Preliminary Screening for Pulmonary Tuberculosis from Chest Radiography using Artificial Neural Network

Abstract

Tuberculosis is the disease with the highest incidence in Southeast Asia, causing the highest number of disabilities and deaths in developing countries. The most widely used method for finding patients with tuberculosis is chest X-ray imaging combination with pre-clinical symptom screening to confirm the detection of tuberculosis. But, the characteristics of lesions related with pulmonary tuberculosis in chest radiography is nonspecific and difficult to observe. Thus, this research has developed an algorithm for the primary screening of pulmonary tuberculosis from chest radiographs by using the image processing principle with Artificial Neural Network (ANN) for examining the preliminary features that related with the high incidence of pulmonary tuberculosis, namely Reticular Infiltration, Cavity, and Consolidation. The procedure was then used to learn 14,000 chest radiographs and tested for preliminary screening on 6,000 test images. The result from testing found that this method can process with accuracy of 82.20%, sensitivity of 86.80%, specificity of 79.59% and positive predictive values at 77.37% when compared with radiologist.

วัณโรคเป็นโรคที่มีอุบัติการณ์การเกิดโรคสูงที่สุดในเอเชียตะวันออกเฉียงใต้ ก่อให้เกิดความทุพพลภาพและมีการเสียชีวิตสูงที่สุดในประเทศที่กำลังพัฒนา วิธีที่ใช้กันอย่างแพร่หลายในการวินิจฉัยวัณโรคปอดในระยะแรกสำหรับค้นหาผู้ที่ป่วยด้วยวัณโรค คือการวินิจฉัยโดยใช้ภาพถ่ายรังสีทรวงอกร่วมกับการตรวจคัดกรองด้วยอาการก่อนส่งตรวจทางห้องปฏิบัติการชันสูตรเพื่อยืนยันการตรวจพบวัณโรคได้ แต่เนื่องจากลักษณะของวัณโรคที่ปรากฎในภาพถ่ายรังสีทรวงอกนั้นไม่เฉพาะเจาะจงและยากต่อการสังเกต งานวิจัยนี้จึงได้พัฒนาขั้นตอนวิธีสำหรับตรวจคัดกรองวัณโรคปอดเบื้องต้นจากภาพถ่ายรังสีทรวงอก โดยใช้หลักการประมวลผลภาพ (Image Processing) ร่วมกับโครงข่ายประสาทเทียม (Artificial Neural Network) เพื่อตรวจสอบคุณลักษณะเบื้องต้นที่มีความสัมพันธ์กับการเกิดวัณโรคในปอดสูงได้แก่ เส้นเงาไขว้แบบร่างแหจากการติดเชื้อ (Reticular Infiltration) โพรงแผลในเนื้อปอด (Cavity) และ เงาทึบจากพยาธิสภาพเนื้อปอดตัน (Consolidation) จากนั้นนำวิธีการขั้นตอนนี้มาเรียนรู้กับภาพถ่ายรังสีทรวงอกจำนวน 14,000 ภาพ และนำไปทดสอบการตรวจคัดกรองเบื้องตันกับชุดภาพทดสอบจำนวน 6,000 ภาพ พบว่ามีระดับความแม่นยำ 82.80% และมีค่าความไวเท่ากับ 86.80% ค่าความจำเพาะเท่ากับ 79.59% และ ค่าพยากรณ์ผลบวก 77.37% เมื่อเทียบกับผลการอ่านภาพถ่ายรังสีทรวงอกของรังสีแพทย์