Подготовка пациента к процедуре гальванизации, лекарственный электрофорез. Построение схемы проведения процедуры.
Гальванизация— это метод воздействия на человека постоянным током малой силы (до 50 мА) и низкого напряжения (80В) с лечебной целью. Процедура отпускается с помощью аппаратов: поток 1,2, АГН, АГР.
· На процедуру необходимо приходить отдохнувшим не ранее 40 минут после завтрака и 1,5 часа после обеда.
· При себе иметь простыню, пеленку. Это нетепловой метод лечения.
· Процедура выполняется на обнаженном теле.
· Ощущение пациента: жжение, покалывание.
· Во время процедуры нельзя спать, читать.
· При появлении сильного жжения позвать м/с.
· Самому касаться аппарата и регулировать силу тока нельзя.
· После процедуры отдых необходим отдых 20-30минут.
Алгоритм проведения процедуры гальванизация или электрофорез.
· Перед началом работы проверить исправность аппарата «Поток-1» или ГР-1 или АГН-55.
· Ознакомиться с назначением врача.
· Получить устное согласие пациента на проведения процедуры.
· Объяснить ощущения пациента во время процедуры.
· Придать пациенту наиболее удобное положение для проведения процедуры.
· Осмотреть целостность кожных покровов, при необходимости обработать кожу спиртом или вымыть мылом.
· Приготовить гидрофильные прокладки, соответствующие размеру и форме места воздействия, намочить их и отжать в теплой воде.
· Наложить теплые прокладки на тело пациента на проекцию пораженного органа.
· Сверху гидрофильной прокладки наложить свинцовую пластину, соединенную токонесущим проводом с соответствующим проводом на аппарате.
· Закрепить мешочком с песком или резиновым бинтом.
· Рассчитать силу тока для данной методики.
· Проверить, чтобы регулятор силы тока находился в крайнем левом положении.
· Включить аппарат в сеть (должна загореться сигнальная лампочка).
· Переключатель шунта переключить на 5 или 50 (5- применяется на «голову» и детям, 50 -«шея и ниже» у взрослых).
· Медленно и плавно поворачивая регулятор силы тока, увеличить силу тока до необходимой величины, которая рассчитывается по формуле: плотность тока умножить на площадь гидрофильной прокладки. |
· При хорошей переносимости процедуры накрыть пациента, проинформировать, что при появлении неприятных ощущений он должен сообщить об этом медицинской сестре.
· Засечь время процедуры на процедурных часах.
· По истечению времени процедуры плавно повернуть регулятор силы тока в крайнее левое положение (стрелка миллиамперметра должна быть на 0).
· Отключить кнопку сеть (погаснет сигнальная лампочка).
· Снять с тела пациента электроды.
· Осмотреть кожные покровы после процедуры (на коже может остаться гиперемия, но раздражения или других изменений быть не должно).
· Сообщить пациенту о времени его следующей явки и отметить о прохождении процедуры в листе назначений.
· Прокладки отправить на обработку.
Реакция бывает —
1. Физиологическая:
· пульс увеличивается на 50 -75%
· СД увелич. На 10—15 мм.рт.ст.
· ДДуменьш. На 10 мм.рт.ст.
· ПД всегда увеличено
· ПР 3 минуты
2. Промежуточная:
· пульс увеличивается на 75 -100%
· СД увелич. на 10-15 мм.рт.ст.
· ДДуменьш. на 10 мм.рт.ст.
· ПД всегда увеличено
· ПР 5 -7 минут
3. Патологическая (4 вида):
1) Астенический:
· пульс увеличивается на 200%
· СД почти не повышено
· ДД повышено
· ПД снижается
· ПР 5 — 7 мин и более
2) Гипертонический:
· пульс увеличивается на 100%
· СД резко увелич. До 180 — 200 мм.рт.ст.
· ДД снижается
· ПД значительно повышено
· ПР 5 — 7 мин и более
3) Дистонический:
· пульс резко увеличивается
· СД резко увеличивается
· ДД падает до 0 (феномен бесконечного тона)
· ПД всегда повышено
· ПР 5-7 мин
4) Ступенчатый подъем АД,
· когда после нагрузки АД ниже, чем до нагрузки.
Через 3-5 минут
восстанавливается до исходных величин. Бывает при ИБС, перетренированности.
Проведение и оценка ортостатической пробы и клиностатической пробы.
Клиностатическая проба. Данную пробу проводят в обратном порядке: ЧСС определяется после 3 — 5 минут спокойного стояния, потом после медленного перехода в положение лежа, и после 3 минут пребывания в горизонтальном положении. Пульс подсчитывают также по 15-ти секундным интервалам времени, умножая результат на 4.
Для нормальной реакции характерно снижение ЧСС на 8-14 ударов за 1 минуту сразу после перехода в горизонтальное положение и некоторое повышение показателя после 3 минут пребывания в положении лежа, однако ЧСС при этом на 6-8 ударов на 1 минуту остается ниже, чем в вертикальном положении. Большее снижение пульса свидетельствует о повышенной реактивности парасимпатического отдела вегетативной нервной системы, меньшее — о сниженной реактивности.
При оценке результатов орто- и клиноста-тической проб необходимо учитывать, что непосредственная реакция после изменения положения тела в пространстве указывает главным образом на чувствительность (реактивность) симпатичного или парасимпатического отделов вегетативной нервной систем, тогда как отставленная реакция, измеряемая через 3 минуты характеризует их тонус. (Сакрут В.Н., Казаков В.Н.)
Ортостатическая проба
Данная проба характеризует возбудимость симпатического отдела вегетативной нервной системы. Ее суть заключается в анализе изменений ЧСС и АД в ответ на переход тела из горизонтального в вертикальное положение.
Существует несколько вариантов проведения данной пробы:
1. Оценка изменений ЧСС и АД или только ЧСС за первые 15-20 с после перехода в вертикальное положение;
2. Оценка изменений ЧСС и АД или только ЧСС спустя 1 мин пребывания в вертикальном положении;
3. Оценка изменений ЧСС и АД или только ЧСС за первые 15-20 с после перехода в вертикальное положение, а затем по окончании 3 минут пребывания в вертикальном положении.
В практике спортивной медицины наиболее часто применяют третий и второй варианты проведения
пробы.
Методика. После пребывания в положении лежа на протяжении не менее чем 3-5 минут у исследуемого подсчитывают частоту пульса за 15 с и результат умножают на 4. Тем самым определяют исходную частоту сердечных сокращений за 1 мин после чего исследуемый медленно (за 2-3 с) встает. Сразу после перехода в вертикальное положение, а затем через 3 минуты стояния (то есть когда показатель ЧСС стабилизируется) у него снова определяют частоту сердечных сокращений (по данным пульса за 15 с, умноженным на 4).
Оценка результатов при третьем варианте:
Нормальной реакцией на пробу является увеличение ЧСС на 10-16 ударов за 1 мин сразу после подъема. После стабилизации этого показателя через 3 мин стояния ЧСС несколько уменьшается, но остается на 6-10 ударов за 1 мин выше, чем в горизонтальном положении.
Более сильная реакция свидетельствует о повышенной реактивности симпатичного отдела вегетативной нервной системы, что присуще недостаточно тренированным лицам.
Более слабая реакция наблюдается в случае сниженной реактивности симпатичного отдела и повышенного тонуса парасимпатического отдела вегетативной нервной системы. Более слабая реакция, как правило, является следствием развития состояния тренированности.
Оценка результатов при втором варианте пробы (по П.И.Готовцеву):
· Нормосимпатикотоническая отличная -прирост ЧСС до 10 уд/мин;
· Нормосимпатикотоническая хорошая -прирост ЧСС на 11-16 уд/мин;
· Нормосимпатикотоническая удовлетворительная — прирост ЧСС на 17-20 уд/мин;
· Гиперсимпатикотоническая неудовлетворительная — прирост ЧСС более 22 уд/мин;
· Гипосимпатикотоническая неудовлетворительная — снижение ЧСС на 2-5 уд/мин.
Рекомендуемые страницы:
Воспользуйтесь поиском по сайту:
Программа Косметология Факультета непрерывного медицинского образования РУДН
Тема 1
Нормативно-правовые основы оказания медицинской помощи по профилю «Косметология»
Тема 2
Санитарно-эпидемиологический режим работы косметологического кабинета, отделения.
Правила утилизации медицинских отходов
Тема 3
Лицензирование работ и услуг по специальности «Косметология»
Тема 4
Покровные ткани — основная область применения косметологических процедур
Тема 5
Строение и функции кожи
Тема 6
Строение и функции придатков кожи
Тема 7
Строение и функции гиподермы. Сосуды покровных тканей человеческого тела
Тема 8
Строение и функции мимических мышц головы и шеи. Лимфо- и кровообращение и иннервация. Возрастные изменения мышц головы и шеи
Тема 9
Оценка состояния покровных тканей (кожи, придатков кожи, подкожной жировой клетчатки и поверхностных мышц) клиническими, лабораторными и инструментальными методами
Тема 10
Ингредиенты, используемые в косметических препаратах. Общая характеристика лекарственных средств, применяемых в косметологической практике. Основные лекарственные формы. Классификация и характеристика косметических препаратов. Чтение этикеток косметических препаратов
Тема 11
Профилактика преждевременного старения организма. Физиология старения кожи. Основные причины и теории старения. Морфологические, гистологические и клинические изменения кожи при физиологическом старении кожи и фотостарении. Профилактика фотостарения кожи. Классификации старения кожи по И.И. Кольгуненко, по Т. Фицпатрику, по Р.Глогау и др.
Тема 12
Инъекционные методы коррекции при коррекции различных косметологических недостатках. Обзор методов: Контурная инъекционная пластика. Ботулинотерапия. Мезотерапия и биоревитализация. Нитевой лифтинг. Характеристика методов. Показания и противопоказания. Выбор методов при различных косметологических недостатках, сочетание с
другими косметологическими процедурами. Осложнения после различных иъекционных методов, их профилактика и лечение
Тема 13
Типы кожи и их характеристика. Алгоритм описания типов кожи в косметологии. Особенности косметологического ухода при различных типах кожи. Фототипы кожи по т.
Фицпатрику. Особенности ухода за кожей различных фототипов. Вторичная гипер- и гипопигментация. Практическое
занятие по отработке описания типов кожи в косметологии
Тема 14
Рубцовые изменения кожи. Характеристика гистологических и клинических изменений при различных видах рубцов кожи. Методы профилактики лечения различных видов рубцов
Тема 15
Организация раннего выявления онкологических заболеваний покровных тканей человеческого тела. Онкологические заболевания кожи. Порядок направления пациентов с подозрением на наличие онкологических заболеваний для консультации врача-онколога. современные оптические методы диагностики новообразований кожи. Современная видеодерматоскопия меланоцитарных невусов кожи с помощью новейших цифровых дерматоскопов
Тема 16
Эндокринологические аспекты косметологии. Внешние проявления эндокринологических заболеваний
Тема 17
Трихология в практике врача-косметолога. Анатомо-физиологические особенности волос и волосяных фолликулов. Диагностические методы в трихологии – трихоскопия и фототрихограмма. Компьютерная программа Trichoscience®. Фототрихограмма. Нейроэндокринные аспекты алопеций. Андрогенетическая алопеция. Себорея волосистой части головы, себорейный дерматит. Гнездная алопеция. Рубцовые алопеции. Диагностика и лечение. Методы физиотерапии и инъекционные методы в трихологии
Тема 18
Угревая болезнь. Этиология и патогенез. Стадии угревой болезни. Диагностика и лечение. Розацеа. Этиология. Патогенез. Стадии заболевания. Диагностика и лечение.
Тема 19
Основные операции эстетической пластической хирургии и методы косметологической коррекции после хирургических вмешательств и
травм
Тема 20
Теоретические аспекты биотканевых технологий в косметологии. Метод PRP-терапии
Тема 21
Основы психореабилитации при эстетических недостатках, в том числе вызванных преждевременным старением. Психосоматические расстройства в косметологии. Патомимии. Артифициальный дерматит.
Невротические экскориации. Экскориированные акне. Трихотилломании. Дисморфофобии и ассоциированнфые растройства в косметологической практике. Нозогении при косметических дефектах
Тема 22
Психология взаимодействия с пациентами. Коммуникативные умения. Основы конфликтологии
Тема 23
Роль генетических тестов при постановке диагноза в косметологии.
Принципы использования генетических маркеров. Генетическое тестирование. Группы генов, рассматриваемые в генетическом тесте «Косметология». 0бзор генетической панели «Косметология». Гены, связанные с формированием рогового слоя, оксидантным стрессом,
склонностью к дисхромии, синтезом эластина и коллагена, гликированием, воспалительным процессом и др. Роль данных генетических тестов в программах коррекции различных косметологических недостатков
Тема 24
Общая характеристика физических факторов, применяемых в
косметологии. Методы физического воздействия на основе искусственных физических факторов. Показания и противопоказания для применения физиотерапевтических методов
Тема 25
Методы очищения кожи в косметологии: демакияж, умывание, броссаж, тонизирование кожи лица, очищающий массаж лица, очищение кожи скрабом, кератолитическими препаратами, вапоризация. Вакуумная чистка. Ультразвуковая чистка. Мануальная чистка. Показания и противопоказания. Алгоритм проведения процедур при различных
косметологических недостатках. Сочетание с другими косметологическими процедурами. Нанесение масок и кремов. Парафиновая маска. Альгинатная маска. Практические занятия по отработке методов очищения кожи и нанесения различных масок в косметологии
Тема 26
Электротерапия в косметологии: гальванизация, электрофорез, дезинкрустация, электромиостумиляция, электролиполиз, микротоковая
терапия, RF-терапия. Показания и противопоказания. Аппараты и требования к ним. Характеристика, выбор методов и алгоритм проведения процедуры при различных косметологических недостатках.
Сочетание с другими косметологическими процедурами. Осложнения после различных процедур электротерапии, их профилактика и лечение. Техника безопасности при выполнении процедур. Практические занятия по отработке методов электротерапии в косметологии
Тема 27
Магнитотерапия в косметологии. Показания и противопоказания Характеристик метода и алгоритм проведения процедуры при различных косметологических недостатках. Аппараты и требования к ним. Сочетание с другими косметологическими процедурами. Осложнения после проведения магнитотерапии, их профилактика и лечение. Техника безопасности при выполнении процедур. Практическое занятия по отработке метода магнитотерапии.
Тема 28
Фототерапия и IPL-терапия в косметологии. Фотодинамическая терапия. Показания и противопоказания Характеристик методов и алгоритм проведения процедуры при различных косметологических недостатках. Аппараты и требования к ним. Сочетание с другими косметологическими процедурами. Осложнения после проведения фототерапия, фотодинамической терапии и IPL-терапии, их профилактика и лечение. Техника безопасности при выполнении процедур. Практическое занятия по отработке методов
Тема 29
Плазменная терапия в косметологии. Механизм действия, показания и противопоказания применения горячей и холодной плазмы в косметологии. Характеристик метода и алгоритм проведения процедуры при различных косметологических недостатках. Аппараты и требования к
ним. Плазменная блефаропластика, омоложение деликатных зон лица и области декольте, ксантелазма, лентиго, рубцы. Сочетание с другими косметологическими процедурами. Осложнения после проведения методов плазменной терапии, их профилактика и коррекция. Техника безопасности при выполнении процедур. Практическое занятия по отработке методов
Тема 30
Ультразвуковая терапия в косметологии. Фонофорез. Ультразвуковой SMAS-лифтинг. Механизм действия, показания и противопоказания применения ультразвуковых технологий в косметологии. Характеристик методов и алгоритм проведения процедуры при различных косметологических недостатках.
Аппараты и требования к ним. Сочетание с другими косметологическими процедурами. Осложнения после проведения методов ультразвуковой терапии, их профилактика и коррекция Техника безопасности при выполнении процедур. Практическое занятия по отработке методов
Тема 31
Классификация и характеристика лазерных установок в косметологии. Основные характеристики низкоэнергетического и высокоэнергетического лазерного излучения, механизмы действия на биологическую ткань. Аблятивное и необлятивное лазерное воздействие. Показания и противопоказания к применению низкоэнергетического и высокоэнергетического лазерного излучения Правовые аспекты работы на лазерных установках. Классы лазерной безопасности оборудования. Санитарно-эпидемиологические требования и техника безопасности при работе с лазерными установками. Устройство, технические характеристики и принцип действия лазеров, используемых в косметологии. Методики проведения низкоэнергетической лазеротерапии в косметологии: локальной лазеротерапии и лазерофореза (фотофореза). Характеристика методик. Выбор аппаратов. Классы лазерной безопасности лазерных установок для данных процедур. Алгоритмы проведения процедур. Подготовка пациентов к процедурам и рекомендации после проведения процедур. Осложнения после проведения процедур низкоэнергетической лазеротерапии, их профилактика и коррекция. Техника безопасности при проведении процедур
Тема 32
Методы лимфатического дренажа в косметологии: лимфатический дренаж с помощью низкочастотных импульсных токов и микротоков, вакуумного массажа, вакуумно-роликолового массажа, эндермологии, прессотерапии и др. Показания и противопоказания. Характеристик методов и аппаратов. Алгоритм проведения процедуры при различных косметологических недостатках. Сочетание с другими косметологическими процедурами. Аппараты и требования к ним. Осложнения после проведения методов лимфатического дренажа в косметологии, их профилактика и лечение. Техника безопасности при проведении процедур. Практическое занятия по отработке методов лимфатического дренажа
Тема 33
Косметический пилинг.
Виды пилинга: химический пилинг с помощью различных кислот и ферментов, газожидкостный пилинг, микрокристаллическая дермабразия с помощью оксида аллюминия и алмазных фрез, криопилинг. Характеристика методов. Показания и противопоказания. Выбор методов пилинга при различных косметологических недостатках, сочетание с другими косметологическими процедурами. Осложнения после различных методов пилинга, их профилактика и лечение. Утилизация медицинских отходов. Практические занятия по отработке методов пилинга в косметологии
Тема 34
Методы физиотерапевтического воздействия на основе природных физических факторов (бальнеотерапия,гидротерапия, фанготерапия, альготерапия). СПА. Определение. Организация деятельности подразделения медицинского СПА. Основные СПА-процедуры и программы
Тема 35
Криотерапия и криодеструкция в косметологии. Влияние холода на организм человека. Общее и местное криовоздействие. Классификация и характеристика криоагентов. Оборудование для криолечения. Криомассаж лица, передней поверхности шеи и зоны декольте. Криомассаж волосистой части головы. Криопилинг. Криолиполиз. Криодеструкция.. Показания и противопоказания. Алгоритм проведения процедур при различных косметологических недостатках. Сочетание с другими косметологическими процедурами. Осложнения после криомассажа, криопилинга и криодеструкции, их профилактика и лечение. Техника безопасности при проведении процедур. Практические занятия по отработке методов криотерапии в косметологии
Тема 36
Метод неинвазивной карбокситерапии в косметологии. Показания и противопоказания. Характеристик метода и препаратов неинвазивной карбокситерапии.
Алгоритм проведения процедуры при различных косметологических недостатках. Сочетание с другими косметологическими процедурами. Осложнения после проведения неинвазивной карбокситерапии, их профилактика и коррекция. Практическое занятия по отработке метода
Тема 37
Особенности коррекция эстетических врожденных и приобретенных морфофункциональных нарушений покровных тканей в области: головы и шеи, молочных желез и декольте, верхних и нижних конечностей, туловища (коррекция целлюлита и локальных жировых отложений), гениталий, паховой, ягодичной, перианальной и подмышечной областей
Тема 38
Радиохирургический метод в косметологии (аппарат «Surgitron» «ELLMAN International».
Характеристика метода и аппарата. Показания и противопоказания. Удаление доброкачественных образований кожи, рубцов и др. Алгоритм проведения процедуры. Подготовка пациента к процедуре. Рекомендации пациенту после процедуры. Осложнения, их профилактика и лечение. Утилизация медицинских отходов. Видеодемонстрация процедур
Тема 39
Определение методов мезотерапии и биоревитализации кожи в косметологии. Показания и противопоказания к проведению методов.
Фармакологические аспекты мезотерапии и биоревитализации. Опасные и безопасные зоны для работы препаратами мезотерапии и
биоревитализации кожи. Иглы и мезоинжекторы. Их характеристика. Препараты мезотерапии и биоревитализации кожи. Их характеристика и особенностей введения при различных косметологических недостатках. Техники мезотерапии и биоревитализации. Характеристика. Выбор техники. Сочетание методов мезотерапии с другими косметологическими процедурами. Осложнения после проведения методов мезотерапии и биоревитализации, их профилактика и коррекция. Утилизация медицинских отходов.
Аппаратные методы мезотерапии (безъинъекционной мезотерапии): электропорация, криомезотерапия, кислородной мезотерапия, лазерной биоревитализация и др..
Информация о представляемых услугах
Физиотерапевтические кабинеты № 343, 350
Физиотерапия – это отдельная специальность в медицине, которая изучает благотворное влияние на организм разных внешних условий (факторов). Физиопроцедуры назначает лечащий врач малыша вместе с реабилитологом (физиотерапевтом), который уточняет, требуется ли маленькому пациенту такое лечение, нет ли у него противопоказаний, какой из методов стоит выбрать, и стоит ли его сочетать с другими.
Медсёстры, которые отпускают физиотерапевтические процедуры, наблюдают за реакцией ребёнка в процессе проведения процедуры.
Чем младше ребёнок, тем выше вероятность, что действие лечебных факторов вызовет у него побочные эффекты, и тем меньше лечебные возможности разных методов.
Вследствие этого в педиатрии пользуются портативными, а не мощными приборами, и больше импульсными, имеющими более щадящий режим воздействия, отдавая предпочтение малым дозам. Тем более малые дозы вполне способны стимулировать защитные силы организма, регулировать его работу и оказывать лечебное действие.
Электролечение. Самый распространённый метод физиотерапии – гальванизация и лекарственный электрофорез: с его помощью в организм малыша вводят нужное лекарство. Обычно таким способом доставляются микроэлементы (цинк, кальций, магний, йод, бром), препараты снимающие спазм и расширяющие сосуды (но-шпа, эуфиллин и др.), противовоспалительные средства и многое другое. Для маленьких пациентов физиотерапевт специально подберет меньшую плотность тока.
Импульсные токи. Они применяются для реабилитации последствий болезней нервной, дыхательной и пищеварительной систем (неврозов, воспаления бронхов и лёгких, гастритов), воздействие оказывается с помощью переменных токов и полей. Наиболее популярные методики – электросон, диадинамо- и амплипульстерапия. Все они обладают свойствами снимать воспаление, боль, налаживают работу рефлексов и восстанавливают нарушенную воспалением структуру тканей.
Магнитотерапия с успехом применяется у детей, например при ринитах, синуситах, неврозах, атопическом дерматите, дискинезиях органов пищеварения. Секрет её лечебного действия – постоянное переменное низкочастотное, бегущее и импульсное магнитное поле. Особенно чувствительны к влиянию магнитных полей нервная, сердечнососудистая и эндокринная системы.
Светолечение. Этот метод обычно назначают малышам, чтобы наладить работу иммунной системы, обмен веществ. Искусственные источники света помогают создавать разные диапазоны волн лечебных лучей: инфракрасный, видимый и ультрафиолетовый.
Лазеротерапия. В последнее время этот метод лечения становится всё более популярным. Лазерное излучение разных оптических спектров помогает справиться с воспалениями и отёками, ускоряет восстановление и заживление тканей, стимулирует иммунную систему, снимает боль.
Действенность метода повышается, если сочетать его со световым излучением и влиянием магнитного поля.
I. Тепловое лечение (парафин, озокерит) —
кабинет 344
II. Ингаляторий —
кабинет 348. Отпуск ингаляций, кислородные коктейли
III. Массажные кабинеты:
ул.Ангарская 60 А — кабинет № 347
ул.Нестерова, 51, телефон – (8017) 291-26-15
Зал лечебной физкультуры расположен на базе филиала УЗ «23-я городская детская поликлиника» по ул. Нестерова, 51
Автоматическая интерпретация электрофореза сывороточного белка с использованием алгоритма на основе машинного обучения для обнаружения парапротеинов | Американский журнал клинической патологии
Введение
Лабораторные диагностические критерии новообразований плазматических клеток, таких как множественная миелома, включают наличие моноклонального парапротеина, который может быть идентифицирован электрофорезом сывороточного белка (SPEP). На сегодняшний день не существует высокочувствительных скрининговых методов для автоматического обнаружения парапротеинов сыворотки крови с использованием машинного обучения.
Методы
Случаи из реестра новообразований плазматических клеток (n = 501) были вручную помечены на статус парапротеинов. Каждый случай включал категориальные особенности для 31 лабораторного результата, обычно сообщаемого при миеломе. Мы применили быстрое преобразование Фурье к гамма-области кривой SPEP и построили особенности, соответствующие совокупным величинам в области Фурье. Данные были разделены на набор для обучения 75% и набор для тестирования 25%. Используя независимо все домены функций, а также комбинации выбранных доменов функций, мы затем обучили три модели: логистическая регрессия, машина векторов поддержки и случайный лес.Путем 5-кратной перекрестной проверки мы настроили все модели на целевую чувствительность 95% и оценили их по AUC, специфичности, положительной прогностической ценности (PPV), баллу F1, точности и отношению правдоподобия.
Мы оценили эффективность новообразований плазматических клеток и клинически гетерогенных наборов тестов при низких, средних и высоких концентрациях парапротеинов, выполнив анализ ошибок для каждого набора.
Результаты
Модель логистической регрессии, использующая только функции области Фурье, выполненные с наивысшим AUC (0.944). Эта модель достигла чувствительности 0,962, PPV 0,667, специфичности 0,569, показателя F1 0,787 и точности 0,755. Модель с самым высоким отношением правдоподобия при сохранении чувствительности выше 0,90 достигает AUC 0,944, чувствительности 0,904, PPV 0,860, специфичности 0,862, показателя F1 0,899 и точности 0,900.
Стратификация чувствительности по концентрации парапротеинов показала, что модель достигает чувствительности 0,88 в образцах с низкой концентрацией парапротеинов (от 0,1 до 0,5 г / дл) и 1,0 в образцах со средой (0.От 5 до 3,0 г / дл) и высоких (более 3,0 г / дл) концентраций. В отдельном клинически неоднородном наборе тестов общая чувствительность составила 0,880 (0,870 для образцов с низкой, 0,885 для средних и 0,909 для образцов с высокой концентрацией). Анализ ошибок на неправильно классифицированных образцах с низким статусом парапротеинов показал, что алгоритм может пропустить случаи с низкой концентрацией парапротеинов, а также случаи с парапротеинами за пределами гамма-области.
Обсуждение и заключение
Наш алгоритм машинного обучения обнаруживает парапротеины с чувствительностью 94% и выше 0.85 специфичности, PPV и точности с использованием преобразования Фурье гамма-области SPEP. Дальнейшая работа по достижению более высокой чувствительности при аналогичной специфичности позволит клиническим лабораториям использовать это в качестве метода скрининга для исключения парапротеинов и повысить эффективность лабораторных рабочих процессов. Хотя мы не продемонстрировали это в этом исследовании, мы считаем, что расширение нашей модели с включением количественных лабораторных результатов, которые часто сопровождают SPEP, обещает повысить чувствительность в рамках стандартной практики назначения врачей клинических лабораторий.
Дополнительные стратегии включают модели глубокого обучения, такие как сверточные и рекуррентные нейронные сети.
Автономное сопоставление фрагментов изображений для гелей для двумерного электрофореза с использованием алгоритма MaxRST
Abstract
Сопоставление изображений гелей для двумерного электрофореза (2-DE) обычно создает узкое место в автоматическом анализе белков, искажении изображения и экспериментальных вариациях которые снижают точность согласования. Однако традиционные схемы сопоставления сравнивают только два полных изображения, а процедуры выбора и регистрации ориентира довольно трудоемки.В этой работе представлен новый и надежный алгоритм связующего дерева максимального отношения (MaxRST), в котором автономный метод сопоставления фрагментов изображения не требует регистрации или ручного выбора ориентиров. 2D-изображения геля представлены графически. Затем элементы изображения извлекаются количественно независимо от размера изображения. Затем определяется сходство между фрагментом изображения и большим изображением на основе измерения сходства по Гауссу, основанного на нечетком методе, тем самым повышая точность дробного сопоставления.Предложенный алгоритм автономного сопоставления обеспечивает точность до 97,29% при сопоставлении 627 тестовых изображений геля 2-DE. Предлагаемый алгоритм не только учитывает вращение, инверсию, деформацию формы и изменение интенсивности, но и эффективно решает проблему отображения фрагментов изображения и был тщательно проанализирован с использованием большого набора данных, содержащего 4629 изображений. Вклад этой работы двоякий. Во-первых, эта работа представляет новую стратегию MaxRST и автономный метод сопоставления, который не требует ручного выбора ориентира.Во-вторых, предлагаемый метод, который расширяет сопоставление гелей 2-DE для запроса суб-изображения и базы данных, содержащей большие наборы изображений, может быть адаптирован для картирования и определения местоположения, а также для сравнения небольших изображений гелей с большими изображениями гелей с надежностью и эффективностью.
Ключевые слова
Сопоставление суб-изображений
Двумерный электрофорез
Извлечение признаков
Граф Габриэля
Граф относительного соседства
Остовное дерево максимального отношения
Мера сходства по Гауссу
Рекомендуемые статьи Цитирующие статьи (0)
текст
Copyright © 2010 Elsevier B.V. Все права защищены.
Рекомендуемые статьи
Ссылки на статьи
(PDF) Новая автоматизированная система анализа изображений для гель-электрофореза ДНК.
Рисунок 6: Профиль на выходе после установки порога
и сдвига.
3.3. Улучшение
Хотя это не применяется ко всем изображениям с помощью гель-электрофореза
, улучшение также является одним из важных процессов
в этом алгоритме. Это улучшает качество плохих изображений геля
и увеличивает точность системы.Его основная цель
— выделить слабые полосы, которые могут быть размыты процессом определения порога
из-за низкого уровня серого.
Несколько методов улучшения были изучены в прошлом
[21-26]. Мы рассмотрели многие из этих методов
, включая выравнивание гистограммы. Однако при выравнивании гистограммы
уровень серого распределяется так, что результирующая гистограмма
имеет равномерное распределение.Для изображений геля
цель состоит не в том, чтобы создать однородный уровень серого, а в том, чтобы
усилить разницу между полосами ДНК и фоном
. Также рассматривалось вычитание фона,
, но улучшенные гелевые изображения с помощью этого метода показали незначительное улучшение
. Другие методы нелинейного улучшения
также были рассмотрены и отвергнуты, в основном
, потому что при использовании этих методов полосы ДНК и
небольшие зашумленные пятна усиливаются, увеличивая количество
и размер зашумленных пятен на гелевых изображениях.Для решения этой проблемы
был использован косвенный метод, состоящий из комбинации
верхней и нижней фильтрации.
Верхний
шляпный фильтр вычитает открытое изображение из исходного изображения,
, в то время как преобразование нижней шляпы определяется как закрытие
изображения минус изображение. В сочетании
эти два преобразования увеличивают разницу между
темными и светлыми полосами. Операция задается как
I
enh (x, y) = [Itop (x, y) + I (x, y)] — Ibot (x, y), (5)
, где Ienh — матрица представляя выходное изображение после улучшения
, Itop — это матрица, представляющая выходное изображение
после цилиндрической фильтрации, I — матрица, представляющая
исходного изображения, а Ibot — это матрица, представляющая выходное изображение
после сдвига.
3.4. Обработка данных
Поскольку метод определения порога и фильтрации удаляет
всего шума, обнаружение объекта является подходящим методом для
обнаружения всех полос. Количественная информация, такая как количество вещества
в каждой полосе и молекулярная масса
каждой полосы, вычисляется путем вычисления площади полосы
и рассмотрения положения относительно предварительно определенной эталонной полосы
. соответственно.Размер отношения
между двумя выбранными полосами, эталоном и другим пятном составляет
, также вычисляемый в соответствии со следующим уравнением:
Ratio_size (n) = area (n) / [area (ref) + area (n)] ( 6)
Здесь n — номер пятна ДНК, а Ref — ссылочный номер ДНК
. Размер каждой полосы вычисляется путем добавления
всех пикселей, существующих в этой полосе.
Вычисленные данные вместе с другой информацией сохраняются
в файл для возможной дальнейшей обработки.
4. Результаты
Чтобы проверить производительность и точность системы, мы получили доступ к базе данных из 60 изображений гель-электрофореза. Всего
из 29 изображений содержали симплексные полосы ДНК,
и 17 изображений содержали дуплексные полосы ДНК, все из которых
считались пригодными для использования.
В общей сложности 14 изображений геля
были очень плохого качества (т. Е. Размазаны), и предполагалось, что эти изображения
нельзя проанализировать ни в автоматическом, ни в ручном режиме.На рисунке 7 показано выходное изображение
с рисунка 1 после автоматического определения порога, сдвига,
и фильтрации. На Рисунке 8 показано окончательное обработанное изображение
, а Рисунок 2. Как показано полностью, все полосы
полностью обнаружены и шум удален.
Оценка системы была основана на двух критериях:
, а именно полное обнаружение и распознавание в отношении размера ДНК
. Таблица 1 дает сводку классифицированных изображений
и процент точности для автоматизированной системы.
Как видно из этой таблицы, точность этого метода на
выше, чем точность любой существующей готовой системы
, которая обычно не превышает 90% только для изображений
хорошего качества. Даже для данных очень низкого качества система обнаружила
всех полос ДНК на 65% изображений. Проблема с
других шести изображений может быть решена путем уменьшения уровня порога
, который рассчитывается автоматически.
Страница исследования Каролы Венк
Страница исследования Каролы Венк
Веб-страницы Каролы Венк.
| Анализ 2D Гели для электрофореза |
В протеомике, которая является областью анализа белков, образцы белков
разделяются с помощью технологии, называемой двумерным гелем
электрофорез (2-ДЭ). Этот
производит гелевые изображения
в котором каждое темное пятно
представляет собой один белок. В конце концов хотелось бы сравнить несколько
изображения (что в основном является проблемой сопоставления точек; это похоже на
учитывая
звездное небо и сравнение разных звездных созвездий), что
называется гель, соответствующий .Но сначала нужно сегментировать изображение на
точечные зоны ( точечное обнаружение, ).
Обе задачи не
прямолинейны, и в настоящее время все еще нуждаются в большой помощи человека, а это
медленно и дорого.
Фармацевтические компании очень заинтересованы в автоматизации этих
обрабатывает как можно больше.
Обнаружение пятен и сопоставление пятен на нескольких наборах изображений геля
являются важными первыми шагами для протеомических исследований, основанных на
двумерный гель-электрофорез.Есть ряд
программные пакеты на рынке, которые можно использовать для этой цели,
у каждого из них есть свои преимущества и недостатки. Главный
разница между многими из этих программ заключается в алгоритмах, используемых для
подбор геля и обнаружение пятен. Качественное обнаружение пятен
алгоритм является фундаментальным, так как точно обнаруженные пятна являются основой
для всех дальнейших анализов. Алгоритм качественного сопоставления гелей
необходимо для минимизации ручной постобработки и для того, чтобы
облегчить быстрое перекрестное сопоставление между наборами гелей.Однако в это время
нет единого мнения о том, какая программа / алгоритм обеспечивает больше всего
точная оценка изменений уровня белка в группах образцов.
Трехмерное распределение Гаусса (см. Слева) — широко распространенное моделирование.
предположение для белковых пятен, которое используется при обнаружении нескольких пятен
алгоритмы. Однако из двухмерных гелей (см. Справа), полученных от Сью
Лаборатория Вайнтрауба в Медицинском научном центре UT в Сан-Антонио
что многие пятна демонстрируют воспроизводимые образцы интенсивности, которые не
соответствуют гауссовской модели.
Этот проект исследует новое обнаружение пятен и подбор геля.
алгоритмы. Программное обеспечение CAROL [Hoffmann et al. 1999,
Pleissner et al. 1999, Кригель
и другие. 2000] был интегрирован в программное обеспечение для анализа гелей.
пакет PDQuest от Bio-Rad. Наше текущее исследование сосредоточено на новом месте
модели, новые алгоритмы обнаружения пятен, более быстрые алгоритмы сопоставления гелей,
и интеграция данных сопоставления гелей с данными микрочипов.
Текущие сотрудники:
Бывшие студенты:
- Дрю Шоу (студент)
- Шон Пивек (студент)
Публикации:
- «Модели каплевидных пятен в гелях 2-DE» [аннотация, плакат] (S.М. Пивек, С.
Вайнтрауб и К. Венк),
плакат 11-го Международного симпозиума RCMI по проблемам здоровья, 2008 г. - « Покрытие эллипсами »
[ps.gz, pdf]
(А. Эфрат, Ф. Хоффманн, К. Кнауэр, К. Кригель, Г. Роте, К. Венк),
Algorithmica (спецвыпуск по
алгоритмика формы) 38 (2): 145-160, 2004. - « Покрытие фигур эллипсами »
[ps.gz, pdf]
(А. Эфрат, Ф. Хоффманн, К. Кнауэр, К. Кригель, Г. Роте, К. Венк),
Proc. 13-й симпозиум Дискретные алгоритмы (SODA) : 453-454, 2002, San
Франциско, США - «Геометрические алгоритмы анализа гелей 2D-электрофореза» [пс.gz, pdf]
(А. Эфрат, Ф. Хоффманн, К. Кригель, К. Шульц, К. Венк),
Журнал вычислительной биологии ; специальный выпуск, посвященный RECOMB 2001,
9 (2): 299-316, 2002. - CAROL — инструмент для обнаружения и сопоставления
гели для двумерного электрофореза: http://gelmatching.inf.fu-berlin.de (K. Kriegel, C. Wenk,
К. Шульц, Ф. Хоффманн, Д. Димитров). С 2001 года интегрирован в
программное обеспечение для гель-анализа PDQUEST от BioRad. - « Геометрические алгоритмы анализа
Гели для 2D-электрофореза »[пс.gz, pdf] (А. Эфрат, Ф. Хоффманн, К. Кригель,
C. Schultz и C. Wenk), Proc. 5-я Ann. Int. Конф. Вычислительная
Молекулярная биология (RECOMB) : 114-123, 2001, Монреаль, Канада - « Альтернативный подход к
иметь дело с геометрическими неопределенностями в компьютерном анализе двумерных
гели для электрофореза » (К. Кригель, И. Зеефельд, Ф. Хоффманн, К. Шульц,
К. Венк, В. Регитц-Загросек, Х. Освальд и Э. Флек),
Электрофорез 21: 2637-2640, 2000 - « Новые алгоритмические подходы к обнаружению белковых пятен и
сопоставление с образцом в базах данных гелей для двумерного электрофореза »
(К.
-П. Плейнер, Ф. Хоффманн, К. Кригель, К. Венк, С. Вегнер,
A. Sahlstrhm, H. Oswald, H. Alt и E. Fleck), Электрофорез
20: 755-765, 1999 - «Примененное сопоставление точечного образца
задача: сравнение двухмерных паттернов белковых пятен »[ps.gz, pdf] (F. Hoffmann, K.
Кригель и К. Венк), Дискретная прикладная математика 3: 75-88,
1999 г. - « Соответствие двухмерных моделей белка
пятна »[ps.gz, pdf] (Ф. Хоффманн, К. Кригель и К. Венк), Proc. 14-е
Аня. Symp. Вычислительная геометрия (SoCG) : 231-239, 1998,
Миннеаполис, США - « Идентификация белков по
Сопоставление точечного рисунка в базах данных двумерного гель-электрофореза »
(ЧАС.Альт, Ф. Хоффманн, К. Кригель, К. Венк, Э. Флек, Х. Освальд,
К.-П. Pleissner, S. Wegener), Jahrestagung der Humangenetischen
Gesellschaft , октябрь 1998 г. - « CAROL — Новые алгоритмические инструменты для сравнения двумерных
Изображения электрофоретического геля »[ps.gz, pdf] (H. Alt, F. Hoffmann, K. Kriegel,
К. Венк, К.-П. Pleissner), Плакат P21, Электрофорез
Forum 1997, Страсбург
-П. Плейнер, Ф. Хоффманн, К. Кригель, К. Венк, С. Вегнер,Гранты:
- « Развитие нового места
Алгоритмы обнаружения для двумерного изображения гель-электрофореза
Анализ », сотрудничество со Сью Вайнтрауб из UTHSCSA, субгрант NIH RCMI Center Grant с PI James Bower, 9/2006 — 2/2007,
10 000 долл. США - «КАРЬЕРА: Применение и теория геометрической формы.
Обработка », NSF CCF-0643597, 400 468 долларов США, 01.03.2007 — 29.02.2012.
Последнее изменение: Карола Венк,
cwenk -at- tulane -dot- edu,
Анализ текстуры в изображениях гель-электрофореза с использованием интегративного подхода, основанного на ядрах.
Rabilloud, T., Chevallet, M., Luche, S. & Lelong, C. Двумерный гель-электрофорез в протеомике: прошлое, настоящее и будущее.J. Proteomics 73, 2064–2077 (2010).
CAS
Google Scholar
Родригес, А.
, Фернандес-Лозано, К., Дорадо, Дж. И Рабуньял, Дж. Р. Регистрация изображения с помощью двумерного гель-электрофореза с использованием методов сопоставления блоков и моделей деформации. Анальный. Biochem. 454. С. 53–59 (2014).
CAS
Google Scholar
Фернандес-Лозано, К., Гешталь, М., Педрейра, Н., Дорадо, Дж. И Пазос, А. Анализ биомедицинских изображений на основе текстур высокого порядка. Curr. Med. Imaging Rev. 9, 309–317 (2013).
Google Scholar
Бертольд М. Р. и Хэнд Д. Дж. Интеллектуальный анализ данных: введение, 1-е изд. (Springer-Verlag, Secaucus, 1999).
Fernandez-Lozano, C. et al. Классификация текстур с использованием методов выбора функций и ядра. Soft Comput. 19. С. 2469–2480 (2015).
Google Scholar
Шёлкопф Б. и Смола А. Дж. Обучение с помощью ядер: машины опорных векторов, регуляризация, оптимизация и не только (MIT Press, Кембридж, 2001).
Мёллер К., Мика С., Рэтч Г., Цуда К. и Шёлкопф Б. Введение в алгоритмы обучения на основе ядра. IEEE Trans. Neural Netw. Учиться. Syst. 12. С. 181–201 (2001).
Google Scholar
Шёлкопф, Б., Цуда, К. и Верт, Ж.-П. Ядерные методы в вычислительной биологии. Вычислительная молекулярная биология (MIT Press, Cambridge, 2004).
Vert, J.-P. В «Ядерных методах в биоинженерии, обработке сигналов и изображений» (ред. Кэмпс-Валлс, Г. и др.), Гл. 2, 42–63 (IGIGlobal, Hershey, 2007).
Бен-Гур, А., Онг, С. С., Зонненбург, С., Шёлкопф, Б. и Рэтш, Г. Поддержка векторных машин и ядер для вычислительной биологии. PLoS Comput. Биол. 4, e1000173, 10.1371 / journal.pcbi.1000173 (2008).
CAS
ОБЪЯВЛЕНИЯ
Статья
PubMed
PubMed Central
Google Scholar
Кэмпбелл, К.
В Справочнике Springer по био- / нейроинформатике (ред. Касабов, Н.), гл. 12. С. 185–206 (Springer, Berlin, 2014).
Гайон И., Уэстон Дж., Барнхилл С. и Вапник В. Выбор генов для классификации рака с использованием машин опорных векторов. Мах. Учиться. 46, 389–422 (2002).
MATH
Google Scholar
Сеоан Дж.А., Дэй, И. Н. М., Гонт, Т. Р., Кэмпбелл, К. Структура интеграции данных на основе путей для прогнозирования прогрессирования заболевания. Биоинформатика 30, 838–845 (2014).
CAS
Google Scholar
Sun, S., Peng, Q. & Shakoor, A. Метод многомерного выбора на основе ядра для классификации данных микрочипов. PLoS One 9, e102541, 10.1371 / journal.pone.0102541 (2014).
CAS
ОБЪЯВЛЕНИЯ
Статья
PubMed
PubMed Central
Google Scholar
Kosmicki, J.А., Сочат В., Дуда М. и Уолл Д. П. Поиск минимального набора моделей поведения для выявления аутизма с помощью машинного обучения на основе выбора функций. Пер. Психиатр. 5, e514, 10.1038 / tp.2015.7 (2015).
CAS
Статья
Google Scholar
Боргвардт, К. В Справочнике по статистической биоинформатике (ред. Лу, Х.-С. и др.), Гл. 15, 317–334 (Springer, Берлин, 2011).
Гарсия, С., Фернандес, А., Луенго, Дж. И Эррера, Ф. Расширенные непараметрические тесты для множественных сравнений при планировании экспериментов в области вычислительного интеллекта и интеллектуального анализа данных: экспериментальный анализ мощности. Инф. Sci. 180. С. 2044–2064 (2010).
Google Scholar
Кэмпбелл, К. и Ин, Ю. Обучение с помощью машин опорных векторов. Синтез лекций по искусственному интеллекту и машинному обучению 5, 1–95 (2011).
MATH
Google Scholar
Веропулос, К.
, Кэмпбелл, К. и Кристианини, Н. Управление чувствительностью машин опорных векторов. В Известиях г. Международная совместная конференция по искусственному интеллекту , Другое: ML3, 55–60 (Стокгольм, Швеция, 1999).
Шапиро С. и Уилк М. Б. Тест дисперсионного анализа на нормальность (полные выборки). Биометрика 52, 591–611 (1965).
MathSciNet
МАТЕМАТИКА
Google Scholar
Бартлетт, М.С. Свойства достаточности и статистических тестов. Proc. R. Soc. Лондон. А 160, 268–282 (1937).
ADS
МАТЕМАТИКА
Google Scholar
Финнер, Х. О проблеме монотонности в пошаговых процедурах множественного тестирования. Варенье. Стат. Доц. 88, 920–923 (1993).
MathSciNet
МАТЕМАТИКА
Google Scholar
Вилкоксон, Ф. Индивидуальные сравнения методами ранжирования. Биометрия 1, стр.80–83 (1945).
MathSciNet
Google Scholar
Харалик Р. Статистические и структурные подходы к текстуре. Proc. IEEE 67, 786–804 (1979).
Google Scholar
Янг, К., Чжу, Х., Ву, С., Бай, Й. и Гао, Х. Корреляция между особенностями текстуры ультразвукового изображения в B-режиме и температурой ткани при микроволновой абляции. J. Ultrasound Med. 29, 1787–99 (2010).
Google Scholar
Касснер, А. и Торнхилл, Р. Анализ текстуры: обзор приложений неврологической МРТ. Являюсь. J. Neuroradiol. 31, 809–816 (2010).
CAS
Google Scholar
Пантик, И., Пантик, С., Паунович, Дж. И Перович, М. Ядерная энтропия, угловой второй момент, дисперсия и корреляция текстуры кортикальных и мозговых лимфоцитов вилочковой железы: матричный анализ совместной встречаемости на уровне серого.
An. Акад. Бюстгальтеры. Cienc. 85, 1063–1072 (2013).
Google Scholar
Янг, X. et al. Ультразвуковой анализ текстуры GLCM радиационно-индуцированного поражения околоушной железы при лучевой терапии рака головы и шеи: исследование поздней токсичности in vivo . Med. Phys. 39, 5732–5739 (2012).
PubMed
PubMed Central
Google Scholar
Mostaço-Guidolin, L. B. et al.Морфология и анализ текстуры коллагена: от статистики к классификации. Sci. Отчет 3, 2190, 10.1038 / srep02190 (2013).
Артикул
PubMed
PubMed Central
Google Scholar
Chang, R. et al. Защитная роль дезоксисхизандрина и схизантерина А против ишемического реперфузионного повреждения миокарда у крыс. PloS One 8, e61590, 10.1371 / journal.pone.0061590 (2013).
CAS
ОБЪЯВЛЕНИЯ
Статья
PubMed
PubMed Central
Google Scholar
Ян, Х., Бейенал, Х., Харкин, Г. и Левандовски, З. Количественная оценка структуры биопленок с использованием анализа изображений. J. Microbiol. Методы. 2000. Т. 39. С. 109–119.
CAS
Google Scholar
Pantic, I. et al. Снижение сложности архитектуры хроматина в клетках macula densa во время постнатального развития мышей. Нефрология 18, 117–124 (2013).
CAS
Google Scholar
Ролауфс, Б.и другие. Уязвимость поверхностной зоны незрелого суставного хряща к компрессионным травмам. Arthritis Rheumatol. 62, 3016–3027 (2010).
CAS
Google Scholar
Лу, Ю., Хуанг, К., Ван, Дж. И Шан, П. Улучшенный метод количественного анализа кортикальных микротрубочек растений. Sci. Мир J. 2014, 637183, 10.1155 / 2014/637183 (2014).
Артикул
Google Scholar
Карахалев, А.и другие. Оценка неоднородности кинетики усиления поражения в динамической МРТ с контрастированием для диагностики рака молочной железы. Br. J. Radiol. 2010. Т. 83. С. 296–309.
CAS
PubMed
PubMed Central
Google Scholar
Харрисон, Л.С.В. и др. Оценка ответа неходжкинской лимфомы с классификацией текстуры МРТ. J. Exp. Clin. Cancer Res. 28, 10.1186 / 1756-9966-28-87 (2009).
Ba-Ssalamah, A. et al.Классификация различных опухолей желудка на основе текстуры при КТ с контрастированием. Евро. J. Radiol. 82, e537 – e543, 10.1016 / j.ejrad.2013.06.024 (2013).
Артикул
Google Scholar
Mayerhoefer, M. E. et al. Классификация очаговых поражений печени на основе текстуры на МРТ при 3,0 тесла: технико-экономическое обоснование кист и гемангиом. J. Magn. Резон. Imaging 32, 352–359 (2010).
Google Scholar
Харрисон, Л.C.V. et al. Анализ текстуры МРТ при рассеянном склерозе: к протоколу клинического анализа. Акад. Радиол. 17, 696–707 (2010).
Google Scholar
Чжан, Дж., Тонг, Л., Ван, Л. и Ли, Н. Анализ текстуры рассеянного склероза: сравнительное исследование. Magn. Резон. Imaging 26, 1160–1166 (2008).
Google Scholar
Chong, Y. et al. Количественные переменные КТ, позволяющие прогнозировать ответ при неоадъювантной терапии с EGFR-TKI: отличаются ли они от таковых при неоадъювантной сопутствующей химиолучевой терапии? PloS One 9, e88598, 10.1371 / journal.pone.0088598 (2014).
CAS
ОБЪЯВЛЕНИЯ
Статья
PubMed
PubMed Central
Google Scholar
Yip, C. et al.
Оценка изменений гетерогенности опухоли после неоадъювантной химиотерапии при первичном раке пищевода. Дис. Пищевод 28, 172–179 (2015).
CAS
Google Scholar
Barry, B. et al. Количественная оценка фиброза печени путем применения анализа текстуры к диффузионно-взвешенной визуализации.Magn. Резон. Imaging 32, 84–90 (2014).
Google Scholar
Визер, С., Данн, М. Дж. И Янг, Г.-З. Регистрация изображений с несколькими разрешениями для двумерного гель-электрофореза. Протеомика 1, 856–870 (2001).
CAS
Google Scholar
Dowsey, A. W. et al. Инструменты анализа изображений и новые алгоритмы экспрессионной протеомики. Proteomics 10, 4226–4257 (2010).
CAS
PubMed
PubMed Central
Google Scholar
Фернандес-Лозано, К., Сеоан, Дж., Гестал, М., Гонт, Т. и Кэмпбелл, К. В достижениях в области вычислительного интеллекта (ред. Рохас И. и др.), Vol. 7902 конспектов лекций по информатике, 427–434 (Springer, Berlin, 2013).
Google Scholar
Тузериан М. и Джайн А. В Справочнике по распознаванию образов и компьютерному зрению, 3-е изд., Vol.2 (ред. Чен, К. Х. и др.), Гл. 2, 235–276 (World Scientific, Сингапур, 1999).
Google Scholar
Генри, В. В биомедицинской визуализации (ред. Мао, Ю.), гл. 4, 235–276, 10.5772 / 8912 (InTech, 2010).
Харалик Р. М., Шанмугам К. и Динштейн И. Текстурные особенности для классификации изображений. IEEE Trans. Syst. Человек Киберн. SMC3, 610–621 (1973).
Google Scholar
Щипинский, П.М., Клепачко А. и Запотоцны П. Определение сортов ячменя с помощью компьютерного зрения. Comput. Электрон.
Agric. 110, 1–8 (2015).
Google Scholar
Szczypiński, P. M., Strzelecki, M., Materka, A. & Klepaczko, A. Mazda — Пакет программного обеспечения для анализа текстуры изображения. Comput. Meth. Программы Биомед. 94, 66–76 (2009).
Google Scholar
Майерхофер, М.E. et al. Анализ текстуры для различения тканей на Т1-взвешенных МРТ-изображениях коленного сустава в многоцентровом исследовании: переносимость текстурных элементов и сравнение методов и классификаторов выбора признаков. J. Magn. Резон. Imaging 22, 674–680 (2005).
Google Scholar
Materka, A. & Strzelecki, M. Методы анализа текстуры — обзор. Лодзинский технический университет, Институт электроники. Отчет COST B11 Технический отчет.(1998). Доступно по адресу: http://www.eletel.p.lodz.pl/programy/cost/pdf_1.pdf (дата обращения: 30.09.2015).
Джон Г. и Лэнгли П. В материалах одиннадцатой конференции по неопределенности в искусственном интеллекте, UAI’95, 338–345 (Морган Кауфманн, Сан-Франциско, 1995).
Вапник В. Н. Оценка зависимостей на основе эмпирических данных (Springer Verlang, New York, 2006).
Hall, M. et al. Программное обеспечение для интеллектуального анализа данных weka: обновление.SIGKDD Explor. 11, 10–18 (2009).
Google Scholar
Чжан, Х. Исследование условий оптимальности переходов ступицы. Int. J. Patt. Узнай. Артиф. Intell. 19, 183–198 (2005).
Google Scholar
Burges, C.J.C. Учебное пособие по машинам опорных векторов для распознавания образов. Данные Мин. Знай. Discov. 2, 121–167 (1998).
Google Scholar
Кристианини, Н.И Шоу-Тейлор, Дж. Введение в машины опорных векторов: и другие методы обучения на основе ядра (Издательство Кембриджского университета, Нью-Йорк, Нью-Йорк, США, 2000).
Rakotomamonjy, A., Bach, F., Canu, S. & Grandvalet, Y. SimpleMKL. J. Mach. Учиться. Res. 9. С. 2491–2521 (2008).
MathSciNet
МАТЕМАТИКА
Google Scholar
Каннистрачи, К. В., Раваси, Т., Монтевекки, Ф. М., Идекер, Т., и Алессио, М.Нелинейное уменьшение размеров и кластеризация за счет минимальной криволинейности разворачивают классы нейропатической боли и тканевых эмбриологий. Биоинформатика 26, i531 – i539, 10.1093 / bioinformatics / btq376 (2010).
CAS
Статья
PubMed
PubMed Central
Google Scholar
Каннистрачи, К. В., Аланис-Лобато, Г. и Раваси, Т. Минимальная криволинейность для улучшения топологического предсказания взаимодействия белков за счет встраивания сети.Биоинформатика 29, i199 – i209, 10.1093 / bioinformatics / btt208 (2013).
CAS
Статья
PubMed
PubMed Central
Google Scholar
Сейс, Ю., Инза, И. Н. и Ларраньяга, П. Обзор методов отбора признаков в биоинформатике. Биоинформатика 23, 2507–2517 (2007).
CAS
Google Scholar
Ланкриет, Г. Р., Де Би, Т., Кристианини, Н., Джордан, М. И. и Нобл, У. С. Статистическая основа для слияния геномных данных. Биоинформатика 20, 2626–2635 (2004).
CAS
Google Scholar
Генен М. и Алпайдин Э. Алгоритмы обучения с несколькими ядрами. J. Mach. Учиться. Res. 12. С. 2211–2268 (2011).
MathSciNet
МАТЕМАТИКА
Google Scholar
Шоу-Тейлор, Дж. И Кристианини, Н. Методы ядра для анализа паттернов (Издательство Кембриджского университета, Нью-Йорк, 2004).
Кеннеди, Дж. И Эберхарт, Р. Оптимизация роя частиц. В Известиях г. Международная конференция IEEE по нейронным сетям , Vol.
4, 1942–1948 (IEEE, Перт, 1995).
Холланд, Дж. Адаптация в естественных и искусственных системах: вводный анализ с приложениями к биологии, контролю и искусственному интеллекту. (MIT Press, Кембридж, 1975).
Fernandez-Lozano, C. et al. Свойства средних Маркова для классификации белков, связанных с гибелью клеток.J. Theor. Биол. 2014. Т. 349. С. 12–21.
CAS
МАТЕМАТИКА
Google Scholar
Клерк, М. За пределами стандартной оптимизации роя частиц. Int. J. Swarm. Intell. Res. 1. С. 46–61 (2010).
ADS
Google Scholar
Zambrano-Bigiarini, M., Clerc, M. & Rojas, R. Стандартная оптимизация роя частиц 2011 на CEC-2013: базовый уровень для будущих улучшений PSO. в Конгрессе IEEE по эволюционным вычислениям, 2337–2344 (2013).
Wall, M. GAlib: Библиотека компонентов генетического алгоритма C ++. (MIT Press, 1996).
Chang, C.-C. И Лин, К.-Дж. LIBSVM: библиотека для поддержки векторных машин. ACM Trans. Intell. Syst. Technol. 2 , 1–27 (2011). Программное обеспечение доступно по адресу http://www.csie.ntu.edu.tw/cjlin/libsvm. Дата обращения: 30.09.2015.
R. Основная группа. R: Язык и среда для статистических вычислений . R Фонд статистических вычислений, Вена, Австрия (2014).Программное обеспечение доступно на http://www.R-project.org. Дата обращения: 30.09.2015.
Кун, М. Построение прогнозных моделей в R с использованием пакета каретки. J. Stat. Софтв. 28, 1–26, 10.18637 / jss.v028.i05 (2008).
Артикул
Google Scholar
Karatzoglou, A., Smola, A., Hornik, K. & Zeileis, A. Kernlab — пакет S4 для ядерных методов в R. J. Stat. Софтв. 11, 1–20, 10.18637 / jss.v011.i09 (2004).
Артикул
Google Scholar
Робин, X.
и другие. pROC: пакет с открытым исходным кодом для R и S + для анализа и сравнения кривых ROC. BMC Bioinformatics 12, 77, 10.1186 / 1471-2105-12-77 (2011).
Артикул
PubMed
PubMed Central
Google Scholar
Шескин, Д. Справочник по параметрическим и непараметрическим статистическим процедурам, 5-е изд. (CRC Press, Флорида, 2011).
Гарсия, С., Фернандес, А., Луенго, Дж. И Эррера, Ф. Исследование статистических методов и показателей эффективности машинного обучения на основе генетики: точность и интерпретируемость.Soft Comput. 13, 959–977 (2009).
Google Scholar
Демшар, Дж. Статистические сравнения классификаторов по нескольким наборам данных. J. Mach. Учиться. Res. 7. С. 1–30 (2006).
MathSciNet
МАТЕМАТИКА
Google Scholar
SCIRP с открытым доступом
Недавно опубликованные статьи
Подробнее >>
Аннигиляция материи-антивещества ()
Ардешир Ирани
Журнал физики высоких энергий, гравитации и космологии
Vol.7 No2, 6 апреля 2021 г.
DOI: 10.4236 / jhepgc.2021.72027 6 Загрузок 22 Просмотры
Темная материя как прошлое, предположение ()
Пьерпаоло Перруччи
Журнал физики высоких энергий, гравитации и космологии
Vol.
7 No2, 6 апреля 2021 г.
DOI: 10.4236 / jhepgc.2021.72026 14 Загрузок 61 Просмотры
Использование ингибиторов кальциневрина и ассоциация миоклонуса. Есть ли клиническое значение? ()
Рикардо Э. Вердинер, Рубен Касадо Арройо, Мохаммад Рауф Чаудри, Нарджит Хурми, Карл Потерак, Энди Горлин, Арун Джаяраман, Густаво Родригес
Открытый анестезиологический журнал
Vol.11 No4, 6 апреля 2021 г.
DOI: 10.4236 / ojanes.2021.114009 6 Загрузок 22 Просмотры
Преследование медицинских работников со стороны их клиентов: распространенность, мотивация и последствия ()
Сефа Булут, Али Цисси Усман, Тхсеен Назир
Открытый журнал медицинской психологии
Vol.10 No2, 6 апреля 2021 г.
DOI: 10.4236 / ojmp.2021.102003 4 Загрузки 18 Просмотры
Технологии и образование: слияние с прошлым, настоящим и будущим ()
Мэрион Дж. Бен-Джейкоб, Аллан Х. Глазерман
Открытый журнал социальных наук
Vol.9 No4, 6 апреля 2021 г.
DOI: 10.
4236 / jss.2021.94004 14 Загрузки 42 Просмотры
Исследование изменений в валютной системе Metage на юге Тайваня в период раннего правления Японии: 1897-1900 ()
Яньхао Хуан
Открытый журнал социальных наук
Vol.9 No4, 6 апреля 2021 г.
DOI: 10.4236 / jss.2021.94003 4 Загрузки 17 Просмотры
Исследование влияния модели групповой взаимности в реабилитации пациентов со сколиозом ()
Яцинь Ху, Ся Чен, Синьи Го
Открытый журнал социальных наук
Vol.9 No4, 6 апреля 2021 г.
DOI: 10.4236 / jss.2021.94002 4 Загрузки 16 Просмотры
Эволюция первого собственного значения ( p , q ) -лапласиана при гармоническом потоке Риччи ()
Пол Бракен
Успехи в чистой математике
Vol.11 No4, 6 апреля 2021 г.
DOI: 10.4236 / apm.2021.114015 6 Загрузки 22 Просмотры
Отношение пользователей транспорта и выбор услуг по организации поездок в двух городах с разными характеристиками ()
Вирджиния П.
Сисиопику, Сайед Анаф Моршед, Сахила Сарджана, Мохаммед Хади
Журнал транспортных технологий
Том 11 No2, 6 апреля 2021 г.
DOI: 10.4236 / jtts.2021.112013 8 Загрузок 24 Просмотры
Исследование модели трансграничного приглашения для преподавателей естественных наук: с точки зрения теории самоопределения ()
Цзиньбао Чжан, Цин Цзоу, Кайюэ Чжан, Сян Гао
Открытый журнал социальных наук
Vol.9 No4, 6 апреля 2021 г.
DOI: 10.4236 / jss.2021.94001 4 Загрузки 12 Просмотры
Аудит использования и чрезмерного использования электрофореза иммунофиксации белков сыворотки и анализа свободных легких цепей сыворотки в третичном медицинском учреждении случай для алгоритмического тестирования для оптимизации использования лаборатории
TY — JOUR
T1 — Аудит использования и чрезмерного использования электрофореза иммунофиксации белков сыворотки и анализ свободных легких цепей в сыворотке в третичном медицинском учреждении случай для алгоритмического тестирования для оптимизации использования лаборатории
AU — Heaton, Christopher
AU — Vyas, Shikhar G.
AU — Singh, Gurmukh
N1 — Авторское право издателя:
© Американское общество клинической патологии, 2016.
Авторское право:
Авторские права 2017 Elsevier B.V., Все права защищены.
PY — 2016/4/1
Y1 — 2016/4/1
N2 — Цели: Чрезмерное использование лабораторных тестов является постоянной проблемой.
Мы изучили использование и чрезмерное использование сывороточного электрофореза иммунофиксации и анализа свободных легких цепей в сыворотке, чтобы разработать алгоритм для оптимизации использования. Методы. Был проведен ретроспективный обзор всех тестов для исследования моноклональных гаммопатий для всех пациентов, которым с 24 апреля 2014 г. по 25 июля 2014 г. проводился какой-либо из этих тестов.Тестовые заказы были классифицированы как гарантированные и необоснованные в соответствии с критериями, представленными в статье. Результаты. Всего было протестировано 237 пациентов, и их исторические записи включали 1503 эпизода тестирования одного или нескольких из следующих элементов: электрофорез сывороточного белка, электрофорез иммунофиксации сыворотки и анализ свободных легких цепей в сыворотке. Только 46% иммунофиксации сыворотки и 42% анализов свободных легких цепей сыворотки были оправданы. Правильное использование только в нашем учреждении позволило бы избежать 64 182 долларов.95 затрат на здравоохранение в год, снижение лабораторных затрат только на реагент на 26 436,04 доллара в год и поставило под угрозу 21 904,92 доллара в год компенсации по части B. Выводы. Менее половины результатов иммунофиксации сыворотки и анализов свободных легких цепей добавили ценность. Предлагаемый алгоритм тестирования должен улучшить использование. Риск, связанный с выставлением счетов за часть B, может сдерживать сокращение использования тестов.
AB — Цели: Чрезмерное использование лабораторных тестов — постоянная проблема. Мы изучили использование и чрезмерное использование сывороточного электрофореза иммунофиксации и анализа свободных легких цепей в сыворотке, чтобы разработать алгоритм для оптимизации использования.Методы. Был проведен ретроспективный обзор всех тестов для исследования моноклональных гаммопатий для всех пациентов, которым с 24 апреля 2014 г. по 25 июля 2014 г. проводился какой-либо из этих тестов. Тестовые заказы были классифицированы как гарантированные и необоснованные в соответствии с критериями, представленными в статье.