Борисов Александр Александрович – младший научный сотрудник отдела медицинской информатики, радиомики и радиогеномики НПКЦ диагностики и телемедицинских технологий ДЗ города Москвы; аналитик ФГАОУ ВО РНИМУ им. Н.И. Пирогова
127051 Москва, ул. Петровка, д. 24, стр. 1; 117997 Москва, ул. Островитянова, дом 1
тел.: +7-977-500-99-12
Alexander A. Borisov – Junior Researcher in the Department of Medical Informatics, Radiomics and Radiogenomics; data analyst
24-1, Petrovka str., Moscow 127051; 1, Ostrovityanova str., Moscow 117997
Phone: +7-977-500-99-12
Арзамасов Кирилл Михайлович – канд. мед. наук, руководитель отдела медицинской информатики, радиомики и радиогеномики
127051 Москва, ул. Петровка, д. 24, стр. 1
Kirill M. Arzamasov – Cand. of Sci. (Med.), Head of the Department of Medical Informatics, Radiomics and Radiogenomics
24-1, Petrovka str., Moscow 127051
Семенов Серафим Сергеевич – врач-рентгенолог, младший научный сотрудник сектора разработки систем внедрения медицинских интеллектуальных технологий
127051 Москва, ул. Петровка, д. 24, стр. 1
Serafim S. Semenov – Radiologist, Junior Researcher in the Sector of Development of Systems for the Introduction of Medical Intelligent Technologies
24-1, Petrovka str., Moscow 127051
Владзимирский Антон Вячеславович – доктор мед. наук, заместитель директора по научной работе
127051 Москва, ул. Петровка, д. 24, стр. 1
Anton V. Vladzimirsky – Doctor of Medical Sciences, Deputy Director for Scientific Work
24-1, Petrovka str., Moscow 127051
Васильев Юрий Александрович – канд. мед. наук, директор
127051 Москва, ул. Петровка, д. 24, стр. 1
Yuri A. Vasiliev – Cand. of Sci. (Med.), Director
24-1, Petrovka str., Moscow 127051
Цель исследования: оценить качество заполнения DICOM-тегов, отвечающих за ориентацию, область сканирования и цветовую интерпретацию изображения, а также разработать и протестировать алгоритмы автоматического определения истинных значений данных тегов для рентгенограмм (РГ) и флюорограмм органов грудной клетки (ОГК).
Материал и методы. Для оценки качества заполнения DICOM-тегов было использовано 1885 исследований, полученных из Единого радиологического информационного сервиса Единой медицинской информационно-аналитической системы города Москвы (ЕРИС ЕМИАС). Для обучения и валидации алгоритмов автоматического определения истинных значений тегов использовались наборы РГ ОГК в стандартных прямой и боковой проекциях, взятые из ряда открытых источников, а также из ЕРИС ЕМИАС общим объемом 12920 исследований. Основой для создания алгоритмов выбрана глубокая нейросетевая архитектура VGG19.
Результаты. Выявлено, что частота пропущенных значений в DICOM-тегах может составлять от 6 до 75% в зависимости от тега. При этом в заполненных значениях тегов встречается до 70% ошибок. Были построены модели: модель определения анатомической области рентгенографического исследования, модель определения проекции на РГ ОГК, модель определения фотометрической интерпретации изображения. Все полученные алгоритмы имеют высокие показатели качества классификации. AUC для каждой из полученных моделей составила более 0,99.
Заключение. Наше исследование показывает, что большое количество исследований на потоке содержит некорректные значения DICOM-тегов, что может критически сказываться на внедрении программного обеспечения (ПО) на основе технологии искусственного интеллекта в клиническую практику. Разработанные нами алгоритмы могут быть встроены в процесс разработки такого ПО, а также использоваться при предобработке изображений перед их анализом.
Purpose. To evaluate the quality of filling DICOM tags responsible for the orientation, scanning area and photometric interpretation of the image, as well as to develop and test algorithms for automatically determining the true values of these tags for chest x-rays and fluorograms.
Materials and methods. To assess the quality of filling DICOM tags, were used 1885 studies obtained from the Unified Radiological Information Service of the Unified Medical Information and Analysis System (ERIS EMIAS). For training and validation of algorithms for automatic determination of the true values of tags, were used datasets of radiographs in standard frontal and lateral projections, from open databases and from ERIS EMIAS (12,920 studies in total). The deep neural network architecture VGG 19 was chosen as the basis for creating algorithms.
Results. We found that the frequency of missing values in DICOM tags can range from 6 to 75%, depending on the tag. At the same time, up to 70% of filled tag values have errors. We obtained next models: a model for determining the anatomical area of x-ray examination, a model for determining the projection on the chest x-ray, a model for determining the photometric interpretation of the image. All of the obtained algorithms have high classification quality indicators. The AUC for each of the obtained models was more than 0.99.
Conclusions. Our study shows that a large number of studies in diagnostic practice contain incorrect values of DICOM tags, which can critically affect the implementation of software based on artificial intelligence technology in clinical practice. Our obtained algorithms can be integrated into the development process of such software and used in the preprocessing of images before their analysis.
The authors declare that there are no conflicts of interest present.