способ верификации хронической венозной недостаточности на основе математического выделения аномальных признаков распределения температур в нижних конечностях по данным комбинированной термометрии

Формула изобретения

Способ диагностики хронической венозной недостаточности нижних конечностей, заключающийся в том, что проводят комбинированную термометрию - измерение кожной инфракрасной температуры (ИК) и глубокую микроволновую термометрию (РТМ) в 12-ти симметричных точках (i), расположенных по задней поверхности правой и левой голени: на вершине латеральной головки икроножной мышцы (1), в подколенной ямке (2), на вершине медиальной головки икроножной мышцы (3), по центру латеральной головки икроножной мышцы (4), между головками икроножной мышцы (5), по центру медиальной головки икроножной мышцы (6), в нижней части икроножной мышцы - латерально (7), в центре (8) и медиально (9), а также на наружной стороне ахиллового сухожилия в области латеральной лодыжки (10), по центру ахиллового сухожилия (11) и по его внутренней поверхности в области медиальной лодыжки (12);

- на основании полученных данных определяют наличие асимметрий температурных полей каждой голени обследуемого, для чего вычисляют следующие показатели:

абсолютный латерально-медиальный градиент, по данным РТМ

«стоя»:



где t_i - значение температуры в i-й

точке;

осцилляция температурного поля, характеризующую разность самой горячей и самой холодной точек области, по данным РТМ «стоя» и «лежа»:



разность температур в точке (1) и средней температурой в точках (10), (11) и (12), по данным ИК «стоя»,

сравнивают полученные значения со следующими диапазонами значений этих показателей: разность температур в точке (1) и средней температурой в точках (10), (11) и (12), по данным ИК «стоя» - (- ; -1), осцилляция температурного поля, по данным РТМ «стоя» - (3,4; ), разность температур в точке (1) и средней температурой в точках (10), (11) и (12), по данным ИК «лежа» - (3; ), абсолютный латерально-медиальный градиент, по данным РТМ стоя - (- ; 0,5), и при выявлении отклонения от указанных диапазонов хотя бы одного из значений вычисленных показателей диагностируют хроническую венозную недостаточность нижних конечностей;

при отсутствии отклонений определяют расстояние между температурными полями голеней обследуемого (R) по формуле:



где XL(i) и XR(i) - значения температур,

измеренных как ИК, так и РТМ в положении «стоя» и «лежа» для левой и правой голеней обследуемого в i-й точке, затем сравнивают полученные значения с нормальным значением этого показателя,

в том случае, если R больше 45,35, диагностируют хроническую венозную недостаточность нижних конечностей.

Описание изобретения к патенту

Изобретение относится к медицине, а именно к хирургии, и касается диагностики хронической венозной недостаточности нижних конечностей с применением математической экспертной системы для обработки данных комбинированной термометрии.

Целью изобретения является разработка способа диагностики хронической недостаточности венозного оттока (ХВН), который позволит провести численную верификацию диагноза ХВН нижних конечностей различной этиологии по данным комбинированной термометрии.

Наиболее близок к заявляемому нами и служит основным прототипом способ диагностики рака молочной железы по данным микроволновой радиометрии с применением математической экспертной системы. Авторы - Бурдина Л.М. и др. [1], проанализировав большое количество термограмм больных раком молочной железы, выделили 6 характерных признаков этого заболевания, которые были формализованы. Также близок к заявляемому нами способ верификации диагнозов болезней вен нижних конечностей по данным комбинированной термометрии на основе байессовского классификатора и апостериорных вероятностей. Авторы - Овчаренко Н.С., Лосев А.Г., Ларин С.И., Замечник Т.В. [2], для математической верификации диагноза термометрии, представили данные из исходной базы по результатам обследования как упорядоченный набор из 48 признаков - координат и использовали метод классификации пациентов с болезнями вен нижних конечностей на основе непараметрического оценивания плотности распределения вероятности с помощью многомерного ядра Пуассона и два алгоритма дискриминантного анализа, основанные на отношении плотностей распределения двух классов (Здоров - Болен). Т.е. суть диагностики в обеих работах состоит в следующем: термограммы всех верифицированных случаев заболевания вводятся в память компьютера, создается база данных. Далее в процессе диагностики программа сравнивает, насколько термограмма обследуемого пациента, по выделенным признакам, близка к термограммам пациентов с установленным диагнозом из компьютерной базы. Каждый новый пациент после обследования сравнивался с базой данных и новое наблюдение относилось к одному из имеющихся классов.

Создание базы данных с четким разделением классов является необходимым условием работы этих способов диагностики.

Мы предлагаем способ диагностики, который не требует предварительного создания базы данных для оценки состояния пациента. А также наш способ может быть применим не только при заболевании вен нижних конечностей. Потому что хроническая венозная недостаточность нижних конечностей развивается и как осложнение болезней вен, и как осложнение сердечно-сосудистой, легочной недостаточности, а также патологии органов брюшной полости, которые по мере развития приводят к замедлению венозного оттока от нижних конечностей и повышению венозного давления. Независимо от этиологии основным патогенетическим механизмом развития хронической венозной недостаточности является инициированный венозной гипертензией каскад патологических изменений на молекулярном, клеточном и тканевом уровнях. Такие симптомы, как варикозная трансформация подкожных вен и трофические нарушения кожи, являются поздними признаками ХВН. Их профилактика базируется на ранней диагностике нарушений венозного оттока. Предлагаемый способ основан на выявлении аномальных признаков в распределении температур задней поверхности голени.

Поставленная нами цель достигается путем проведения последовательного измерения кожной (инфракрасной) температуры и глубокой микроволновой термометрии (РТМ) в 12-ти симметричных точках, расположенных по задней поверхности обеих голеней пациента. Для этого мы используем диагностический комплекс РТМ-01-РЭС, позволяющий регистрировать как инфракрасную температуру с поверхности тела, так и внутреннюю температуру тканей на глубине от 4 до 6 см по их естественному тепловому излучению в микроволновом диапазоне. В состав комплекса входят: антенна-аппликатор для регистрации микроволнового излучения, датчик регистрации инфракрасной температуры, блок обработки информации, персональный компьютер (ПЭВМ). Антенна-аппликатор устанавливается на соответствующую точку на поверхности голени плотно, без зазора между кожей и плоскостью аппликатора, без дополнительного нажима. Температура измеряется последовательно попеременно в 12-ти точках по задней поверхности правой и левой голени. Первые три точки расположены: на вершине латеральной головки икроножной мышцы (1), в подколенной ямке (2), на вершине медиальной головки икроножной мышцы (3). Второй ряд точек расположен: по центру латеральной головки икроножной мышцы (4), между головками икроножной мышцы (5), и по центру медиальной головки икроножной мышцы (6). Третий ряд точек расположен в нижней части икроножной мышцы - латерально (7), в центре (8) и медиально (9). Последние точки измерения температуры находятся на наружной стороне ахилового сухожилия в области латеральной лодыжки (10), по центру ахилового сухожилия (11) и по его внутренней поверхности в области медиальной лодыжки (12). Измерение температуры в указанных точках проводится последовательно радиодатчиком (РТМ) и датчиком температуры кожи (ИК), в положении пациента «лежа на животе» и «стоя». Результаты измерений поступают в виде постоянного напряжения на блок обработки и далее на ПЭВМ, где осуществляется фиксация данных измерений температуры, привязанных к позиции датчиков. Данные по температуре обрабатываются и могут быть отображены на мониторе или принтере в виде термограммы или в виде цветового поля температур. Все обследуемые больные имеют предварительный диагноз хронической венозной недостаточности, поставленный на основании данных анамнеза, клинического и ультразвукового ангиосканирования (УЗАС) с цветовым картированием кровотока на аппарате Vivid-3 expert (General Electric, США), ультразвуковом допплерографе БИОСС -1 датчиком 8 МГц с помощью проб Вальсальвы и манжеточной пробы [3].

Были проведены термографические и ультразвуковые обследования 105 пациентов (из них группа здоровых пациентов составила 17 человек, а группа больных с хронической венозной недостаточностью различной этиологии составила 88 человек).

По проведенным нами исследованиям здоровых нижних конечностей у лиц различного возраста выявили закономерность распределения температур на голени здорового человека при комбинированной термографии, такие как: отсутствие значимой разницы температур в симметричных точках на правой и левой голени у одного пациента, отсутствие значимой разницы средней температуры по медиальной и латеральной поверхности голени (латерально-медиальный градиент температур), постепенное снижение температур по задней поверхности голени от подколенной до лодыжечной области (осевой градиент температур). Эти особенности распределения температур сохраняются при изменении положения пациента (стоя или лежа). Результаты сравнения представлены в таблицах 2, 3, 4, 5 и 6. Карта распределения температур у пациентов с ХВН значительно отличается от здоровых.

Для математической верификации диагноза хронической венозной недостаточности по данным термометрии использовали два независимых способа анализа температурных данных пациентов.

Пример 1. «Симметрическая» диагностика пациентов (модуль «А»),

Данный способ определения наличия венозного заболевания основан на определении присутствия асимметрий температурных полей голеней больных пациентов, которые не встречаются у здоровых пациентов.

На первом этапе исследований у здоровых и больных пациентов были выделены самые горячие и самые холодные точки и области (средняя температура нескольких соседних точек) на задней поверхности голени, найдена разница температур самых горячих точек/областей с самыми холодными точками/областям, а также осцилляции температур. Минимальные и максимальные значения этих разностей составили некий интервал для здоровых и больных пациентов по каждой асимметрии. В качестве признаков выбрали принадлежность исследуемых асимметрий к интервалам, в которые попали пациенты только одной из групп, но не менее определенного количества (не менее 5% от всей группы обследованных пациентов).

В результате численных экспериментов были выделены и формализованы функции от температуры голени, которые наиболее удачно описывают характерные асимметрии. А именно

1. Абсолютный латерально-медиальный градиент, т.е.

где t_i - значение температуры в i-й точке.

2. Осцилляция температурного поля, т.е. разность самой горячей и самой холодной точек области

3. Разность температур в точке (1) и средней температуры в точках (10), (11) и (12).

В результате численных экспериментов, для каждой из указанных функций были найдены диапазоны значений, характерные исключительно для голеней больных пациентов. Полученные диапазоны приведены в таблице 1.

Таблица 1
Признаки асимметрий, характерные для больных пациентов
№	Признак	Диапазон измерения, положение пациента	Характерный диапазон
1	Разность температуры точки (1) и средней температуры точек (10), (11), (12)	ИК стоя	(- ; -1)
2	Значение осцилляции температур	РТ стоя	(3.4; )
3	Значение «абсолютного латерально-медиального» градиента	РТ стоя	(- ; 0.5)
4	Значение осцилляции температур	РТ лежа	(3; )

Для каждой из голеней пациента вычислялись значения указанных функций, и если хотя бы одно из значений, хотя бы одной из голеней попадало в указанный диапазон, пациенту ставился диагноз - «болен».

Пример 2. «Метрическая» диагностика пациентов (модуль «Б»).

Данный способ определения наличия венозного заболевания основан на определении близости функций распределения температур правой и левой голеней пациента. Известно, что температуры правой и левой голеней здорового человека симметричны и разность в любой точке между правой и левой голенями не превышает 0.5°С как для ИК, так и для РТМ. Близость, с математической точки зрения, понимается как малое расстояние в соответствующей метрике.

Обозначим через XL_k(i) и XR _k(i) значения температур для левой и правой голеней пациента с номером k в i-й точке. Точка i характеризует не только положение на голени, но и способ измерения (ИК-диапазон или РТМ-диапазон) и положение пациента («стоя» или «лежа на животе»). Поэтому в нашем случае i изменяется от 1 до 48. Для каждого пациента определим коэффициент R_k - расстояние (метрику) между температурными полями его голеней. Т.е. пациенту с номером k поставим в соответствие набор параметров (XL_k(i), XR_k(i), R_k).

Используя неравенство Чебышева, для обоих диагностических классов («Норма», «Патология») построим интервал разброса расстояний (А; В) по правилу «одной сигмы». Для этого вначале для каждого класса найдем выборочное среднее (М) по формуле

и стандартное отклонение

где n - количество голеней пациентов соответствующего класса.

Далее, для каждого диагностического класса находим границы интервала (А; В) по формулам:

Важным элементом предлагаемого способа диагностики является выбор метрики. При разработке описываемого способа верификации, был проведен ряд численных экспериментов с использованием различных видов функций расстояния, таких как: евклидово, манхеттенское, чебышевское, Минковского. По результатам численных экспериментов лучшие результаты были получены при использовании, так называемого, манхеттенского расстояния, вычисляемого по формуле:

Приведем границы полученных интервалов для диагностических классов (для манхеттенского расстояния):

Для класса «Норма»: А_норм равно 11,03; В_норм равно 16,43.

Для класса «Патология»: А_пат равно 14,35; В_пат равно 45,35.

Предлагаемый способ диагностики осуществляется следующим образом:

Пусть У - новый пациент, которого необходимо отнести к одному из имеющихся диагностических классов.

Определяем расстояние между температурными полями его голеней - R(У). Сравниваем R(У) со значением В_норм (верхней границей интервала разброса расстояний диагностического класса «Норма»). При этом:

1) если R(У) меньше В_норм, то новое наблюдение У относим к классу «Норма»;

2) если R(У) больше В_норм, то новое наблюдение У относим к классу «Патология».

В нашем случае, т.е. при использовании манхеттенского расстояния, при R(У) меньше 16,43 полагаем, что пациент здоров; иначе у пациента имеется патология заболеваний вен хотя бы одной из голеней.

Заключительный диагноз, основанный на работе модулей «А», «Б» определялся следующим образом.

1. На первом этапе термографические данные пациента исследовались с помощью модуля «А». Если в результате работы модуля пациент относился к классу больных, то мы его диагностируем как больного. В противном случае диагностика проводилась с помощью модуля «Б».

2. Если в результате работы модуля «Б» пациент относился к классу больных, то мы его диагностируем как больного, если пациент относился к классу здоровых, то мы его диагностируем как здорового.

Нами получены следующие результаты:

В группе здоровых пациентов из 17 человек верно диагностированы были 15 (2 диагностированы как больные).

В группе пациентов с ХВН из 88 человек правильно диагностированы были 82 (6 диагностированы как здоровые).

При этом точность диагностики составила 92%, чувствительность - 93%, специфичность - 88%.

По данным отчета международной согласительной комиссии по хроническим заболеваниям вен нижних конечностей [4] чувствительность физикального обследования при ХВН составляет 43%; чувствительность нисходящей флебографии в среднем составляет около 85%, а специфичность около 58%; метод дуплекс сканирования, который в настоящее время считается референс-тестом, имеет чувствительность около 89% и специфичность около 76%.

Таким образом, предлагаемый нами способ диагностики на основе математического выделения аномальных признаков распределения температур в нижних конечностях по данным комбинированной термометрии имеет высокую точность (максимальная ошибка классификации 8%) и превосходит референс-тест по чувствительности и специфичности, поэтому может быть предложен в качестве модуля интеллектуальной экспертной компьютерной системы диагностики хронической венозной недостаточности вен нижних конечностей.

Список использованной литературы

1. Бурдина Л.М., Вайсблат А.В., Веснин С.Г., Конкин М.А., Лащенков А.В., Наумкина Н.Г., Тихомирова Н.Н. Применение радиотермометрии для диагностики рака молочной железы. - Маммология, 1998 г., № 2, стр.3-12.

2. Овчаренко Н.С., Лосев А.Г., Ларин С.И., Замечник Т.В. Способ верификации диагнозов болезней вен нижних конечностей по данным комбинированной термометрии на основе байесовского классификатора и апостериорных вероятностей. Патент РФ № 2358644 от 27.06.2008 г.

3. Markel A., Meissner M.H., Manzo R.A., et al. A comparison of the cuff deflation method with Valsalva's maneuver and limb compression in detecting venous valvular reflux. Arch Surg., 1994. Vol.329. P.701-705.

4. Flebology. Vol.l4 1999. Suppl.1, p.64-65.

Таблица 5
Результаты сравнения разницы суммы температур по медиальной и латеральной поверхности голени у здоровых пациентов в положении лежа и стоя
	Среднее значение разницы суммы температур в точках 3, 6, 9, 12 и 1, 4, 7, 10 для положения стоя (1)	Среднее значение разницы суммы температур в точках 3, 6, 9, 12 и 1, 4, 7, 10 для положения лежа (2)	Значение t-теста Стьюдента	Число степеней свободы df	p	Стандартное отклонение (1)	Стандартное отклонение (2)
ИК стоя ИК лежа	0,758824	0,897059	-0,370759	66	0,712004	1,654034	1,410885
РТМ стоя РТМ лежа	-0,329412	0,273529	-1,88383	66	0,063994	1,450085	1,174814

Таблица 6
Результаты сравнения разницы между суммой температур в точках 1, 2, 3 и суммой температур в точках 10, 11, 12 у здоровых пациентов в положении лежа и стоя
	Среднее значение разницы суммы температур в точках 1, 2, 3 и 10, 11, 12 для положения стоя (1)	Среднее значение разницы суммы температур в точках 1, 2, 3 и 10, 11, 12 для положения лежа (2)	Значение t-теста Стьюдента	Число степеней свободы df	p	Стандартное отклонение (1)	Стандартное отклонение (2)
ИК стоя ИК лежа	2,726471	2,702941	0,052332	66	0,958422	1,813804	1,892967
РТМ стоя РТМ лежа	3,397059	3,244118	0,332791	66	0,740347	1,766264	2,015274