Abstrak-Makalah ini mengusulkan batas organ penentuan metode untuk mendeteksi pendarahan internal. Terfokus penilaian dengan sonografi untuk trauma (FAST) adalah penting untuk pasien yang dikirim ke shock dengan pendarahan internal. Namun, FAST memiliki sensitivitas rendah, sekitar 42,7%, dan keterlambatan pengobatan menyelamatkan nyawa akibat pendarahan internal menjadi terjawab sudah menjadi masalah serius dalam keadaan darurat medis perawatan. Penelitian ini bertujuan, oleh karena itu, untuk membangun sebuah otomatis perdarahan internal sistem deteksi robot atas dasar USG (AS) pengolahan citra untuk meningkatkan sensitivitas. sensitivitas. Perdarahan internal memiliki memiliki dua fitur kunci: itu diekstrak dari rendah kecerahan gambar daerah di AS dan terakumulasi antara organ. Kami mengembangkan metode untuk mengekstraksi rendah kecerahan daerah dan algoritma menentukan menentukan batas-batas organ oleh o leh rendah kecerahan analisis set, dan kami mendeteksi pendarahan pendarahan internal oleh menggabungkan menggabungkan dua metode ini. Hasil penelitian berdasarkan gambar US klinis internal perdarahan antara Hati dan Ginjal menunjukkan bahwa diusulkan algoritma memiliki sensitivitas 77,8% dan spesifisitas 95,7%. Kata kunci: Emergency Medical Care, sistem Wearable, Gambar Feedback pengolahan, Visual I. PENDAHULUAN Dalam perawatan darurat medis saat penilaian, terfokus dengan sonografi untuk trauma (FAST) telah menyebar luas sebagai langkah pertama untuk mendiagnosis pasien syok traumatik [1] - [3].
Cepat dapat mempersempit daerah diagnosis ke empat bagian utama, terlepas dari lapangan di mana dokter atau staf medis spesialisasi. Oleh karena itu suatu echography cepat dan mudah Metode untuk pasien syok [4] - [6]. Bahkan dengan ini efektif metode, bagaimanapun, waktu yang dibutuhkan untuk mengangkut pasien untuk rumah sakit sering terlalu panjang. Oleh karena itu, kita harus mengembangkan sistem tele-echography yang dapat melakukan perintah cepat di ambulans atau di adegan cedera yang kita sebut "FASTele" [7], seperti yang ditunjukkan pada Gambar 1. Namun, FAST memiliki sensitivitas rendah, dan keterlambatan dalam menyelamatkan nyawa karena perdarahan internal yang melewatkan pengobatan telah menjadi masalah serius dalam perawatan medis darurat. B. Natarajan et al. melaporkan bahwa penggunaan CEPAT dalam hemodinamik stabil pasien trauma tumpul tampaknya tidak berharga, karena sensitivitas cepat adalah sekitar 42,7% berdasarkan penelitian klinis [8], seperti yang ditunjukkan pada Tabel I. Ini berarti dokter tidak dapat secara akurat Keiichiro Ito, Hiroyasu Iwata, dan Shigeki Sugano adalah dengan Departemen Departemen Ilmu Kreatif dan Teknik, Fakultas Teknik Mesin modern, Waseda University, 17 Kikui-cho, Shinjuku-ku, Tokyo ,162-0044, Jepang. Telepon: +81-3-3203-4457, Fax: +81-3-3203-4457, Email: {itokei1985, Jubi, Sugano} @ sugano.mech.waseda.ac.jp. Hiroyasu Iwata juga dengan Institute for Advanced Studi Waseda (WIAS). mendeteksi pendarahan di lebih dari setengah internal perdarahan pasien. USG (AS) pengolahan citra
teknologi dengan mengendalikan probe AS, oleh karena itu, diperlukan untuk meningkatkan sensitivitas puasa. Dalam beberapa tahun terakhir, banyak US sistem pengolahan citra dan sistem robot telah dikembangkan [9] - [13]. G. Sumei et al. melaporkan metode gray-level image thresholding dengan mengekstraksi pixel yang memiliki perubahan besar dalam konsentrasi [14]. A. Takemura mengembangkan filter adaptif untuk gambar AS di bawah High-Frekuensi Ultrasonic Equipment [15]. T. Deguchi et al. daerah diekstrak dari hati berkompetisi tomografi gambar dengan menggunakan distribusi probabilitas [16]. R. Chan et al. dan H. K. Chang et al. dibangun AS pencitraan pengolahan dan servoing visual untuk objek internal [17], [18]. Sistem ini, bagaimanapun, tidak bisa membedakan dan mengidentifikasi diketahui rendah kecerahan daerah di gambar klinis. Juga, tidak ada Penelitian telah difokuskan pada mendeteksi pendarahan internal akumulasi dalam gambar AS. Dalam studi ini, oleh karena itu, kami bertujuan untuk membangun sebuah otomatis perdarahan internal sistem deteksi robot berdasarkan AS pengolahan citra untuk meningkatkan sensitivitas. Dalam tulisan ini, kita fokus pada Fast 2 (daerah antara hati dan ginjal), dan melaporkan sebuah metode untuk mengekstraksi rendah kecerahan daerah dan penentuan algoritma batas organ oleh rendah kecerahan set analisis untuk mendeteksi perdarahan internal Fast 2. Cepat positif FAST Negatif
Perdarahan internal 88 (42,7%) 118 Tidak Ditemukan 5 1.894 Perdarahan internal Deteksi Algoritma Berdasarkan Penentuan Batas Organ oleh Low-Brightness Analisis Set Keiichiro Ito, Shigeki Sugano, Fellow IEEE, dan Hiroyasu Iwata, Anggota, IEEE Gambar 1 Dikembangkan tele-echography Sistem: FASTele FAST1 (Jantung) FAST2 (Hati dan Ginjal) FAST3 (Limpa) FAST4 (kandung kemih) Mekanik pegas Uretan spons Korset sabuk Rotary Motor Penyelidikan Kelengkungan rel Motor linier 100 mm 200 mm 200mm Tabel I Sensitivitas puasa (Creighton (USA) Universitas ER) 2.012 IEEE / RSJ Konferensi Internasional Robot Cerdas dan Sistem 07-12 Oktober, 2012. Vilamoura, Algarve, Portugal 978-1-4673-1735-1/12/S31.00 © 2012 IEEE 4131 II. SISTEM KONFIGURASI DAN PERSYARATAN A. Tinjauan tentang Sistem FASTele
Gbr.2 menunjukkan sistem yang cepat robot, "FASTele". Itu Sistem terdiri dari perangkat pencitraan AS, manipulator memegang probe AS dan PC untuk kontrol manipulator dan pengolahan citra. Sebuah output gambar dari pencitraan AS perangkat diproses dan dikirim ke PC untuk mengontrol posisi dan postur dari probe. AS pencitraan perangkat (MicroMaxx (SonoSite Inc, Micro-cembung probe (1-5 MHz)) output sinyal gambar, yang kemudian ditangkap oleh video grabber Epiphan ini DVI2USB Solo ke PC (Core2Duo 2.0GHz). Pengolahan citra diimplementasikan oleh Intel OpenCV. The FASTele memiliki dua fungsi: menghubungi permukaan pasien tubuh, dan beradaptasi dengan berbagai badan jenis dan gerakan tubuh. Juga, FASTele memiliki 4-DOF (Pitching (1DOF), Rol (1DOF), Positioning (1DOF), dan Menghubungi (1DOF)). Rel kelengkungan dan motor rotary (Drive Harmonic, RSF-5A, 66g) yang digunakan untuk mencapai pitching dan rolling dari probe. Sudut rel kelengkungan 140 ° dan 360 ° yang digunakan masing-masing untuk mencapai 90 ° pitching dan 360 ° bergulir dari probe. B. Persyaratan untuk Deteksi Pendarahan internal Di setiap daerah FAST, perdarahan internal memiliki dua fitur kunci: itu diekstraksi serendah-kecerahan daerah dalam gambar AS dan terakumulasi antara organ [4] - [6]. Darah berbeda dari jaringan lain dalam hal impedansi akustik. Juga, masing-masing organ
dipisahkan oleh celah, dan perdarahan internal terakumulasi dalam kesenjangan, seperti yang ditunjukkan pada Gbr.3. Fungsi-fungsi berikut ini diperlukan untuk mengembangkan algoritma deteksi perdarahan internal. Dalam tulisan ini, kami fokus pada pengolahan citra AS 1) dan 2). 1) Mengekstrak rendah kecerahan area untuk mendeteksi darah: Karena darah diekstraksi serendah-kecerahan daerah, echo gambar harus binarized. Namun, citra AS memiliki beberapa kebisingan, seperti seperti Speckles. Rendahnya kecerahan daerah yang disebabkan o leh darah memiliki perubahan kecerahan yang lebih besar bahwa sekitarnya jaringan. Oleh karena itu, algoritma diperlukan untuk mengekstrak hanya daerah tertutup oleh batas dengan perubahan kecerahan yang besar. 2) Menentukan batas organ (hati dan ginjal) untuk mengidentifikasi internal yang perdarahan: Kecerahan rendah disebabkan oleh perdarahan internal harus dibedakan dari kecerahan rendah disebabkan oleh darah dalam kapal. Perdarahan internal dapat dideteksi dengan menggunakan fakta pendarahan terakumulasi antara organ. Oleh karena itu, algoritma diperlukan untuk mengekstrak kesenjangan antara organ (Hati dan ginjal) pada citra AS. Ini berarti bahwa algoritma diperlukan untuk menentukan batas organ. 3) Pencarian perdarahan internal dengan mengendalikan AS penyelidikan: Karena visi citra AS tergantung pada postur dari AS probe, metode diperlukan untuk mencari pendarahan internal dengan mengendalikan probe secara otomatis untuk sesuai FAST.
III. PENDARAHAN INTERNAL DETEKSI ALGORITMA Gbr.4 menunjukkan gambaran dari metode yang diusulkan. Itu Metode yang diusulkan terdiri dari dua tahap: penggalian rendah kecerahan daerah atas dasar arah 8-usulan filter, dan menentukan batas-batas organ yang diusulkan oleh rendah kecerahan set analisis. A. Mengekstrak Rendah kecerahan area untuk mendeteksi darah Seperti yang ditunjukkan pada Gambar 5 (a) binarization, sederhana dengan menggunakan ambang ekstrak daerah rendah kecerahan lebar. Karena rendah kecerahan area yang disebabkan oleh darah memiliki kecerahan besar berubah, kita binarize citra AS dengan menggunakan diferensial suatu nilai antara piksel yang berdekatan. Selain itu, kami secara akurat mengekstrak darah oleh binarization dari arah 8(Longitudinal, salib, diagonal) filter. Setiap piksel memiliki nomor diekstraksi serendah-brightness pada skala 0 sampai 8, seperti pada (1). Kita didefinisikan sebagai jumlah intensitas filter. Semakin tinggi intensitas filter, semakin mudah untuk mengekstrak darah. Jika intensitas terlalu tinggi, namun, darah itu sendiri akan dihapus dari gambar. Ini berarti harus ada intensitas optimal pada yang darah tidak hilang. Gbr.5 (b) menunjukkan contoh citra di mana intensitas filter adalah lima. Gambar pengolahan AS pencitraan alat
Transaksi Pengontrol Internal perdarahan deteksi + AS image Probe posisi sasaran & postur Actuator Target Posisi & postur Momen perintah Diukur posisi dan sikap FASTele Gbr.2 Blok diagram FASTele Gbr.3 Fitur perdarahan internal 【Dua Fitur Utama】 1. Rendah kecerahan area 2. Antara Organ Gbr.4 Over view dari metode yang diusulkan 4132 N (x, y) = Σ X?
? ??? ? p Δ
? ,?? Δ?? ?5 DAN P x, y?? ? 120 N (x, y): Nomor yang telah diekstraksi serendah-kecerahan X:? (1: Rendah kecerahan, 0: Tinggi kecerahan) p: Intensitas filter 8-arah n: Jumlah Arah P (x, y): Brightness nilai pixel x, y Δa: Jarak antara piksel yang berdekatan dalam jumlah arah (n)? B. Penentuan Batas Organ untuk Mengidentifikasi Perdarahan internal Untuk mengekstrak hanya rendah kecerahan daerah yang disebabkan oleh internal perdarahan, kami mendeteksi kesenjangan antara organ (hati dan ginjal) atas dasar penentuan batas-batas organ dengan mengusulkan rendah kecerahan set analisis. 1) Organ di Area Segmentasi: Pertama, kita memperoleh tepi perbaikan citra berdasarkan smoothing dengan menggunakan Maksud-Pergeseran metode [19], [20] dan diferensial nilai antara berdekatan piksel, seperti pada (2). Selanjutnya, daerah organ tersegmentasi sebagai berikut; (I) Penandaan lingkaran satuan Seperti ditunjukkan dalam Gbr.6 (a), lingkaran satuan menandai organ dalam tepi perbaikan citra.
(Ii) Perluasan wilayah lingkaran satuan Lingkaran unit otomatis diperluas ke diekstrak tepi piksel yang berdekatan dengan piksel yang berdekatan. Gbr.6 (b) menunjukkan contoh memperluas area lingkaran satuan 10 kali. (Iii) Penyelesaian daerah lingkaran satuan Karena tepi diekstraksi sering hilang pada batas organ, kita tidak bisa menghentikan perluasan daerah lingkaran satuan hanya Kondisi bahwa daerah tersebut menyentuh tepi diekstrak. Dalam hal ini kertas, oleh karena itu, kami menetapkan batas ekspansi (5 kali) sampai sembilan piksel sekitar satu pixel yang menyentuh tepi diekstrak. Ini berarti bahwa ketika pixel menyentuh tepi diekstrak, yang Ekspansi sekitar pixel hanya dapat dilakukan 5 kali. Dalam kasus kapal di organ disentuh, ekspansi adalah dipertahankan di sekitar kapal dengan menetapkan batasan ekspansi. Ketika pixel tidak dapat memperluas, perluasan unit lingkaran dan daerah segmentasi selesai. Gbr.7 (c) menunjukkan Hasil segmentasi daerah pada hati. ?? ? ! Σ "? # $% &??% &
Σ "? # $% &?? g x?? ! exp * + %, h-+ /
0 1 exp * + %, 2 h2 + / 0 y: Fitur ruang vektor (Posisi (x, y), Warna (L, u, v)) hs: Bandwidth ruang posisi (2D) hr: Bandwidth dari ruang warna (3D) %, -: Fitur ruang vektor dalam ruang posisi %, 2: Fitur ruang vektor dalam ruang warna 2) Penentuan Organ oleh Low kecerahan Set Analisis: Untuk mengekstrak kesenjangan antara hati dan ginjal dengan menentukan apa daerah organ tersegmentasi adalah, kami mengusulkan rendah kecerahan analisis set sebagai berikut; (I) Memperoleh distribusi nilai extremal di setiap tersegmentasi organ daerah Pertama, setiap area organ tersegmentasi dibedakan dengan menghormati kecerahan. Selanjutnya, kita memperoleh nilai extremal, yang adalah nilai kecerahan saat kecerahan pixel bergerak dari nilai yang rendah ke yang tinggi, seperti pada (3). Proses ini Internal perdarahan Gambar asli
Gbr.5 Mengekstrak rendah kecerahan daerah untuk mendeteksi darah (A) Simple binarization (Threshold: 120) (B) Usulan 8-arah penyaring (Intensitas filter: 5) X? ! 1: (A) Menandai lingkaran satuan (b) Perluasan unit lingkaran (Contoh 10 kali) Gbr.6 Arus segmentasi organ daerah 【Organ di Area Segmentasi】 Seorang dokter menandai unit lingkaran di Hati (atau Ginjal). Lingkaran otomatis mengembang. Ketika sebuah pixel menyentuh diekstrak tepi, ekspansi sekitar pixel hanya dapat dilakukan 5 kali (C) Penyelesaian daerah lingkaran satuan (Hati) Daerah merah: Hati (1) (2) Sebuah lingkaran satuan Ujung peningkatan 4133
dilakukan dalam arah horisontal dan vertikal dalam gambar. Distribusi nilai extremal dihitung sebagai rasio luas rendah kecerahan kecerahan tinggi, seperti pada (4). Gbr.7 menunjukkan extremal distribusi nilai. (Ii) Analisis distribusi nilai extremal Dengan membandingkan distribusi nilai extremal dari masing-masing organ, kami menemukan perbedaan distribusi antara hati dan ginjal, seperti yang ditunjukkan pada Tabel II. Hati memiliki lebih besar rendah kecerahan daerah daripada ginjal. Kami mendefinisikan hunian rendah kecerahan daerah di masing-masing organ sebagai set rendah kecerahan. Hati dan ginjal ditentukan oleh Analisis Set Rendah kecerahan. P: Kecerahan nilai pixel E (x, y): Nilai Extreaml Statistik Organ Rendah kecerahan set nilai Hati Rata-rata 2,98 Max 3,57 Min 1.50 Ginjal Rata-rata 2.62 Max 3.38 Min 2.04 IV. EKSPERIMEN DAN HASIL A. Percobaan dari Mengekstrak Rendah kecerahan area berbasis
pada 8-Arah Filter 1) Metode: Tujuan dari penelitian ini adalah untuk mengevaluasi efektivitas filter 8-arah dan untuk menandai menuruni optimal intensitas filter dengan menggunakan gambar klinis AS menunjukkan perdarahan internal. Kami diekstraksi rendah kecerahan daerah dari gambar US klinis, di mana daerah perdarahan internal telah diukur oleh dokter medis, dengan mengubah intensitas. Juga, daerah rasio Total diekstraksi rendah kecerahan daerah untuk perdarahan internal daerah diukur. 2) Hasil: Gbr.8 menunjukkan hubungan antara daerah rasio dan intensitas filter. Kami mengkonfirmasi bahwa semakin tinggi intensitas filter, daerah yang lebih kecil low-kecerahan selain daerah perdarahan internal. Ini berarti bahwa rendah kecerahan daerah karena kebisingan dan sebagainya bisa dihapus pada citra AS dengan tepat menetapkan intensitas dalam 8-arah filter. Gbr.9 menunjukkan hubungan antara jumlah AS gambar dari yang rendah kecerahan daerah telah diekstraksi dan intensitas filter. Kami mengkonfirmasi bahwa jika intensitas adalah lebih dari enam, beberapa gambar dari AS yang rendah kecerahan daerah tidak diekstraksi akan dihasilkan. Untuk menghindari kehilangan perdarahan mendeteksi internal, kami mengatur Intensitas optimal menyaring hingga lima dan dilakukan internal Percobaan deteksi perdarahan dijelaskan di bawah ini.
Gbr.7 distribusi extremal nilai Gambar asli Fast 2 Diekstrak extremal nilai Hitam: Tinggi kecerahan Putih: Rendah kecerahan ΔP Ax ! 0 DAN ΔP / Ax?? / 3 0 ΔP Δy ! 0 DAN ΔP / Δy?? / 3 0 1: 0: ΔP Ax 4 0 OR ΔP / Ax?? / 7 0 ATAU ΔP Δy
4 0 OR ΔP / Δy?? / 7 0 E (x, y) = Tabel II Hasil rendah kecerahan analisis set (N = 213) (3) Extreaml nilai distribusi = Luas kecerahan = low E?? X, y? ! 1? Luas kecerahan tinggi E?? X, y? ! 0? (4) Gbr.8 Hubungan antara rasio luas dan intensitas filter (Rasio luas dalam intensitas 0 diatur ke 1) Intensitas filter 8-arah (N = 10) Intensitas filter 8-arah Gbr.9 Hubungan antara rasio gambar AS dari mana rendah kecerahan daerah telah diekstrak dan intensitas 8-arah penyaring 4134 B. Percobaan dari Penentuan Batas Organ (Hati dan Ginjal) 1) Metode: Tujuan dari penelitian ini adalah untuk mengevaluasi penentuan organ oleh rendahnya kecerahan set analisis. Gambar AS bervariasi tergantung pada postur dari AS probe. Dalam penelitian ini, oleh karena itu, kami menggunakan FASTele untuk memperoleh 49 AS gambar postur probe pada FAST2 menunjukkan
hati dan ginjal (tujuh jenis sudut masing-masing: rolling dan melempar). Analisis statistik dilakukan dengan uji rank diikuti oleh Wilcoxon, dan signifikansi statistik diuji dengan nilai p <0,01. 2) Hasil dan Diskusi: Gbr.10 menunjukkan hasil rendah kecerahan set analisis. Kami mengkonfirmasi bahwa rendah kecerahan daerah hati secara signifikan lebih besar daripada ginjal (p <0,01). Ini berarti bahwa hati dan ginjal bisa ditentukan dengan menggunakan set rendah kecerahan yang diusulkan analisis. C. Percobaan Deteksi Perdarahan internal 1) Metode: Tujuan dari penelitian ini adalah untuk mengevaluasi algoritma deteksi perdarahan internal yang diusulkan berdasarkan pada filter 8-arah dan penentuan organ batas-batas dengan rendah kecerahan analisis set. Kami memverifikasi jumlah gambar yang internal yang perdarahan dapat dideteksi oleh algoritma yang diusulkan pada dasar gambar US klinis menunjukkan atau tidak menunjukkan internal yang perdarahan. 2) Hasil dan Diskusi: Tabel III menunjukkan hasil sensitivitas dan spesifisitas dari perdarahan internal yang diusulkan algoritma. Kami mengkonfirmasi bahwa sensitivitas dan spesifisitas adalah 77,8%, 95,7%. Juga, sukses hasil deteksi perdarahan internal ditunjukkan pada Gbr.11.
Cepat positif FAST Negatif Perdarahan internal 21 (77,8%) 6 Tidak Ditemukan 9 204 (95,7%) Kepekaan ! Perdarahan internal cepat positif?? 21?? Perdarahan internal cepat positif?? 21? K FAST Negatif 6??? SpeciNicity ! Tidak Ditemukan? Cepat positif 204??? Tidak Ditemukan cepat positif?? 9? K FAST Negatif 204??? V. PEMBAHASAN Seperti yang ditunjukkan pada Gbr.10, kami menegaskan bahwa hati dan ginjal dapat ditentukan dengan menggunakan set rendah kecerahan yang diusulkan analisis. Hati memiliki darah lebih banyak daripada ginjal. Ini berarti bahwa di AS gambar hati mengandung lebih rendah kecerahan daerah dibandingkan dengan ginjal. Hal ini dianggap, oleh karena itu, bahwa diusulkan rendah kecerahan set analisis yang membandingkan rasio rendah kecerahan daerah di masing-masing organ secara efektif menentukan hati dan ginjal. Namun, ada beberapa kegagalan untuk mengekstrak kesenjangan antara hati dan ginjal, seperti yang ditunjukkan pada Gbr.12. Kasus-kasus ini diduga disebabkan oleh kegagalan segmentasi daerah organ disebabkan oleh perubahan kecerahan batas organ menjadi kecil dan bahwa dari pembuluh darah di ginjal yang tinggi.
Oleh karena itu, batas peningkatan pengolahan dan otomatis penyesuaian kontras yang diperlukan untuk gambar-gambar. Di Selain itu, dalam kasus penyakit organ, maka dianggap bahwa volume darah dalam masing-masing organ akan berbeda dari status normal. Sebuah metode baru untuk beradaptasi situasi ini adalah diperlukan dalam situs klinis di masa depan. Seperti terlihat pada Tabel III, sistem yang diusulkan bisa lebih sensitif terhadap perdarahan internal dari dokter. Juga, spesifisitas yang mempertahankan standar yang tinggi. Ini berarti bahwa kualitas penilaian difokuskan dengan sonograpfy untuk trauma (FAST) ditingkatkan dengan metode yang diusulkan. Oleh karena itu, kita menegaskan efektivitas perdarahan internal yang diusulkan algoritma deteksi. Gbr.13 menunjukkan contoh kegagalan deteksi. Organ segmentasi daerah gagal karena daerah hati diekstrak menjadi perdarahan sangat kecil dalam gambar dan internal yang ada pada sisi kiri gambar. Dalam kasus ini, optimal AS gambar harus diekstrak untuk melakukan algoritma yang diusulkan, untuk Misalnya, perdarahan internal ada di tengah AS gambar. Untuk sistem ini, diperlukan untuk mengontrol posisi dan postur probe AS secara otomatis untuk memperoleh optimal gambar untuk mendeteksi pendarahan internal oleh algoritma yang diusulkan. Jumlah AS image Gbr.10 Hasil rendah kecerahan Hati set analisis, dan Ginjal 0
Tabel III Sensitivitas dan spesifisitas dari algoritma yang diusulkan Gbr.11 Contoh deteksi perdarahan internal (Sukses) Hati Ginjal Gap antara organ-organ (Perdarahan internal) 0 213 4135 VI. KESIMPULAN DAN KARYA MASA DEPAN Dalam perawatan medis darurat, Focused Assessment dengan Sonografi untuk Trauma (FAST) dilakukan untuk mendeteksi internal yang perdarahan. Namun, FAST tidak cukup sensitif untuk intern perdarahan, yang merupakan masalah penting. Dalam penelitian ini, Oleh karena itu, kami bertujuan untuk mengembangkan sebuah sistem robot untuk meningkatkan sensitivitas. Dalam tulisan ini, kami fokus pada FAST2 (daerah sekitar hati dan ginjal), dan deteksi perdarahan internal yang diusulkan algoritma. Metode ini terdiri dari filter 8-arah dan penggalian kesenjangan antara organ. Juga, rendah kecerahan set Analisis didasarkan pada membandingkan rendah kecerahan daerah pada masing-masing organ diusulkan untuk menentukan hati dan ginjal. Dengan Hasil percobaan deteksi perdarahan internal menggunakan gambar klinis AS, kami mengkonfirmasi bahwa algoritma yang diusulkan bisa meningkatkan kepekaan terhadap pendarahan internal. Selain itu, disarankan bahwa rendahnya kecerahan yang diusulkan set analisis
bisa menentukan hati dan ginjal. Untuk karya di masa depan, kami akan melakukan validasi lebih lanjut dari intensitas filter 8-arah dengan meningkatkan jumlah klinis AS gambar yang menunjukkan perdarahan internal. Juga, kontras penyesuaian dan metode untuk mengendalikan penyelidikan AS untuk memperoleh optimal AS gambar yang diperlukan untuk meningkatkan kinerja sistem. Berdasarkan penelitian ini, oleh karena itu, kita memajukan penelitian otomatis algoritma penyelidikan AS pengendali oleh menggunakan algoritma deteksi yang diusulkan. Selain itu, sistem akan diperluas ke semua bidang diagnosis FAST, dan penerapan untuk pasien dengan perdarahan internal akan dievaluasi. PENGAKUAN Penelitian ini didukung sebagian oleh Waseda Institute for Lanjutan Studi (WIAS), Kementerian Pendidikan, Kebudayaan, Olahraga, Sains dan Teknologi dan Perawatan Kritis dan Darurat Pusat, Yokohama City University Medis Pusat di Jepang. REFERENSI [1] S. Iwai, "Jepang maju trauma evaluasi dan pedoman perawatan," The Jepang asosiasi untuk operasi trauma, 2008, hlm 43-114. [2] WS Hoff, M. Holevar dan KK Nagy, pedoman Praktek manajemen " untuk evaluasi trauma tumpul abdomen, "The timur Praktek pedoman manajemen kerja kelompok, 2002, 31:20.
[3] GS. Rozycki dan CJ. Dente, "Surgeon-dilakukan USG pada trauma dan perawatan kritis bedah, "Trauma. 5th ed New York, 2004, hal 311-328. [4] BM. Decter dan B. Goldner, syncope "Vasovagal sebagai penyebab motor kecelakaan kendaraan, "AM Hati J, 1992, 1619-1621. [5] P. Hansotia dan SK. Broste, "Pengaruh epilepsi atau diabetes mellitus pada risiko kecelakaan mobil, "N Engl J Med, 1991, 22-26. [6] JE. Morrison, "Sinkop terkait trauma: Dasar Pemikiran dan hasil diagnostik studi, "J Trauma, 1999, 707-710. [7] K. Ito, "Pengembangan Robot Wearable untuk Darurat TeleEchography ", IEEE Proc. 32 dari Konferensi Internasional Tahunan Teknik di Kedokteran dan Biologi Society, 2010, pp.205. [8] B. Natarajan, PK. Gupta, P. Cemaj, M. Sorensen, GI. Hatzoudis, RA. Forse, "pemindaian FAST: itu layak dilakukan di tumpul hemodinamik stabil trauma pasien ",? Bedah, 2010, pp.695-700. [9] JW Tsao, T. Ito, T. Konishi, "Formulasi dan Evaluasi statistik untuk Variasi Histogram Parametrik di B-mode Ultrasonografi ", Journal of Medical Ultrasonic,, 1989 Vol.16, No.1. [10] H. Fujimoto, G. Lixu, T. Kaneko, "Pengakuan Organ Perut Menggunakan Morfologi Matematika 3D ", Journal of Electronics, Informasi dan Komunikasi Engineers, 2001, Vol. 84, No.5, hlm 843-850 [11] A. Ohya, S. Yuta, M. Nakajima, Analisis "kuantitatif Ultrasonic Spekel Daerah ", Journal of Ultrasonic Kedokteran, 1989, Vol.16, No.4. [12] D. Fukuoka, "Dinamis Daerah-Kontur-Ekstraksi Metode dengan
Otomatis awal-Kontur Produksi dan Unifikasi Contour ", Journal of Electronics, Informasi dan Komunikasi Engineers, 1998, Vol.81, No.6. [13] X. Yong, A. Ohya, "Batas Ekstraksi Metode Tiga Dimensi Pencitraan Echo Ultrasonic Menggunakan Penalaran Fuzzy ", Journal of Electronics, Informasi dan Komunikasi Engineers, 1993, hlm 17-24 [14] G. Sumei, S. Ozawa, "A-Level Gray Gambar Thresholding Metode", Journal of Electronics, Informasi dan Komunikasi Engineers, 1997, pp.183-189. [15] A. Takemura, "Segmentasi Gambar dengan Menggunakan Ultrasonic Lokal Adaptive Filter dan Wavelet Analisis-Deteksi Superficial Peripheral Vein oleh peralatan High-Frekuensi Ultrasonic ", Jurnal institut elektronik, informasi dan komunikasi insinyur, 2001, hlm 1.452-1.460. [16] T. Deguchi, Y. Hayashi, K. Kitasaka, K. Mori, Y. Mekada, Y. Suenaga, Z. Hasegawa, Z. Toriwaki, "Hati Daerah Ekstraksi Berdasarkan Distribusi Probabilitas pada Gambar Computed Tomography ", probabilitas distribusi, 2005, vol. 9, No .4, pp.36-48. [17] R. Chan, "Pendekatan Energi Variasional untuk Vaskular Memperkirakan Struktur dan Deformasi B-mode Pencitraan USG ", Proc. dari Konferensi Internasional tentang Image Processing, 2000, Vol.1, hlm 160-163. [18] HK Chang, "An Automatic Doppler Angle dan Kecepatan Aliran Pengukuran Metode ", IEEE Simposium Ultrasonic, 1998, hlm
1.579-1.582. [19] D. Comaniciu, P. Meer, "Berarti pergeseran: Sebuah Pendekatan Robust terhadap Fitur Ruang Analisis ", IEEE Trans. pada PAMI, 2002. [20] C. Haifeng, P. Meer, "fusi Robust informasi pasti", IEEE Trans. Sistem Man Sibernetika, 35 (3) :578-586, 2005. Hati Ginjal Tidak segmentasi Gbr.12 Contoh kegagalan kesenjangan antara organ penggalian Gambar asli Kegagalan contoh Gambar asli Kegagalan contoh Gbr.13 Contoh kegagalan mendeteksi perdarahan internal 4136
