2008 Dálková a potkávací světla CT nefungují, ale při aktivaci slyší zvuky

Vzrušujícím vývojem poslední doby je schopnost poskytnout sluch některým bilaterálně ohluchlým jedincům prostřednictvím implantace zařízení, které přímo stimuluje sluchový nerv (ve skutečnosti spirální ganglion). Obecně je elektroda navlečena do kochley, často přes kulaté okénko. Říká se tomu kochleární implantát, zkráceně CI. Elektrodu lze také zavést přes kostěné pouzdro hlemýždě – nazývané „kochleostomie“.

Metaanalýza z roku 2018 (Hansel et al) dospěla k závěru, že ze 116 studií bylo «Vertigo po kochleární implantaci hlášeno u 9.3 % pacientů s kontinuálním zvyšováním věku pacientů při operaci.» Jsme překvapeni, že prevalence je tak nízká! Ve skutečnosti pochybujeme, že je to správné. Zajímá nás potenciál zkreslení, který je obecně vysoký a ve zprávách tohoto druhu by se zdál být obzvláště vysoký.

Přiměřeněji se vertigo nebo nerovnováha vyskytuje u 25–74 % pacientů, kteří mají kochleární implantáty (Steenerson et al, 2001 a další níže). Kubo et al (2001) navrhli, že asi u poloviny všech pacientů s CI se rozvine závratě, ale u většiny vymizely do jednoho měsíce. Batuecas-Caletrio a spol. (2015) uvedli, že pouze 30 % pacientů s CI má „pooperační změnu vestibulární funkce“, a to pomocí poměrně širokého screeningového procesu.

Sami bychom očekávali, že 100 % pacientů s CI bude mít nějakou nerovnováhu nebo vertigo, protože se jedná o invazivní operaci, která vytváří díru v kulatém okénku. Přínosy pro sluch však u většiny výrazně převažují nad dopadem poruchy rovnováhy a mírných závratí.

Příčiny vertiga hlášené po kochleárním implantátu

• Vertigo z poruchy, která způsobila pokles sluchu na prvním místě.
• BPPV po implantaci.
• Inzerční poškození vnitřního ucha, včetně hydropsu, a neúmyslné propíchnutí membrány mezi scala tympani a vestibuli.
• Elektrická stimulace vaku nebo jinde (Cordes et al, 2012)
• Únik kolem kochleostomie přes kulaté okno (Kusuma et al, 2005)
• Sympatické poškození vnitřního ucha (Harris et al, 1985)

Vertigo z původní příčiny ztráty sluchu.

• související s věkem (presbyakúzie)
• autoimunitní onemocnění vnitřního ucha (AIED)
• meniérová nemoc
• Kongenitální
• idiopatická ztráta sluchu

BPPV po kochleárním implantátu (CI)

BPPV neboli benigní paroxysmální polohové vertigo je jednou z nejčastějších příčin vertiga, v podstatě proto, že jde o zranitelný systém ve vnitřním uchu. Dalo by se očekávat, že to bude velmi častý příspěvek CI.

Údaje o tom, jak často se u pacientů s CI rozvine polohové vertigo, se liší. Di Girolamo a kol. (1999) navrhli, že je to „neobvyklé“. Limb et al (2005) uvedli, že BPPV se vyskytla u 12 z 52 pacientů s CI, tedy zhruba u 20 %. Viccaro (2007) to uvedl u 8 ze 70 pacientů — zhruba 10 %. Shetye (2012) navrhl, že to bylo „vzácné“. Zanetti (2007) ji pozoroval u 4 z 62 pacientů. Od roku 2015 se tedy zdá, že zhruba u 10–20 % pacientů se po kochleárním implantátu rozvine BPPV. Překvapuje nás, že jich není víc.

Limb et al (2005) navrhli dvě teorie — zavedení kostního prachu do labyrintu a uvolnění otokonie během operace.

BPPV spojený s CI se léčí podobně jako BPPV, který vzniká v důsledku jiného poškození ucha, obecně s dobrým úspěchem.

Inzerční poškození vnitřního ucha z CI

Když se vloží kochleární implantát, kulatým okénkem se protáhne dlouhý drát. Něco jako snažit se prostrčit ramínko malým otvorem a zachytit něco, co na druhé straně nevidíte. Toto je malá oblast, a i když se dá zjistit, jestli se to dostalo do hlemýždě až potom, nemusí nutně vědět, jestli cestou dovnitř do něčeho nenarazilo. V cestě jsou nějaké věci (jako vak nebo scala tympani), který by mohl být propíchnut. Z předchozích pokusů o propíchnutí vaku za účelem léčby Meniérova (“Codyho připínáček”) víme, že to může způsobit velké škody. Víme také, že prasknutí membrány může způsobit závratě.

Basta et al (2008) navrhli, že » chronické, přetrvávající závratě po operaci kochleárního implantátu jsou z velké části založeny na dysfunkci sakulární makuly, která je nedílnou součástí otolitového systému.» I když uznáváme, že vak je často poškozen během zavádění, pochybujeme, že to způsobuje chronické přetrvávající vertigo, protože funkce váčku (měřeno testováním VEMP) se běžně ztrácí u starších jedinců, kteří obecně nemají «chronické přetrvávající vertigo». Basta také navrhl: “Možná koaktivace dolního vestibulárního nervu elektrickou stimulací může hrát další roli v patogenezi přetrvávajících pooperačních závratí.” Jsme také na pochybách o této myšlence, protože pokud ano, příznaky by měly zmizet po vypnutí implantátu.

Lesinski (1998) ohlásil případ Tullio, připisovaný «jizvené tkáni obklopující kůstky po CI». Ošetřili Tullio tak, že roztrhli kůstky. To by naznačovalo, že zvuk mohl stimulovat posunutý vak.

Kubo et al (2001) uvedli, že asi u 15 % jejich pacientů se vyvinulo opožděné vertigo, doprovázené tinnitem a ztrátou sluchu, a podobalo se Meniérově chorobě. To naznačuje, že u některých pacientů se po implantaci rozvine hydrops. Pro tuto myšlenku existuje určitá nedávná podpora, protože pacienti s CI mohou ztratit nízkofrekvenční sluch a některé nedávné studie naznačují obliteraci ductus reunions. Viz také diskuzi níže pod nadpisem «úniky» o tom, jak může být perilymfická píštěl zaměňována s hydropsem.

Vestibulární funkce, poněkud překvapivě, je v implantovaném uchu obecně omezena pouze mírně. (Brey a kol., 1995). Jinými slovy, většina případů závratí po implantaci se nezdá být způsobena «vestibulárním vypnutím» příslušného ucha.

U příležitostných pacientů se po implantaci rozvine meningitida. Člověk by si myslel, že mohou existovat jak infekce, tak i neinfekční (sterilní) meningitida nebo prostě zánět labyrintového systému.

Elektrická stimulace nesprávné části vnitřního ucha

I když si někdo může myslet, že závratě mohou souviset s neúmyslnou elektrickou stimulací vestibulárního systému, závratě obvykle nesouvisí s aktivací implantátu (Fina et al, 2003). Cordes (2012) navrhl, že závrať, která závisí na aktivaci CI, souvisela hlavně se stimulací vaku, což je vestibulární struktura, kterou je nutné projít, aby se elektroda dostala do kochley. Migrace elektrod je podle van der Marela et al (2012) běžná. Když elektroda migruje, může začít stimulovat váček. Tange et al (2006) uvedli pacienta, u kterého byl implantát nesprávně nasměrován do vestibulární části vnitřního ucha au kterého se samozřejmě vyvinula závratě. Tuto situaci lze snadno diagnostikovat pooperačním vyšetřením.

Ačkoli elektrická stimulace může způsobit vertigo, prakticky je velmi vzácné, že je rovnováha ovlivněna elektrickou stimulací. Jinými slovy, vertigo se obecně nespouští «zapnutím» implantátu. Ve skutečnosti mohou být přidané sluchové informace trochu užitečné (tj. většinou), podle nekontrolované studie Shaymana et al, 2017. Pochybujeme, že tento efekt je však velmi významný.

Elektrody se mohou během zavádění „složit“ (Pijl et al, 2008), a to samozřejmě vyžaduje reimplantaci. Tato situace se snadno pozná podle selhání implantátu a abnormálního CT vyšetření.

Únik perilymfy.

Drát pro kochleární implantáty prochází kulatým okénkem (viz obrázek výše) nebo kochleou přes «kochleostomii». Trauma kulatého okénka může způsobit perilymfatickou píštěl, která je potenciálním zdrojem závratí. Při pouhém pohledu na mechaniku situace by si člověk myslel, že by to byla velká příčina závratí u pacientů s CI. Choo (1984) poukázal na to, že CI riskují vytvoření netěsností v kulatém okně.

Člověk by si myslel, že by došlo k mnoha únikům přes místo kochleostomie v kulatém okénku po implantátu, což by způsobilo závratě, protože se dovoláváme spektora perilymfatické píštěle, aby vysvětlil závratě u osob, které měly mnohem menší poranění vnitřního ucha než CI, ale kupodivu. toto nebylo hlášeno často. To může být způsobeno obrovským problémem, který máme s detekcí úniků perilymfy obecně, nebo tím, že na CI je něco zvláštního a úniky se nevyskytují. Jinými slovy, k únikům nedochází (pochybné), nebo jsou jednoduše přehlíženy (mohlo by být) nebo jsou ignorovány. V tomto psaní (2015) nemáme rozumnou metodu, jak zjistit chronický únik kulatým okénkem, takže neexistuje způsob, jak tuto otázku vyřešit.

Typickými příznaky PLF jsou tlakem a pohybem vyvolané závratě — tj. závratě při namáhání nebo závratě s hlasitými zvuky v důsledku aktivace řetězce kostních kůstek. Člověk by si myslel, že první by mohl být přítomen, ale to druhé by bylo u pacientů s CI neobvyklé. Závratě při namáhání lze zjistit pomocí Valsalvova testu. Naše zkušenost je, že mnoho ušních onemocnění má mírně pozitivní Valsalvu, takže citlivost tohoto postupu u pacientů s CI je pravděpodobně malá.

Proti hypotéze, že závrať u CI je způsobena chronickým únikem kulatého okénka, se skromně argumentuje tím, že Todt a kol. (2008) navrhli, že i když závratě byly po implantaci běžné, zavádění přes kulaté okénko snížilo riziko závratí spojených se zavedením.

Samozřejmě, že vzduch v labyrintu na MRI (pneuomolabyrintu) je jistou známkou úniku perilymfy. Spíše než chodit ven dělat CT nebo MRI u každého pacienta, který má závratě, by mělo stačit jednoduše pacienta vyšetřit, protože podle našich zkušeností mají pacienti se vzduchovými bublinami značný polohový nystagmus. Pneuomlabyrint je však extrémně vzácný a nepřítomnost vzduchu nedokazuje absenci úniku. (Venegas et al, 2016)

Únik perilymfy snižuje tlak perilymfy a může způsobit příznaky podobné Meniérově chorobě. Protože problém je strukturální, omezení soli nebo diuretika by pravděpodobně nepomohly.

Karimi et al (2017) uvedli, že «znovutěsnění» kochleostomie zlepšilo vertigo u 6 z 9 pacientů. Myslíme si, že v CI je mnoho potenciálních zdrojů závratí a že toto je pravděpodobně jeden z nich. Problém je v určení, který pacient bude mít prospěch z další operace. Bylo by obtížné provést placebem kontrolovanou studii pro tento problém. Nějakou pomoc by mohly poskytnout novější CT skenery s vysokým rozlišením (kuželový paprsek).

Sympatické onemocnění vnitřního ucha a progresivní pokles vestibulární funkce u pacientů s CI

Pokud jde o autoimunitní onemocnění vnitřního ucha nebo hydrops, je obtížné tyto stavy identifikovat u osob s jejich původním sluchovým vybavením. Je téměř nemožné je diagnostikovat po CI. Myšlenka je taková, že trauma do ucha uvolňuje antigen z chráněného místa a že po několika letech se tělo postaví proti sobě a způsobí další škody. Současná diagnostická technika není schopna tuto situaci odhalit. Je to obzvláště těžké, protože pacienti s CI jsou téměř vždy hluší na obě uši a z autoimunitních zdrojů už nemají co ztratit. Mohou se však u nich vyvinout závratě. Další nevyřešený problém.

Patterson et al (2022) referovali o stabilitě vestibulární funkce u 33 dětí s kochleárním implantátem. Uvedli «Celkově byly výsledky rotačního křesla a vHIT stabilní v obou skupinách; VEMP se však mezi skupinami rozdílně měnily, zlepšovaly se u dětí s NH a klesaly u dětí s CI. Navíc, navzdory relativní stabilitě, některé děti s CI vykazovaly progresivní vestibulární ztrátu na všech měřeních, což naznačuje, že vestibulární testování by mělo být dokončeno sériově kvůli možnosti progrese.» Jejich zkratky jsou NH pro normální sluch a CI pro kochleární implantát. Tento pokles může souviset se základním onemocněním, které vyvolalo potřebu CI, ale může být také způsobeno sympatickým onemocněním vnitřního ucha. Zde si klademe otázku, zda byly VEMP získány jinou metodologií než sluchovým vstupem, jako je „mini-šejkr“.

Léčba vertiga po CI

Léčba je v podstatě pokus/omyl. Zkouší se vypnout implantát, zkoumá se vliv tlaku (na prosakování), zkouší se léčba hydropsu, a pokud je poziční nystagmus, léčí se PT. Pokud jsou bolesti hlavy, léčíme i migrénu. Vestibulární rehabilitace pravděpodobně situaci nezhorší a obecně stojí za vyzkoušení.

Podle Tutar et al (2014) lze transmastoidní labyrintektomii použít k odstranění zbývající vestibulární funkce v implantovaném uchu. Vzhledem k tomu, že se jednalo o jedinou případovou zprávu, zdá se nám, že kdybychom to byli my, doufali bychom, že někdo jiný vyrazí stopu na číslo 2, protože nám to připadá jako riskantní záležitost.

REFERENCE

• Abouzayd M, Smith PF, Moreau S, Hitier M. Jaké vestibulární testy zvolit u symptomatických pacientů po kochleárním implantátu? Systematický přehled a metaanalýza. Eur Arch Otorinolaryngol. 2016. dubna 8. [Epub před tiskem]
• Batuecas-Caletrio A1, Klumpp M, Santacruz-Ruiz S, Gonzalez FB, Sánchez EG, Arriaga M. Vestibulární funkce u kochleární implantace: Korelace objektivity a subjektivity. Laryngoskop. 2015 17. dubna doi: 10.1002/lary.25299. [EPUB před tiskem]
• Basta, D., a kol. (2008). “Ztráta vakové funkce po kochleární implantaci: diagnostický dopad intrakochleárních elektricky vyvolaných vestibulárních evokovaných myogenních potenciálů.” Audiol Neurootol 13(3): 187-192.
• Brey, R. H., a kol. (1995). “Vestibulární efekty spojené s implantací vícekanálové kochleární protézy.” The American journal of otology 16(4): 424-430.
• CHen X, Chen X, Zhang F, Qin Z. Vliv kochleární implatace na vestibulární funkci. Acta Otolaryngol 2016.
• Choo, Y. B. (1984). “Mikroskopické charakteristiky problémů s kulatými okny v otologii.” Laryngoskop 94(1): 1-9.
• Coordes, A., Basta, D., Gotze, R., Scholz, S., Seidl, R. O., Ernst, A., & Todt, I. (2012). Zvukem vyvolané vertigo po kochleární implantaci. Otol Neurotol, 33(3), 335-342. doi: 10.1097/MAO.0b013e318245cee3
• Di Girolamo, S., a kol. (1999). “Neobvyklá komplikace kochleárního implantátu: benigní paroxysmální polohové vertigo.” The Journal of laryngology and otology 113(10): 922-923.
• Dodson, K.M., P.G. Maiberger a kol. (2007). “Intrakraniální komplikace kochleární implantace.” Otol Neurotol28(4): 459-62.
• Fine M a další. Vestibulární dysfunkce po kochleární implantaci. Otol Neurotol 24:234-242
• Hänsel T, Gauger U, Bernhard N, Behzadi N, Romo Ventura ME, Hofmann V, Olze H, Knopke S, Todt I, Coordes A. [Epub před tiskem] Metaanalýza subjektivních potíží vertiga a vestibulárních testů po kochleární implantace.Laryngoskop. 2018 Jan 4. doi: 10.1002/lary.27071.
• Hansen, S., Anthonsen, K., Stangerup, S. E., Jensen, J. H., Thomsen, J., & Caye-Thomasen, P. (2010). Neočekávané nálezy a chirurgické komplikace u 505 po sobě jdoucích kochleárních implantací: návrh na hlášení konsenzu. Acta Otolaryngol, 130(5), 540-549. doi: 10.3109/00016480903358261
• Harris, J. P., Low, N. C., & House, W. F. (1985). Kontralaterální nedoslýchavost po poranění vnitřního ucha: sympatická kochleolabyrintitida? Am J Otol, 6(5), 371-377.
• Hodges a Balkán. Kochleární implantáty pro senzorineurální ztrátu sluchu. Nemocniční lékař, říjen 2002, 22.
• Jeppesen, J., & Faber, C. E. (2013). Chirurgické komplikace po kochleární implantaci u dospělých na základě navrhovaného konsensu. Acta Otolaryngol, 133(10), 1012-1021. doi: 10.3109/00016489.2013.797604
• Kubo, T., a kol. (2001). “Po kochleárním implantátu se objevují různé formy závratí.” Eur Arch Otorhinolaryngol 258(1): 9.-12.
• Kusuma, S., Liou, S., & Haynes, D. S. (2005). Nerovnováha po kochleární implantaci způsobená perilymfickou píštělí. Laryngoskop, 115(1), 25-26. doi: 00005537-200501000-00005 [pii] 10.1097/01.mlg.0000150680.68355.cc
• Jacob R, Stelzig Y, Nopp P, Schleich P. [Epub před tiskem] [Audiologické výsledky s kochleárními implantáty pro jednostrannou hluchotu.] [Článek v němčině] HNO. 2011. dubna 30
• Karimi D, Mittman P, Ernst A, Todt I. Chirurgická léčba vertiga u kochleárních implantátů přetěsněním elektrod. Acta Otolaryngol 2017.
• Krause E, Wechtenbruch J, Rader T, Berghaus A, Gürkov R. Porušená suprese fixace je rizikovým faktorem pro vertigo po kochleární implantaci. Laryngol Otol. 2009. února 26:1-6.
• Lesinski, A., a kol. (1998). “[Tulliův fenomén po kochleární implantaci].” HNO 46(7): 692-694.
• Limb, C. J., a kol. (2005). “Benigní polohové vertigo po kochleární implantaci.” Otolaryngol Head Neck Surg 132(5): 741-745.
• Matin F, Krueger C, Avallone E, Rossberg W, Demyanchuk A, Guenther A, Lenarz T, Lesinski-Schiedat A. Vliv konstrukce elektrodového pole na výskyt příznaků vertiga a vestibulární funkci po kochleární implantaci. Ear Nose Throat J. 2023 Nov;102(11):701-708. doi: 10.1177/01455613211022075. Epub 2021, 28. června. PMID: 34182811.
• Migirov, L., Taitelbaum-Swead, R., Hildesheimer, M., & Kronenberg, J. (2006). Revizní operace u pacientů s kochleárním implantátem: přehled 45 případů. Eur Arch Otorinolaryngol. Steenerson RL, Cronin GW, Gary LB. Vertigo po kochleární implantaci. Otol Neurotol 22:842-843
• Patterson JN, Chen S, Janky KL. Stabilita vestibulárního testování u dětí se ztrátou sluchu. Am J Audiol. 2022:12–1 září 12. doi: 10.1044/2022_AJA-21-00257. EPUB před tiskem. PMID: 36095287.
• Pijl, S., a kol. (2008). “Objektivní nálezy se špatným umístěním kochleárního implantátu nucleus 24RE(CA).” Journal of the American Academy of Audiology 19(5): 435-442.
• Robard, L., a kol. (2015). “Vestibulární funkce a kochleární implantát.” Eur Arch Otorhinolaryngol 272(3): 523-530.
• Shetye, A. (2012). “Benigní paroxysmální polohové vertigo u dítěte: vzácná komplikace po projížďce na pouť a po operaci kochleárního implantátu.” Kochleární implantáty mezinárodní 13(3): 177-180.
• Shayman CS, Mancini M, Weaver TS, King LA, Hullar TE. Příspěvek kochleárních implantátů k posturální stabilitě. Laryngoskop. 2017 8. listopadu doi: 10.1002/lary.26994. [EPUB před tiskem]
• Tange, R. A., a kol. (2006). “Intrakochleární chybně zaměřená implantace kochleárního implantátu.” Acta Otolaryngol 126(6): 650-652.
• Tutar H, Tutar VB, Gunduz B, Bayazit YA. Transmastoidní labyrintektomie pro deaktivaci vertiga po kochleární implantaci. J Laryngol Otol. 2014 září 10:1-3. [EPUB před tiskem]
• van der Marel, K.S., a kol. (2012). “Migrace elektrod u pacientů s kochleárním implantátem: není výjimkou.” Audiol Neurootol 17(5): 275-281.
• Venegas, M. D., a kol. (2016). “Pneumolabyrint: Atypická komplikace u kochleárního implantátu.” Acta Otorrinolaringol Esp 67(2): 114-116.
• Vicaro, M. a kol. (2007). “Poziční vertigo a kochleární implantace.” Otologie a neurotologie: 28(6): 764-767.
• Zanetti, D., a kol. (2007). “Paroxysmální polohové vertigo po kochleární implantaci.” Acta oto-laryngologica 127(5): 452-458.

Držitel licence MDPI, Basilej, Švýcarsko. Tento článek je otevřeným článkem distribuovaným za podmínek licence Creative Commons Attribution (CC BY) (https://creativecommons.org/licenses/by/4.0/).

Přidružená data

V této studii byly analyzovány veřejně dostupné datové soubory. Data byla získána z The Cancer Imaging Archive (TCIA) pořádaného The National Cancer Institute (NCI), Washington University v St. Louis a University of Arkansas for Medical Sciences (UAMS), Low Dose CT Image and Projection Data (LDCT- and-Projection-data) (Verze 4) [Soubor dat] na https://doi.org/10.7937/9NPB-2637, přístupný dne 21. listopadu 2021. Údaje z National Lung Screening Trial (NLST) [Soubor dat] na https://doi.org/10.7937/TCIA.HMQ8-J677, přístup dne 21. listopadu 2021.

Abstraktní

Počítačová tomografie (CT) se běžně používá pro screening rakoviny, protože pro skenování využívá nízkou radiaci. Jedním z problémů skenování s nízkou dávkou jsou šumové artefakty spojené s nízkým počtem fotonů, které mohou vést ke snížené úspěšnosti detekce rakoviny během hodnocení radiologem. Šum musel být odstraněn, aby se obnovila jasnost detailů. Navrhujeme metodu odstranění šumu pomocí nového modelu konvoluční neuronové sítě (CNN). I když je doba tréninku sítě dlouhá, výsledek je lepší než u jiných modelů CNN ve skóre kvality a vizuálním pozorování. Navrhovaný model CNN používá složenou modifikovanou U-Net se specifickým počtem map jevů na vrstvu ke zlepšení kvality obrazu, což lze pozorovat na průměrném zlepšení skóre kvality PSNR ze 174 snímků. Další nejlepší model má o 0.54 bodu nižší průměrné skóre. Rozdíl ve skóre je menší než 1 bod, ale výsledek obrázku se blíží obrázku naskenovanému plnou dávkou. Použili jsme samostatná testovací data, abychom objasnili, že model zvládne různé hustoty hluku. Kromě porovnání konfigurace CNN diskutujeme kvalitu odšumování CNN ve srovnání s klasickým odšumováním, ve kterém šumové charakteristiky ovlivňují kvalitu.

Klíčová slova: rakovina plic, hlukové artefakty, odšumování

1. Úvod

Zpráva Global Cancer Observatory (GLOBOCAN) odhaduje 19.3 milionu nových případů rakoviny s téměř 10 miliony úmrtí v roce 2020, přičemž rakovina plic je druhou nejčastěji diagnostikovanou rakovinou po rakovině prsu u žen. Rakovina plic má však nejvyšší mortalitu 18 % [1], protože diagnóza se často vyskytuje v pozdních stadiích rakoviny. Randomizovaná studie zaměřená na screening rakoviny plic v Nizozemsku a Belgii, která byla zahájena v roce 2003, prokázala zvýšení přežití pacientů, protože časná detekce rakoviny vedla k časné léčbě [2]. Včasná detekce rakoviny pomocí screeningu rakoviny se zaměřuje na lidi s vysokým rizikem rakoviny plic, jako jsou silní kuřáci a lidé s rodinnou anamnézou rakoviny plic. Screening je prováděn pomocí CT skenů, které využívají nižší dávku záření při zachování kvality obrazu tak akorát pro posouzení [3]. Koncepce začala v roce 1990, kdy obraz má dostatek detailů pro detekci plicního parenchymu, ale trpí degradací obrazu zvýšeným šumem [4]. V současné době se snímky s nízkou radiací, známé jako Low Dose CT (LDCT), staly oblíbenou volbou pro screening. Ty využívají přibližně 25–30 % standardní dávky záření [5]. LDCT má však zvýšenou hladinu hluku, což vede k riziku nesprávného posouzení. Bylo například zjištěno, že screening rakoviny pomocí LDCT u 53,454 24.2 osob měl za následek 95 % pozitivních, ale 6 % bylo falešně pozitivních [XNUMX].

Proud trubice, kolimační faktor, motýlkový filtr a doba expozice jsou faktory, které mohou ovlivnit dávku záření během skenování. Dávka záření je úměrná počtu fotonů ve spojení s tendencí absorpce a rozptylu během skenování, což může vést k tomu, že detektor obdrží méně fotonů. V důsledku toho se v datech projekce může objevit šum. Šum se po rekonstrukci obrazu změní na pruh. V obraze je také elektronický šum, jako je šum výstřelu, i když u moderního CT skeneru je dopad elektronického šumu méně patrný díky lepší konstrukci elektronických obvodů [7].

Odstranění šumu z nízkodávkovaných snímků CT se stalo rostoucí oblastí výzkumu. Metody odšumování se rozšířily z klasického odšumování, jako je Gaussian Smoothing, Non-Local Mean (NLM), na 3D Block Matching (známý jako BM3D) do použití různých modelů CNN, z nichž každý má svou vlastní sílu. Odstranění šumu CNN vyžaduje proces učení, který závisí na snímcích s plnou dávkou a nízkou dávkou záření, a je nemožné získat přesnou kopii snímku kvůli možnému pohybu pacienta nebo dokonce pohybovým artefaktům mezi skeny [8] a riziku záření, i když se někteří výzkumníci pokoušeli provést dva testy v rámci skenování, s radiologem jako pozorovatelem [9,10].

V klasickém odšumování byl proveden výzkum s cílem zlepšit BM3D tak, aby řešil šum CT skenování pomocí metody založené na kontextu. Skóre kvality bylo založeno na kontrastu k šumu, který se oproti původnímu BM30D zlepšil v průměru o 3 % [11]. Existují různé výzkumy o použití CNN pro odšumování. Metoda Generative Adversarial Network (GAN) zahrnovala trénování kvality odšumování pomocí generátoru využívajícího ovládání diskriminátoru na 3D srdečním CT, což vedlo ke čtyřem bodům zlepšení poměru maximálního šumu k signálu (PSNR) [12]. Byl proveden výzkum využívající offline slovník (databáze záplat) k rekonstrukci nízkodávkovaného CT restaurováním pomocí podobných obrazových záplat. Při měření kvality bylo použito skóre radiologů [13,14]. Bylo použito několik modifikací U-Net pro odšumování CT skenu zmenšením velikosti filtru a přidáním dalších vrstev na stupně [15], odstraněním zřetězené vrstvy a přidáním rekurentně-reziduálního spojení [16], použitím stagnujícího filtru velikost 128 na všech stupních a použití Leaky Rectified Linear Unit (ReLU) jako aktivační funkce [17]. Byl proveden výzkum využívající odlišnou síťovou architekturu a procesy zaměřené na trénování zbytkového šumu ve zbytkové síti (ResNet) [18].

Jako hlavní příspěvek tohoto výzkumu navrhujeme řešení odšumování, které vychází z pochopení několika modelů CNN. Navrhovaný model je skládaný upravený model U-Net. Modifikace zahrnuje transponovanou konvoluční vrstvu pro fázi dekodéru, zvýšení prostorového učení pomocí konvoluční vrstvy krok-2 pro kontrakci, zlepšení detekce šumu pomocí vysokého počtu filtrů na rané vrstvě, zachování počtu filtrů ve všech vrstvách a stohování dvou modelů. společně ke zlepšení. Tyto modifikace nebyly dříve použity společně k řešení problému odšumování. Soubor dat používal syntetický šum dosažitelný pomocí nástroje pro vkládání šumu při 10 % standardní dávky. Přibližný rozdíl byl 5–6 % skutečných screeningových snímků. Struktura tohoto článku je následující: Část 2 pokrývá metodologii stanovení vrstev CNN a modelu. Část 3 popisuje výsledky a srovnávací zlepšení kvality před a po odšumování a srovnávací studie jiné metody. Část 4 pojednává o dopadu odšumování na jiný soubor dat. Závěr je uveden v části 5.

2. Materiály a metody

2.1. Soubor dat

Soubor dat použitý v této studii pocházel z výzkumu LDCT-and-Projection-data, uložených v knihovně Cancer Imaging Archive (TCIA). K trénování neuronové sítě a nezávislému testování výsledku jsme použili šest souborů dat pacientů (z 299 pacientů ve skupině) s 1906 páry snímků. Dvojice snímků znamená, že každý snímek se standardní dávkou má kopii syntetického snímku s nízkou dávkou. Vzorová datová sada byla výsledkem skenování CT skeneru Somatom Definition AS+ a Somatom Definition Flash od pacienta s a bez pevných nekalcifikovaných uzlin [19].

2.2. Simulace hluku

Simulace šumu byla získána pomocí nástroje pro vkládání šumu, který využívá ověřený model počítání fotonů aplikovaný na post-zpracovaná data projekce skenu standardní dávky. Snímky měly nastavení CT skenu na tloušťku řezu 1.5 mm, 120 kV a proud zkumavky mezi 650–750 mA pro sken s plnou dávkou. Data projekce byla extrahována ze skeneru pro přidání syntetického šumu pomocí známého modelu šumu, poté byla upravená data projekce vrácena do skeneru pro využití vážené, filtrované zpětné projekce (FBP). Cílem simulace bylo 10 % plné dávky radiační dávky pro sken hrudníku [12,20].

Byl zvažován a testován teoretický přístup pro simulaci hluku změnou projekčních dat pomocí Gaussova šumu. Data projekce byla vypočtena ze standardního dávkového obrazu s použitím Radonové transformace.

ρ ω , θ = ∫ − ∞ ∞ ∫ − ∞ ∞ f x , y e − i 2 ω x c o s θ + y s i n θ d x d y

kde ρ ω, θ jsou data projekce (sinogram) snímku z CT f x, y (1). Detekovaný počet fotonů (zeslabená intenzita) byl sledovatelný pomocí Beer-Lambertova zákona pro nehomogenní materiál a profil motýlkového filtru.

I = I 0 · P b · e − ∫ μ x d x = I 0 · P b · e − ρ ω, θ

kde I je detekovaný počet fotonů (počet za sekundu – cps) a I 0 je původní počet fotonů (incidentní tok – cps), Pb je profil motýlka a ∫ μ x d x je nehomogenní cíl ekvivalentní projekci údaje ρ ω, θ (2).

I 0 = K · c · m A · s

Dopadající tok I 0 závisí na konstantě skeneru K , kolimačním faktoru c , dávce záření m A a době expozice s (3).

I 0 L = 10 % ∗ I 0
I L = P s I 0 L · P b · e − ρ ω, θ

Simulace nízké dávky záření I 0 L byla dosažitelná snížením hodnoty dopadajícího toku na 10 % standardní dávky (4). Implementace náhodného Poissonova rozdělení P s generuje šum v nové utlumené intenzitě I L (5).

ρ L ω , θ = − l n I L / I 0 L

Syntetická data projekce nízké dávky ρ L ω , θ jsou přepočítána pomocí vzorce (6) s inverzní Radonovou transformací pro rekonstrukci obrazu [5]. Tento výzkum se zaměřuje na neuronové sítě a neproběhlo žádné testování na skutečném CT skeneru. Nebylo tedy možné získat profil motýlkového filtru, řízení expozice a elektronický šum. Kromě toho může zpětné sledování obrazu do dat projekce způsobit odchylku od hodnot projekce, což vede k větší chybě ve výsledcích potlačení šumu.

2.3. Výběr techniky odstranění šumu

Existuje mnoho přístupů k řešení problému odšumování obrazu, od klasického procesu až po nedávné využití neuronových sítí. Klasické odšumování má za cíl odstranit šum výpočtem hodnoty šedé pixelů do prostorové nebo transformační domény. Pro srovnání, síťový trénink v neuronových sítích má za cíl rozlišit šumové vlastnosti a odstranit je [21]. Zvažovali jsme tři klasické metody odšumování, které používají prostorovou nebo transformační doménu k porovnání kvality odšumování navrhované CNN. Tyto tři metody byly Gaussovské vyhlazování, NLM (Non-Local Mean) a 3D blokové párování (BM3D). Gaussovské vyhlazování aplikuje na obraz gaussovskou funkci pro snížení šumu pomocí hladkého rozostření. Metoda NLM byla představena v roce 2005 pro odšumování obrazu vážením všech pixelů v obrázku s podobností s cílovými pixely [22]. Zatímco metoda BM3D byla zavedena v roce 2007 pomocí stejné metody seskupování jako NLM pomocí prahování, následovalo použití Wienerova filtru [23].

Navrhovaná síť vychází z použití autokodéru kombinovaného s CNN pro odšumování obrazu. Do řešení problému odšumování zapadá několik návrhových vrstev, každá s drobnými úpravami, i když původním vývojovým záměrem byla segmentace nebo klasifikace. Tyto návrhy se staly referencí pro vývoj nové navrhované sítě. První referencí byl U-Net, vytvořený v roce 2015, aby se vypořádal s problémy segmentace a klasifikace obrazu. První polovina modelu se skládá z vrstev kodéru, které používají duální jádro 3 × 3 pro proces konvoluce a aktivaci Rectified Linear Unit (ReLU) pro každou vrstvu. Vrstva kodéru používá vrstvu Max Pooling pro kontrakci, aby se přesunula do hlubších vrstev kodéru. Druhá polovina se skládá z vrstvy dekodéru se stejným duálním jádrem 3 × 3 pro proces konvoluce a aktivaci ReLU. To využívá konvoluci transponování na kroku 2 pro expanzi a přeskakuje zřetězení z odpovídající vrstvy kodéru. Před posledním sdružováním a první transponovanou konvoluční vrstvou je vrstva odpadnutí. Zpočátku síť používala vrstvu SoftMax k přiřazení rozdělení pravděpodobnosti klasifikačnímu procesu [24]. Změna na regresní vrstvu umožnila síti vypořádat se s problémem odšumování. Počet filtrů v U-Net začíná na 64 a zdvojnásobuje každou vrstvu kodéru, přičemž nejhlubší vrstva kodéru má 1024 filtrů. Někteří badatelé upravili hloubku vrstvy. Počet funkcí pro zlepšení ztráty tréninku s každou úpravou závisí na charakteristice hluku. Odšumující cíl se liší od snímku s Gaussovým šumem [25] a nízkodávkovaného CT snímku (s použitím simulace šumu prostřednictvím Poissonova rozdělení na projekční data) [26].

Druhou referencí byla Segmentační síť (SegNet), vyvinutá v roce 2016 pro řešení problému segmentace. Má podobnou strukturu jako U-Net, včetně duálního jádra 3 × 3 pro proces konvoluce. Návrh využívá vrstvu normalizace dávky před aktivační vrstvou ReLU a připojení přeskočení Un-polling [27]. Třetí reference je odvozena od sítě Deconvolution Network (DeConvNet) vyvinuté v roce 2016 pro sémantickou segmentaci. DeConvNet má stejnou charakteristiku jako SegNet, kromě toho, že vrstvy dekodéru využívají transpoziční konvoluci [28]. Původní SegNet a DeConvNet mají ve všech vrstvách stejný počet filtrů 64. Pro účely srovnání jsme zvýšili počet filtrů na 128. Nahrazení vrstvy Softmax regresní vrstvou v obou a odstranění vrstvy normalizace dávky umožnilo SegNet nebo DeConvNet vypořádat se s problémem odšumování.

Čtvrtá reference pochází ze sítě Residual Encoder-Decoder Network (RedNet), vyvinuté v roce 2016 pro obnovu obrazu. RedNet využívá vrstvy kodéru a dekodéru bez procesu smršťování nebo rozpínání. Aktivační vrstva je ReLU, vrstva dekodéru využívá proces transpozice konvoluce a sumační vrstva je přeskokové spojení. Bez kontrakční a expanzní vrstvy může trénink snížit prostorovou degradaci a zlepšit využití paměti [29]. RedNet má stejný počet filtrů (128) ve všech vrstvách a byl použit pro odšumování CT skenu pomocí Poissonova šumu na projekčních datech [30]. Poslední reference pochází ze skládání modelu dohromady, Stacked U-Net, který byl použit k vytvoření dvou nebo více U-Net dohromady pro segmentaci v roce 2018 [31] a 2019 [32] a pro rekonstrukci obrazu v roce 2021 [ 33].

Předchozí složené modely U-Net byly používány v různých aplikacích a bylo zapotřebí více úprav, aby se vyřešil problém s odstraněním šumu a optimalizovala se doba výpočtu, jako je snížení počtu U-Net v zásobníku a zvýšení konvoluční operace v každém bloku. etapa. Modifikace dělá model odlišný od originálu, a proto zde není srovnání se stávající složenou U-Net uvedenou v tomto článku. Uvažovali jsme pouze o složeném nastavení z těchto modelů, aniž bychom se řídili číslem zásobníku ve stávajících modelech.

Navrhovaná síť obsahuje dvě vrstvené U-Net vrstvy, každou s kodérovou a dekodérovou vrstvou se 128 jako počet filtrů na každé vrstvě. Zatímco srovnávací síť používá hloubku kodéru 4, náš model ji redukoval na 3. Vrstvy kodéru používají trojité jádro 3 × 3 pro proces konvoluce a aktivaci Rectified Linear Unit (ReLU) pro každou vrstvu; další konvoluční vrstva na kroku 2 slouží ke stažení na hlubší vrstvu kodéru.

Tento přístup, který nepoužívá sdružovací vrstvu, optimalizuje váhu a vychýlení a zlepšuje přesnost modelu [34]. Vrstvy dekodéru používají trojité jádro 3 × 3 pro proces transpozice konvoluce a aktivaci Rectified Linear Unit (ReLU) pro každou vrstvu. Rozšíření využívá další transpoziční konvoluci na kroku 2. Využití transpoziční konvoluce pro vrstvy dekodéru vychází z myšlenky DeConvNet a RedNet. Spojení přeskakování využívá vrstvu zřetězení mezi odpovídajícím kodérem a dekodérem v každé síti a mezi naskládanou sítí (obrázek 1). Vstupní obrazová vrstva má 512 × 512 pixelů bez procesu zmenšení pro zachování původních prostorových pixelů. Trénink používá optimalizátor Adaptive Moment Estimation (Adam) ve výchozím nastavení k aktualizaci hmotnosti. Adam má lepší výkon než Scholastic Gradient Descent (SGD), Root Mean Square Propagation (RMSProp), Adaptive Gradient (AdaGrad) a Adaptive Delta (AdaDelta) [35]. Dvě předchozí studie použily stejnou optimalizaci pro odšumování obrazu CNN [36] a odšumování obrazu MRI pomocí metody extrakce příznaků [20].