NEC Thermography Infrared Imaging Study

Bakgrundsinformation om NEC:

Den bästa prognosen kräver tidigt erkännande och behandling av NEC. Perforering eller pågående försämring kan kräva kirurgiskt ingrepp. Dödligheten har förbättrats de senaste åren men är fortfarande cirka 15-30 % för icke-kirurgisk NEC och upp till 50 % för kirurgisk NEC. Överlevande kan drabbas av betydande komplikationer inklusive långvarig skada på tarmfunktionen.

Den initiala diagnosen baseras på klinisk undersökning och bilddiagnostik, vanligtvis med bukröntgen +/- ultraljud. Bells iscensättningskriterier inkluderar kliniska, laboratorie- och radiografiska fynd och används för att urskilja misstänkt NEC från definitiv NEC. Bells stadium 2 betecknar beprövad NEC och involverar närvaron av pneumatosis intestinalis och/eller portvenös gas på röntgen.

Den största svårigheten vid diagnostisering av NEC är att tidiga/misstänkta stadier av NEC uppträder kliniskt och radiografiskt på ett liknande sätt som benign matintolerans som ses med prematuritet. Bukröntgen involverar exponering av patienten för joniserande strålning och ultraljudsundersökning är störande för patienten, tar tid att utföra och kräver skickliga operatörer som har begränsad tillgänglighet. Dessa modaliteter visar endast ospecifika förändringar i tidiga skeden av NEC. Sena fynd är mer kräsna, men när dessa fynd är uppenbara missas ofta den optimala tidsramen för att påbörja behandling.

Bakgrundsinformation om medicinsk termografi:

Medicinsk infraröd (IR) bildbehandling är en kombination av medicinsk teknik, infraröd kamerateknik och datormultimediateknik. Infraröda bilder registrerar mänskliga termiska fält. Människokroppen är en naturlig biologisk värmekälla och en infraröd värmekamera omvandlar den långt infraröda ljusvågen som utstrålas av människokroppen till en elektrisk signal som sedan omvandlas till en digital storhet genom analog/digital omvandling. Signalerna bearbetas av multimedia bildbehandlingsteknik till en färgvärmekarta som visar kroppens temperaturfält. En normal, frisk kropp har en karakteristisk värmekarta medan en onormal kropp uppvisar avvikelser från denna värmekarta. Genom att jämföra likheterna och skillnaderna mellan de två, i kombination med klinisk diagnos, kan läkare och forskare alltså sluta sig till arten och omfattningen av en sjukdom.

Utredarna undersökte olika metoder för datoriserad bedömning av värmebilder erhållna från för tidigt födda barn med definitiv NEC jämfört med normala barn utan symtom på matintolerans. Utredarna visade att särskiljningsförmågan hos data för utveckling av yttemperaturen mellan friska kontrollbebisar och de som diagnostiserades med NEC var lovande, med ganska hög klassificeringshastighet och ett enkelt linjärt klassificeringsschema. Dessutom antydde våra resultat en långsammare minskning av buktemperaturen hos NEC-bebisarna, vilket kan förklaras av närvaron av inflammerad tarm. Rice et al. använde också medicinsk termografi för att hjälpa till att upptäcka NEC hos nyfödda spädbarn som lades in på NICU. Genom att jämföra temperaturfördelningen över buksegmenten med bröstkorgen kunde de fastställa skillnader mellan normala spädbarn jämfört med de som diagnostiserades med NEC.

Bakgrundsinformation om medicinsk Microsoft Kinect-sensor:

Kinect-sensorn är en allmänt använd, konsumentklassad och säker färg- och djupkamera som marknadsförs kommersiellt för användning i datorspel. Den mäter nära infrarött ljus som reflekteras från kroppen för att bilda en ytkarta över miljön. RGB-D Kinect-sensorn har nyligen applicerats på sjukvården i en mängd olika tillämpningar där den har visat sig vara effektiv, inklusive inom medicinsk rehabilitering, där Kinect-sensorer används för aktiv träning och rehabilitering av patienter, för säker och automatiserad tillförsel av strålbehandling, för analys av rörelser i bröstväggen hos patienter med cystisk fibros, för analys av ansiktsdrag av hållningskontroll hos rehabiliteringspatienter, hos ICU-patienter för automatiserade rörlighetsmätningar och till och med automatiserad apnéövervakning hos spädbarn och barn.

I denna studie kommer RGB-D Kinect-sensorns roll huvudsakligen att bestå av att stödja den automatiserade segmenteringen och hämtning av termisk distributionsdata från den samlokaliserade och kalibrerade IR FLIR-bildkameran. Tack vare färg- och djupkartorna som kommer att göras tillgängliga kommer klassiska och robusta bildbehandlingstekniker att utnyttjas för att identifiera områden av intresse (bebisens kropp och så småningom mage). Denna typ av exakt segmentering kan inte utföras tillförlitligt enbart från IR-bilder, eftersom det är välkänt att datorseende och bildbehandlingstekniker inte är väl anpassade för IR-bilder. Tidiga laboratorietester har redan utförts för att fastställa att driften av RGB-D-sensorn i ett överlappande synfält med det för IR-bildaren inte påverkar data som samlas in i värmekartan. Den kombinerade driften är därför säker och ger en exakt värmefördelning som om IR-kameran fungerade ensam. Slutmålet är att kombinera styrkorna hos tre bildtekniker för att förbättra medicinsk diagnos.

Studiemotiv:

Tidigare studier som undersökte termografi och diagnostiserade NEC använde endast en infraröd kamera för att ta bilder. Även om utredarna kunde härleda termiska distributioner för spädbarn av olika GA, antog inte vår tidigare studie ett strikt protokoll för att placera IR-sensorn i en optimal konfiguration, vilket ledde till fler variationer i bildkvalitet och storlek på regionen av intresse. Dessa begränsningar gjorde det svårt att automatisera valet av exakta områden av intresse inom värmebilden och krävde manuellt ingripande från en bildbehandlingsexpert. I vår nuvarande studie kommer bildinsamlingsprocessen att förbättras och standardiseras; en Microsoft Kinect-sensor som använder termisk, färg och aktiv djupseende kommer att integreras i en termografisk kamera för att möjliggöra automatiskt urval av intressanta regioner och kommer att underlätta användningen av medicinsk personal vid patientens säng. Inbäddade bildbehandlingsalgoritmer kommer att utvecklas för att utnyttja den multispektrala karaktären hos insamlad information för att automatiskt segmentera och rensa ut den intressanta regionen över vilken termiska fördelningar av relevans kommer att övervakas.

Initial utveckling av detta system, inklusive apparatintegrering och montering, rigorösa kamerakalibreringsprocedurer mellan RGB-D- och IR-sensorerna, och kompletta tester kommer att utföras i en laboratoriemiljö, med endast mock-up-modeller av den kliniska miljön. Sedan, för att fullständigt validera tillämpningen av detta automatiserade infraröda bildbehandlingssystem för tidig diagnos av NEC, krävs förvärv av relevanta bilder från mänskliga försökspersoner. Studien kommer att genomföras i NICU-miljön för att ytterligare validera det nyutvecklade icke-invasiva och automatiserade bildbehandlingsprotokollet på spädbarn av olika storlekar och GA i NICU, eftersom NEC kan uppstå hos spädbarn som sträcker sig från extremt för tidigt födda till de som föds vid termin. Eftersom utredarna hoppas kunna använda denna teknik en dag för att förbättra diagnosen av NEC, kommer den experimentella avbildningsproceduren att utföras på två patientpopulationer. Utredarna kommer först att avbilda magen på en grupp friska nyfödda med den nyutvecklade apparaten och bildbehandlingsprotokollet för att skapa en standard termisk distribution. Sedan kommer utredarna också att avbilda magen på en grupp nyfödda barn med beprövad NEC, med samma utrustning. Utifrån analysen av bilder från dessa två populationer kommer utredarna att bestämma lämpligheten och nödvändiga finjusteringarna av de föreslagna automatiserade infraröda bildbehandlingsverktygen, med målet att öka precisionen, användbarheten och tillförlitligheten av proceduren för tidig diagnos av NEC.

Mål:

1. Utveckla ett automatiserat tillvägagångssätt för avbildning och analys av för tidigt födda barns underliv med hjälp av termografiska sensorer och inbäddade bildbehandlingsalgoritmer.
2. Härled termografiska temperaturfördelningar av buken hos två grupper av spädbarn: de som är normala (inte har några tecken på matintolerans eller tecken på NEC), och de som har diagnostiserats med bevisad NEC.
3. Bestäm om de automatiska bildbehandlingsalgoritmerna kan urskilja en statistiskt signifikant skillnad mellan de normala termiska fördelningarna och de som härrör från spädbarn med NEC.