Лучевая диагностика остеобластомы челюсти

Обновлено: 17.05.2024

Записаться на прием

Специализированный курс, Часть 1

2 дня

Дмитрий Рогацкин

1 день

Трехмерная радиодиагностика при травме зубов и травме челюстно-лицевой области. Особенности визуализации и сравнение степени информативности двух- и трехмерных снимков. Перелом челюсти в 3D. Диагностика последствий травмы, способы визуализации при повреждении челюстей, возможности программного обеспечения и инструменты кт для точной диагностики. Диагностика посттравматических синдромов на амбулаторном приеме.

Острая травма зубов. Современная классификация ОТЗ по Andreason et al., 2007. Трехмерная визуализация различных вариантов ОТЗ. Отдаленные последствия острой травмы зуба. Периапикальные изменения после травмы – временные (ТАВ) и требующие вмешательства. Современные концепции курации ОТЗ. Одонтоклазия или индуцированная травмой резорбция твердых тканей зуба – современная классификация и визуализация проявлений. Внутренняя, наружная, цервикальная инвазивная, замещающаяся и преэруптивная резорбция диагностика курабельности поражения. Диагностика состояния зачатков зубов после острой травмы молочных. Гипоплазия и диляцерация. Проявления хронической травмы. КТ признаки трещины витального зуба. Повреждение невитальных зубов. 2d и 3d диагностика продольной фрактуры корня.

Лучевая диагностика височно-нижнечелюстного сустава. Сравнение степени информативности известных методов радиодиагностики. Типичные заблуждения при оценке состояния ВНЧС. КТ сустава – особенности метода, преимущества и недостатки. Как смотреть и что можно увидеть на компьютерной томограмме. Анатомия и трехмерная радиоанатомия сустава. Принципы виртуального позиционирования при трехмерном исследовании ВНЧС. Состояние нормы, отклонения от нормы, компенсированные состояния и болезни сустава в трехмерном отображении. Современная классификация поражений сустава в 3D. МРТ ВНЧС и КТ ВНЧС – в чем разница и что где можно распознать. Острая травма мыщелкового отростка и отдаленные последствия травмы. Субхондральные эрозии, остеофиты и опухоли области ВНЧС. Односторонняя мыщелковая гипоплазия и мандибулярная элонгация. Ремоделяция сустава при деформации прикуса. Остеоартроз – как это на самом деле выглядит, пять признаков на КТ.

2 день

Трехмерная визуализация кист челюстей. Принципы виртуального позиционирования кист и новообразований в программе КТ. Современная классификация и диф.диагностика. Кисты и псевдокисты, воспалительные и невоспалительные, одонтогенные и неодонтогенные. Этиология, локализация и радиосемиотика воспалительных радикулярных кист. Популярные мифы и легенды о кистах. Признаки репарации воспалительных кист после эндодонтического лечения. Коллапс кист в трехмерном отображении. Диф.диагностика радикулярной кисты с хроническим периапикальным, абсцессом, ретенционной кистой и цементодисплазией. «Киста» Стафне и костномой дефект — как это выглядит в 3D и какое имеет значение. Невоспалительные одонтогенные кисты челюстей. Зубные и околозубные кисты у детей, этиология и разнообразие проявлений, последствия несвоевременной и неверной диагностики. Фоликулярная, зубосодержащая или киста прорезывания? Визуализация кист в сменном прикусе – как это необходимо делать, чтобы не совершать ошибок. Результаты успешного лечения и возможные осложнения. Одонтогенные кисты взрослых. Кератокиста – киста или опухоль? Этиология, патогенез, топография и радиосемиотика других кист челюстей. Кистоподобные образования. Редкие кисты челюстей. Не одонтогенные кисты верхней челюсти.

Опухоли и опухолеподобные образования челюстно-лицевой области. Истинные новообразования и дисплазии, принципы дифференциальной диагностики. Цементодисплазия – локальная, фокальная и генерализованная. Диф.диагностика цементодисплазии с осложнением кариеса. Цементодисплазия и истинные опухоли связанные с корнем зуба — цементобластома и цементо-оссифицирующаяся фиброма. Костная и фиброзная дисплазия. Локальные фациальные дисплазии. Варианты проявления фиброзной остео-цементодисплазии в разных участках ЧЛО. Краниофациальные дисплазии. Диф.диагностика с опухолью и остеомиелитом. «Что это за пятна на снимке?» – диагностика остеом и остеопоротических дефектов нижней челюсти. Доброкачественные опухоли – характерные признаки и радиосемиотика. Фибромы, гигантоклеточные опухоли, миксома, шваннома, амелобластома, и другие опухоли в трехмерном и двухмерном отображении. Доброкачественные и злокачественные опухоли исходящие из тканей периодонта – общие признаки и отличая от обычного пародонтита. Гистиоцитоз Х или эозинофильная гранулема. «Добро» и «зло» – как отличить и можно ли отличить по снимку. Характерные признаки злокачественных новообразований. Остеосаркома, миеломная болезнь, рак челюсти, метастазы в челюстно-лицевую область – как это выглядит в 3D. Редкие новообразования челюстнолицевой области – что нужно увидеть на КТ, чтобы не пропустить болезнь.

Лучевая диагностика остеобластомы челюсти

Рентгенологические методы исследования в стоматологии

Рентгенологические методы исследования являются ведущими в диагностике заболеваний в стоматологии и в челюстно-лицевой области, что обусловлено их достоверностью и информативностью.

В стоматологической практике применяют следующие методы лучевой диагностики:

• Внутриротовая контактная рентгенограмма

• Внутриротовая рентгенография в прикус

• Внеротовые рентгенограммы

• Панорамная рентгенография

• Ортопантомография

• Радиовизиография

• Компьютерная томография

1. Внутриротовая контактная рентгенография - самый распространенный метод рентгенологического исследования при большинстве заболеваний зубов и пародонта. Выполняется на специальном дентальном рентгеновском аппарате. На одном снимке можно получить изображение не более 2-3 зубов .

2. Внутриротовая рентгенография в прикус - выполняется в тех случаях, когда невозможно сделать внутриротовые контактные снимки (повышенный рвотный рефлекс, тризм, в детском возрасте), при необходимости исследования больших отделов альвеолярного отростка (на протяжении 4 зубов и более) и твердого неба, для оценки состояния щечной и язычной кортикальных пластинок нижней челюсти и дна полости рта.

3. Внеротовые (экстраоральные) рентгенограммы - дают возможность оценить состояние отделов верхней и нижней челюстей, височно-нижнечелюстных суставов, лицевых костей, не получающих отображения или видимых лишь частично на внутриротовых снимках. Ввиду того, что изображение зубов и окружающих их образований получается менее структурным, внеротовые снимки используют для их оценки лишь в тех случаях, когда выполнить внутриротовые рентгенограммы невозможно (повышенный рвотный рефлекс, тризм и т.п.).

4. Панорамная рентгенография - при минимальной лучевой нагрузке позволяет получить широкий обзор альвеолярного отростка и зубного ряда, облегчают работу рентгенолаборанта и резко сокращают время исследования. На этих снимках хорошо видны полости зуба, корневые каналы, периодонтальные щели, межальвеолярные гребни и костная структура не только альвеолярных отростков, но и тел челюстей. На панорамных рентгенограммах выявляются также стенки верхнечелюстной пазухи, нижнечелюстной канал и основание нижнечелюстной кости. На основании панорамных снимков диагностируют кариес и его осложнения, кисты разных типов, новообразования, повреждения челюстных костей и зубов, воспалительные и системные поражения. У детей хорошо определяется состояние и положение зачатков зубов.

5. Ортопантомография - позволяет получить плоское изображение изогнутых поверхностей объемных областей. Ортопантомограммы демонстрируют взаимоотношения зубов верхнего ряда с дном верхнечелюстных пазух и позволяют выявить в нижних отделах пазух патологические изменения одонтогенного генеза. Особенно важно использовать ортопантомографию в детской стоматологии, где она не имеет конкурентов в связи с низкими дозами облучения и большим объемом получаемой информации. Ортопантомография помогает диагностировать переломы, опухоли, остеомиелит, кариес, периодонтиты, кисты, определять особенности прорезывания зубов и положение зачатков.

6. Радиовизиография - дает изображение, регистрируемое не на рентгеновской пленке, а на специальной электронной матрице, обладающей высокой чувствительностью к рентгеновским лучам. Изображение с матрицы, по оптоволоконной системе передается в компьютер, обрабатывается в нем и выводится на экран монитора. В ходе обработки оцифрованного изображения может осуществляться увеличение его размеров, усиление контраста. Компьютер дает возможность более детального изучения тех или иных зон, измерения необходимых параметров. С экрана монитора изображение может быть перенесено на бумагу — с помощью принтера, входящего в комплект оборудования. Достоинства цифровой обработки рентгеновского изображения -быстрота получения информации, возможность исключения фотопроцесса и снижение дозы ионизирующего излучения на пациента в 2-3 раза.

7. Компьютерная томография (КТ) - это относительно новый для стоматологии метод рентгенологического обследования, который позволяет получать высококачественное увеличенное трехмерное изображение всей зубочелюстной системы или её частей при минимальной лучевой нагрузке на организм человека. На сегодняшний день компьютерная томография челюсти признается самым точным и информативным диагностическим исследованием в стоматологии. Одно из достоинств метода - более качественные снимки, чем при обычной рентгенографии, на которых можно детально рассмотреть твердые и мягкие ткани одновременно. Рентгенограмма — плоский снимок, на котором различные структуры зуба или челюсти накладываются друг на друга. Томограф же сканирует челюсть послойно, поэтому на 3D томограмме гораздо проще определить точное расположение необходимого объекта и спланировать лечение. В сравнении с ортопантомограммой, где изображение зубов проецируется на одну плоскость, 3D модель сохраняет естественные пропорции и не искажает изображение.

Компьютерная томография необходима не только для лечения зубов, но и при проведении имплантации, планировании ортодонтического лечения и протезирования. Как и любое рентгеновское обследование, компьютерная томография имеет свои показания и противопоказания к проведению.

Наряду с обычным рентгеновским обследование м , в отделениях ГБУЗ « Стоматологическ ая поликлиник а города Ульяновска» пациенты могут сделать радиовизиографию и компьютерную ортопантомографию на малодозных аппаратах «Морита», а в стоматологическом отделении № 10 по адресу ул. Кузнецова, д. 5 также пройти и компьютерную томографию.

Внедрение инновационных медицинских технологий, включая и систему диагностики, является одной из задач национального проекта «Здравоохранение».

Как правильно питаться, чтобы не было кариеса?

Чтобы снизить риск кариозного поражения зубов, надо скорректировать свое питание в соответствии со следующими рекомендациями:

- ограничить в рационе продукты, содержащие быстроусвояемые углеводы и сахара ;

- полоскать рот или чистить зубы после каждого приема пищи, или воспользоваться жевательной резинкой без сахара не более 7-10 минут ;

- нельзя есть сладкое между основными приемами пищи, чтобы на зубах не оставался сахар — питательная среда для микробов ;

- добавить в рацион больше твердых и волокнистых продуктов (свежих овощей, фруктов), которые будут очищать эмаль от мягкого налета и удалять остатки пищи ;

- употреблять еду комфортной температуры (не горячую и не холодную) ;

- ввести в рацион продукты с большим содержание фтора, кальция, фосфора, витамина D ;

- хорошо и долго пережевывать пищу, потому что при жевании вырабатывается слюна, обладающая бактерицидным действием и разрушающая клеточные стенки бактерий.

Здоровое и сбалансированное питание имеет большое значение для предупреждения развития кариеса. Однако не стоит рассчитывать, что отказ от одних продуктов и употребление других поможет полностью избавить от кариозного поражения зубов. В профилактике кариеса важен комплексный подход.

COVID-19 – это быстро распространяющееся, высоко контагиозное, тяжело протекающее, имеющее тяжелые последствия заболевание!

На данный период вакцина доступна в каждом территориальном медицинском учреждении Ульяновской области, имеется возможность организации выезда мобильных бригад в отдаленные села, на предприятия.

Возможности компьютерной томографии в диагностике заболеваний лицевого скелета

С момента образования Отдела лучевой диагностики Центральной Поликлиники ОАО "РЖД" происходит тесное научно-практическое сотрудничество с поликлиническим отделением. Одним из направлений такого сотрудничества является взаимодействие по актуальной проблеме диагностики, оценки распространенности и динамическому наблюдению новообразований полости носа, придаточных пазух и верхней челюсти.

Злокачественные опухоли полости носа, придаточных пазух и верхней челюсти составляют 1-4% всех злокачественных опухолей. Несмотря на небольшой удельный вес таких опухолей среди других злокачественных новообразований абсолютное число больных с такими патологическими процессами все же велико. Полость носа свободно сообщается с околоносовыми пазухами и находится с ними в сложных анатомических взаимоотношениях. Поэтому злокачественные опухоли быстро распространяются на соседние структуры и к моменту распознавания, как правило, инфильтрируют несколько областей. При этом анатомические особенности лицевого скелета и мягких тканей головы затрудняют обследование, что диктует использование комплекса современных методов лучевой диагностики для визуализации патологических процессов этой области. Классическое рентгенологическое исследование в настоящее время используется преимущественно для оценки лицевого скелета и придаточных пазух носа. Компьютерная томография (КТ) позволяет получить четкое изображение не только костных, но и мягкотканных образований этой анатомической области.

Среди злокачественных опухолей верхней челюсти, полости носа и придаточных пазух превалируют опухоли эпителиального генеза, составляющие 64 — 90%. Опухоли слизистой оболочки встречаются в 9 раз чаще, чем саркома, а среди больных раком этой локализации плоскоклеточный отмечают у 80,4% больных, базальноклеточный — у 6,5%, низкодиффе-ренцировнный - у 4,9% и аденокарцинома - у 2,2%. От 50 до 65% опухолей локализуются в верхнечелюстных пазухах, от 10 до 25% - в клетках решетчатого лабиринта, от 0,1 до 4% - в лобной и основной пазухах и от 15 до 30% - в полости носа.

КТ верхней челюсти, околоносовых пазух и полости носа включает в себя проведение исследования в двух взаимно перпендикулярных плоскостях. Начинается исследование с выполнения аксиальных срезов от уровня лунок зубов верхней челюсти до уровня верхних отделов лобной пазухи. Первоначально срезы выполняются параллельно верхней челюсти с толщиной среза и шагом стола 5 мм. При необходимости, для уточнения мелких деталей, эти параметры могут уменьшаться до 2-х мм. Естественно, что при распространении патологического процесса на ткань головного мозга исследование продолжается в краниальном направлении. Во фронтальной проекции исследование начинается от преддверия полости носа и продолжается до задней стенки основной пазухи. Для дифференциальной диагностики между кис-тозными и мягкотканными образованиями возможно применение внутривенного контрастирования. Для этого используются йодсодержащие контрастные вещества («Ультравист-370» в объеме 0,5 - 1,0 мл на кг веса). Мы рекомендуем проводить спиральную компьютерно-томографическую ангиографию (СКТА) с использованием механического инъектора. При этом толщина среза должна составлять 3-5 мм, скорость введения контрастного препарата 2-3 мл/с, задержка сканирования от момента начала введения 25 секунд. Данная методика может быть полезной для более четкой (по сравнению с нативным исследованием) оценки распространенности процесса на окружающие структуры, а также для дифференцировки сосудистых структур и лимфатических узлов.

При оценке диагностической эффективности КТ используются следующие семиотические критерии:

Визуализация патологического образования. Как правило, мягкоткан-ный конгломерат, являющийся отображением опухолевых масс, выявляется у всех больных с опухолями слизистой оболочки полости носа, придаточных пазух и верхней челюсти.
Неоднородность патологического образования. Рентгеновская плотность опухолевых масс при денситометрии может находится в очень широких пределах по шкале Хаунсфилда — от 12 до 72 ед.Н, что не позволяет использовать этот критерий для дифференциальной диагностики с доброкачественными изменениями придаточных пазух носа (гайморит, полип, киста, пристеночное утолщение слизистой и т.д.), т.к. их денситометрические показатели находятся в тех же пределах.
Бугристость контуров патологического образования. Весьма относительный симптом, т.к. очень часто встречается при пристеночном уплотнении слизистой оболочки.
Деструкция костей. Как мы указали выше, злокачественные опухоли к моменту распознавания, как правило, инфильтрируют несколько областей, что, по нашим данным, сопровождается разрушением костных структур в 98% случаев.
Инвазия патологического образования в окружающие анатомические структуры. Данный критерий на КТ оценивается особенно тщательно, т.к. от распространенности патологического процесса и вовлечения различных анатомических структур зависит тактика лечения.

Классическое рентгенологическое исследование является методом, позволяющим проводить дифференциальную диагностику между острым синуситом и хроническими доброкачественными заболеваниями этой зоны, такими как киста и полип, на основании выявления уровня жидкости на рентгенограммах, выполненных в вертикальном положении. Однако дифференциальная диагностика между доброкачественными и злокачественными, по данным рентгенографии, возможна лишь в случаях, когда последние вызывают выраженное повреждение костных структур, что соответствует далеко зашедшей стадии патологического процесса.

Таким образом, большинство пациентов попадает на КТ после длительного безуспешного лечения «гайморита», либо после получения данных морфологического исследования пунктата, как правило, из верхнечелюстных пазух, свидетельствующих о возможности развития злокачественного процесса.

Однако следует остановиться на выявлении такого важного признака опухоли верхнечелюстной пазухи, как деструкция ее задней стенки, что может свидетельствовать о распространении опухоли на крылонебную и/или подвисочную ямки, которые содержат сосудисто-нервный пучок и, соответственно, их поражение может служить противопоказанием к хирургическому лечению. В таких случаях КТ позволяет провести дифференцировку нормального содержимого ямок и их замещения опухолевой тканью. Подвисочная ямка спереди ограничена верхней челюстью, сверху - большим крылом клиновидной кости и чешуей височной, медиально — латеральной пластиной крыловидного отростка клиновидной кости, латерально - скуловой дугой и ветвью нижней челюсти. Подвисочная ямка сообщается с глазницей через нижнеглазничную щель. Медиально подвисочная ямка переходит в крылонебную, которая располагается между верхней челюстью спереди (передняя стенка) и латеральной и медиальной пластинами крыловидного отростка клиновидной кости сзади (задняя стенка). Медиальной стенкой ее служит вертикальная пластинка небной кости, отделяющая крылонебную ямку от носовой полости. Клиническим признаком поражения крылонебной ямки является тризм. При КТ удается увидеть деструкцию задней стенки гайморовой пазухи и распространение мягкотканного конгломерата в область крылонебной и подвисочной ямок.

Распространение опухоли на клетки решетчатого лабиринта, выявление деструкции крыши решетчатого лабиринта, а также распространение опухолевого процесса на ткань головного мозга являются показанием для выполнения краниофациальной резекции верхней челюсти. В этом случае КТ позволяет определить объем удаляемых тканей, привлечь необходимых специалистов для выполнения этой сложной операции. Кроме того, при большой распространенности опухоли и сомнения в возможности радикального ее удаления, возможно планирование интраоперационной лучевой терапии.

Однако не следует думать, что при использовании КТ во всех случаях удается четко определить распространенность процесса. Так, большие затруднения вызывает дифференциальная диагностика опухолевых и воспитательных изменений придаточных пазух при отсутствии деструкции их стенок. Это не только затрудняет диагностику непосредственно самой опухоли, но и не позволяет четко обозначить границы поражения. И если первая задача может быть решена при помощи пункционной биопсии, то во втором случае приходится использовать весь комплекс лучевых методов диагностики, включая СКТА. В таких случаях, выраженное накопление контрастного вещества опухолевой ткани в артериальную фазу позволяет с определенной степенью уверенности проводить дифференциальную диагностику.

Кроме того, продырявленная пластинка, являющаяся крышей решетчатого лабиринта и отделяющая его от твердой мозговой оболочки, является весьма тонкой костной структурой, что затрудняет его оценку при КТ и может быть причиной диагностических ошибок при выявлении распространения патологического процесса в полость черепа.

Суммируя вышеизложенное, КТ-диагностика злокачественных опухолей слизистой оболочки полости носа, придаточных пазух и верхней челюсти должна основываться на визуализации патологического образования с костной деструкцией и инвазией в окружающие анатомические структуры. Для выбора плана лечения наиболее важным является выявления распространенности опухоли на орбиты (47,2%), крылонеб-ную (35,8%) и подвисочную (24,5%) ямки и полость черепа (16,9%). На современном этапе развития методов лечения опухолей полости носа и придаточных пазух, именно применение КТ для точной диагностики распространенности опухолевого процесса позволяет заранее спланировать и наиболее эффективно выполнить комплекс мероприятий, направленный на излечение больных, ранее считавшихся некурабльными.

Городская клиническая больница № 61 Департамента здравоохранения Москвы, Москва, Россия.

Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина), Санкт-Петербург, Россия

ГБУЗ «Ленинградский областной онкологический диспансер», Санкт-Петербург, Россия

Санкт-Петербургская медицинская академия последипломного образования Росздрава

ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава России, Санкт-Петербург, Россия

ФГБОУ ВО «Ростовский государственный медицинский университет» Минздрава России, Ростов-на-Дону, Россия

Диагностика злокачественных опухолей области нижней челюсти с применением программного комплекса для анализа и сегментации КТ-изображений с помощью сверточной нейронной сети

Журнал: Оперативная хирургия и клиническая анатомия. 2020;4(1): 32‑40

Актуальность. Злокачественные опухоли органов головы и шеи составляют 20—25% случаев всей онкологической патологии в Российской Федерации. При этом частота обнаружения злокачественных опухолей полости рта составила 27,2 на100 тыс. населения в 2017 г. Пик заболеваемости у мужчин и женщин наблюдается в возрасте 59,7—63,9 года, что включает трудоспособную группу населения. За последние несколько лет отмечается неуклонный рост числа пациентов с данной патологией. Несмотря на значительный прогресс в лечении онкологических пациентов в целом, 5-летняя безрецидивная выживаемость больных этой группы существенно не изменилась за последние 20 лет и составляет около 45—50%. Цель исследования. Разработка алгоритма и программного комплекса для автоматического выявления структур, подозрительных на злокачественные новообразования в области нижней челюсти, методом анализа и сегментации изображений, полученных при компьютерной томографии с помощью технологий глубокого обучения. Материал и методы. Для классификации фрагментов изображения применяется классификационная сверточная нейронная сеть с архитектурой U-net. В целях обучения и контроля сети использовали КТ 22 пациентов с опухолями нижней половины лицевой области, состоящие из 383 размеченных срезов размером 512×512 пикселей. Разметку производили квалифицированные челюстно-лицевые хирурги и команда радиологов. Сформированную в результате классификации карту вероятностей обрабатывали с целью получения бинарной маски патологического участка. Оценку сети производили на контрольной выборке с применением метрики IoU. Результирующие маски имели коэффициенты IoU в диапазоне от 0.6 до 0.76. Результаты. На контрольной выборке (50 изображений) алгоритм показал попадание в зону новообразования в 98% случаев со средней точностью контурирования 0,68 по метрике IoU. Итоговый результат работы тестирования алгоритма представлен в нижеприведенных иллюстрациях. Для сравнения также представлены результаты ручной разметки КТ-изображений, которые использовали при проведении «контроля», а соответственно, не предъявляли ранее ИНС. Заключение. В результате проведенного исследования разработан программный комплекс на основе обученной искусственной нейронной сети, способный с высокой долей точности выполнять автоматический анализ и сегментацию полученных при компьютерной томографии изображений нижней челюсти, выявляя злокачественные образования данной области и границы их распространения. В клинической практике разработанное программное обеспечение можно применять для автоматического поиска подозрительных на злокачественную опухоль объектов с последующим углубленным изучением этой области специалистом, т.е. использовать как систему поддержки принятия решения хирургом и/или врачом лучевой диагностики с целью экономии рабочего времени на оценку данных компьютерной томографии.

Введение

Злокачественные опухоли органов головы и шеи составляют 20—25% случаев всей онкологической патологии в Российской Федерации. При этом частота обнаружения злокачественных опухолей полости рта составила 27,2 на 100 тыс. населения в 2017 г. [1]. Пик заболеваемости у мужчин и женщин наблюдается в возрасте 59,7—63,9 года [2], что включает трудоспособную группу населения. За последние несколько лет отмечается неуклонный рост числа пациентов с данной патологией. Несмотря на значительный прогресс в лечении онкологических пациентов в целом, 5-летняя безрецидивная выживаемость больных этой группы существенно не изменилась за последние 20 лет и составляет около 45—50% [3]. Такая неблагоприятная тенденция наблюдается не только в нашей стране, но и в странах Европы, и США. Результаты нового исследования Cancer Research UK свидетельствуют, что за последние 20 лет частота развития рака ротовой полости в Великобритании увеличилась на 68%, или с 8 до 13 случаев на 100 тыс. человек. Cогласно полученным данным, рост заболеваемости характерен для представителей обоих полов, причем не только пожилого, но и молодого возраста (Cancer Research UK). Летальность на первом году жизни с момента постановки диагноза в Российской Федерации составила 31,8% [1]. Несмотря на визуальную доступность локализации опухоли, 60—70% больных начинают лечение на III—IV стадии заболевания [1], что свидетельствует о необходимости разработки новых систем выявления злокачественных опухолей этой области. При этом лечебный подход и прогнозирование состояния больного существенно зависят от оценки статуса пациента и наличия регионарных метастазов по системе ТNM. Основополагающими являются правильная оценка распространенности первичной опухоли и выявление регионарных метастазов, что имеет большое прогностическое значение [4, 5].

Цель исследования — разработка алгоритма и программного комплекса для автоматического выявления структур, подозрительных на злокачественные новообразования в области нижней челюсти, методом анализа и сегментации изображений, полученных при компьютерной томографии (КТ) с помощью технологий глубокого обучения.

Задачи исследования

Произвести отбор данных КТ у больных, имеющих злокачественные новообразования в области нижней челюсти.
Разработать программный комплекс на основе искусственной нейронной сети для автоматического анализа и сегментации КТ-изображений.
Выполнить обучение искусственной нейронной сети, используя маркированные учебные примеры, полученные в процессе сегментации и разметки КТ-изображений.
Экспериментально оценить и установить эффективность применения программного обеспечения на основе искусственной нейронной сети для выявления КТ-изображений, подозрительных на наличие злокачественных изображений области нижней челюсти.

Материал и методы

Для реализации алгоритма применяли сверточную нейронную сеть (CNN) с архитектурой U-net [6]. Она разработана для анализа биомедицинских изображений в условиях ограниченных наборов обучающих примеров, чем обосновано ее использование. Обучающая и контрольная выборки были сформированы из 22 КТ у пациентов с новообразованиями области нижней челюсти, предоставленных Ленинградским областным клиническим онкологическим диспансером (ГБУЗ ЛОКОД). Разметку выполняли квалифицированные врачи-эксперты в программах Dicom-viewer, Adobe Photoshop. Все скрипты были написаны на языке Python 3 в программной среде IDE PyCharm. Обработку и предобработку изображений осуществляли в IDE PyCharm с помощью библиотек OpenCV и PyDicom. Для моделирования нейронной сети применяли библиотеки машинного обучения Keras и TensorFlow. Настроенную модель обучали на виртуальной машине с тензорным процессором TPU Google Colaboratory. Численный анализ результатов производили с помощью метрики перекрытия Intersection over Union (IoU).

Рис. 1. Разметка в костном режиме КТ без применения окон.
а — КТ-изображение области дна полости рта после предобработки; б — разметка: опухоль выделена врачом-экспертом.

Обучение U-net. U-Net считается одной из стандартных архитектур CNN для задач сегментации изображений, когда требуется не только определить класс изображения целиком, но и сегментировать его области по классу, т.е. создать маску, которая будет разделять изображение на несколько подклассов. Архитектура состоит из стягивающего пути для захвата контекста и симметричного расширяющегося пути, который позволяет осуществить точную локализацию.

Сеть обучается сквозным способом на небольшом количестве изображений и превосходит предыдущий наилучший метод (сверточную сеть со скользящим окном) на соревновании ISBI по сегментации нейронных структур в электронно-микроскопическихстеках. Сегментация изображения 512×512 занимает менее секунды на современном графическом процессоре. Для U-Net характерны достижение высоких результатов в различных реальных задачах, особенно для биомедицинских приложений; использование небольшого количества данных для достижения хороших результатов.

Архитектура сети приведена на рис. 2. (содержит ссылку на источник [7]). Она состоит из сужающегося пути (слева) и расширяющегося пути (справа). Сужающийся путь — типичная архитектура сверточной нейронной сети. Он состоит из повторного применения двух сверток 3×3, за которыми следуют функция активации ReLU и операция максимального объединения (2×2 степени 2) для понижения разрешения. На каждом этапе понижающей дискретизации каналы свойств удваиваются. Каждый шаг в расширяющемся пути состоит из операции повышающей дискретизации карты свойств, за которой следуют свертка 2×2, уменьшающая количество каналов свойств; объединение с соответствующим образом обрезанной картой свойств из стягивающегося пути; две 3×3 свертки, за которыми следует ReLU. Обрезка необходима из-за потери граничных пикселей при каждой свертке [6].

Рис. 2. Архитектура U-net (пример изображения с разрешением 32×32 пикселя).

Каждый синий квадрат соответствует многоканальной карте свойств. Количество каналов отмечено в верхней части квадрата. Размер x-y указан в нижней части квадрата. Белые квадраты — копии карты свойств, стрелки — различные операции [6, 7].

Для предобработки данных применяли трешхолдинг. Аугментацию осуществляли с помощью генератора изображений, запрограммированного на сдвиг, поворот и увеличение изображений. Увеличение данных необходимо для обучения сети желаемым свойствам инвариантности и устойчивости, когда доступно ограниченное количество обучающих примеров. Обучение сети производили посредством сервиса Google Colaboratory. Сеть обучается методом стохастического градиентного спуска на основе входных изображений и соответствующих им карт сегментации. На рис. 3 представлен график зависимости коэффициента IoU от числа эпох для обучающей и валидационных выборок. По оси X отложены эпохи. На каждой эпохе через сеть пропускается все обучающее множество и на основании этих данных производится коррекция весов. По оси Y отложена метрика для оценки качества сегментации IoU, которая вычисляется по формуле:

где k — количество классов, t_i — количество пикселей класса «Не опухоль», n_ii — число правильно классифицированных пикселей, n_ji — число пикселей, неверно не отнесенных к классу «Опухоль». Согласно формуле 1, чем выше значение коэффициента IoU, тем меньше число пикселей, неверно отнесенных к классу «Опухоль», и тем выше точность сегментации. Из графика следует, что с каждой эпохой коэффициент IoU растет, что свидетельствует об адекватном обучении нейронной сети.

Рис. 3. График зависимости точности от количества эпох обучения (метрика IoU).

На рис. 4 представлен график зависимости потерь от числа эпох для обучающей и валидационной выборок. Вероятностные карты преобразовывали в бинарные маски и накладывали на исходное изображение (рис. 5). Решение задачи преобразования маски в контур не входила в задачи исследования.

Рис. 4. Кросс-энтропия.

Рис. 5. Карта распределения вероятностей: а, в — прогнозирование сети; б, г — метки эксперта.

Оценка эффективности. Основными преимуществами алгоритма работы нейронных сетей являются способность к самообучению, реализованная наоснове анализа прецедентов, а также высокая точность результата [8].

Экспериментальную оценку эффективности применения разработанного программного обеспечения на основе искусственной нейронной сети проводили методом предъявления обученной искусственной нейронной сети КТ-изображений, не задействованных при обучении.

Необходимо также отметить, что в области дна ротовой полости в тесном соприкосновении находятся важные топографо-анатомические образования, имеющие значение как при операциях по поводу удаления первичной опухоли, так и при реконструктивных операциях: язычная артерия, язычный нерв, подъязычная и поднижнечелюстные слюнные железы и их протоки [9, 10, 11]. Большая частьКТ-изображений не позволяет детально визуализировать эти структуры, а соответственно — определять их синтопию по отношению к опухоли. Таким образом, практическое значение разработанного программного обеспечения можно ограничить лишь выявлением первичной опухоли, определением ее размеров и скелетотопии. Кроме того, по косвенным признакам (смещение мягких тканей) можно предположить компрессию или инвазию в окружающие структуры (рис. 6).

Рис. 6. Горизонтальный КТ-срез области нижней челюсти на уровне III шейного позвонка (а — эскиз, б — КТ-изображение).
1 — нижняя челюсть; 2 — подъязычная кость; 3 — подъязычная слюнная железа; 4 — поднижнечелюстная слюнная железа; 5 — подбородочно-подъязычная мышца; 6 — челюстно-подъязычная мышца; 7 — язычный нерв; 8 — язычная артерия.

Результаты

На контрольной выборке (50 изображений) алгоритм показал попадание в зону новообразования в 98% случаев; со средней точностью контурирования 0,68 по метрике IoU. Оценка специфичности и чувствительности методики не входила в задачи настоящего исследования. Итоговый результат работы тестирования алгоритма представлен в нижеприведенных иллюстрациях. Для сравнения также представлены результаты ручной разметки КТ-изображений, которые использовали при проведении «контроля», а соответственно, не предъявляли ранее ИНС (рис. 7—9).

Рис. 7. Горизонтальный КТ-срез области нижней челюсти на уровне III шейного позвонка.
1 — КТ-изображение после предобработки; 2 — разметка: опухоль выделена врачом-экспертом; 3 — опухоль выделена обученной искусственной нейронной сетью.

Рис. 8. Горизонтальный КТ-срез на уровне дна полости рта.
1 — КТ-изображение после предобработки; 2 — разметка: опухоль выделена врачом-экспертом; 3 — опухоль выделена обученной искусственной нейронной сетью.

Рис. 9. Горизонтальный КТ-срез области нижней челюсти на уровне III шейного позвонка.
1 — КТ-изображение после предобработки; 2 — разметка: опухоль выделена врачом-экспертом; 3 — опухоль выделена обученной искусственной нейронной сетью; 4 — совмещение областей сегментации экспертом и обученной ИНС.

Перспективы дальнейшей разработки темы. Работа демонстрирует применимость сверточных нейронных сетей с архитектурой U-net к распознаванию новообразований на КТ-изображениях зоны нижней челюсти. В условиях постоянного совершенствования алгоритмов обучения нейронных сетей закономерно ожидается увеличение эффективности работы программ на их основе [12, 13]. Планируются расширение количества и качества баз данных, оценка специфичности и чувствительности алгоритма, оценка других моделей ИНС для сравнения эффективности и доработка программного продукта с целью дальнейшего внедрения в клиническую практику лечебно-профилактических учреждений Российской Федерации.

Заключение

В результате проведенного исследования разработан программный комплекс на основе обученной искусственной нейронной сети, способный с высокой долей точности выполнять автоматический анализ и сегментацию полученных при компьютерной томографии изображений нижней челюсти, выявляя злокачественные образования данной области и границы их распространения.
В клинической практике разработанное программное обеспечение можно применять для автоматического поиска подозрительных на злокачественную опухоль объектов с последующим углубленным изучением этой области специалистом, т.е. использовать как систему поддержки принятия решения хирургом и/или врачом лучевой диагностики с цеялью экономии рабочего времени на оценку данных компьютерной томографии.

Кроме того, разработанное программное обеспечение может оказать помощь начинающим специалистам, не имеющим достаточного опыта в анализе полученных при компьютерной томографии изображений головы и шеи.

МРТ челюсти

МРТ челюсти – это современный безопасный метод визуализационной диагностики, точно оценивающий состояние челюстной системы, зубов, ВНЧС. Магнитно-резонансная томография необходима при планировании дентальной имплантации, а также выявления опухоли и воспаления костей верхней и нижней челюсти. Является альтернативой КТ, если пациент не хочет получить дозу рентгенологического облучения во время обследования челюсти и височно-нижнечелюстного сустава.

Показания для МРТ челюсти и височно-нижнечелюстного сустава

В случае стоматологической и ЛОР-радиологии в диагностическое отделение нашего мед центра пациентов направляют на магнитно-резонансную томографию челюсти в таких случаях, как:

Лечение серьезных патологий пародонта
Лечение корневых каналов и эндодонтическое лечение, в случаях атипичного расположения корневого канала или просто более сложных процедур
Планирование схемы лечения в области ортодонтии; например, при заболеваниях височно-нижнечелюстного сустава (ВНЧС)
Нарушения развития в области черепа
Планирование лечебных процедур в челюстно-лицевой хирургии и ортогнатике
Планирование и контроль хода имплантологического лечения, фиксации мостовидных протезов, несъемных протезов и т.д.
Ларингология – диагностика, планирование и контроль курса лечения; оценка строения придаточных пазух носа, полости носа и среднего уха

Противопоказания к проведению процедуры

МРТ височно-нижнечелюстного сустава и челюсти является полностью безопасной, проводится в нашем центре на современном томографе, при необходимости - с контрастом. В случае наличия у пациента металлических зубных протезов, ортодонтических приспособлений и зубных имплантатов следует учитывать возможность создаваемых ими артефактов, даже если их конструкционные материалы не обладают ферромагнитными свойствами. Эти артефакты представляют собой гипоинтенсивные («черные») области и напоминают «пробелы» в изображении. Иногда само наличие стоматологических материалов не является противопоказанием, но генерируемые ими артефакты могут существенно исказить изображение и затруднить интерпретацию исследования.

Противопоказаниями к магнитно-резонансной томографии не являются:

Титановые дентальные импланты
Постоянные протезы из золота
Сломанные эндодонтические инструменты в канале зуба — они слишком малы, чтобы нанести вред челюстной системе и здоровью пациента в целом
Несъемные ортодонтические аппараты.

Следует подчеркнуть, что беременность не является противопоказанием к МРТ височно-нижнечелюстного сустава и зубных рядов. Если сравнивать противопоказания к МРТ и КТ, то магнитно-резонансный диагностический тест можно делать практически всем. Поэтому магнитно-резонансная томография челюсти, как услуга. предоставляется в нашем медицинском центре при наличии ограничений к КТ.

Сделать МРТ челюсти

Если врач стоматолог или ЛОР направляют вас на магнитно-резонансное исследование верхней или нижней челюсти, для проверки функций височно-нижнечелюстного сустава или оценки качества кости воспользуйтесь услугами диагностического отделения нашего центра. Звоните, чтобы задать любые вопросы опытным врачам-рентгенологам и выбрать удобное время для сканирования на томографе. Выдача снимков и заключения с расшифровкой – в день обследования.

Читайте также: