超音波せん断波エラストグラフィイメージングを備えた慢性肝疾患の評価のための新しいコンピューター支援診断システム

目的：コンピューター支援診断（CAD）システムを使用して、超音波せん断波エラストグラフィ（SWE）イメージングから慢性肝疾患（CLD）を分類します。 方法：提案されたアルゴリズムは、逆マッピング手法（赤緑色の青から剛性）を採用して、85のSWE画像（54人、CLDで31）を定量化します。次に、テクスチャ分析が適用され、すべての変換された剛性値マップから330の1次および2次テクスチャ機能の自動計算を含み、肝臓の弾力性を特徴付け、利用可能なすべての段階の肝状態を記述する機能的特徴を決定します。したがって、CADシステムの設計におけるサポートベクターマシン（SVMS）分類アルゴリズムに供給される、段階的回帰分析機能の選択手順に向けて使用されます。 結果：マッピング手順の精度に関して、剛性マップ値は、超音波システムの組み込みソフトウェアによって提供されるカラーボックスから導出された定量化結果と比較して、平均差が0.01±0.001 kPaでした。SVMモデルの最高の分類精度は、それぞれ83.3％と89.1％の感度と特異性の値で87.0％でした。受信者動作特性曲線分析により、[0.77-0.89]信頼区間で、0.85の曲線値の下面積が得られました。 結論：剛性マッピングと分類アルゴリズムから色から剛性マッピングおよび分類アルゴリズムを使用する提案されたCADシステムは、すでに公開されている臨床研究を比較して優れた結果を提供しました。CLDの診断精度を改善する医師にとって価値があることが証明され、不必要な侵襲的手順を回避するためのセカンドオピニオンツールとして採用できます。

PURPOSE: Classify chronic liver disease (CLD) from ultrasound shear-wave elastography (SWE) imaging by means of a computer aided diagnosis (CAD) system. METHODS: The proposed algorithm employs an inverse mapping technique (red-green-blue to stiffness) to quantify 85 SWE images (54 healthy and 31 with CLD). Texture analysis is then applied involving the automatic calculation of 330 first and second order textural features from every transformed stiffness value map to determine functional features that characterize liver elasticity and describe liver condition for all available stages. Consequently, a stepwise regression analysis feature selection procedure is utilized toward a reduced feature subset that is fed into the support vector machines (SVMs) classification algorithm in the design of the CAD system. RESULTS: With regard to the mapping procedure accuracy, the stiffness map values had an average difference of 0.01 ± 0.001 kPa compared to the quantification results derived from the color-box provided by the built-in software of the ultrasound system. Highest classification accuracy from the SVM model was 87.0% with sensitivity and specificity values of 83.3% and 89.1%, respectively. Receiver operating characteristic curves analysis gave an area under the curve value of 0.85 with [0.77-0.89] confidence interval. CONCLUSIONS: The proposed CAD system employing color to stiffness mapping and classification algorithms offered superior results, comparing the already published clinical studies. It could prove to be of value to physicians improving the diagnostic accuracy of CLD and can be employed as a second opinion tool for avoiding unnecessary invasive procedures.