Naslov (srp)

Имплементација алгоритама вештачке интелигенције у обради биомедицинских сигнала као подршка одлучивању у дијагностици болести кичменог стуба

Autor

Šušteršič, Tijana, 1993-

Doprinosi

Ranković, Vesna, 1967-
Filipović, Nenad, 1970-
Isailović, Velibor, 1980-
Milovanović, Vladimir, 1981-
Ćulibrk, Dubravko, 1976-
Rasulić, Lukas, 1965-
Kovačević, Vojin, 1982-

Opis (srp)

Lumbalni bolni sindrom se smatra jednim od vodećih javno-zdravstvenihproblema i predstavlja uzrok dugotrajnih bolovanja i izostanka radno-aktivnepopulacije s posla. Prvi stadijum u mnogim vrstama degenerativnih bolestikičmenog stuba je degeneracija intervertebralnog diska. Ove promene mogudovesti do diskus hernije koja se definiše kao lokalizovani prolapsmaterijala diska van granica prostora intervertebralnog diska. Porednesporno ogromnog zdravstvenog problema, lumbalna diskus hernija predstavljai socijalno-ekonomski problem koji značajno opterećuje zdravstveni isocijalni budžet država, usled izdvajanja sredstava za medicinske troškove iisplatu nadoknada za bolovanja.Savremena medicina se suočava sa izazovom analiziranja velike količinepodataka, neophodnih za rešavanje složenih kliničkih problema. Primenaveštačke inteligencije se pokazala kao potencijalno rešenje za obradumedicinskih signala, jer je karakteriše sposobnost otkrivanja značajnih iskrivenih veza u skupu podataka. Stoga ona nalazi veliku primenu u kliničkojdijagnostici, lečenju i predviđanju razvoja i ishoda bolesti. Na osnovu postojećeliterature, može se zaključiti da se veštačka inteligencija sve više koristi uistraživanjima problema vezanih za oboljenja kičmenog stuba, a posebno uanalizi medicinskih snimaka sa magnetne rezonance ili rendgena.U ovoj doktorskoj disertaciji je predstavljena nova metodologija koja sezasniva na razvoju i implementaciji algoritama veštačke inteligencije uobradi biomedicinskih signala kao podrška odlučivanju u dijagnosticibolesti kičmenog stuba. Cilj je bio da se razvije sistem za podršku odlučivanjukoji će pomoći lekarima kako u pogledu tačnosti uspostavljanja dijagnoze, tako ipo pitanju brzine donošenja odluke. Sa jedne strane, analizirani su snimci samagnetne rezonance i predložen je automatizovani pristup u dijagnosticihernije lumbalnog diska korišćenjem MRI slika u aksijalnoj i sagitalnoj ravni.Skup podataka je predstavljao kombinovni skup iz javno dosupne baze, ali ilokalno prikupljenih slika u Kliničkom centru Kragujevac. Predloženametodologija se sastojala od nekoliko koraka koji su uključivali segmentacijuintevertebralnog diska, izdvajanje regiona od interesa i poboljšanje kontrasta,nakon čega su primenjene najsavremenije metode dubokog učenja u vidukonvolucionih neuronskih mreža za klasifikaciju dikus hernije u odgovarajućeklase (zdrava, ispupčena, centralna, desna ili leva hernija za aksijalnu ravan izdrav, L4/L5, L5/S1 nivo hernije u sagitalnoj ravni). S druge strane,analizirani su signali oslanjanja snimljeni mernom platformom, koji je trebaloda uhvate fenomen slabosti mišića stopala, koji potiče od pritiska nerva ukičmenom kanalu usled hernije. Na snimljenim signalima primenjeni surazličiti klasifikacioni algoritmi (logistička regresija, stabloodlučivanja, slučajne šume, naivni Bajes, metoda potpornih vektora, K najbližihsuseda), zajedno sa različitim metodama normalizacije, u svrhudijagnostikovanja diskus hernije na nivoima L4/L5 ili L5/S1, na levoj ilidesnoj strani ili detektovanja zdrave osobe bez hernije. Dobijeni rezultatipokazuju da neki nelinearni klasifikatori pokazuju bolju tačnost u odnosu nadruge klasifikatore...

Opis (srp)

-

Opis (eng)

Lumbar pain syndrome is considered one of the leading public health problemsand is the cause of long-term illness and absence of the working population from work.The first stage in many types of spinal degenerative diseases is degeneration of theintervertebral disc. These changes can lead to disc herniation that is defined as localizedprolapse of disc material outside the intervertebral disc space. In addition to theindisputably huge health problem, lumbar disc herniation is also a socio-economicproblem that significantly burdens the health and social budget of the state, due toallocations for medical expenses and sickness leave payment.Modern medicine faces the challenges of analyzing a large amount of data (socalled big data), necessary to solve complex clinical problems. Artificial intelligence hasemerged as a potential solution for processing such medical signals, because it ischaracterized by the ability to detect significant and hidden patterns in a data set.Therefore, it is widely used in clinical diagnosis, treatment and prediction of diseasedevelopment and disease outcome. Based on the existing literature, artificial intelligencehas drawn attention that it can be widely used in the research of spinal problems,especially in the analysis of medical images from magnetic resonance or X-rays.This doctoral dissertation develops a new methodology based on thedevelopment and implementation of artificial intelligence algorithms in the biomedicalsignal processing to support decision - making in the diagnosis of spinal diseases. Thegoal was to develop a decision support system that will help doctors both in terms of theaccuracy of the diagnosis and in terms of the speed of decision-making. On one hand,magnetic resonance (MR) images were analyzed and an automated approach in thediagnosis of lumbar disc herniation using MR images in the axial and sagittal planes wasproposed. The data set was a combined set from a publicly available database, but alsolocally collected scans at the Clinical Center Kragujevac. The proposed methodologyconsisted of several steps that included segmentation of the intervertebral disc,cropping of regions of interest and improving contrast, followed by the use of state-ofthe-art deep learning methods in the form of convolutional neural networks to classifydicus hernia into appropriate classes (healthy, bulge, central, right or left hernia for axialview and healthy, L4 / L5, L5 / S1 hernia level in sagittal view). On the other hand, thesignals from foot forces recorded by the measuring platform were analyzed, which weresupposed to capture the phenomenon of weakness of the foot muscles, which originatesfrom the pressure of the nerve in the spinal canal due to herniation. Variousclassification algorithms (logistic regression, decision tree, random forests, naïve Bayes,support vector machine, K-nearest neighbors) were applied on the recorded signals,together with different normalization methods, for the purpose of diagnosing discherniation at L4 / L5 or L5 / levels on the left or right side or detecting a healthy personwithout herniation. The obtained results imply that some nonlinear classifiers showbetter accuracy compared to other classifiers.

Jezik

srpski

Datum

2022

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-ND 3.0 AT - Creative Commons Autorstvo - Bez prerada Austria License.

http://creativecommons.org/licenses/by-nd/3.0/at/legalcode