modul de procesare a culorii
Culoarea reprezintă un descriptor important în cadrul proceselor şi tehnicilor de analiză
imagistică, cu o puternică semnificație relativ la conținutul informațional al imaginilor analizate,
fiind totodată un element perceput cu ușurință de ochiul uman, atât înainte de procesarea
imaginii respective, cât și după aplicarea diverselor metode de prelucrare. În cazul imaginilor
achiziționate de videocapsula endoscopică, pentru medicul examinator culoarea are o
însemnătate deosebită, fiind elementul de bază al detecției sângerărilor gastrointestinale, dar şi
un indicator important al altor potențiale leziuni situate la nivelul tractului digestiv al pacienților.
În mod evident, medicul consideră şi percepe culoarea ca fiind o trăsătură naturală în imagini,
spre deosebire de echipamentele de calcul pentru care culoarea are o însemnătate strict
matematică, exprimată în parametrii precum frecvență sau intensitate.
Scopul modulului de analiză a culorii este de a simula procedeele de analiză ale
examinatorului uman, urmărind parametrii și proprietățile imaginilor analizate, dar printr-o
abordare tehnică, în scopul de a evidenția caracteristicile coloristice specifice atât mucoasei
intestinale și colonice normale, cât și specifice anumitor tipuri de leziuni. Culoarea reprezintă
elementul fundamental în procesul de identificare a celor mai multe modificări, precum
telangiectaziile, sângerările active, ulcerațiile. Mai puțin importantă este în cazul detecției
polipilor, aceștia neavând o culoare specifică, diferită de cea a mucoasei înconjurătoare.
Modulul vizează identificarea unor nuanțe de roșu aprins în cazul sângerărilor oculte intestinale,
roșu-maroniu specific telangiectaziilor, nuanțe de verde / galben pentru resturile intestinale sau
alb strălucitor pentru conturul bulelor de aer.
Din seturile de date disponibile până acum, cadrele care prezintă telangiectazii oferă cea
mai buna platformă de definiție și testare a modulului de detecție a culorii. Acest tip de leziuni
acoperă o gamă destul de mare de nuanțe specifice, în comparație cu tonurile mucoasei
intestinale înconjurătoare și cu localizarea în interiorul tractului digestiv. În cazul leziunilor
submucoasei, se observă nuanțe mai deschise, și mai apropiate de aspectul coloristic al
mucoasei intestinale normale.
Luminozitatea imaginilor reprezintă un factor important în detecția acestor culori, eficiența
procesului fiind influențată de variația intensității sursei de lumină. Astfel, anumite porțiuni ale
tractului digestiv pot fi mai apropiate de sursa de lumină, apărând mai luminoase raportat la
celelalte regiuni din imagine. Din acest motiv, am căutat să implementăm în modulul de detecție
a culorii descriptori puțin sensibili la variațiile luminii.
A2.3.1.1 Sursa de lumină
Videocapsula endoscopică este echipată cu un sistem de 6 LED-uri (Light Emitting Diode)
ce furnizează o lumină de bună calitate, permițând astfel vizualizarea optimă a interiorului
tractului digestiv al pacienților prin intermediul camerei CCD (Charge-coupled Device) ce
prezintă o deschidere de 145o, precum şi o adâncime de 0-20 mm.
Randamentul luminos este reprezentat matematic de raportul dintre fluxul luminos și
puterea specifică de intrare. Fluxul exprimă cantitatea de lumină emisă, fără a ține cont de
direcția de distribuire a acesteia. Astfel, datorită faptului ca mucoasa intestinală nu este plată,
ci prezintă o serie de pliuri ce variază ca mărime și formă, repartizarea fluxului luminos pe
suprafața acesteia nu este uniformă. La aceasta variație, se adaugă și diversitatea unghiurilor de
proiecție a luminii, care depind de poziționarea videocapsulei relativ la axa centrală a tractului
digestiv. În aceste condiții, diferite regiuni cuprinse într-o singură imagine sunt caracterizate de
niveluri de iluminare diferite. Impresia de luminozitate specifică unei suprafețe sau unui obiect
este cuantificată prin luminanță. Fluxul luminos este absorbit în special de porțiunea de
mucoasa intestinală plasată în imediata vecinătate a videocapsulei endoscopice, care reflectă
partea reziduală. Practic, din punct de vedere imagistic, culoarea reflectă cantitatea de lumină
14
absorbită, precum și cantitatea de lumină reflectată – aceasta din urmă fiind exprimată prin
luminanță; această componentă reflectată influențează percepția luminozității unei imagini. În
cazul cadrelor care surprind în mare parte lumenul intestinal, specifice porțiunilor de intestin
mai puțin sinuoase, şi în contextul în care videocapsula este poziționată paralel cu axul central,
lumina este doar într-o mică măsură reflectată înapoi, fiind dispersată în mare parte.
Figura 16 Diferite grade de iluminare ale
cadrelor achiziţionate de videocapsula
endoscopică
Figura 17 Reflexia celor 6 LED-uri ale
videocapsulei în cadrul imaginilor VCE
Figura 16 prezintă o serie de cadre achiziționate de videocapsula endoscopică, cu diferite
grade de iluminare.
In contextul trăsăturilor fizice caracteristice tractului digestiv, iluminarea cadrelor variază
datorită unei distribuții neuniforme a luminii produse de LED-urile videocapsulei în planul
principal al regiunilor surprinse în imagine. Dispoziția circulară a acestora în jurul sistemului
de achiziție a imaginilor favorizează îmbunătățirea gradului de uniformitate a luminii emise.
De asemenea, compensează şi dezavantajul mărimii fizice a LED-urilor (raportate la
dimensiunile globale ale videocapsulei) care trebuie să fie totuși suficient de puternice pentru a
furniza o intensitate luminoasă corespunzătoare achiziției de imagini calitative, adecvate
prelucrărilor ulterioare.
Există cazuri în care cadrele prezintă porțiuni mici şi dese de culoare albă, datorită
elementelor care prezintă suprafețe netede şi lucioase, precum bulele de aer şi lichidul intestinal.
În aceste condiții, cantitatea de lumină reflectată este semnificativă, iar aspectul vizual este ușor
de detectat, întrucât este similar cu o altă sursă de lumină. Figura 17 exemplifică o serie de
cadre care prezintă aceste elemente. Se poate observa chiar dispoziția circulară a LED-urilor
videocapsulei. Aceste reflexii pot influența însă parametrii coloristici globali ai imaginilor
achiziționate de videocapsula endoscopică.
Chiar dacă nivelul de iluminare variază de la cadru la cadru, în funcție de prezența
lumenului intestinal (care este vizibil ca o regiune cu luminozitate minimă) şi de poziția
videocapsulei relativ la peretele intestinal, în majoritatea cadrelor, acesta este optim pentru
redarea corectă a culorilor specifice primului plan din imagini, fiind util în procesul de
identificare a majorității leziunilor întâlnite.
15
A2.3.1.2 Spațiul culorilor
Totalitatea culorilor regrupează modele sau spații standard de culori, compuse din puncte
unice corespunzătoare fiecărei nuanțe. Pentru fiecare cadru, analiza coloristică a relevat un
subspațiu specific din spațiul complet al culorilor. În cazul cadrelor ce conțin leziuni cu aspect
coloristic specific, modulul izolează acea zonă din conținutul informațional al imaginii, prin
divizarea spațiului de culori în seturi de regiuni disjuncte. Analiza preliminară a filmelor
disponibile a relevat faptul că pot exista diferențe coloristice între cadrele pacienților diferiți,
pentru același segment al tractului digestiv. Astfel, modulul prevede şi o funcție care determină
paleta globală de culori a întregului tract digestiv, pentru o eventuală comparație ulterioară a
mucoasei normale din regiunile unui cadru care conține şi o potențială leziune.
Figura 18 – Cinci cadre achiziționate de videocapsula endoscopica, reprezentând atât mucoasa
intestinală normală cat si leziuni, însoțite de distribuția culorilor spațiul culorilor RGB.
Dată fiind capacitatea vizată a aplicației INDISIO de a analiza şi cadre independente,
raportarea la analiza globală este opțională, realizându-se numai în cazul disponibilității
16
întregului film pentru un pacient. În aceste condiții, raportarea se face doar în funcție de alte
cadre cu leziuni asemănătoare din baza de date.
Aceste cadre sunt utile şi pentru definirea subspațiului culorilor specifice unei anumite
leziuni. Ulterior, valorile de margine reprezintă valori de prag ce vor fi utilizate pentru
comparația pixelilor din următoarele imagini supuse analizei. Practic, procesul de analiză
coloristică urmărește stabilirea nuanțelor si tonurilor dominante corespunzătoare leziunilor si
mucoasei normale, precum și delimitarea regiunilor din fiecare cadru definite de aceste culori,
prin tehnica de divizare a spațiului de culori, pe baza comparației cu valorile de prag specifice
subspațiilor.
Relativ la cel mai comun spațiu de culori - RGB (Red – roşu, Green – verde, Blue – albastru),
putem menționa că leziunile vasculare sunt definite de nuanțe specifice de roșu, astfel că
valoarea componentei R este relativ mare, implicit existând o reflexie mai puternică a luminii.
In cazul lichidelor intestinale, care au o textura uneori asemănătoare, paleta coloristică este
definită preponderent de tonuri de galben – verde. Componentele G si R au valori mai apropiate
de cele specifice mucoasei normale, dar tehnica de divizare a spațiului culorilor permite totuși
izolarea, în anumite limite, a culorilor specifice acestora. Figura 18 exemplifică definirea
spațiului global pentru câteva cadre. Pentru completarea caracteristicilor coloristice ale cadrelor,
s-a utilizat şi sistemul HSV (H – hue, S – saturation, V – value) în vederea stabilirii valorilor
saturației şi a tonalității cromatice, în special pentru telangiectazii.
Pentru fiecare cadru în parte, modulul de analiză a culorilor stabilește gama completă de
culori a cadrului şi determină existenta regiunilor care se încadrează în subspațiile de culori
definite anterior, prin comparația cu valorile de prag. In plus, determină saturația şi tonalitatea
cromatică medie pentru întregul cadru, dar şi pentru fiecare regiune în parte. În cazul în care
există regiuni de culoare specifice sângerărilor active şi telangiectaziilor (cu nuanțe de roșu
aprins sau roşu-maroniu), modulul calculează aceiași parametri şi pentru totalitatea regiunilor
din cadru, mai puțin regiunea considerată ca leziune. Ulterior, în funcție de textură, se va
stabili dacă sunt sau nu prezente leziuni în cadrul respectiv. Implementarea modulului a fost
realizată în C#, folosind şi funcțiile predefinite din framework-ul C# AForge.NET, precum şi
în Matlab.
A2.3.2 Modul de procesare a texturii
Modulul de procesare a texturii analizează un alt parametru esențial în detecția automată a
leziunilor prezente la nivelul tractului digestiv: textura. Precum modulul anterior de procesare
a culorii, determină totodată relația dintre caracteristicile texturale ale leziunilor şi cele ale
mucoasei normale înconjurătoare. Această dependență este influențată de localizarea
videocapsulei în interiorul tubului digestiv, deoarece segmentele anatomice ale acestuia (esofag,
stomac, intestin subțire, colon) sunt caracterizat de texturi diferite. Analiza inițială efectuată pe
filmele obținute până în prezent a indicat faptul că inclusiv în cadrul aceluiași segment sau
aceluiași pot exista multiple texturi, adesea foarte asemănătoare, corespunzând pliurilor
intestinale, eventualelor leziuni sau diverselor artefacte. Texturile pot fi definite ca un ansamblu de elemente individuale plasate alăturat care
generează diverse modele, fiind caracterizate de componente invariante din punct de vedere
spațial. Ele reprezintă grupe de elemente unice sau primitive, fiind specifice zonelor uniforme,
segmentelor liniare sau chiar pixelilor unici. În principiu, textura simbolizează senzația definită
de atingerea acelor suprafețe sau obiecte, dar pot oferi şi informații relativ la proprietățile
specifice asociate senzațiilor non-tactile ci vizuale.
Datorită faptului că anumite leziuni şi artefacte sunt caracterizate de o distibuţie specifică a
pixelilor în spațiul bidimensional, modulul realizează o analiză bazată pe modele liniare şi non-
liniare, regrupând câteva tehnici de procesare precum șabloanele locale (LBP - Local Binary
17
Patterns), comparația histogramelor, autocorelarea sau matricile de co-ocurenţă. Strategia
generală a aplicaţiei INDISIO este de a emula procesul de analiză al medicului examinator,
exploatând însă capacitatea de procesare a echipamentelor moderne. Astfel, studiul texturii în
cadrul modulului dedicat este realizat în domeniul frecvenței şi în domeniul spaţial, prin
utilizarea unor tehnici de procesare ce au la baza energia răspusului unor filtre aplicate
imaginilor exprimate ca semnale bidimensionale. Tot prin intermediul filtrelor se realizează şi
o eliminare a frecvențelor nedorite din componenta unei imagini achiziționate de videocapsulă,
prin setarea acestuia în vederea blocării anumitor componente specifice semnalului.
Figura 19 Șase cadre originale achiziționate de videocapsula endoscopică, alături de
segmentarea regiunilor în funcție de 5 tipuri de texturi
Analiza texturii se realizează independent de analiza coloristică a cadrelor, urmând ca
rezultatele acestor module să fie corelate la nivelul aplicației INDISIO, integrându-le în
algoritmul general de detecție a leziunilor pe baza întregului ansamblu de caracteristici
imagistice. Astfel, elementele cu aceeași textură sau cu texturi asemănătoare vor putea fi
diferențiate în funcție de culoare: nuanțe de galben-maroniu pentru mucoasa intestinală normala,
galben-verde pentru lichidele intestinale, diferite tonuri de roşu pentru leziunile vasculare etc.
Modulul integrează câteva aplicații de extragere a texturilor dezvoltate în Matlab. Texturile
au fost inițial determinate cu ajutorul operatorului Local Binary Pattern, utilizând ulterior
histograme pentru comparațiile ulterioare. De asemenea, a fost implementata o bancă de filtre
Gabor, configurată pe baza combinațiilor dintre orientările şi frecvențele filtrelor. Aceste
combinații nu au fost stabilite neapărat conform unor reguli predefinite, ci au fost determinate
în urma unei analize efectuate pe un eșantion compus din 250 de imagini, utilizat pentru
stabilirea acoperirii corespunzătoare a întregului domeniu al frecvențelor spațiale, în condițiile
în care se asigura cât mai puține suprapuneri ale filtrelor Gabor din bancă. S-a utilizat cu
preponderență componenta reală a filtrelor Gabor, dintre cele două componente Gauss simetrice
definite în domeniul frecvenței specifice acestora. Alegerea acestui tip de filtre s-a bazat pe
capacitatea acestora de a simula destul de bine comportamentul vizual uman.
Banca de filtre specifică modulului de analiză a texturii este compusă dintr-o serie de filtre
Gabor definite pe 6 direcții diferite, cu următoarele orientări: 0o, 30o, 60o, 90o, 120o şi 150o.
Locația centrală a filtrelor din bancă este stabilită prin intermediul frecvenței şi a unghiului de
rotație. Menținând ideea de similitudine cu procesul de analiză a medicului examinator, lățimea
de bandă a filtrului Gabor a fost stabilită în funcție de lățimea de bandă specifică răspunsului
celulelor situate la nivelul cortexului uman, care variază între 0.5 si 2.5 octave. În acest context,
valoarea lățimii de bandă a filtrelor implementate în modulul de analiză a texturii a fost stabilită
la o octavă. Totodată, dimensiunea imaginilor achiziționate de videocapsula endoscopică a stat
la baza definirii lungimii de undă a funcției sinusoidale. În concluzie, parametrii specifici băncii
de filtre Gabor au fost stabiliți experimental, pe baza eșantionului de analiză. Pentru fiecare
18
cadru analizat, modulul poate furniza până la 5 texturi diferite, conform figurii 19, permițând
identificarea anumitor leziuni prezente la nivelul tractului digestiv.
A2.3.3 Modul de procesare a formei
Modulul de procesare a formei completează analiza imagistică realizată de modulele
anterior definite, analizând un parametru extrem de important în segmentarea imaginii.
Anumite leziuni întâlnite la nivelul tractului digestiv al pacienților nu prezintă un contur regulat,
astfel că detecția lor se va baza pe alte metode. În schimb, polipii intestinali şi colonici au ca
trăsătură de bază forma parţial rotunjită corespunzătoare țesutului protruzionat din mucoasa
intestinală. Polipii pedunculaţi care sunt proiectaţi pe secţiunea lumenului sunt de asemenea
mai ușor de identificat pe baza detecției conturului lor. Forma elementelor prezente în imaginile
achiziționate de videocapsula endoscopică este determinată pe baza contururilor detectate,
reprezentând o componentă cu o pondere importantă în procesul final de analiză.
Segmentarea bazată pe contur este de asemenea utilizată pentru determinarea reprezentării
imaginilor ca ansamblu de regiuni distincte, fără a ţine cont de alte caracteristici imagistice. In
majoritatea cazurilor, imaginile furnizate de videocapsulă pot fi împărţite în arii relativ
disjuncte corespunzătoare lumenului, pliurilor intestinale, artefactelor, polipilor sau altor
leziuni (dacă prezintă margini bine definite). Acest proces de divizare sporeşte şansele de
identificare corectă a leziunilor, deoarece permite analiza caracteristicilor imagistice doar
pentru anumite regiuni din imagine, alături de comparaţii intre regiuni, comparaţii cu regiuni
similare din alte cadre.
Detecţia contururilor a fost implementată în Matlab, pe baza răspunsului de fază al filtrului
Gabor. S-a utilizat o bancă de 8 filtre Gabor. Metoda corespunde conversiei imaginilor originale
în semnale bidimensionale, caracterizate în domeniul frecvenţelor prin amplitudine şi fază.
Răspunsul de amplitudine reprezintă raportul dintre aplitudinea de ieşire şi cea de intrare.
Răspunsul de fază este definit în mod similar, reflectând cel mai bine semnalul iniţial (imaginea
originală). Acest răspuns exprimă relaţia dintre faza unui semnal de intrare de tip sinusoidal şi
semnalul corespunzător de ieşire, trecut prin filtru. Parametrii filtrelor Gabor au stabiliţi
experimental, pe baza unui eşantion compus din 200 de imagini. Banca de filtre diferite a fost
compusă utilizând două direcții diferite, cu orientare 45o şi 90o, frecvenţe 0.5 si 2, precum şi
două scale diferite – 2 şi 5. Aceasta structură s-a dovedit a fi eficientă şi optimă pentru
segmentarea polipilor din imaginile incluse în eșantionul de analiză. De asemenea, răspunsul
de fază a detectat cu o acuratețe crescută contururile prezente în cadre, după cum indică şi figura
20. Imaginile obținute după aceasta etapă intermediară de procesare sunt de tip greyscale.
Modulul de analiză a formei este compus din mai multe etape de procesare. Pentru fiecare
cadru analizat, după determinarea contururilor pe baza filtrelor Gabor, se realizează binarizarea
imaginii pe baza unei valori de prag. Experimentele efectuate pe eșantionul de analiză au dus
la stabilirea valorii de prag 215. Etapa de binarizare constă în analiza intensității fiecărui pixel.
Dacă această valoare este situată sub valoarea de prag, atunci acel pixel reprezintă un pixel de
fundal. In caz contrar, pixelul respectiv este considerat ca un pixel aparținând unui contur
identificat în imagine. Ulterior, modulul dispune de două direcții de analiză. Prima direcție
analizează regiunile distincte din cadrul imaginii, obținute în urma procesului de segmentare pe
baza contururilor determinate. Fiecare regiune poate fi apoi supusă unor noi prelucrări /
verificări. Cea de-a doua direcție urmărește identificarea prezentei unor polipi în interiorul
imaginii analizate, prin analiza curburii segmentelor determinate. Pe baza contururilor stabilite
în urma aplicării valorii de prag, se determină lungimea acestora – mai exact, se determină
numărul pixelilor din interiorul conturului. La final, se determina aria celui mai mic dreptunghi
care îl cuprinde integral. Evident, este necesară stabilirea unei limite minime a ariei – pe baza
eșantionului de imagini, s-a determinat experimental valoarea 430 de pixeli (neluându-se în
19
calcul și ariile mai mici de 20 de pixeli). De asemenea, pentru a reduce pe cât posibil numărul
de contururi false (care nu aparțin unui polip), s-a determinat experimental că un contur compus
dintr-un număr de pixeli similar cu numărul de pixeli ai lungimii dreptunghiului minim în care
se poate încadra nu poate aparține unui polip. Astfel, aceste contururi nu au fost luate în calcul
în fazele următoare de procesare.
Figura 20 a) un cadru original furnizat de videocapsula endoscopică; b-c) răspunsul de
amplitudine și răspunsul de fază al filtrului Gabor; d-e) Partea reală a filtrului Gabor, cu scala
2, frecvența 0.5, orientarea 1.5708.
Următoarea etapă regrupează tehnica top-hat de reducere a punctelor care nu aparțin unui
contur, precum si procesul de skeletonizare a imaginii rezultate în urma reducerii. La final, se
obține o imagine alb-negru care cuprinde contururile cu potențial de a aparține unui polip, dar
rafinate la un ansamblu de pixeli care reproduc forma originală. Acest proces nu modifică
proprietățile formei inițiale, dar favorizează analiza şi determinarea tipului formei originale.
Analiza continuă cu determinarea curburii contururilor ramase în imaginea prelucrată.
Datorita faptului ca etapa de detecție a contururilor nu prezintă acuratețe maximă, deci pixeli ai
conturului real al polipului pot fi considerați pixeli ai mucoasei, şi vice-versa, este necesară o
aproximare a curburii generate de conturul respectiv. Această aproximare a fost realizată prin
generarea curbei Bezier plecând de la primul şi ultimul punct al conturului, la care se adaugă
progresiv puncte intermediare. Aceasta etapă nu reflectă un proces de interpolare clasic,
deoarece curba nu va trece prin toate punctele conturului determinat prin răspunsul de fază,
tocmai pentru ca ia în calcul şi potențialele erori de detecție, în schimb se va menține în mod
constant în interiorul poligonului determinat de punctele de control – adică punctele conturului
inițial. Figura 21 exemplifică subetapele de procesare. Curbele Bezier trec în mod obligatoriu
prin primul şi ultimul punct al conturului. Dacă un contur are mai multe puncte de extremitate,
atunci are mai multe ramificații. Astfel, se generează câte o curbă Bezier pentru fiecare
ramificație, în mod independent, dar ponderea cu care curba va participa la decizia finală va fi
mai mică. Pe măsură ce se adaugă alte puncte ale conturului, curba se regenerează, devenind
tangentă la segmentele ce conectează punctele de control succesive. Procesul de adăugare a
punctelor noi se repetă până când se îndeplinește una din condițiile următoare:
- se termină punctele incluse în conturul respectiv
- curba generată aproximează bine conturul real (având în vedere că răspunsul de fază al
filtrului Gabor poate genera şi erori, se ia în calcul doar o aproximare)
Figura 21 a) imaginea originală VCE, obţinută în urma eliminării artefactelor şi după etapa de
uniformizare; b) detecţia contururilor aplicând filtrul Gabor ales din banca de filtre; c) rafinarea
contururilor detectate anterior prin binarizare cu valoare de prag; d) rafinarea contururilor; e)
rafinarea contururilor prin skeletonizare; f) curba Bezier generată pe baza conturului
20
Modul în care curba Bezier aproximează conturul real se realizează relativ strict la
dimensiunile acelui contur. Nu se poate defini o valoare fixă, care sa fie general valabilă pentru
toate contururile. Această relativitate poate fi exprimată doar procentual. Astfel, distanța
euclidiană de la curba Bezier la punctele din vecinătate nu trebuie să fie mai mare decât o
valoare de prag determinată experimental ca fiind 10% din lungimea dreptunghiului minim.
Odată curba Bezier generată, nu mai rămâne decât o verificare: încadrarea într-o elipsă care
la rândul ei se încadrează, cel puțin parțial, în imaginea originală, ceea ce ar asigura un prim
indiciu al prezenței unui polip în acel cadru. Acest lucru s-a realizat prin intermediul metodei
ellipse fitting. Implementarea etapelor de binarizare, skeletonizar, generarea curbelor Bezier şi
etapa ellipse fitting au fost realizate în C#, platforma .NET.
A2.4 Diseminare
Abstract științific acceptat la conferințe naționale / internaționale
1. A.F. Constantinescu, M. Ionescu, M.E. Ciurea, C.T. Streba, V.F. Iovanescu, C.C. Vere.
Local Binary Pattern in Wireless Capsule Endoscopy Analysis - Euroregional
Conference for Phd Students and Young Researchers in Biomedicine, 27-28 March
2015, Timisoara.
2. M Ionescu, AF Constantinescu, AG Ionescu, CT Streba, AS Apostol, OC Rogoveanu,
ME Ciurea, CC Vere. Diagnosis of intestinal polyps with software applications in
wireless capsule endoscopy, "XA 2015" European Conference on Computer
Sciences&Applications 5th Edition, Timişoara, Oct. 2015
Poster acceptat la o conferință națională
1. M Ionescu, CC Vere, CT Streba, AG Ionescu, , OC Rogoveanu, ME Ciurea. The role
of software applications in detecting polyps following wireless capsule endoscopy.
Simpozion APHS2015 - ACTUALITĂŢI ŞI PERSPECTIVE ÎN HARD ŞI SOFT,
Ediţia a VIII-a, Timişoara, România, 29 Mai 2015.
http://fcia.tibiscus.ro/documente/cercetare/aphs2015/ionescu1.pdf
Articol tip review acceptat spre publicare într-o revista indexată BDI
1. A.F. Constantinescu, M. Ionescu, I. Rogoveanu, C.C. Vere, V.F. Iovanescu, C.T. Streba,
M.E. Ciurea. Wireless Capsule Endoscopy in Correlation with Software Application in
Gastrointestinal Diseases. Current Health Sciences Journal, Vol. 41, No. 2, 2015 April-
June. http://www.chsjournal.org/files/49ce4ecc55c9ff2b8e2728b7c65a5d8a.pdf
2. M Ionescu, AF Constantinescu, AG Ionescu, CT Streba, AS Apostol, OC Rogoveanu,
ME Ciurea, CC Vere. Methods of diagnosis of intestinal polyps with software
applications in wireless capsule endoscopy. Annals. Computer Science Series. 13th
Tome 1st Fasc. – 2015. In Print
Director proiect
Prof. Univ. Dr. Cristin Constantin Vere
21
ANEXA 1
Formular de acceptare privind participarea la studiul de cercetare
Titlul studiului: Rolul aplicatiilor software in imbunatatirea performantei videocapsulei endoscopice in
evaluarea patologiei digestive
Numele cercetătorului principal:
Datele participantului: Numele:
Prenumele:
Adresa:
Sexul:
Data naşterii:
Subsemnatul ___________________________, sau reprezentantul meu legal, am citit
şi înţeles descrierea acestui studiu, scopurile pe care şi le propune, durata preconizată,
procedurile care vor avea loc, riscurile cunoscute şi neplăcerile pe care le poate cauza,
beneficiile aşteptate, tratamentele alternative, dezvăluirea datelor mele medicale, (plata) şi
tratamentul complicaţiilor produse în timpul studiului, şi posibilitatea de a încheia acest studiu
fără consimţământul meu.
Iau parte la acest studiu conform propriei mele voinţe. Voi putea să mă retrag oricând
sau/şi să retrag autorizaţia de utilizare şi eliberare a datelor mele de sănătate după semnarea
acestui formular de acceptare, fără ca această retragere să influenţeze îngrijirea de care voi
beneficia acum şi în viitor sau să determine pierderea unor beneficii la care am dreptul.
Consimţământul meu nu influenţează drepturile mele legale privind lipsa de îngrijire sau
neglijenţa persoanelor implicate în acest studiu. Semnătura mea semnifică faptul că am citit
(sau mi-au fost citite) informaţiile anterioare, că întrebările mele au primit un răspuns
satisfăcător şi că de fiecare dată când voi avea întrebari voi putea discuta cu cercetătorul al cărui
nume este trecut mai sus.
Informaţii sensibile privind starea de sănătate
Sunt de acord să permit eliberarea informaţiilor medicale privind infecţia cu virusul
HIV/SIDA, abuzul de droguri sau/şi alcool, tulburările de comportament, afecţiunile psihiatrice.
___________________ _____________________ ______________
Numele participantului Semnătura participantului Data/Ora
___________________ ____________________ _____________
Numele martorului Semnătura martorului Data/Ora
Am explicat acest studiu participantului. Consider că participantul îşi exprimă consimţământul
în mod liber şi fiind bine informat are capacitea legală de a-şi da consimţământul informat
pentru a participa în cadrul acestui studiu.
________________ ____________________ ____________
Numele cercetătorului Semnătura cercetătorului Data/ora
ANEXA 2
22
FIŞĂ PENTRU EVALUAREA PACIENŢILOR
NUME: I. PRENUME: V.
FO .......... VÂRSTĂ: 53
SEX: F
ADRESA: Craiova TELEFON ....................
DIAGNOSTIC: Anemie feriprivă
PERIOADA DE SPITALIZARE ..................................
DATA ÎNTOCMIRII: 21.10.2015 MEDIC ..................
MOTIVELE INTERNĂRII: - Durere în epigastru și hipocondrul drept (de aprox 1 an)
- Vărsături bilio-alimentare post prandiale
- Astenie fizică
ANTECEDENTE:
AHC: părinții cardiaci
APF: menopauză 42 ani
APP: Hernie hilatală de alunecare, diverticuli sigmoidieni, HTA primară grad II,
angioscleroză hipertensivă, histerectomie totală cu anexectomie bilaterală,
apendicectomie
Comportament faţă de mediu: nefumătoare, nu consumă alcool
Medicamente administrate înaintea prezentării la spital: Tertensif 1 cpr/zi, Sistar 1 cpr/zi, Ibutin
3 cpr/zi, Ketonal 2 cpr/zi (de la 42 de ani) întrerupt de o lună, Omeprazol 1 cpr/zi.
23
EXAMEN OBIECTIV:
stare generală: medie; înălţime: 157 cm; greutate: 83 kg; IMC 33,6 kg/cm2
tegumente şi mucoase: discret palide
fanere: normal implantate și dezvoltate
ţesut conjunctiv adipos: bine reprezentat
sistem ganglionar: superficial nepalpabil
sistem osteoarticular: dureri la mobilizarea coloanei vertebrale lombare, dureri și
cracmente la mobilizarea articulației genunchilor
aparat respirator:
AMR transmisă egal bilateral
MV prezent bilateral
raluri pulmonare absente
aparat cardiovascular :
soc apexian în spațiul V intercostal pe LMC stângă
AMC în limite normale
zgomote cardiace ritmice
alura ventriculară 72/ min
TA 150/90 mmHg
aparat digestiv:
Inspecţie: abdomen cu panicul adipos în exces
Palpare: sensibil spontan și la palpare în epigastru și hipocondrul drept
Tranzit intestinal prezent
ficat, căi biliare, splină: clinic în limite normale
aparat urogenital: Giordano (-) bilateral
sistem nervos, endocrin, organe de simţ: OTS, ROT prezente bilateral
24
EXPLORAREA BIOLOGICĂ ŞI BIOCHIMICĂ DE LABORATOR
HLG: Hb 9,01 g/dl, CHEM 30,7 g/dl, HEM 22 pg, VEM 71,5, Tr 582.000/mmc, L
7780/mmc
VSH: 135/158 mm
GLICEMIE: 81 mg/dl
UREE: 28 mg/dl
CREATININĂ: 0,31 mg/dl
EXAMEN SUMAR DE URINĂ: -
COLESTEROL: 198 mg/dl
TRIGLICERIDE: 83 mg/dl
LIPIDE TOTALE: 618 mg/dl
GOT: 15 U/l
GPT: 15 U/l
GGT: -
FA: -
BT, BD, BI: BT 0,6 mg/dl, BD 0,14 mg/dl, BI 0,46 mg/dl
INR: 0,89
IP: 122%
APTT: 25”
Atg HBs: absent
Atc anti HCV: absenți
Markeri tumorali: -
Sideremie: 19 µg/dl
EXPLORĂRI IMAGISTICE :
- Ecografie abdominală: Ficat cu diametrul APLS 6,7 cm, LC 2 cm, LD 12,5 cm,
ecogenitate discret accentuată difuz, fără procese localizate. Colecist destins, fără
calculi. CBP, VP, VS calibru normal. Pancreas hiperecogen, dimensiuni normale.
Splină 100/40 mm omogenă. Ptoză renală dreaptă grad I. RD 113 mm ax lung, contur
regulat, IP 16 mm, fără calculi, fără dilatații pielocaliceale. RS 118 mm ax lung, contur
regulat, IP 22 mm, fără calculi, fără dilatații pielocaliceale. VU nelocuită. OGI absente
chirurgical.
- Endoscopie digestivă superioară/ inferioară: EDS: Esofag normal, joncțiune hernie
hiatală de alunecare, stomac pliuri și mucoase normale, pilor permeabil, bulb și duoden
normal. EDI: valvă ileo-cecală normală, cec normal, colon ascendent normal, colon
transvers normal, colon descendent normal, sigmoid multipli diverticuli necomplicați,
rect normal, regiune anorectală normală.
- VCE
- CT torace+abdomen+pelvis
25
ANEXA 3
26
top related