Objektivizace a podpora pro diagnostiku a rehabilitaci strabismu

Objektivizace a podpora pro diagnostiku a rehabilitaci strabismu Disertační práce 2011 Petr Novák Vedoucí: Prof. RNDr. Olga Štěpánková CSc. Studijní obor: Umělá inteligence a Biokybernetika Katedra Kybernetiky

Obsah 1) Stručný úvod do tématu a současný stav 2) Hlavní cíle práce 3) Okohybný aparát a jeho základní poruchy

4) Objektivizace diagnostických nástrojů 5) Datové úložiště 6) Reprezentace dat pro zpracování

7) Podpora lékaře při návrhu diagnózy 8) Podpora při návrhu a hodnocení procesu rehabilitace 9) Zhodnocení

Nature Inspired Technologies G r o u p

1. Úvod a současný stav V populaci okolo 24% poruch vidění – 16% strabismus (šilhavost)  Zejména nesprávné postavení očí v různých pohledových směrech

Nutno včas odhalit – možnost vzniku druhotných problémů Nutnost správné a objektivní diagnózy – vhodný léčebný postup Nákladné přístroje (sofistikované) – často nedostupné pracovištím Objektivnost ne vždy zaručena – mnohdy založeno na úsudku lékaře  Různí lékaři někdy různé postupy – odlišná hodnocení (nikoli chybná)

Rozvoj výpočetní techniky – přístroje jako SW nástroje  Zkvalitnění, zpřesnění, zrychlení, objektivizace, větší množství parametrů, hodnocení

Existující řešení  Pouze SW kopie stávajících přístrojů – bez přínosu  Akademické verze – náznaky, vývoj ukončen, nevhodné pro uživatele

Absence zpracování výsledků, podpora lékaře, domácí rehabilitace  Podpora návrhu diagnózy, rehabilitačního procesu, vzdálený dohled nad domácí léčbou


2. Hlavní cíle práce Analýza nejčastějších nepřesností v klas. diagnos. procesu  Eliminace subjektivního úsudku lékaře, podpora výpovědi pacienta

Převod původních přístrojů na SW řešení a pilotní testování  Zajištění objektivizace výstupu, získání více informací / parametrů

Návrh a testování nových charakteristik (souč. testy neposk.)  Příspěvek ke zkvalitnění celkového výstupu a tedy i diagnózy

Návrh architektury a vytvoření vhodného datové úložiště  Jednotný záznam dat z testů pro jejich (hromadné) zpracování

Podpora lékaře při návrhu diagnózy (nápověda)  Využití různých znalostí pro návrh výsledné diagnózy

Podpora lékaře v rehabilitačním procesu (návrh, hodnocení)  Podpora při plánování rehabilitačního procesu a jeho objektivního hodnocení

Návrh a pilotní testování nástrojů pro domácí léčbu  Adaptace na stav / vývoj léčby pacienta – efektivnost léčby


3. Okohybný aparát a poruchy Struktura okohybného aparátu  6 okohybných svalů – poruchy oko-motorické (v této práce)  Tři nervy – poruchy neurologické  Několik nervových (řídících) jader – poruchy neurologické

Poruchy okohybného aparátu (svalů)      

Vzácně porucha pouze jednoho svalu Vše souvisí se vším (jádra -> nervy -> svaly) Porucha svalu – se jeví jako zdánlivá poruchu dalších svalů Porucha nervu – zdánlivou poruchu i několika svalů Porucha jádra – zdánlivou poruchu nervů i svalů Celková porucha často složena z několika dílčích

 Složitá detekce skutečné příčiny (mnohdy i poruchy)

Závěr  Nikdy nelze hodnotit pouze jeden sval  Stav nutno vždy posuzovat komplexně


4. Hessovo plátno - princip Diag. úloha s velkou vypovídací hodnotou      

Využití červeno-zelených brýlí pro pacienta Postupně zobrazeny červené stimulační body Na jejich pozice pacient umisťuje zelené body Spojnice bodů obvodu – pomocné pro hodnocení Diagnóza – Hodnocení: tvaru, posunu, pootočení Odlišnost od originálu (ideálu) a obou očí navzájem

Původní řešení a jeho výstup  Mechanický přístroj – manuální zápis hodnot  Pouze statický výstup (jednoho) okamžitého stavu  Ztráta mnoha informací z průběhu testu

Nové řešení a jeho výstup    

Eliminace vlivu lékaře – vedení pacienta (testem) SW aplikace – záznam mnoha informací Záznam průběhu (dynamiky) testu Prvotní grafické hodnocení - názornost  Zkrácení / prodloužení hran – tloušťka hran  Změna úhlu hran – barva / jas hran

 Nové parametry  Nestabilita poruchy – tvar / velikost terče odpov. „bodu“ pacienta  Nejistota pacienta – jas „bodu“ umístěného pacientem Nature Inspired Technologies G r o u p

4. Hessovo plátno - hodnocení Tvar HS obrazce podstatě libovolný  Správný, deformovaný, část mimo plochu  Nelze stanovit omezení

Princip stanovení diagnózy    

Z tvaru – směry a délky hran obrazce (proti originálu) Z posunutí a potočení obrazců (vzájemně) Současně obrazců obou očí (navzájem) Stručné příklady hodnocení obrazců    

Obrazce správné – zdravý pacient Vzájemně tzv. inverzní – svalová porucha (pravd.) Vzájemně zcela odlišné – neurologická porucha (pravd.) Podobné a posunuté – neurologická porucha (prav.)

Zápis diagnózy u získaných příkladů  Textový zápis – nejednotnost (nevhodné)  Souboru kódů – rozmanitost (nevhodné pro klasifikaci)   

Jeden příklad – soubor přiřazených kódů Jeden typ kódu – u několika i odlišných obrazců Problematické kódy – „Jiný strabismus“ (obsahuje cokoli)

 Okohybné i neurologické – nelze převést, kombinovat Nature Inspired Technologies G r o u p

4. Analýza dat z HS vyšetření Analýza nepřesností v HS obrazci  Pro detekci průměrné odchylky úhlů hran v obrazci (osobu) od výchozího směru  Uskutečněn test 30 zdravých lidí, pacientů (text 10x opakován)  Test pomalu (zdravý klidný člověk) rozsah do +/- 4°

 Test rychle (zdravý ale třes, únava, …) rozsah do +/- 9°

 Maximální detekovaná odchylka na test – až 40°(nepříznivé)  Vodorovné hrany menší odchylka (přibližně polovina)  Příklad pacienta: test 3x opakoval – odchylka až 20°


4. Diagnostické SW nástroje* Příklady dalších vytvořených objektivních SW diagnostických nástrojů  Úlohy obsahují – hodnocení, elim. třesu ruky, průměrování, hod. přímosti výstupu  Test excentrické fixace (body do středu kříže)  Parametry shluku: střed, vzdálenost, rozptyl  Nestabilita (oblast bodu), nejistota (jas bodu)

 Worhova světla (zobrazení odpovědí)  Červeno-zelené brýle – vjem pacienta (tvary, barvy)  Nejistota pacienta (prodleva výběru odpovědi)

 Optotipy (několik typů, věk)  Pacient potvrzuje odpověď (nejistota pacienta)  Není dotaz lékaře (eliminace vlivu lékaře)

 Omezení pohyblivosti očí  Pohybující se stimul, pacient sleduje  Signalizace tlačítkem, pohyb zornice

 Správné postavení očí a šířka fuze  Pacient (ovladač) – nikoli lékař podle slov pacienta  Eliminace vlivu lékaře (pacient zcela podle svého vjemu)

 Test zorného pole  Úprava podle zákl. parametrů pacienta (rychlost)  Korekce pozice omezené viditelnosti podnětu pacientem

 Zcela nové experimentální úlohy  Souběh očí ve více směrech, více parametrů z testu Nature Inspired Technologies G r o u p

5. Datové úložiště* Důvody pro vytvoření  V současnosti mnoho databází a formátů – ztráta pořizovatele = ztráta dat (velmi často)

 Cílem sjednocení ukládaných dat pro hromadné zpracování, analýzu data  Databáze: vyzvedávání podle umístění (význam není nutno uvádět)  Úložiště: vyzvedávání podle významu (umístění není nutno uvádět) jaké další veličiny se k této váží, co znamenají

Návrh a vytvoření vhodného datového úložiště – vhodná struktura  Rozmanitost, ale současně i standardizace datových typů – pro lékaře i vývojáře  Základní (čas, poznámka, autor) + dodatečné informace (přístroj, rozsah, veličiny)  Zobrazit a zpracovat data i bez znalosti jejich pořizovatele (univerzálnost)


6. Reprezentace HS obrazce Pro další zpracování – nutno vytvořit vhodný popis HS obrazce  Vytvořit vhodný popis – tolerantní k nepřesnostem, pro porovnání  Naměřené body (pozice X, Y) – nevhodné pro mnoho algoritmů / zpracování  Jedná se o obrazec – využití těchto vlastností – jsou obsaženy: hrany, posun, potočení

Popis celého HS obrazce (1oko)  Vztaženo k originálnímu (ideálnímu) obrazci  Délka každé hrany vůči originálu  Délka: kratší, stejná, delší CU

LD

RU-CU

CD

RC RU-CU

90 st

RD

RU-CU RU-CU a) hrany mezi body obrazce

0 st

180 st 270 st

CC

RU-CU

RU-CU

RU-CU

 Posun obrazce v X (-,0,+), Y (-,0,+), pootočení obrazce (-,0,+) vůči orig. LC  Diagnóza vždy odpovídá obrazcům z obou očí současně (nikoli pouze z jednoho)

Jedná se o silně relační popis

RU-CU

RU-CU

RU-CU

 Úhel: menší, shodný, větší

RU

RU-CU

LU

RU-CU

 Směr každé hrany vůči originálu

+ b) základní směry v obrazci

 Diagnóza pomocí současného stavu všech hran, ale i posunu, potočení  Rovněž hodnocením obrazců obou očí současně Nature Inspired Technologies G r o u p

6. Popis úrovně A a B Víceúrovňový popis – od příznakového k symbolickému Popis úrovně A – nízká úroveň (přítomny pouze naměřené body / příznaky)  (-) přímo naměřené body  (-) přítomnost mnoha nepřesností  (-) snadno nelze porovnat tvary

Úroveň popisu B – oddělení: tvaru, posunu, pootočení  Posun středového bodu (a tedy i obrazce) vůči originálnímu středovému bodu  Pootočení – vhodným souborem hran (nelze: střed (bod), průměr všech hran (porucha)  Jaké hrany využít pro stanovení celkového pootočení obrazce:    

   

Přednostně vodorovné – minimální chyba ze strany pacienta (poznatek z analýzy dat HS obrazce) Z minimálně poloviny vodorovných hran lišících se méně než o X (X = 10°, max. chyba) Z minimálně poloviny ze všech hran lišících se méně než o X (X = 10°, max. chyba) Nelze stanovit – nutnost posouzení lékařem

(-) náročná detekce složených poruch (-) stále příznakový / kvantitativní popis (+) již snadnější pro porovnávání HS (+) již odděleny: tvar, posun, pootočení Nature Inspired Technologies G r o u p

6. Popis úrovně C  délka a směr současně (vůči orig. hraně)

 Pro posun, pootočení – symboly (-,0,+)  Lze považovat za symbolický popis

a)

b)

příklady znázornění hrany

vlevo & delší

 Hraně přiřazen symbol (z 9 možných)

možnosti hrany

vpravo & delší

délky hrany

vlevo & kratší

směry hrany

rovná & střední

Popis úrovně C – symbolický popis

c)

 Symboly možno doplnit číselnou hodnotou  Spojení symbolického a příznakového popisu  Zastoupení popisu na úrovních B a A úrovní C

 Mez rozlišení typu hrany z výsledků 30 testů  Ve směru – stanoveno na 10° v úhlu hrany  V délce – stanoveno na 2.5°(1/2 rozteče mřížky) z pohledu pacienta

   

(+) Snadnější porovnávání HS obrazců v symbolickém tvaru (+) Tolerance k možných nepřesnostech a chybám (+) Možnost detekce dílčích poruch a jejich kombinací (+/-) Abstrakce od reálných dat (výhoda i nevýhoda současně) Nature Inspired Technologies G r o u p

6. Popis úrovně D Popis úrovně D  Pouze několik obrazců – nejvíce používané  Obrazce pouze pro nejčastější diagnózy  Některé HS nemají popis na této úrovni

OK

LevoDelší

LevoKratší

NahoruKratší

 Slouží pro optimalizaci, názornost  Rychlé porovnávání standardizovaných obrazců (diagnóza)  Rychlé vyloučení shody již na nejvyšší úrovni (optimalizace)

 Velmi snadný zápis některých pravidel pro návrh diagnózy (popis HS obrazců) Zdravý jedinec: (Obrazec levé oko = OK) AND (Obrazec pravé oko = OK) AND …

Využití víceúrovňového popisu – vhodný pro další zpracování Systém pro podporu lékaře při návrhu diagnózy  Pravidlová část – pravidla – exaktní znalosti z lékařského oboru  Příkladová část – příklady – nalézání podobného


7. Návrh diagnózy - pravidla Založeno na aplikaci souboru pravidel (vytvořeny předem)  Exaktní znalosti – získané z učebnic (Heringův a Sheringtonův zákon)  Vyplývající ze zkušeností lékaře (nemusí být uznávány všemi lékaři)

Pravidla lze rozdělit podle svého výstupu  Pouze příspěvek do diagnózy – levé oko výše a pravé níže – pouze náznak do diagnózy  Pozorovatelný příznak, může existovat nezávisle na diagnóze

 Úplná (konečná) výstupní diagnóza – zdravý jedinec – konečná diagnóza


7. Návrh diagnózy - příklady Význam části využívající příklady    

Pravidla často velmi složitá nebo velmi obtížně formulovatelná Vhodné „nějakou“ nápovědu lékaři poskytnout – formou nejpodobnějšího příkladu Z oklasifikovaného případu se stává příklad (evidovaný s diagnózou) Rozšiřuje se báze znalostí – postupné zkvalitnění činnosti

Princip nalezení nejpodobnějších příkladů  Při omezeném počtu příkladů – hodnocení shody po částech: tvar, posun, pootočení  Nebude-li zcela podobný příklad – možnost návrhu příspěvků do diagnózy  Výstup – tři seznamy příkladů nejpodobnějších: tvarem, posunem, potočením  Tyto 3 seznamy nutno uspořádat  Podle výskytu položky i v dalších sez.  Ve více seznamech – na čelní místa  V kolika dalších seznamech se vyskytuje  Posun o tolik pozic k začátku seznamu

 Vytvořeno dvou-kolové prohledávání  Nalezení několika podobných příkladů k již nejvíce podobným nalezeným

 Překlenutí nedokonalosti funkce pro hodnocení podobnosti Nature Inspired Technologies G r o u p

7. Návrh diagnózy - příklady Stanovení vzdálenosti dvou HS obrazců (jejich tvarů)    

Jak hodnotit vzdálenost dvou HS obrazců – tolerance k nepřesnostem, chybám S využití symbolického popisu Obrazec oka tvoří 12 symbolů pro hrany – hodnotit vzdálenost odpovídajících hran Symbol hrany obsahuje – délku + směr (který parametr je podstatnější)  Diagnóza určena zejména tvarem obrazce – tvar tvoří v podstatě směry hran  Shoda ve směru hran – větší podobnost obrazců (určuje tvar, nikoli velikost)

 Vzájemná vzdálenost symbolů pro hrany  Počet transformací symbolu A na symbol B  Možnost znevýhodnění některé transformace  Znevýhodnění – změna směru (změna tvaru HS)

   

Hodnocení vzdálenosti HS obrazců při výskytu několika odlišných hran Odlišné hrany u sebe – zřejmě chyba v bodě Odlišné hrany daleko – zřejmě jiný obrazec Penalizace vzdálenosti  Větší vzdálenost odlišných hran – větší odlišnost  Součet vzdáleností hran – vzdálenost HS obrazců


7. Návrh diagnózy – příklady* Výstupy části využívající příklady  Testovaný případ zelený  Nalezený nejpodobnější příklad modrý

 Shodnost alespoň (pouze) tvarem

 Poskytnutí základní nápovědy lékaři Nature Inspired Technologies G r o u p

7. Návrh diagnózy - výstup Možnosti spojení výstupů pravidlové a příkladové části  Vzájemný součet (OR – sjednocení)  Výborná činnost obou – velké množství výstupních informací (možnost zahlcení lékaře)  Selhání jednoho – ve výstupu alespoň některé informace (dílčí výsledek)

 Vzájemná filtrace (AND – průnik)  Výborná činnost obou – výstup obsahuje skutečně pouze relevantní výsledky (diagnózy)  Selhání jednoho – výstup téměř žádný (nevhodný systém)

Použité řešení  Nejprve výstupy obou částí vzájemně filtrovány (pouze relevantní výstup)  Test na nedostatečný výstup  Nedostatečný počet aplikovaných pravidel (pravidla selhávají)  Nedostatečný počet nalezených podobných příkladů (nenalezeny vhodné příklady)

 Případné podání výstupů každé části samostatně  Alespoň některé informace – dílčí výsledky (některá pravidla, ne zcela podobný příklad)  Omezení selhání systému při nedostatku znalostí


7. Návrh diagnózy - hodnocení Hodnocení úspěšnosti pravidlové a příkladové části současně  Nelze snadno hodnotit – používají odlišné znalosti a často i odlišný výstup  Pravidla poskytují pouze příznaky – příklady obsahují diagnózy  Pro možnost hodnocení – příklady doplněny o příznaky (podle experta)

Použité označení  Pi – predikované příznaky, vektory predikovaných příznaků (R, C, RC)

 R – výstup pouze pravidlové části, C – výstup pouze příkladové části, RC – společný filtr. výstup

   

Xi – příznaky stanovené expertem (testovací) q – délka vektoru příznaků, m – počet celkově testovaných případů (pro průměr) Typy hodnocení: pouze pravidla, pouze příklady, pravidla + příklady Hodnocení úspěšnosti – shody Pi a Xi podle několika kritérií

Pro hodnocení zvoleny standardní (doporučené) postupy

Vstup

X Hod. experta

X Příkladová část

Případ

Pravidlová část

Hodnocení úspěšnosti

P

C – Výstup z příkladové části RC – Společný filtr. výstup R – Výstup z pravidlové části Nature Inspired Technologies G r o u p

7. Návrh diagnózy - hodnocení  Subset accuracy (počet shod)  Počet odpovídajících si shodných příznaků ve vektorech Pi a Xi  I: I(Pi = Yi) => 1 nebo I(Pi <> Yi) => 0

 Hamming lost (Hammingova ztráta)  Počet odpovídajících si neshodných příznaků vektorů Pi a Xi k počtu příznaků ve vektoru

 Accuracy (přesnost)  Počet odpovídajících si shodných aktivních příznaků mezi vektory Pi a Xi ku počtu aktivních příznaků v obou vektorech bez opakování

 Precission (preciznost)  Počet odpovídajících si shodných aktivních příznaků mezi vektory Pi a Xi ku počtu aktivních příznaků ve vektoru Pi (predikovaném) – z našeho pohledu významné – shoda Pi a Xi

 Recall (přesnost)  Počet odpovídajících si shodných aktivních příznaků mezi vektory Pi a Xi ku počtu aktivních příznaků ve vektoru Xi (testovacím)

 Harmonic mean (harmonický průměr) Nature Inspired Technologies G r o u p

7. Návrh diagnózy - hodnocení Tabulkové hodnocení - souhrnné Pouze pravidlový systém  Průměrně větší úspěšnost (dáno malým počtem příkladů)  Predikované příznaky – přímo ze vstupního případu  Testovací příznaky – (rovněž) přímo z případu

Pouze příkladový systém  Celkově nižší úspěšnost (malý počet příkladů)  Predikované příznaky – nepřímo z nalezených příkladů  Testovací příznaky – přímo z případu

Spojení systémů – filtrace výstupu  Vhodné spojení obou systémů – zvýšení úspěšnosti  Růst: Accuracy, Precission – signalizuje úspěšný výběr (návrh) relevantních příznaků  Úspěšnost větší než úspěšnost obou částí samostatně

Posouzení úspěšnosti nalézání nejpodobnějších příkladů  Snížením počtu nalezených příkladů na 5 nebo 3 se razantně nesníží úspěšnost (příkladového) systému  Nalézány skutečně nejpodobnější příklady  Nejpodobnější příklady rovněž umístěny na prvních pozicích – úspěšné hodnocení podobnosti Nature Inspired Technologies G r o u p

7. Návrh diagnózy - hodnocení Grafické hodnocení – na počtu jenpod. příkladů Označení: Subset Accuracy, Hamming Lost, Accuracy, Precission, Recall, Harmonic Mean Pouze pravidlový systém  Nezávislý – nepoužívá příklady, pouze pravidla (přímo na vstupní případ)  Celkově větší úspěšnost – pravidla přímo na vstupní případ

Pouze příkladový systém  Celkově nižší úspěšnost (dáno malým počtem příkladů v databázi)  Zvýšením počtu použitých nejpodobnějších nalezených příkladů klesá SubsetAccuracy, Accuracy, Presision – do výstupu pronikají příznaky i z ne zcela relevantních příkladů (ty dále v seznamu)  Vice nalezených příkladů – větší nápověda – ne však přesnější

Oba (pravidlový + příkladový) systémy  Znatelná součinnost obou systémů pro zkvalitnění společného výstupu  Precission (Accuracy) – neklesá pod hodnotu pravidlového systému, zvyšuje se však s použitím příkladů – vhodná spolupráce obou částí  Předpoklad úspěšného použití do budoucna (s rozšířením počtu příkladů)  Snížením počtu nejpod. příkladů neklesá znatelně úspěšnost – jsou hledány skutečně nejpodobnější příklady – na první místa  Spojení systémů – vhodné doplnění – celkové zvýšení úspěšnosti  Úspěšná filtrace společného výstupů – pouze relevantní výstup Nature Inspired Technologies G r o u p

8. Proces rehabilitace Analýza postupu rehabilitačního procesu – nelze dlouhodobě plánovat  Není model pacienta ani poruchy – pouze odhady účinnosti úlohy na poruchu  Nutno vyčkávat na ustálení – velké zpoždění změny poruchy  Nelze snadno dekomponovat – Těžko hodnotit úspěšnost číselně

Pomoc při tvorbě a hodnocení léčebného procesu  Systém pro návrh léčebného procesu a jeho objektivní hodnocení  Soubor adaptivních úloh - přizpůsobení podle stavu pacienta – cílená léčba

Adaptivní úlohy – třetí zpětnovazební smyčka v rehabilitaci  Úloha: po každém kole adaptace na stav pacienta – velké množství dat (nejnižší smyčka)  Ortoptista: po několika cvičení kontrola pacienta – střední množství dat (střední smyčka)  Doktor: po určitém čase hloubková kontrola pacienta – nejvyšší smyčka (nejméně dat)


8. Podpora návrhu rehabilitace* Návrh plánu – nalezení kompromisu – na poruchy X jaké úlohy  Vhodná posloupnost léčby poruch (jejich závislost) a soubor vhodných úloh (cílenost)

Pomocí několika vhodných tabulek – snadná rozšiřitelnost (i pro lékaře)  Vzájemná závislosti poruch – preference léčby – podmínky šedý zákal šedý zákal exc. fixace tupozrakost … diplopie

podmínka podmínka … podmínka

exc. fixace podmínka

podmínka … podmínka

tupozrakost podmínka podmínka … podmínka

… … … … … …

závažnost vysoká nízká střední … vysoká

preference vysoká nízká střední … vysoká

priorita 1 2 3 … 10

hodnocení

 Obecné podmínky závislosti úrovně poruch – neobsažena, nízká, střední, vysoká, nepřijatelná nepřijatelná

PV PS PE

PN

vysoká úroveň

střední úroveň

PX

nízká úroveň

neobsažena úroveň poruchy

 Vhodnost úlohy pro poruchy: nízká, střední, vysoká, neudáno – podmínky: věk, přístup úloha\porucha trenažér obkreslování … cvičení fuze mozaika

tupozrakost neovlivňuje vysoká … neovlivňuje vysoká

barvocit neovlivňuje střední … neovlivňuje střední

fúze nízká vysoká … vysoká neovlivňuje

věk >5 --… -----

Spolupráce nutná vysoká nízká … nutná vysoká nízká


8. Rehabilitačních úlohy Obkreslování obrázků – nejčastěji využívaná úloha

3p 2p 1p

2p 1p 3o

4p 2p

6p

4p 1p Typy primitiv Typy primitiv a obrazců 1-5 Primitiva / obrazce / šířka / 2-5 1-4

0%

15%

30%

Trenažér okohybných svalů – velmi často používaná úloha

85% 100%

hodnocení úlohy

Základní trajektorie úsečka, elipsa – pohyb stimulačního bodu, který pacient sleduje Signalizace omezení pohledu pacienta – úprava trajektorie – trénink by byl neúčinný Adaptivnost úlohy – postupné dotahování oblastí se sníženou výchylkou (podle reakce pacienta) Hodnotí se – plocha elipsy, hladkost obalové křivky, deformovanost elipsy signál pacienta posun bodu zpět

Ideální trasa správný pohyb

snížená trasa váha pro dorovnání

signalizace pacienta

   

70%

přechod na vyšší úroveň

2p 3p

optimální nastavení úlohy pro cílenou rehabilitaci

přechod na vyšší obtížnost

5o

1p

přechod na nižší obtížnost

3p

5p

akce úlohy

3o

4p

přechod na nižší úroveň

 Dříve obr. klasifikovány jako celek – nyní podle struktury: primitiva, obrazce, šířka čáry  Komplexní hodnocení – přesnost kresby přes jednotlivá primitiva a obrazce  Adaptivnost úlohy – automatický přechod na nižší / vyšší obtížnost

adaptace dráhy podle pacienta

nastavení pro trénink


8. Rehabilitační úlohy* Další adap. úlohy: bludiště, obrázky, doplňování, fixace, trenažér, CAM, …  Využitelnost v domácím prostředí – vzdálený dohled

Posouzení léčby – Hessovo plátno (SW varianta, snadnost) – hodnotí se:  Odchylka plochy obrazce (hnědá), odchylka šířky (fialová) a výšky (zelená) obrazce  Deformovanost obrazce (modrá), celková odchylka všech bodů obrazce (červená)  Příklady pacientů: 3 měsíce (zlepšení a poté stagnace), 6 měsíců (postupné zlepšování)


8. Obj. hodnoceni rehabilitace Vytvořeno víceúrovňové hodnocení – zejména grafické (názornost) Okamžité hodnocení úlohy – po každém řešení / kole  Adaptace na aktuální stav pacienta – cílená léčba

Krátkodobé hodnocení - poruchy Dosavadní jedné poruchy Výsledná hodnota z bloků Nejsou-li vzorky – není blok Proložení bloků – intervaly Stav dosavadního vývoje Odhad dalšího vývoje

hodnocené týdenní intervaly

0

Šířka čáry – úroveň poruchy Menší šířka – nižší úroveň Tečkovaně – žádaný stav Snadná identifikace změny Detekce žádaného stavu Velká vypovídací hodnota Pro lékaře i pacienta

dlouhodobé hodnocení

2 zraková ostrost

4 pohyblivost oka

6

týdny šířka fuze

závažnost poruchy

Dlouhodobé hodnocení - celkové       

krátkodobé hodnocení

hodnocení odchylky odchylkyodchylky

     

0

čas rehabilitace Nature Inspired Technologies G r o u p

9. Celkové zhodnocení Stanovených cílů bylo dosaženo     

Uskutečněna analýza nepřesností – navrženy objektivní SW diagnostické nástroje Přidány nové charakteristiky pacienta – vše ukládáno do vytvořeného úložiště Vytvořen sytém pro podporu lékaře (návrh diagnózy) – pravidlová část + příkladová část Návrh a hodnocení rehabilitačního procesu – vytvořen soubor adaptivních úloh Domácí rehabilitační nástroje jako adaptivní aplikace se vzdáleným dohledem  Skutečné hodnocení je dlouhodobý proces (stovky pacientů za dobu i několika let)

Úspěšné spojení lékařského oboru (strabismus) s kybernetikou  Lékařské znalosti / postupy + algoritmy umělé inteligence  Využití informačních technologií (eHealth)

Zkvalitnění lékařské péče (objektivní diagnostika + cílená rehabilitace) Z pohledu lékařů (pacientů) se jedná o velmi přínosnou práci    

Již aktivně využíváno na 5 lékařských pracovištích, další pracoviště projevila zájem Aktivně využívány SW nástroje: dostupnost, jednoduchost, rychlost, vhodný výstup Hessovo plátno dříve 1-2 pacienti / měsíc – nyní i několik za týden (i pro hodnocení léčby) Zhruba 100 pacientů využívá úlohy pro domácí rehabilitaci – odesílání výsledků, zpracování

Bude podáno několik návrhů na užitné vzory a patenty Nature Inspired Technologies G r o u p

Cíle do (blízkého) budoucna Rozšířit soubor SW nástrojů, úprava podle připomínek  Zejména: výpadky zorného pole, poruchy zrakového nervu, trénink zrakové pozornosti atd.

Internetová DB klasifikovaných příkladů, záznamy průběhů léčby  Data pro znalostní systém pro diag., optimalizaci léčebného procesu (vhodnost: poruchy X úlohy)

Rozšířit do většího počtu ordinací (nejen specializovaných)  Odladění, povědomost, získání většího množství dat, testování nových úloh / algoritmů

Získat podporu dalších lékařů, rozšíření tohoto projektu  Pokud člověk (lékař) neuvidí přínos a výsledky, tak neuvěří – známé pravidlo

Prosadit SW nástroje jako plnohodnotné zástupce mech.přístrojů  Výhody: úspora času, snížení ceny / prostoru, kvalita – účast zdravotní pojišťovny

Prosadit domácí léčbu (pod vzdáleným dohledem) za skutečnou součást léčby  Výhody: zkrácení léčby, úspora času / personálu, zkvalitnění – účast zdravotní pojišťovny

Více stimulovat pacienty pro domácí léčbu  Atraktivní úlohy, reagovat na potřeby pacientů  Poskytovat zpětnou vazbu – zobrazení stavu


Poděkování lékařům Úspěšné výsledky této práce byly dosaženy ve spolupráci s lékaři:     

FN v Praze v Motole (Neurologická klinika dospělých, Oční klinika dětí a dospělých) Poliklinika Barrandov (Soukromá oční ordinace) Oční ordinace Kladno (První soukromá ortoptická praxe ve Středočeském kraji) Oblastní nemocnice Kolín (nemocnice Středočeského kraje - Oční oddělení) Oční klinika Horní Počernice (Soukromá oční klinika – Ortoptika)

Lékaři přispěli nejen radou, ale i ochotou vytvořené nástroje testovat!

FN Motol

Barrandov

H. Počernice

Kolín

Všem děkuji za pomoc: vedoucí mé práce, lékařům i pacientům Děkuji za pozornost. Nature Inspired Technologies G r o u p

Připomínky oponentů Doc. Ing. Zdeněk Zdráhal CSc.  Obecnost prvních kapitol – nejprve dojem, že jeden test (HS) je hlavní, poté vše souvisí se vším  Součet dílčích nepřesností  Jednotky nejsou záměrně uvedeny – každá veličina může být zcela jiná a jinak hodnocena  Některé ani nelze číselně určit (malé zkušenosti / dohled), nemají jednotky  Skutečně prostý / obecný součet jednotlivých činitelů – přispění do celkové nepřesnosti

 Velikost ukládaných dat je zanedbatelná    

Když uvidíte PC v ordinaci (výkon, HDD) tak občas neuvěříte – toto není hlavní důvod Snaha zasílat přes WWW hodnocení z domácích úloh (i celou trasu myši) – někdy i MB Mnoho pacientů připojeno přes telefonní přístroje (pomalé, cena za přenesená dat) Nejde tedy zejména o ukládání, ale přenos dat za účelem dalšího zpracování

 Univerzální úložiště (nejedná se o databázi)     

Při vývoji časté změny (přidávání / ubrání veličin) – předem dané tabulky nevhodné (častá změna) Úložiště neobsahuje tabulky, ale v podstatě (stromovou) strukturu a uživatel dodá / umístí data V DB hledám položku podle umístění (tabulka, sloupec) – v UU hledám položku podle významu (obsahu) Tedy: nezadávám kde se nachází, ale zadávám co má obsahovat / znamenat (umístění nevím) Uchovávání elektronicky podepsaných dat (XML souborů) obsahující výstupy vyšetření


Připomínky oponentů Doc. MUDr. Jaroslav Jeřábek CSc.  Možno pořídit nákladné přístroje, jaké?  Perimetr – standardní za několik XX tis korun – nelze nastavit rychlost zobrazování podnětu – pro téměř zdravé pacienty vhodný, pro děti již méně (udržet pozornost, přerušit test), pro starší lidi velmi nevhodný (rychlost odezvy), pro handicapované nepoužitelný (dané tlačítko) - existuje (na WWW) varianta kde lze tyto věci (snad) nastavit, ale cena XX tis Euro – pro většinu nedostupný  Přesné přístroje na snímání očních pohybů (SMI) – vyhodnocení pouze OffLine – nelze využít ve zpětné vazbě – snímání očních pohybů velmi přesné (objektivní), ale jinak nevhodné  Tobii (eye tracker) – komerční zařízení pro snímání očních pohybů (nevím na kolik určeno pro lékařství)

 Rehabilitační (domácí) nástroje  Ordinace půjčují za poplatek pacientům (starší) mechanické pomůcky (Cheiroskop)  Pacienti občas zakoupí (zřejmě pouze ze zahraničí) soubor her na které někdo umístí značku „Vhodné i pro léčbu strabismu“, ale to je vše, výstupem je pouze určité skóre (jako ve hře)  Neexistují (snad) domácí SW adaptivní úlohy odesílající výsledky k hodnocení, posuzování lékařem

 Vzájemná konzultace výsledků přes pracoviště        

Například tele-konference nad výstupem HS testu není a zatím asi nebude (toto je pro komerční firmu) Příkladový systém úspěšný podle počtu příkladů – snaha o vytvoření skladu oklasifikovaných příkladů Lékař výstup HS testu uloží a oklasifikuje – rovněž ostatní lékaři jej mohou klasifikovat Souhlasí, nebo vlastní hodnocení – každý lékař elektronický podpis svého hodnocení (autor) Více shodných hodnocení – věrohodnější příklad – vyšší váha v systému – čelní pozice při výběru Získávání věrohodnosti jednotlivých lékařů – podle shody (souhlasu) hodnocení s dalšími Zatím pouze takováto konzultace výsledků Vhodné jednou zač čas vše ohodnotit „experty“ v oboru (dohled, kontrola)


Připomínky oponentů Prof. Ing. Jana Tučková CSc.  Seznam zkratek – byl zamýšlen, ale nakonec nebyl vložen (zapomnění) – malý počet zkratek  Nevhodné tvarosloví, stavby věty, gramatika, vlastní slova – nezbývá než souhlasit  Texty v obrázcích nečitelné (zejména kapitola 6 – diagnostické nástroje)  Jde o „názorné / příkladové“ výstupy hodnocení z některých SW diagnostických nástrojů  Jednotlivé úlohy jsou popsány pouze stručně – podrobné podání podstaty by bylo obsáhlé  Kvalitnější obrázky (s vyčerpávajícím popisem) jsou uvedeny v manuálu – není v textu odkaz

 Formulář Hessova plátna – předkreslená mřížka není lineární, proč?  Plocha HS plátna odráží pohyb oka jako koule se středem v ose jeho otáčení  Otočíme-li oko 20st vlevo a 20st nahoru tak není 20st šikmo, ale 28st (jako po vnitřku koule)  Toto je v záznamu z HS vyšetření

 Věta nedává smysl – obkreslení obrazec tam kde a jak jej vidí (ukázka aplikace)  Dvě a tři zpětnovazební smyčky v rehabilitaci (kde jsou)  Dvě: 1) proces rehabilitace při návštěvě ortoptisty (týdny), 2) stanovení diagnózy lékařem (měsíce)  Tři: + 3) adaptace domácí úlohy (po každém nebo několika řešení, průměrování) Proces diagnózy diagnóza

Proces rehabilitace stav pacienta

Proces diagnózy diagnóza

úlohy diagnost. testy

výsledky

diagnost. testy

Proces rehabilitace

Domácí rehabilit.

stav pacienta

zadání

rehabilit.úlohy

domácí úlohy

hodnocení

výsledky


Připomínky oponentů Prof. Ing. Jana Tučková CSc.  Proč je čas pro „nervové spoje“ a „svalovou aktivitu“ zanedbatelný     

Není podstatný z našeho pohledu „strabismus“ – vyšetření oční aktivity Předpokládáme (pokud není jiné podezření) duševně zdravého člověka – jinak speciální zacházení Ano – uvědomění si vjemu může způsobit jiná porucha (než oční) – nejsme schopni detekovat Vytvořeny před-testy – základní hodnocení (rychlost stisku tlačítka, i na zobrazení) – do diag. Úlohy Jedná se o praktické / okamžité přizpůsobení testu stavu pacienta

 Rychlost provádění pokynů a okamžik stisku tlačítka, kdo určí aktuální schopnosti    

Snažíme se zatím vyhnout „absolutním hodnotám“ – meze nejsou stanoveny (snadno) Potvrzení optotipu E – snižující se velikost – čas potvrzení velikostí – konstantní / vzrůstající Zorné pole – podněty dále od středu – čas potvrzení – konstantní a výpadek / postupný útlum Pro zorné pole základní rychlost pomocí před-testu (prostý stisk tlačítka na zobrazení obrazce)

 Kolik pacientů a v jakém věku bylo testováno  Databáze příkladů HS obrazců – nevím, získal jsem pouze výstupy (nebyl přístup k údajům pacienta)  Diagnostické testy – záznamy výsledků asi od 30 pacientů (zvyšuje se), věk zhruba mezi 5 až 80 let  Rehabilitační nástroje – záznamy od asi 50 pacientů (zvyšuje se), věk zhruba mezi 5 až 80 let

 Kompatibilita „datového úložiště“ s nemocničním informačním systémem      

Není kompatibilní a není to ani (primárním) cílem – značně odlišné využití / záměr (není konkurence) DU slouží k uchovávání velkého množství naměřených dat – nikoli několika výstupních diagnóz (NIS) DU slouží k (i OffLine) hromadnému (akademickému) zpracování dat (např. příkladové usuzování) Přístup k DU například přímo z MATLABu, další hodnotící programy Raději oddělen od MIS (pro jistotu, únik údajů, …) Snaží se evidovat pacienty podle kódu nikoli osobních údajů (rodné číslo) Nature Inspired Technologies G r o u p

Připomínky oponentů Prof. Ing. Jana Tučková CSc.  Malý a velký čtverec ve výstupu HS testu  Při HS vyšetření jsou pacientu samozřejmě vždy zobrazeny postupně body malého i velkého čtverce  Malý čtverec testuje malou výchylku oka / očí 15°a velký čtverec testuje velkou výchylku oka / očí 30°  Je-li porucha pacienta značná – při stimulačních bodech velkého čtverce – pacient indikuje viděné body mimo plochu HS plátna – velký čtverec tedy není ve výstupu zakreslen

 Průměrná hodnota testu F je 141%, jak je to možné  Výskyt diagnózy na počet všech evidovaných příkladů 100% (10 z 20 příkladů = 100%)  Výskyt diagnózy na počet nejpodobnějších nalezených příkladů XXX% (8 z 10 příkladů = 160%)

 Co je elektronický podpis příkladu     

Stručně : Doklad originality a autorství elektronického dokumentu (místo podpisu manuálního je číslo) Lékař uskuteční HS měření, přiloží diagnózu, toto vše se podepíše a uloží (i s podpisem) Podpis – v podstatě kontrolní součet dat pomocí vzorce a klíče Nejen doklad kdo příklad pořídil, ale i záruka neměnnosti příkladu pro znalostní systém (věrohodnost) Do znalostního systému pouze podepsané / ověřitelné příklady – věrohodní autoři – úspěšnost

 Co jsou intervaly v hodnocení obrázku 12.6 na straně 130  Obrázky obsahují „primitiva“ a „obrazce“ různých složitostí – určuje složitost struktury obrázku  Primitiva: 1 – hor. úsečka, 2 – ver. úsečka, 3 – šikmá úsečka, 4 – oblouk, ….  Klasifikace obrázku (složitost): primitiva = 1 (obrázek obsahuje pouze vodorovné úsečky) primitiva = 1-3 (obrázek obsahuje pouze úsečky, ale všech směrů)  Pacient problém s obloučky – volíme obrázky s klasifikací intervalu: primitiva = 1-3


Objektivizace a podpora pro diagnostiku a rehabilitaci strabismu

Recommend Documents