Перспективы цифровой рентгенографии в диагностике сердечно-сосудистых заболеваний

Известно, что болезни сердечно-сосудистой системы являются самыми распространенными среди населения, часто приводят к инвалидности и лидируют среди причин смертности [6]. Их раннее выявление имеет большое значение для выбора тактики лечения и прогноза жизни больного. В диагностике предпочтение отдается безопасным для пациента и наиболее диагностически точным методам. Так, ультразвуковое исследование сердца и магистральных сосудов позволяет достаточно верно визуализировать внутрисердечную анатомию и определить гемодинамические показатели. Поэтому эти задачи при рентгенологическом исследовании кардиологических больных на современном этапе не ставятся. Но, несмотря на это, значение рентгеновского метода в диагностике сердечно-сосудистых заболеваний по-прежнему актуально, так как с его помощью удается сделать доступными для оценки МКК и относительные размеры отделов сердца и крупных сосудов.

Проводимые массовые профилактические рентгенологические обследования, направленные прежде всего на выявление патологии легких, могут быть использованы как скрининг-диагностика заболеваний сердечно-сосудистой системы [7]. Учитывая современные тенденции в практическом здравоохранении в направлении развития цифровой беспленочной рентгенографии [8] и несомненные преимущества технологии получения, обработки и хранения цифрового рентгеновского изображения [1,11], мы поставили своей целью рассмот-реть некоторые свойства цифровых методов рентгенологии в диагностике заболеваний сердца и сосудов:
1. Возможность количественной оценки состояния МКК для разделения его на «норму» и «патологию».
2. Использование этих показателей для разделения состояния МКК при разных формах врожденных и приобретенных пороков сердца.
3. Значение количественных показателей состояния МКК при динамическом наблюдении пациентов с патологией сердца во время лечения.
4. Роль и место различных кардиометрических показателей при динамическом наблюдении больных.
5. Значение легко доступного электронного архива диагностических изображений.

Материал и метод

Рентгенологические изображения были получены с помощью малодозовых цифровых рентгенографических аппаратов для исследования органов грудной клетки «Новорент» («Дигирент», Новосибирск), «МЦРУ Сибирь-Н» (ИЯФ СО РАН) с ортогональным плоскостным сканированием, «РГЦ-01-Н» (ИПФ, Новосибирск) с вращательным сканированием, цифровой рентгеновской установки «Baccara» фирмы «Apelem» (Франция) с двумерным приемником излучения (УРИ), которые наряду с другими рентгенодиагностическими аппаратами объединены локальной компьютерной сетью рентгенодиагностического отделения с выходом в госпитальную компьютерную сеть для дальнейшей передачи данных по отделениям. Обработка получаемого цифрового изображения осуществляется на компьютере с помощью программного обеспечения «Дигирент» [2].

Применялись методы интеллектуального анализа данных. При этом использовались следующие способы обнаружения эмпирических закономерностей.
1. Таксономия: программа обнаруживает пациентов, имеющих похожие симптомы, и выделяет их в отдельную группу. При анализе снимков программа выделяет участки с похожими характеристиками.
2. Выбор наиболее информативных свойств: программа позволяет найти те симптомы, по которым можно с наибольшей достоверностью диагностировать данное заболевание.
3. Распознавание образов: по симптомам данного пациента программа позволяет относить его к одной из предварительно выделенных групп пациентов с известным диагнозом, т.е. ставить диагноз заболевания.
4. Обнаружение ошибок и заполнение пробелов: программа обнаруживает большие отклонения некоторых данных от закономерных для таблицы. Если в таблице отсутствует информация о некотором симптоме у данного пациента, то программа может определить наиболее вероятное значение пропущенного симптома.
5. Прогнозирование: если данные содержат информацию о динамике развития симптомов во времени, то программа может сделать прогноз их значений на заданное число шагов вперед.

Необходимо отметить, что только при прямоугольном плоскостном сканировании, применяемом нами, можно пренебречь влиянием рассеянного излучения на формирование рентгеновского изображения. Это позволяет получать статистически достоверные количественные значения каждого пикселя (наименьшего элемента цифрового изображения) для последующего их использования в построении диагностических алгоритмов и автоматического диагностирования (computed aided diagnosis). В плоскостных (двумерных) детекторах рентгеновского излучения и при угловом сканировании добиться постоянных показателей значений в каждом пикселе практически невозможно.

Визуально определяемые изменения в малом круге кровообращения мы подтверждаем численными значениями измеряемых нами областей легких. Мы определяем среднюю оптическую плотность легочной ткани - отражает количество поглощенных рентгеновских квантов в заданном объеме, среднее квадратичное отклонение - отражает структуру легочного рисунка.

Таким образом, цифровой показатель средней оптической плотности мы используем в качестве оценки количества сосудистых теней (легочного рисунка) на фоне легких, что позволяет судить о степени кровенаполнения легочной ткани. Значение среднего квадратичного отклонения - характеристика дискретности структуры легочной ткани. Значения оптической плотности и квадратичного отклонения вычисляются автоматически из цифровых значений яркости 90-120 тысяч пикселей.

Измерения легочных полей выполняем поэтапно следующим образом: правое легочное поле, левое легочное поле, корень правого легкого, верхние половины правого и левого легочных полей, нижние половины правого и левого легочных полей, три вертикальные зоны - центр, плащ, периферия [10].

Кардиометрия выполняется по известным методикам [9]. Нами измеряются: сердечнолегочный, правопредсердный, аортально-легочный коэффициенты и индекс Мура. Всего обследовано более 15 тысяч пациентов, из них с ВПС - 32 %, ППС - 29 %, ИБС - 39 %.

Обсуждение

Основной проблемой является получение количественных показателей изменений малого круга кровообращения. Как известно, малый круг кровообращения очень тонко и быстро реагирует на нарушения деятельности левого сердца при приобретенных пороках и ишемической болезни и на изменение объема легочного кровотока при врожденных пороках сердца. Ранее мы сообщали о возможности автоматизированного разделения рентгенограмм грудной клетки на нормальные и патологические по оцифрованным рентгенограммам [5].

В настоящее время широкое распространение цифровой рентгенографии и возможность интерактивной обработки рентгенограмм органов грудной клетки позволяют в практической работе перейти от интуитивно-эмпирического способа оценки изменений легочного рисунка к объективному методу измерения рентгенологических характеристик легких в целом и сравнения их отделов между собой.

По разработанной нами программе средняя оптическая плотность каждого легкого автоматически определяется в среднем в 120 тысяч пиксель. Соответственно также происходит определение средней оптической плотности верхнего и нижнего отделов легких и других интересующих зон и сравнение их между собой.

Сравнение средней оптической плотности легких в целом и их отдельных зон между собой и нормальными показателями позволяет объективно, в терминах доказательной медицины, оценивать характер изменений легочного рисунка при приобретенных и врожденных пороках сердца и ИБС. Динамика изменений легочного рисунка при наблюдении пациентов во время консервативного лечения и оценке результативности хирургического лечения приобретает при этом объективные значения [3, 5].

Опытным путем мы убедились в постоянстве технических и цифровых (численных) параметров, получаемых с помощью нашего линейного приемника рентгеновского излучения цифровых изображений [1]. Исходя из этого, мы с уверенностью опираемся на числовые значения при оценке легочного сосудистого рисунка у наших пациентов. Необходимо отметить, что мы обращаем внимание как на абсолютные числовые значения, так и на их соотношения. Выявленные нами закономерности можно представить следующим образом.

Нормальный легочный рисунок характеризуется равенством значений средней оптической плотности и средне квадратичного отклонения (дискретности) при сравнении правого и левого легких. В нижних половинах легочных полей оптическая плотность выше приблизительно на 8-10 единиц, а квадратичное отклонение ниже на 10-12 единиц, чем в верхних. При сравнении трех вертикальных зон наибольшие оптическая плотность и квадратичное отклонение в периферической, меньше в центральной и наименьшие в плащевой зоне.

При изменении легочного сосудистого рисунка при врожденных пороках сердца гиперволемического типа без легочной гипертензии оптическая плотность и квадратичное отклонение равны в верхних и нижних половинах обоих легких. Также становятся менее выраженными их различия в вертикальных зонах.

При врожденных и приобретенных пороках сердца с высокой легочной гипертензией увеличивается оптическая плотность и уменьшается квадратичное отклонение в зоне корня. При любых заболеваниях сердечно-сосудистой системы, сопровождающихся застойными изменениями в МКК, еще больше увеличивается разница оптической плотности между верхней и нижней половинами легочных полей (т.е. становится уже не 8-10, как в норме, а более 12-15), и в то же время уменьшается значение квадратичного отклонения.

Кардиометрические показатели стали нами использоваться более широко благодаря легкости выполнения линейных измерений и вычислений на цифровых рентгенограммах во время их интерактивного преобразования для построения диагностических заключений.

Очень важно, что мы получаем равнозначные по техническим параметрам изображения. Все архивные цифровые рентгенограммы хранятся в компьютерной памяти. Врач может при необходимости обратиться к архиву и сравнить все рентгенограммы пациента в динамике, что, безусловно, повышает диагностическую эффективность рентгенологического исследования.

Передача диагностических изображений современными средствами связи открывает возможность широкого использования дистанционного консультирования, т.е. принципов телемедицины [4].

Выводы

1. Использование количественных показателей, получаемых в процессе интерактивной компьютерной обработки цифрового рентгеновского изображения органов грудной клетки, позволяет объективно разделить состояние МКК на «норму» и «патологию».
2. Эти показатели также помогают достоверно разделять патологические изменения легочного рисунка при разных формах врожденных и приобретенных пороков сердца.
3. Количественные показатели состояния МКК и кардиометрические данные при динамическом наблюдении пациентов с патологи ей сердца и крупных сосудов объективизируют эффективность лечебных мероприятий.
4. Использование легко доступного электронного архива диагностических изображений значительно повышает диагностическую эффективность рентгенологического исследования.
5. Цифровые рентгенодиагностические изображения могут передаваться по линиям телефонной связи и средствами интернета для дистанционного консультирования. Обмен изображениями широко используют авторы между собой.
6. Медицинские задачи носят комплексный характер, и для их решения требуется последовательное применение всех указанных выше методов анализа данных. Эти методы разработаны в Институте Математики СО РАН и собраны в Пакете Программ ОТЭКС для персональных ЭВМ.

ЛИТЕРАТУРА:

1. Антонов О.С., Антонов А.О., Третьяков В.П., Штарк М.Б. Цифровая рентгенография (опыт практического применения)//Автометрия. 1996. № 6.
2. Антонов О.С., Антонов А.О., Еникеева Р.И., Виноградова Е.В. Система получения, обработки, хранения и передачи диагностических изображений. Компьютерная технология работы рентгеновского отделения // Радиология - практика. 2001. № 3.
3. Антонов О.С., Мантула Д.К., Манохин А.Н. Денситометрический анализ рентгенограмм грудной клетки с разделением их на классы «норма» и «патология» // Вестник рентгенологии и радиологии. 1988. №3.
4. Антонов О.С., Антонов А.О., Еникеева Р.И. и др. Реализация и внедрение программно-аппаратного комплекса для развития телемедицинских систем в Сибири и на Дальнем Востоке // Сборник тезисов научно-практической конференции «Инновации в охране здоровья людей» ЗДРАВ-ЭКСПО-СИБИРЬ 2001 г. Новосибирск, 2001.
5. Антонов О.С., Хабахпашев А.Г., Шехтман Л.И. и др. Автоматизация разделения рентгенограмм грудной клетки на «норму» и «патологию» // Вестник рентгенологии и радиологии. 1992. № 1.
6. Караськов A.M. Проблемы кардиохирургии Сибири и Дальнего Востока // Патология кровообращения и кардиохирургия. 2001. № 1.
7. Низовцова П.А., Багаева Н.Г. Выявление нелегочной патологии методом цифровой рентгенографии при скрининговых исследованиях органов грудной клетки // Вестник рентгенологии и радиологии. 2002. №3.
8. Портной Л.М. Современные проблемы рентген-службы практического здравоохранения РФ и пути их решения // Вестник рентгенологии и радиологии. 2002. № 3.
9. Рабкин И.Х. и др. Рентгенокардиометрия. Ташкент: Медицина, 1975.
10. Розенштраух Л.С. и др. Рентгендиагностика заболеваний органов дыхания. М. // Медицина, 1987.
11. Kamm K.F. The future of digital imaging //British Journal Radiology. 1997. V. 70.

Medafarm.ru