Ponad 7000 publikacji medycznych!
Statystyki za 2021 rok:
odsłony: 8 805 378
Artykuły w Czytelni Medycznej o SARS-CoV-2/Covid-19

Poniżej zamieściliśmy fragment artykułu. Informacja nt. dostępu do pełnej treści artykułu
© Borgis - Postępy Nauk Medycznych 8/2015, s. 617-621
*Ewa Szczepek1, 2, Beata Sokołowska3, Leszek Czerwosz4, Marta Hallay-Suszek5, Krzysztof Nowiński5, Zbigniew Czernicki1, 2, Jerzy Jurkiewicz1
Analiza statystyczna parametrów wolumetrycznych z wykorzystaniem platformy VisNow u pacjentów z wodogłowiem normotensyjnym i zanikiem mózgu metodą k najbliższych sąsiadów
Statistical analysis of volumetric parameters using k nearest neighbors method and the VisNow software package in patients with normal pressure hydrocephalus and brain atrophy
1Klinika Neurochirurgii, II Wydział Lekarski, Warszawski Uniwersytet Medyczny
Kierownik Kliniki: prof. dr hab. med. Waldemar Koszewski
2Zespół Kliniczno-Badawczy Neurochirurgii, Instytut Medycyny Doświadczalnej i Klinicznej, Polska Akademia Nauk, Warszawa
Kierownik Zespołu: dr hab. Ewa Koźniewska-Kołodziejska, prof. IMDiK
3Pracownia Bioinformatyki, Instytut Medycyny Doświadczalnej i Klinicznej, Polska Akademia Nauk, Warszawa
Kierownik Pracowni: prof. dr hab. Bogdan Lesyng
4Pracownia Fizjologii Oddychania, Instytut Medycyny Doświadczalnej i Klinicznej, Polska Akademia Nauk, Warszawa
Kierownik Pracowni: dr hab. med. Katarzyna Kaczyńska
5Interdyscyplinarne Centrum Modelowania Matematycznego i Komputerowego, Uniwersytet Warszawski
Kierownik Centrum: prof. dr hab. Marek Niezgódka
Streszczenie
Wstęp. Diagnostyka różnicowa wodogłowia normotensyjnego od procesów zanikowych mózgu pomimo różnorodności metod wciąż sprawia problemy kliniczne. Rozwój technologiczny i wprowadzenie do praktyki klinicznej zaawansowanego oprogramowania do obróbki danych umożliwia precyzyjne pomiary wolumetryczne poszczególnych struktur mózgowia.
Cel pracy. Celem niniejszego opracowania jest analiza statystyczna wewnątrzczaszkowych parametrów wolumetrycznych uzyskanych z wykorzystaniem oprogramowania VisNow u pacjentów z rozpoznaniem wodogłowia normotensyjnego i zaniku mózgu metodą k najbliższych sąsiadów (k-NS).
Materiał i metody. Badaniu poddano ogółem 50 pacjentów: u 27 chorych rozpoznano zanik mózgu (grupa 1, klasa I, oznaczona symbolem BA), pozostałych 23 chorych zakwalifikowano do grupy wodogłowia normotensyjnego (grupa 2, klasa II, oznaczona symbolem NPH). W grupach badanych pacjentów dokonano pomiarów wolumetrycznych TK głowy z wykorzystaniem platformy VisNow. Zastosowano system klasyfikacji oparty na standardowej regule k najbliższych sąsiadów (k-NS) dla rozpoznawania klas statystycznych ze względu na analizowane cechy statystyczne (parametry wolumetryczne: objętość podpajęczynówkowa i zbiorników podstawy (VPP), objętość układu komorowego (VK), objętość mózgu (VTM), objętość wewnątrzczaszkowa płynu mózgowo-rdzeniowego (VPMR) i objętość wewnątrzczaszkowa całkowita (VC)). Jakość klasyfikacji oceniano na podstawie błędu mylnej klasyfikacji (Er).
Wyniki. Cecha 1 (VPP – objętość przestrzeni podpajęczynówkowej i zbiorników podstawy) i cecha 3 (VTM – objętość mózgu) pozwoliły na bezbłędne różnicowanie pomiędzy klasami NPH a BA w TK.
Wnioski. Analiza statystyczna parametrów wolumetrycznych wewnątrzczaszkowych ilustruje przydatność i skuteczność komputerowego wsparcia dla dotychczas stosowanych metod w diagnostyce różnicowej zaniku mózgu i wodogłowia normotensyjnego.
Summary
Introduction. The differential diagnosis of normal pressure hydrocephalus brain atrophy processes despite the variety of methods still makes clinical problems. Technological development and introduction into clinical practice of advanced data processing software enables accurate volumetric measurements of individual brain structures.
Aim. The purpose of this study is to analyze the statistical intracranial volumetric parameters obtained from the use of software VisNow patients with a diagnosis of normal pressure hydrocephalus and brain atrophy by k nearest neighbor (k-NN).
Material and methods. The study involved a total of 50 patients: 27 patients diagnosed with brain atrophy (group 1, class I, marked with BA), the remaining 23 patients were classified as normal pressure hydrocephalus group (group 2, class II, marked with NPH). In all three groups of patients were measured volumetric CT of the head using VisNow platform. Used classification system based on the standard rule k nearest neighbors (k-NN) for recognition statistical classes due to the analyzed statistical characteristics (volumetric parameters: volume of subarachnoid space and basal cisterns (VPP), the volume of intracranial ventricular system (VK), the volume of the brain tissue (VTM), the volume of intracranial cerebrospinal fluid (VPMR) and the total intracranial volume (VC)). Quality was assessed on the basis of the classification of erroneous classification error (Er).
Results. Feature 1 (VPP – spatial volume of subarachnoid and tank base) and feature 3 (VTM – brain volume) allowed us to differentiate between classes flawless NPH and Bain CT scan.
Conclusions. Statistical analysis of intracranial volumetric parameters illustrates the usefulness and effectiveness of computer support for the previously used methods in differential diagnosis of brain atrophy and normal pressure hydrocephalus.



Wstęp
Diagnostyka różnicowa wodogłowia normotensyjnego od procesów zanikowych mózgu pomimo różnorodności metod wciąż sprawia problemy kliniczne. Najwyższym procentem właściwych rozpoznań charakteryzuje się metoda diagnostyczna określana jako test infuzyjny (1, 2). Uważa się, iż uzyskane w czasie tego badania parametry (opór resorpcji, elastancja czy ciśnienie optymalne) interpretowane w połączeniu z oceną neuropsychologiczną (3) oraz wynikami badań obrazowych mózgu (4) pozwalają na ustalenie właściwego rozpoznania z najwyższą dokładnością statystyczną. Wadą tej metody jest jednak jej inwazyjność i możliwość wystąpienia powikłań. To sprawiło, iż trwają poszukiwania metody nieinwazyjnej o porównywalnym stopniu dokładności diagnostycznej. Spośród wielu wymienić należy: somatosensoryczne potencjały wywołane, morfometryczną ocenę obrazów TK czy badanie posturograficzne. Wśród nich na szczególną uwagę zasługuje ocena wolumetryczna obrazów TK z wykorzystaniem platformy VisNow oceniająca stosunek poszczególnych wewnątrzczaszkowych składników objętościowych.
Wyniki analiz wolumetrycznych z wykorzystaniem oprogramowania VisNow to doniesienia obejmujące prace Boruckiego i wsp. oraz Kapińskiego i wsp. (5-7). Należy jednak zauważyć, iż w dostępnej literaturze niewiele jest opracowań omawiających zmiany objętości PMR w przedziałach płynowych uzyskane metodą oceny wolumetrycznej w wodogłowiu normotensyjnym i zaniku mózgu (8-10).
Z wcześniejszych opracowań przedstawionych przez autorów niniejszej pracy (11, 12) wynika, iż jest to metoda, która w bardzo dobry sposób różnicuje omawiane zespoły patologiczne. Analiz statystycznych dokonano wykorzystując t-test, sparowany dla zmiennych zależnych. Zarówno w grupie chorych z wodogłowiem, jak i w zaniku mózgu wartości średnie objętości PMR w przestrzeni podpajęczynówkowej i zbiornikach podstawy, w wewnątrzczaszkowym układzie komorowym i objętość mózgu różnią się istotnie statystycznie.
Cel pracy
Celem niniejszego opracowania jest próba oceny wewnątrzczaszkowych parametrów wolumetrycznych u pacjentów z rozpoznaniem wodogłowia normotensyjnego i zaniku mózgu metodą analizy statystycznej opartej na standardowej regule k najbliższych sąsiadów (k-NS) (13) dla polepszenia znamienności statystycznej wyników.
Materiał i metody
Badaniu poddano ogółem 50 pacjentów: u 27 chorych rozpoznano zanik mózgu (grupa 1, klasa I, oznaczona symbolem BA – ang. brain atrophy), pozostałych 23 chorych zakwalifikowano do grupy wodogłowia normotensyjnego (grupa 2, klasa II, oznaczona symbolem NPH – ang. normal pressure hydrocephalus). W systemach rozpoznawania obrazów używane jest pojęcie klasy obiektów, która wyznacza wybraną grupę. Obiekty klasy omawiają pacjentów obserwowanych jako zestaw cech (tj. wektor). W grupach badanych pacjentów dokonano pomiarów wolumetrycznych TK głowy z wykorzystaniem platformy VisNow. Wyznaczono i poddano analizie następujące parametry wolumetryczne: objętość podpajęczynówkową i zbiorników podstawy (VPP, cecha 1), objętość układu komorowego (VK, cecha 2), objętość tkanki mózgowej (VTM, cecha 3), objętość wewnątrzczaszkową płynu mózgowo-rdzeniowego (VPMR, cecha 4) i objętość wewnątrzczaszkową całkowitą (VC, cecha 5). Należy zwrócić uwagę, iż trzy pierwsze cechy: VPP, VK i VTM zostały wyznaczone z wykorzystaniem oprogramowania VisNow, poprzez półautomatyczne wyznaczenie objętości płynu mózgowo-rdzeniowego PMR oraz objętości mózgu. Cecha 4 (VPMR) jest sumą cechy 1 i 2 (VPMR = VPP + VK), zaś cecha 5 (VC) jest sumą wszystkich analizowanych cech (VC = VPMR + VTM).
Badania przeprowadzono z zasadami Deklaracji Helsińskiej po uzyskaniu uprzednio zgody Komisji Bioetycznej Warszawskiego Uniwersytetu Medycznego.
Dane przedstawiono jako wartości średnie z odchyleniem standardowym (SD), podano także medianę ocenianych parametrów wolumetrycznych (cech) oraz zakres (minimum i maksimum) tych wartości. Istotność statystyczną obserwowanych różnic pomiędzy grupami pacjentów NPH i BA oceniano nieparametrycznym testem Manna-Whitneya (14). Korelacje pomiędzy parametrami w każdej grupie pacjentów obliczano jako współczynniki korelacji rang Spearmana (?) (14). Analizy statystyczne przeprowadzono z wykorzystaniem pakietu statystycznego Statistica w wersji 9.0. Zastosowano system klasyfikacji oparty na standardowej regule k najbliższych sąsiadów (k-NS) (13) dla rozpoznawania klas statystycznych (grup pacjentów: NPH i BA) ze względu na analizowane cechy statystyczne (parametry wolumetryczne: VPP, VK, VTM, VPMR i VC). Jakość klasyfikacji oceniano na podstawie błędu mylnej klasyfikacji (Er), który szacowano metodą minus jednego elementu (15). Błąd Er obliczano jako prawdopodobieństwo mylnej klasyfikacji, czyli jako iloraz Er = r/m, gdzie r jest liczbą mylnie sklasyfikowanych pacjentów, a m jest ogólną liczbą pacjentów (tj. obiektów w tzw. zbiorze referencyjnym). Niższa wartość Er oznacza poprawniejsze rozpoznanie klas na podstawie cech. Obliczano także macierze przekłamań pomiędzy klasami. Poziom istotności statystycznej przyjęto dla p ≤ 0,05.
Wyniki

Powyżej zamieściliśmy fragment artykułu, do którego możesz uzyskać pełny dostęp.
Mam kod dostępu
  • Aby uzyskać płatny dostęp do pełnej treści powyższego artykułu albo wszystkich artykułów (w zależności od wybranej opcji), należy wprowadzić kod.
  • Wprowadzając kod, akceptują Państwo treść Regulaminu oraz potwierdzają zapoznanie się z nim.
  • Aby kupić kod proszę skorzystać z jednej z poniższych opcji.

Opcja #1

24

Wybieram
  • dostęp do tego artykułu
  • dostęp na 7 dni

uzyskany kod musi być wprowadzony na stronie artykułu, do którego został wykupiony

Opcja #2

59

Wybieram
  • dostęp do tego i pozostałych ponad 7000 artykułów
  • dostęp na 30 dni
  • najpopularniejsza opcja

Opcja #3

119

Wybieram
  • dostęp do tego i pozostałych ponad 7000 artykułów
  • dostęp na 90 dni
  • oszczędzasz 28 zł
Piśmiennictwo
1. Czernicki Z, Jurkiewicz J: Zaburzenia wewnątrzczaszkowych stosunków objętościowo-ciśnieniowych. Neurol Neurochir Pol 1991; 25(5): 671-677.
2. Juniewicz H, Kasprowicz M, Czosnyka M et al.: Analysis of intracranial pressure during and after the infusion test in patients with communicating hydrocephalus. Physiol Meas 2005; 26(6): 1039-1048.
3. Marszałek P, Jurkiewicz J, Fersten E et al.: Wieloetapowa metoda rozpoznawania wodogłowia niskociśnieniowego. Neurol Neurochir Pol 1997; 31(3): 527-539.
4. Czernicki Z, Walecki J, Jurkiewicz J et al.: Intracranial volume reserve determination using CT images, numerical analysis and lumbar infusion tests. An experimental study. Acta Neurochir 1992; 115(1-2): 43-46.
5. Borucki B, Nowiński K, Adamczyk P et al.: Automated geometric features evaluation method for normal foot skeleton model. Int J Comput Assist Radiol Surg 2011; 1: 110-111.
6. Borucki B, Nowiński K, Adamczyk P et al.: Automatic classification of hallux valgus deformations with the use of automatic evaluation of geometric descriptors. Int J Comput Assist Radiol Surg 2012; 1: 196-198.
7. Kapiński N, Borucki B, Nowiński K: Error assessment and minimization in 4D motion tracking for functional orthopaedics diagnostics. Int J Comput Assist Radiol Surg 2013; 8(1): 157-159.
8. Ambarki K, Wahlin A, Birgander R et al.: MR imaging of brain volumes: evaluation of a fully automatic software. AJNR Am J Neuroradiol 2011; 32(2): 408-412.
9. Hodel J, Besson P, Rahmouni A et al.: 3D mapping of cerebrospinal fluid local volume changes in patients with hydrocephalus treated by surgery: preliminary study. Eur Radiol 2014; 24(1): 136-142.
10. Tsunoda A, Mitsuoka H, Bandai H et al.: Intracranial cerebrospinal fluid measurement studies in suspected idiopathic normal pressure hydrocephalus, secondary normal pressure hydrocephalus, and brain atrophy. J Neurol Neurosurg Psychiatry 2002; 73: 552-555.
11. Szczepek E, Czerwosz L, Nowiński K et al.: Evaluation of Volumetric Changes in Differential Diagnosis of Brain Atrophy and Active Hydrocephalus. Adv Exp Med Biol 2015; 840: 59-67.
12. Szczepek E, Czerwosz L, Nowiński K et al.: Ocena parametrów wolumetrycznych wewnątrzczaszkowych stosunków objętościowych w zaniku mózgu. Nowa Medycyna 2014; 3: 113-117.
13. Jóźwik A: Pattern recognition metod based on k nearest neighbor rule. J Commun 1994; 45: 27-29.
14. Siegel S: Nonparametric statistics for the behavioral sciences. US: McGraw-Hill; New York 1956: 312.
15. Devijver PA, Kittler J: Pattern recognition: A statistical approach. Englewood Cliffs, NJ: Prentice/Hall International, London 1982.
otrzymano: 2015-06-10
zaakceptowano do druku: 2015-06-25

Adres do korespondencji:
*Ewa Szczepek
Klinika Neurochirurgii
II Wydział Lekarski WUM
ul. Cegłowska 80, 01-809 Warszawa
tel. +48 (22) 835-00-05
fax +48 (22) 865-60-57
e_szczepek@op.pl

Postępy Nauk Medycznych 8/2015
Strona internetowa czasopisma Postępy Nauk Medycznych