Отоскопия видео: ЛОР эндоскопия ушей (видео отоскопия)

Содержание

ЛОР эндоскопия ушей (видео отоскопия)

Заболевания ушек – одни из самых распространенных видов ЛОР-патологии у детей. Благодаря особенностям строения детской гортани, воспаления среднего уха являются частыми осложнениями обычных простуд. Своевременное выявление и лечение среднего отита является надежной профилактикой нарушений слуха.

Отоскопия — это простой, но надежный инструмент для практикующих врачей всех уровней для диагностики распространенных отологических заболеваний. Педиатры и врачи общей практики обычно используют портативные ЛОР-эндоскопы (видеоотоскопы) для диагностики заболеваний среднего уха, в то время как ЛОР-врачи предпочитают отомикроскопию. Однако быстрое технологическое развитие привело к внедрению экономически эффективных видеоотоскопов для облегчения и улучшения результатов диагностики при отоскопии. Специальный эндоскоп для ушей или видео-отоскоп позволяют снимать изображения или видео на компьютер или мобильный гаджет. Запись можно неоднократно просматривать или передавать по каналам связи.

Видеоотоскопия позволяет получить столь же точный диагноз как и при использовании отомикроскопии, которая является эталонным стандартом диагностики отитов. Точность диагностики во многом увеличивается за счет возможности просмотреть изображение на большом экране с высоким разрешением и увеличением, что позволяет оценить мельчайшие детали. Сохраненные изображения позволяют наблюдать за динамикой заболевания и контролировать успешность лечения, при этом демонстрируя объективные результаты родителям и самим маленьким пациентам.

Видео эндоскопия уха является частью комплексного обследования ушей и слуха у детей. Скрининг может также включать аудиометрию и/или тимпанометрию.


Эндоскопическая диагностика среднего отита у детей

Средний отит — это воспаление среднего уха, которое можно подразделить на острый средний отит, хронический гнойный отит и средний отит с выпотом. Средний отит остается одной из наиболее частых причин потери слуха у детей и требует отоскопического обследования для точной постановки диагноза. В зависимости от диагноза меняются и назначения. Например, средний отит с выпотом обычно не требует антибактериальной терапии, а лишь бдительного наблюдения. Антибиотики показаны только в том случае, если не происходит спонтанного выздоровления. Точно так же лечение острого отита требует антибактериальной терапии только тогда, когда симптомы становятся достаточно серьезными. Таким образом, диагностический отоскопический осмотр жизненно важно для диагностики и правильного лечения. Современным вариантом отоскопии является использование видеоэндоскопии. Видеоотоскопия — это использование отоскопического устройства, к концу которого прикреплена камера, которая передает изображение на экран гаджета или монитора. Видеоотоскоп прост в использовании и обеспечивает высококачественную диагностическую информацию.


Что оценивает отоларинголог при эндоскопии ушек у детей?

Отоскопия позволяет провести физический осмотр и оценку ушной раковины, слухового прохода и барабанной перепонки.

Обычно в норме слуховой канал у детей розового цвета с небольшим количеством тонких волосков и синевы. Отклонения от нормы включают покраснения, отек, царапины, отеки, закупорку канала, выделения гноя или серозной жидкости, наличие инородных тел и избыток ушной серы.

Барабанная перепонка ребенка становится похожей на барабанную перепонку взрослого только в возрасте 3 лет. Состояние барабанной перепонки при эндоскопии ушей оценивается по ее цвету, прозрачности, сохранности анатомических ориентиров, способности отражать свет, положению и наличию перфораций. В норме барабанная перепонка имеет цвет от жемчужно-серой до светло-розовой, и на ней могут быть заметны тонкие периферические кровеносные сосуды. Положение барабанной перепонки обычно нейтральное или слегка вогнутое. Барабанная перепонка в норме не имеет повреждений, рубцов или помутнений. Анатомические ориентиры включают длинный отросток молоточка, конус отражения света, отраженный от того места, где длинный отросток молоточка соединяется с барабанной перепонкой, и короткий отросток молоточка.

Эти ориентиры могут искажаться или отсутствовать, когда внутри уха скапливается жидкость.

Кроме оценки состояния ушей эндоскопия ушей позволяет удалить серу и посторонние предметы из слуховых проходов, что сразу же приводит к улучшению слуха и баланса тела у детей. Для этих целей эндоскоп имеет прикрепляемые кюретки, которые используются для удаления серы и посторонних предметов из слухового прохода. При этом риск перфорации барабанной перепонки снижается до минимума, поскольку все манипуляции проводятся под контролем видео.


Как проводится эндоскопия уха?

Для осмотра уха методом видеоотоскопии ребенок должен сесть на колени взрослому, боком к врачу. Взрослый должен удерживать обе руки ребенка одной рукой, а другой плотно прижимать его голову к своей груди. Наконечник отоскопа очень тонкий и легко вводится в слуховой проход. Ребенок при этом не испытывает никаких болезненных ощущений, но его могут беспокоить необычные звуки (шелест) в ухе. Врач опирается мизинцем на лоб маленького пациента, чтобы обеспечить синхронность положения отоскопа и движений головы ребенка, чтобы не касаться наконечником эндоскопа барабанной перепонки, которая весьма чувствительна.

Отоскопия – эффективный и точный вид обследования органов слуха животных

3 Ноября 2021

   Технологии практической ветеринарной медицины стремительно развиваются, становясь постепенно в один ряд с технологиями медицины человеческой.

   Государственная ветеринарная служба Санкт-Петербурга уже на протяжении почти 25 лет внедряет наиболее успешные технологии в свою повседневную деятельность. Закупается современное оборудование, проходят специальную подготовку ветеринарные специалисты.

   Недаром среди региональных ветеринарных ведомств Санкт-Петербург прочно удерживает лидирующие позиции.

   Использование отоскопии – один из примеров того, как современное оборудование в руках хорошо подготовленных специалистов позволило определить скрытые причины болезни и поставить точный диагноз.

   На прием к специалистам Санкт-Петербургской ветеринарной станции (ул.

2-я Жерновская, д. 46., тел.: 527-50-45, 527-50-43, 527-09-46, сайт: www.spbvet.ru) обратились владельцы кошки. Они были очень обеспокоены состоянием здоровья любимицы, у которой на протяжении 2-х месяцев наблюдалась тяжелая форма гнойного отита. Все это время животное лечили в одной из сторонних частных клиник, но безуспешно.

   Ветеринарный врач-дерматолог Брумина Ольга Сергеевна провела обследование пациента и для выяснения истинных причин болезни назначила доп. исследования: отоскопия и КТ головы с контрастированием.

    

   Для того чтобы минимизировать действие наркоза на организм кошки, было принято решение провести две процедуры одновременно под контролем хирурга-эндоскописта

Щербанюк Марии Юрьевны, т.к. отоскопия, как исследование, не занимает большого количества времени. Исследование на КТ проводил опытный врач Крайнев Денис Анатольевич.


  По результатам такого углубленного исследования был оперативно поставлен точный диагноз: новообразование слухового прохода. Теперь, когда точный диагноз известен, в лаборатории врачи проведут гистологическое исследование, определят характер новообразования и назначат эффективное лечение.

 

Справка.

   Отоскопия является наиболее эффективным и точным видом обследования органов слуха животных. Эта процедура позволяет выявить заболевания ушей на начальных стадиях.

   Применяется при наличии таких симптомов, как: животные часто чешут уши, они становятся горячими, краснеют, трясут головой, из ушей исходит неприятный запах, присутствуют гнойные выделения, питомцы не дают прикоснуться к ушам, наблюдается ухудшение слуха.

   Отоскопия проводится специальным прибором – отоскопом. Процедура безболезненна, но в случае агрессивного поведения животного или болезненности уха применяются седативные препараты для точного проведения диагностики.

   При помощи данного исследования можно выявить различные патологии слухового прохода: от застрявшего насекомого до прободения барабанной перепонки или наличия опухоли.

 

М. Большаков,

Пресс-служба ГВС СПб

Отоскопия — метод эндоскопической диагностики

«Доктор, у нашей собаки (кошки) что-то с ушами» — как часто слышит это ветеринарный врач!

Что же скрывается под такой распространенной жалобой? Насколько простым должно быть лечение? «Вы нам назначите капельки?»

Заболевания ушей у собак и кошек

Заболевания ушей у собак и кошек – отиты, встречаются очень часто и являются серьезной и многогранной проблемой, требующей комплексной и последовательной диагностики.

С чем чаще всего сталкивается владелец собаки или кошки? При каких симптомах требуется осмотр ветеринарного врача?

  • Животное трясет головой
  • чешет уши
  • беспокоится, когда прикасаются к ушным раковинам
  • держит голову склоненной в одну сторону
  • Из ушей появляются выделения, запах
  • кожа наружного слухового прохода краснеет
  • Животное становится менее активным, снижается аппетит, может повышаться температура — как местная (горячими становятся ушные раковины), так и температура тела.

Причины возникновения отита

Причины возникновения воспаления наружного слухового прохода разнообразны, среди них выделяют основные – первичные, вторичные и сопутствующие условия. Ветеринарному врачу необходимо выяснить, что явилось предпосылкой к развитию отита – паразитарные инвазии (Oтодектоз, демодекоз), аллергические реакции – неблагоприятные пищевые реакции, контактная аллергия, атопический дерматит), эндокринные, иммунообусловленные заболевания, инородные тела в слуховом проходе, полипы, опухоли. При постановке диагноза врач учитывает и предрасполагающие факторы – интенсивность механической чистки ушей владельцем, частоту купания, форму ушей, густоту волосяного покрова, ранее проведенное лечение.

Необходимым условием успешного лечения является сотрудничество врача и владельца животного, максимально полная информация о питании питомца, сезонности появления проблем с ушами, частоте обработок от наружных паразитов (включая названия примененных препаратов).

Диагностика

Для постановки диагноза обязательным является осмотр наружного слухового прохода, отоскопия, соскоб для исключения паразитарной инвазии, цитологическое исследование – окрашенный мазок содержимого, позволяющее выяснить, что осложняет течение отита – бактериальная, грибковая флора. Только на основании полученных данных возможно назначение местных или системных препаратов. На сегодняшний день спектр применяемых лекарственных средств достаточно велик и без тщательно собранной информации невозможна рациональная терапия отитов.

Метод эндоскопической диагностики

Прекрасным лечебно-диагностическим методом при лечении отитов является видео-отоскопия.

Отоскопия — метод эндоскопической диагностики, позволяющий наиболее эффективно выявить и дифференцировать заболевания слухового прохода. Процедура заключается во введении специального инструмента — отоскопа — в наружный слуховой проход. Данное эндоскопическое исследование дает нам возможность с высокой степенью достоверности определять различные патологии и заболевания уха у собак и кошек:

  • Воспалительные процессы (отит наружный, среднего уха, опухоли, полипы).
  • наличие инородных тел (насекомые, семена растений).
  • повреждения барабанной перепонки.
  • Аллергические реакции, грибковое поражение.
  • Причины патологии иного рода (вестибулярный синдром и т.д.).

Отоскопия – пожалуй, единственное исследование, позволяющее диагностировать большинство перечисленных проблем на ранних стадиях, что позволяет принять своевременные превентивные меры, а также квалифицированно подобрать комплекс лечебных мероприятий.

Отоскопия как диагностическая процедура не имеет противопоказаний, проводится с применением анестезии, не требует от владельцев сложной подготовки животного.

Выполнять отоскопию может только врач соответствующей квалификации в клинике со специализированным оборудованием!

Генрих Е.В. ветеринарный врач терапевт

подготовка к осмотру, техника проведения, фото, видео

Слуховые каналы человека очень узки и крайне чувствительны к механическим воздействиям. Когда тактильного осмотра не хватает для выявления болезненных процессов в ухе, используется отоскопия – продуктивная и безопасная процедура визуального обследования.

Суть процедуры

Один из основных методов диагностирования органов слуха – это доскональный осмотр ушных каналов и барабанных перепонок при помощи отоскопа. Прибор снабжён разными по диаметру сменными воронками, размер которых врач подбирает индивидуально для каждого пациента.

Воронка вводится в ушной канал, и при использовании дополнительных источников света отоскоп позволяет визуально определить имеющиеся в ухе нарушения.

Как приводится отоскопия

Показания

Диагностическая отоскопия

Любые отклонения от нормы при диагностике слуховых каналов расцениваются врачом, как проявление симптомов определённых заболеваний или нарушений. Отоскопия позволяет выявить следующие патологические изменения:

  • Частичная или полная непроходимость ушного прохода (серные пробки, инородные тела).
  • Водянистые, гнойные и кровяные выделения, причиной которых могут являться травмы головы, полипы, отит, фурункулёз, мастоидит, отомикоз.
  • Гиперемия – покраснение барабанной перепонки (играет роль степень распространения и интенсивность воспаления).
  • Видоизменение барабанной перепонки (утолщение или втянутость), её форма и подвижность.
  • При разрыве барабанной перепонки определяется характер содержимого полости (серное, гнойное или комбинированное).

Получить чёткую диагностическую картину позволяют современные отоскопы, сделанные с учётом новейших оптических и осветительных технологий.

На фото барабанная перепонка: а) норма; б) воспаленная; в) наполненная гноем; д) с перфорацией

Методика проведения

В зависимости от типа и конструкции отоскопа источники света и его направленность могут отличаться, но описание сути и очерёдность этапов диагностирования во всех случаях одинакова.

Подготовка

  • Обязательная стерильная обработка приборов.
  • Предварительный осмотр ушных каналов с целью выяснить, нет ли противопоказаний и препятствий для проведения отоскопии.
  • Удаление ушных пробок при их наличии.
  • При скоплении в ушах гноя и эпидермиса ушные проходы предварительно прочищают кусочком ваты или промывают тёплой жидкостью. При разрыве барабанной перепонки для этой цели используют растворы перманганата калия, фурацилина или риванола.
  • Подбирается воронка отоскопа, соответствующая диаметру слухового прохода.
  • За несколько часов до диагностирования не рекомендуется применять ушные капли.

Проведение

  • Источник света устанавливают так, чтобы он находился на уровне уха сидящего пациента.
  • Осмотр начинается со здорового уха с целью изучить индивидуальное строение ушных каналов.
  • Врач, осторожно оттянув ушную раковину немного кверху, выпрямляет слуховой проход.
  • Нагретую до температуры тела воронку отоскопа доктор, вращая, вводит в ухо на глубину от 1 до 1,25 см.
  • Весь осмотр занимает 5-10 минут. Это вполне безболезненный процесс, но при патологических процессах могут возникнуть неприятные ощущения.

Как проводится отоскопия наружного уха, смотрите в нашем видео:

Особенности проведения у детей

У новорожденного ребёнка размер барабанных перепонок почти такой же, как у взрослого человека, но наружный слуховой проход значительно уже и часто наполнен первородной смазкой. Сами же перепонки крайне чувствительны, что осложняет процедуру диагностирования,она требует предварительной тщательной очистки ушных каналов и особой аккуратности.

Детям более старшего возраста отоскопия проводится с помощью взрослого помощника, который, усадив ребёнка к себе на колени, фиксирует его голову на своей груди, исключая тем самым возможность случайной травмы при осмотре. Руки ребёнка придерживаются второй рукой, а ноги зажимаются между коленей.

Важно! Чтобы во время обследования избежать резких движений со стороны ребёнка, перед отоскопией маленькому пациенту необходимо объяснить процесс осмотра, успокоив его и убедив в безболезненности процедуры.

Как проводится диагностика ЛОР-заболеваний:

Противопоказания

Отоскопия – совершенно безопасная процедура, прямых противопоказаний к ней нет. Существует лишь несколько факторов, затрудняющих её проведение.

  • Врождённые аномалии уха.
  • Травматические повреждения, вызвавшие непроходимость ушного прохода.
  • Сильные отеки.

 

Дерматолог для кошек и собак в Москве


Центр ветеринарной дерматологии в Москве

Отделение дерматологии ветеринарного центра Комондор предлагает широкий спектр услуг. Прием происходит по предварительной записи.

Такие анализы как цитологическое исследование, поверхностные и глубокие соскобы, тонкоигольная биопсия выполняются непосредственно во время приема. По окончанию приема врач выдает на руки бланк с результатами анализов, предварительным диагнозом и планом лечения.

Так же на приеме обсуждается дальнейшая диагностика, прогнозы и лечение. В случае необходимости посевов и гистопатологических исследований материал отправляется в лучшие лаборатории Москвы и Великобритании

Диагностика

  • Цитологическое исследование мазков отпечатков с кожи;
  • Поверхностные и глубокие соскобы;
  • Диагностика паразитарных заболеваний кожи;
  • Люминесцентная диагностика;
  • Бактериологические и микологические посевы;
  • Тонкоигольная и панч-биопсия;
  • Отоскопия\видео отоскопия наружного слухового прохода;
  • Эндоскопическое исследование наружного и среднего уха;
  • Санация слуховых проходов про помощи эндоскопа;
  • Меринготомия с забор материала на посев и\или на цитологию (гистологию) из среднего уха.

Ведение пациентов с зудом

  • Индивидуальный подход\коррекция зуда с учётом возраста, состояния пациента, а также с учётом сопутствующих патологий;
  • Диагностика блошиного аллергического дерматита и контроль зуда;
  • Диагностика пищевой аллергии, подбор индивидуальной элиминационной диеты;
  • Диагностика и лечение пациентов с атопическим дерматитом. Индивидуальный подбор противозудневой терапии\контроль вторичных заболеваний кожи.

А так же

  • первичная и вторичная диагностика новообразований кожи;
  • ведение пациентов с аутоиммунными и иммуноопосредованными заболеваниями кожи;
  • комплекс диагностики и дальнейшее лечение грибковых заболеваний кожи;
  • диагностика и лечение эндокринологических заболеваний, приводящих к заболеванию кожи;
  • ведение пациентов с резистентной (устойчивой) бактериальной и грибковой инфекцией кожи.

 

Руководство пользователя по удалению серы из ушей отоскопа ANYKIT WNMS450D39

ANYKIT WNMS450D39 Отоскоп для удаления ушной серы

Руководство на устройство

MS450-NTE — это высокопроизводительный отоскоп с 4.5-дюймовым цветным экраном высокой четкости. Эргономичный дизайн позволяет пользователям управлять основными кнопками всего одной рукой.
Поддерживаются функции моментального снимка и записи, фото и видео можно сохранять на карту памяти TF (карта Micro-SD).

ПРЕДУПРЕЖДЕНИЕ: Этот продукт не предназначен для использования в профессиональных медицинских учреждениях, если специально не указано иное.

Безопасность и обслуживание

► Обязательно продезинфицируйте адаптер.
► Очистите поверхность устройства 75% медицинским спиртом перед контактом с кожей.
► Дезинфицируйте адаптеры насыщенным паром в течение 1 минут при температуре 134 °C или 273 °F.
► Этот прибор не подходит для людей с ограниченными физическими, сенсорными или умственными способностями.
► Не допускайте посторонних лиц и детей во время работы с инструментом.

Описание батареи

► Для зарядки этого устройства используйте бытовое зарядное устройство на 5 В, отвечающее требованиям безопасности.
► Это устройство не поддерживает зарядное устройство PD.
► Это устройство может работать во время зарядки.
► Если вы не используете устройство в течение длительного времени, убедитесь, что оно заряжается не реже одного раза в 3 месяца, чтобы предотвратить непоправимый ущерб, вызванный чрезмерной разрядкой батареи.

функции

  1. Разъем датчика камеры.
  2. Кнопка Snap: фотосъемка / начало видеозаписи / завершение видеозаписи.
  3. Кнопка управления освещением: для регулировки яркости светодиода камеры.
  4. Кнопка выбора вверх и вниз / назад 180 °.
  5. Кнопка переключения режимов: переключение между тремя функциональными режимами: фотосъемка, видеозапись и воспроизведение.
  6. Кнопка ввода: подтвердить выбор / заморозить экран
  7. Кнопка настроек: вход / выход из меню настроек.
  8. Кнопка питания: нажмите и удерживайте кнопку питания, чтобы включить / выключить.
  9. Слот для карт TF
  10. Зарядный порт
  11. Динамик
  12. Монтажное отверстие кронштейна экрана
  13. Кнопка сброса
  14. Микрофон
инструкции


Нажмите и удерживайте кнопку питания, чтобы включить / выключить устройство.


Устройство оснащено картой памяти TF (вставлена). Осторожно нажмите, чтобы извлечь карту.

Примечания:

► Слуховой проход не идеально прямой, осторожно отрегулируйте положение отоскопа, view ваша барабанная перепонка четко.

► Пожалуйста, отрегулируйте яркость светодиодов при использовании этого отоскопа, чтобы предотвратить блики.
► Фокусное расстояние камеры фиксировано и составляет 2-3 см или 1 дюйм. Пожалуйста, отрегулируйте расстояние между объективом камеры и вашим ухом, чтобы сфокусироваться, если вы не можете четко видеть изображение.
Примечание: Подключите датчик камеры перед включением устройства. Перезагрузите устройство после замены датчика камеры.

Вставьте карту TF

► Сначала выключите устройство, прежде чем вставлять TF-карту.
► Убедитесь, что направление, а также передняя и задняя стороны правильные, когда вставляете TF-карту.
► Не прилагайте чрезмерных усилий при вставке или извлечении TF-карты, чтобы не повредить структуру гнезда для карты.

Языковые настройки

Язык по умолчанию — английский, и система поддерживает английский, китайский, немецкий, французский, испанский, итальянский, русский и японский языки. Путь установки:
Нажмите кнопку дважды, чтобы войти на страницу настроек. Выберите второй пункт (язык) на странице настроек. Нажимайте клавиши вверх и вниз, чтобы выбрать нужный язык. Нажмите чтобы сохранить свой выбор.

Фотосъемка / Запись видео / Воспроизведение


Медиа , чтобы переключиться в режим фотосъемки или видеозаписи, и нажмите чтобы сделать снимок или начать запись.


Медиа чтобы переключиться в режим воспроизведения, нажмите чтобы выбрать фото или видео для viewи нажмите удалить фото или видео.

Копировать фото и видео files к компьютеру


Вы можете использовать устройство чтения карт TF для прямого копирования данных или использовать кабель типа C для подключения к компьютеру для копирования. Прежде чем использовать кабель Type-C, сначала вытащите камеру зонда.

Параметры спецификации

экран
Экран: 4.5-дюймовый HD-дисплей
Разрешение экрана (пикселей): 854 × 480
Разрешение зонда поддержки (пиксели): 1.0 мегапикселя HD
Разрешение снимка (пиксель): 1920×1080,
Разрешение видеозаписи (пиксели): 1920×1 080, 1280×720
Порт: зарядный порт Type-C, слот для карты памяти TF

камера
Диаметр: 3. 9 мм или дополнительно
Разрешение: 1.0 мегапикселя HD
ViewУгол наклона: 70 °
Глубина резкости: 20mm-30mm
Источник света: регулируемые интенсивные светодиоды 6

Другое
Рабочая температура: от 32 ° F до 113 ° F (от 0 ° C до 45 ° C)
Источник питания: литиевая батарея 2500 мАч
Максимальное время автономной работы: 3 ~ 4 часов
Время зарядки: 3 ~ 4 часов

упаковка
Монитор, отоскоп, зарядный кабель Type-C,
руководство пользователя, кронштейн экрана
Аксессуары-Зеркало, Отборник для ушей

Послепродажное обслуживание
Если есть какие-либо вопросы, не стесняйтесь обращаться к нам, команда Anykit всегда предложит вам лучшую поддержку.

www.anykit.com
877-888-7979
[электронная почта защищена]

©ANYKIT MS450-NTE 202101 V1.1
30601-0056-03
СДЕЛАНО В КИТАЕ

Документы / Ресурсы

Связанные руководства / ресурсы

Диагностика и лечение отита в Москве, цена

ВАЖНО!

Информацию из данного раздела нельзя использовать для самодиагностики и самолечения. В случае боли или иного обострения заболевания диагностические исследования должен назначить только лечащий врач. Для постановки диагноза и правильного назначения лечения следует обращаться к Вашему лечащему врачу.

Статья проверена врачом-отоларингологом-хирургом, к.м.н. Мателой И.И., носит общий информационный характер, не заменяет консультацию специалиста.
Для рекомендаций по диагностике и лечению необходима консультация врача.

Отит — острое или хроническое воспаление уха. В зависимости от локализации воспалительного процесса принято выделять следующие виды отита: наружный (ограниченный и диффузный) и средний (катаральный и гнойный; острый, хронический и адгезивный).

Причины и патогенез отита

Основные причины наружного отита — воспаление, неправильная гигиена слуховых проходов, различные сопутствующие заболевания (аллергия, дерматиты, псориаз), раздражение кожи слухового прохода при гноетечении из среднего уха при его воспалении.

Средний отит — наиболее распространенное заболевание в практике врача-оториноларинголога. Патология вызывается различными микроорганизмами (пневмококк, вирусы гриппа, ОРВИ, гемофильная палочка). Механизм развития среднего отита связан нарушением проходимости евстахиевой трубы, которая соединяет барабанную полость с глоткой, вследствие различных воспалительных и аллергических заболевания носа и носоглотки.

Симптомы отита

Симптомы заболевания зависят от его формы. В целом клиническая картина следующая: боли, зуд в ухе; гнойные выделения, иногда имеющие неприятный запах; снижение или полная потеря слуха; шум в ушах; повышенная температура тела.

Диагностика отита в Клиническом госпитале на Яузе

Специалисты Клинического госпиталя на Яузе проводят диагностику отита, которая, помимо внешнего осмотра и сбора анамнеза, может заключаться в выполнении следующих исследований:

  • аудиометрия, импедансометрия
  • бактериологическое исследование отделяемого
  • общий анализ крови
  • отоскопия (в том числе микроотоскопия)
  • рентгенограмма или КТ височной кости

Лечение отита в Клиническом госпитале на Яузе

Наши специалисты проводят как консервативное, так и хирургическое лечение отита.

Консервативная терапия заключается в выполнении различных физиотерапевтических процедур, промывании слухового прохода антисептическими растворами, введении противовоспалительных препаратов в слуховую трубу (катетеризация), назначении противовоспалительных средств, сосудосуживающих препаратов для полости носа.

В отдельных случаях во избежание серьезных осложнений требуется проведение под местной анестезией парацентеза. Прокол барабанной перепонки выполняется с целью обеспечения оттока гнойного или серозного содержимого из барабанной полости. Кроме того мы проводим тимпаностомию (шунтирование барабанной перепонки), тимпанопластику (закрытие дефекта барабанной перепонки). Немаловажное значение имеет лечение патологии полости носа и санация очагов инфекции в полости носа и носоглотке.

 

Цены на услуги Вы можете посмотреть в прайсе или уточнить по телефону, указанному на сайте.

 

Внимание! Цены на сайте могут отличаться.
Пожалуйста, уточняйте актуальную стоимость у администраторов по телефону.

Видеоотоскопия: выведение отоскопии из «черного ящика»

https://doi.org/10.1016/j.ijporl.2006.06.014Получить права и содержание

Резюме

Предыстория

Ежегодно на лечение отита тратится несколько миллиардов долларов СМИ, диагноз, для которого образовательные подходы и диагностические навыки не оптимальны. Центр по контролю за заболеваниями определил улучшение навыков отоскопии как ключевое вмешательство, направленное на сдерживание ненадлежащего использования антибиотиков. Педагоги ищут способы как улучшить, так и оценить навыки отоскопии.Видеоотоскопия (VO) использует эндоскопическую технологию для проецирования изображения уха на монитор для всеобщего обозрения, предлагая неизведанные образовательные возможности. Целью данного исследования является проведение оценки систем VO в медицинском образовании на основе обзора литературы и практического опыта использования доступных технологий.

Методы

Оценка будет сосредоточена на технической приемлемости (требования пользователя), клинической пригодности (валидность, надежность, осуществимость), операционной эффективности (требования к обучению и реализации) и выборе оборудования.

Results

Технические требования в педиатрическом образовании превышают требования, предъявляемые к некоторым системам VO, особенно к пневматическим возможностям, сложным камерам и оптике, а также ушным воронкам детского размера. Изображения VO сопоставимы с обычными отоскопическими и отомикроскопическими исследованиями. VO реализуем в учреждениях первичной медико-санитарной помощи и может быть интегрирован в обучение студентов-резидентов и студентов-медиков. Технологии в системах VO быстро меняются, что требует сравнения систем перед покупкой оборудования.

Выводы

VO технически приемлемо, клинически приемлемо и может быть интегрировано в отоскопическое обучение ординаторов и студентов-медиков. VO дает возможность вывести педиатрическое обследование уха из «черного ящика», потенциально улучшая диагностические навыки, качество лечения и снижая чрезмерное использование антибиотиков.

Ключевые слова

Индексация: Видеоотоскопия

Видеоотоскоп

Отоэндоскоп

Образование

Средний отит

Рекомендуемые статьиСсылки на статьи (0)

Показать полный текст

Рекомендуемые статьи

Ссылки на статьи

Frontiers | Педиатрический видеоотоскопический скрининг со сдвигом контрастного обнаружения аномалий

1. Введение

Проблемы, связанные с ушами, являются основной причиной обращения за медицинской помощью в педиатрии в США. Учитывая отсутствие в настоящее время экономически эффективных подтверждающих тестов, точный диагноз и последующее лечение зависят от визуального обнаружения характерных признаков во время отоскопического исследования.Несмотря на частоту таких встреч, в медицинской литературе указывается, что точность диагностики такой патологии составляет всего около 46–56%. В соответствии со склонностью к гипердиагностике заболеваний уха в настоящее время считается, что от 25 до 50% всех антибиотиков, назначаемых при заболеваниях уха, не показаны (1–3). Помимо риска ненужных медицинских осложнений и последующих непреднамеренных последствий потенциальной устойчивости к антибиотикам, гипердиагностика заболевания уха добавляет примерно 59 миллионов долларов к ненужным расходам на здравоохранение в США в год (4).Компьютерная диагностика по отоскопическим изображениям (5) была предложена в качестве потенциального инструмента для улучшения лечения заболеваний уха. Предыдущие исследования в основном были сосредоточены на применении машинного обучения для классификации изображений барабанной перепонки. (6) сравнить машину опорных векторов (SVM), k-ближайших соседей (k-NN) и деревья решений для прогнозирования условий уха с признаками, извлеченными с помощью банка фильтров, дискретного косинусного преобразования (DCT) и вектора цветовой когерентности (CCV) ( 6). Совсем недавно для классификации отоскопических изображений применялось глубокое обучение. Зафер изучает комбинацию объединенных точно настроенных глубоких признаков и модели SVM, применяемую к 3 классификациям изображений диагностического класса (7).

Кроме того, (8) сравните производительность различных архитектур CNN и найдите, что DenseNet (9) дает наилучший результат в классификации 3 диагностических классов. Авторы также используют Grad-CAM (10) для визуализации важных областей изображения для модели.

В исследовании (11) авторы сравнивают производительность применения 9 видов предварительно обученных сетей CNN ImageNet (12) с классификацией отоскопических изображений 6 классов, а затем дополнительно улучшают производительность, объединяя выходные данные 2 сетей.Вышеупомянутые методы, основанные на глубоком обучении, в целом показывают отличную производительность в соответствующих настройках, достигая высокой точности в диапазоне от 94 до 99%.

Точность, о которой сообщалось в предыдущем исследовании, даже в условиях нескольких классов, поразительна, тем не менее, все предыдущие подходы обрабатывают неподвижные изображения барабанной перепонки высокого качества. К сожалению, в клинических условиях получение неподвижных изображений высокого качества может быть затруднено на практике, особенно с учетом того, что педиатрические пациенты часто двигаются и не сотрудничают с исследованием.Использование одного изображения также увеличивало вероятность невозможности получить клинически точное представление анатомии из-за неполного представления. Метод, который анализирует видеопоследовательности отоскопии, а не неподвижные изображения, может помочь преодолеть вышеупомянутые недостатки.

Прямой подход к получению всей видеопоследовательности в качестве входных данных заключается в обучении трехмерной (2D-изображения плюс временное измерение) CNN, отображающей видео на метки. Однако для этого потребуются (1) эвристики для согласования видео до заданной длины и (2) большие объемы размеченных данных, чтобы избежать переобучения, особенно с учетом того, что частота классов в любом наборе видеоданных отоскопии, вероятно, будет сильно смещена в сторону нормальные случаи. Настоящее исследование решает эти проблемы, рассматривая интерпретацию отоскопии как проблему обнаружения видеоаномалий. При наших настройках модель обучается только на обычных видео и будет помечать видео, которые отклоняются от нормы, как аномалию во время тестирования.

Вклад этого исследования в 2 раза. Во-первых, мы разрабатываем двухэтапную модель для применения к полным видеорядам, собранным в клиниках, что отличает наш подход от всех предыдущих методов, которые рассматривали только неподвижные изображения высокого качества.Детектор области сначала извлекает участки барабанной перепонки из видеокадров, которые затем используются для обнаружения аномалий на следующем этапе. Эта архитектура ограничивает обнаружение аномалий семантически полезными областями. Во-вторых, мы разрабатываем метод обнаружения контрастных аномалий сдвига (SCAD), который использует преобразование распределения сдвига на основе цветового дрожания для улучшения разделения между нормальными и аномальными данными. Наша задача самоконтроля, адаптированная к нашему приложению, заставляет модель использовать тонкие цветовые особенности для выявления отклонений во время тестирования.Даже когда количество обучающих видеороликов относительно невелико, наш подход дает превосходные результаты бинарного (нормального/аномального) видеоотоскопического скрининга по сравнению как с базовым методом, так и со средними показателями группы клиницистов. Мы считаем, что это исследование представляет собой многообещающий первый шаг к созданию алгоритмической поддержки принятия решений для диагностики патологии среднего и наружного уха и разработке интеллектуального инструмента, который может помочь клиницистам в точной диагностике и лечении заболеваний общего уха.

2. Связанное исследование

Задача обнаружения аномалий (13, 14), в зависимости от контекста также называемая обнаружением нераспространения или обнаружения новизны, заключается в выявлении неподходящих выборок данных. Это важная задача во многих реальных приложениях, таких как обнаружение неисправности системы, финансового мошенничества и проблем со здоровьем. Обнаружение аномалий — полезная, но сложная задача, потому что аномалии трудно определить. При контролируемом обнаружении аномалий модели на этапе обучения предоставляются аномальные образцы, чтобы дать представление о том, что квалифицируется как «аномалия».Однако может быть много причин, по которым выборка данных является аномальной, так что сбор репрезентативного количества аномальных выборок сам по себе является сложной задачей. Это особенно сложно в медицинских приложениях, где набор данных, скорее всего, сильно смещен в сторону нормального класса. С другой стороны, неконтролируемое обнаружение аномалий (UAD) не требует сигналов нормального/аномального контроля во время обучения. Текущие подходы обычно используют только нормальные данные во время обучения, что делает их более привлекательными для приложений с искаженным набором данных.Поэтому в рамках этого исследования мы сосредоточимся только на настройке UAD, когда детектор может получать доступ только к образцам из нормального распределения данных во время обучения. Более того, во многих реальных приложениях задача состоит в том, чтобы выполнять UAD на данных изображений высокой размерности (например, в нашем случае обнаружение аномалий на эндоскопических видео), что делает проблему еще более сложной.

Был предложен богатый набор методов (13) для изучения проблемы UAD на данных изображений, подходя к проблеме с помощью четырех основных парадигм: (i) методы, основанные на плотности, сначала оценивают нормальную плотность данных с использованием методов, включая Gaussian Mixture и Energy. на основе моделей, а затем обнаруживать данные с низкой оценочной плотностью как аномалию.DAGMM (15) и DSEBM (16) относятся к этой категории методов. (ii) Методы на основе классификатора одного класса подходят к классификатору, например, Deep SVDD (17) и DROC (18), для разделения обычных и всех других данных, а затем их использования для обнаружения аномалий. (iii) Методы, основанные на реконструкции, изучают модель реконструкции, например, AnoGAN (19), нормальных изображений и обнаруживают аномалии как образцы с высокой ошибкой реконструкции. (iv) Методы на основе самоконтроля изучают экстрактор признаков с помощью задач с самоконтролем, таких как определение того, было ли применено определенное преобразование к изображению (20).Тогда при обучении признаки дополненных версий одного и того же изображения должны быть ближе, чем признаки разных изображений (21). После сходимости на извлеченных функциях выполняется обнаружение аномалий. Известные методы в этом направлении включают SVD-RND (22), CutPaste (23), CSI (24), SSD (25), PANDA (26) и MSC (27). UAD также применяется для медицинской визуализации (28) во многих областях, включая наборы данных рентгенографии (29, 30), КТ (31, 32), МРТ (33–35) и эндоскопии (36).

Аномалии в медицинских изображениях, как правило, более тонкие и проявляются только в небольшой области всего изображения, что делает особенно сложным применение UAD в этой области.Чтобы решить эту проблему, (37) предлагают подключить контекстное кодирование (CE) и вариационные автокодировщики (VAE), чтобы объединить оценки аномалий на основе реконструкции и плотности. Это показывает превосходные характеристики в трех наборах данных МРТ-изображений головного мозга. Чтобы напрямую нацеливаться на малозаметные аномалии в небольших регионах, предпринимаются усилия по разработке задач с самоконтролем, адаптированных к определенной группе аномалий. Желательно применять искусственное преобразование данных, аналогичное реальной аномалии, чтобы самоконтролируемая задача могла заставить модель изучить признаки, которые являются достаточно дискриминационными для обнаружения аномалий при тестировании.Например, CutPaste (23) создает прерывистые дефекты, вырезая область изображения и вставляя ее в другое место. Хотя этот метод хорошо работает для промышленного визуального контроля, введенная резкая прерывистость редко встречается в медицинских изображениях, что делает этот метод менее полезным для обнаружения аномалий в медицинских данных. В качестве альтернативы, интерполяция чужих заплат (FPI) (38) создает искусственные дефекты путем интерполяции небольшой локальной заплаты с чужой заплатой изображения. Сеть обучена оценивать попиксельный коэффициент интерполяции из синтезированного изображения.Оцененный коэффициент интерполяции затем используется в качестве оценки аномалии во время тестирования. Успех демонстрируется с использованием наборов данных МРТ головного мозга и КТ брюшной полости. Интерполяция изображения Пуассона (PII) (39) расширяет эту идею, используя редактирование изображения Poison для смешивания чужеродного участка вместо прямой линейной интерполяции, нацеленного на более тонкие и непрерывные неровности. Улучшение производительности показано с использованием наборов данных рентгенографии грудной клетки и УЗИ плода. Между тем, как FPI, так и PII используют задачи с самоконтролем, нацеленные на региональную аномалию формы, что менее применимо к нашей проблеме, где более важна тонкая аномалия цвета.

3. Методология

База данных видео отоскопов смещена в сторону статуса отсутствия заболевания, учитывая практику регистрации двусторонних осмотров уха и возникновения не ушных заболеваний, проявляющихся такими симптомами, как боль в ушах. Подобный дисбаланс наборов данных может представлять серьезную проблему для разработки надежных границ проектирования, особенно при использовании небольших наборов данных. Чтобы преодолеть такие ограничения, мы предлагаем использовать подход UAD для компьютерного скрининга видео отоскопии.Формальное определение этой задачи таково.

Нам дан большой обучающий набор данных Dtrain, содержащий только нормальные видеопоследовательности, и меньший тестовый набор данных Dtest, включающий как нормальные, так и аномальные видеопоследовательности. Учитывая набор обучающих данных, наша цель состоит в том, чтобы изучить функцию оценки аномалий A ( v ) с видео v в качестве входных данных и обнаружить ненормальные видео как аномалию во время тестирования. В идеале функция учится сопоставлять нормальные видео с небольшими показателями аномалий, а ненормальные видео — с большими показателями аномалий.Во время тестирования мы устанавливаем пороговое значение, где A ( с ) >ψ указывает на аномалию.

В видеодиагностике отоскопии временная связь между кадрами не так важна, как в задачах распознавания действий. Является ли видео аномальным или нет, напрямую определяется наличием в нем аномальных кадров. Благодаря этому наблюдению мы превращаем проблему обнаружения аномалий видео в задачу обнаружения аномалий кадров с дополнительной функцией агрегирования на уровне видео.Более того, только некоторые кадры на видео имеют жизненно важное значение для диагностики, а в этих кадрах только та область, которая визуализирует барабанную перепонку. Поэтому желательно проводить обнаружение аномалий только на таких кадрах, и в частности области барабанной перепонки. Как показано на рисунке 1, наш метод состоит из двух этапов во время обучения: Шаг 1) Контролируемое обучение модуля обнаружения, который извлекает фрагменты барабанной перепонки x из заданного видео v , используя предоставленные метки. Шаг 2) Обучение представлению с самоконтролем в помеченной интересующей области для получения функции встраивания, которая идеально проецирует нормальные и аномальные образцы в разные области пространства встраивания. Во время тестирования мы вычисляем оценки аномалий, используя обнаруженные исправления и изученную функцию встраивания.

Рисунок 1 . Архитектура скрининга нашего метода обнаружения контрастных аномалий сдвига (SCAD) состоит из трех подблоков: обнаружение барабанной перепонки, обучение представлению и обнаружение аномалий. Во время обучения обнаружение барабанной перепонки изучается с помощью контролируемого обучения с предоставленными метками. Обучение представлению проводится с самоконтролем для получения функции вложения ϕ.И сеть обнаружения, и сеть функции встраивания являются сверточной нейронной сетью, которая принимает отдельный кадр в качестве входных данных. Во время тестирования мы используем функцию встраивания ϕ для получения оценки аномалии на уровне кадра. Затем оценка аномалии на уровне видео получается путем суммирования оценок аномалии на уровне изображения для всех обнаруженных кадров барабанной перепонки в видео.

3.1. Обнаружение барабанной перепонки

Чтобы обнаружить кадры и области, показывающие барабанную перепонку, мы используем сверточную нейронную сеть и обучаем ее контролируемым образом, используя пары изображение-метка. В отличие от стандартной проблемы обнаружения, где каждое изображение может иметь несколько экземпляров, у нас может быть не более одной барабанной перепонки в каждом кадре. Поэтому мы не используем стандартную архитектуру обнаружения объектов, а предпочитаем иметь единую сверточную нейронную сеть для прогнозирования двоичной метки и соответствующей ограничивающей рамки. Мы определяем Lcls как перекрестную энтропийную потерю метки истинности и оценки классификации, а Llocal определяем как потерю L 1 ограничивающего прямоугольника и прогнозируемого ограничивающего прямоугольника.Тогда общая потеря просто комбинирует потерю классификации и потерю локализации.

Ldetect=Lcls+Llocal    (1)

Учитывая нашу настройку проблемы, мы обучаем модуль обнаружения только на обычных обучающих видео. Несмотря на то, что модель не использует аномальные видео во время обучения, мы обнаружили, что она хорошо обобщает аномальные кадры во время тестирования, как показано в разделе 4.2.

3.

2. Сдвиг контрастного обнаружения аномалий

Контрастное обучение: Контрастное обучение (21, 40) в последние годы стало наиболее эффективным методом обучения с самоконтролем.В этой парадигме первым шагом процедуры обучения является выборка мини-партии размером N и выполнение аугментации дважды для каждой выборки x i для получения (xi′,xi′′), называемого положительной парой , всего произведено 2 образцов N . Все изображения проходят через экстрактор признаков, а затем признаки обычно масштабируются до единичной сферы с помощью нормализации l 2 , чтобы получить представление ϕ. Тогда контрастные потери для пары (xi′,xi′′) определяются как

Lcon(xi′,xi′′)=-logexp(ϕ(xi′)·ϕ(xi′′)/τ)∑m=12N1[i′≠m]·exp(ϕ(xi′)·ϕ(xm )/τ),    (2)

, где τ — температурный гиперпараметр.

Цель контрастивного обучения приближает xi’ к xi» и отталкивает все остальные образцы от xi’. Интуитивно это заставит изученное встраивание фиксировать скрытую структуру, которая достаточно значима, чтобы отделить образцы друг от друга и, таким образом, быть полезной для последующих задач. Эта парадигма показывает большой успех в обучении распознаванию изображений с самостоятельным наблюдением, но имеет неотъемлемые проблемы с обнаружением аномалий. Чтобы минимизировать функцию потерь, углы между положительными и отрицательными выборками должны быть максимальными, даже если обе выборки относятся к нормальному классу.Это приводит к сценарию, в котором представления нормальных выборок охватывают всю единичную сферу. Таким образом, во время тестирования образцы аномалий могут быть спроецированы на место, близкое к обычным вложениям, что бросает вызов парадигме обнаружения аномалий.

Средняя контрастная потеря: Чтобы адаптировать контрастное обучение к обнаружению аномалий, MSC (27) предлагает альтернативную среднюю контрастную потерю. Вместо того, чтобы напрямую минимизировать контрастные потери в пространстве представления, MSC строит аналог со средним сдвигом, вычитая центр c всего обучающего набора и затем нормализуя к нему единичную сферу. Для данной выборки x вложение со средним сдвигом определяется как

θ(x)=ϕ(x)-c‖ϕ(x)-c‖. (3)

Потери со средним сдвигом затем строятся путем применения типичных контрастных потерь к этому пространству вложения со средним сдвигом:

Lmsc(x′,x′′)=Lcon(θ(x′),θ(x′′)). (4)

Поскольку представление со средним сдвигом нормализовано около c , обучение больше не охватывает нормальные выборки по всей единичной сфере ϕ( x ). Это делает выборки аномалий более отличимыми от нормальных выборок в пространстве ϕ( x ).

Угловые потери при распределенном смещении: Для дальнейшего улучшения разделимости MSC (27) использует дополнительные угловые потери в центре

Langular=-ϕ(x)·c,    (5)

, чтобы сжать нормальные образцы вокруг нормализованного центра. Предполагается, что нормальные данные, лежащие в небольшой области вокруг центра, будут более различимы. Общая потеря, которую использует MSC, становится Langular+Langular.

Этот подход хорошо работает в наборах данных, состоящих из обычных изображений (например, набор данных CIFAR (41)), где изображения из разных классов рассматриваются как аномалия. Опытным путем мы обнаружили, что эта стратегия не так хорошо работает в нашем приложении для обработки медицинских изображений. Основная причина заключается в том, что у нас гораздо меньшие семантические различия между нормальными и аномальными изображениями, так что их соответствующие вложения все еще близки друг к другу даже после обучения с использованием средних контрастных и угловых потерь центра.

Чтобы решить эту проблему, мы разработали функцию потери углового центра при смещении распределения, чтобы еще больше улучшить разделение между нормальными и аномальными образцами.Как показано на рисунке 2, наш метод создает дополнительные образцы z с преобразованием сдвига из x , а затем отодвигает ϕ( z ) от нормализованного обучающего центра c . Преобразованные сдвигом выборки z создаются путем применения распределенных преобразований сдвига к x , так что z больше не соответствуют исходному распределению данных. Интуиция проста: не только нормальные выборки должны занимать небольшую область вокруг центра, но и выборки, не взятые из исходного распределения, также не должны располагаться слишком близко к центру. Потеря шарнира применяется к углу между центром c и выборками с увеличенным сдвигом z . Функция потерь принимает вид:

Lshift_angular=-ϕ(x)·c+max(0,1-ϕ(z)·c). (6)

В идеале эти преобразованные сдвигом образцы z семантически подобны реальным аномалиям. В контексте отоскопических изображений цвет является важной характеристикой, поскольку инфекция может привести к изменению цвета всей или части барабанной перепонки. Таким образом, мы используем три варианта цветового дрожания в качестве распределительного сдвига-преобразования.Это случайная обрезка дрожания цвета (CJ-RC), случайная область дрожания цвета (CJ-RR) и дрожание цвета для всего кадра (CJ-WF). CJ-RC использует случайный прямоугольник в качестве маски трансформации. CJ-RR строится путем интерполяции изображения с цветовым дрожанием и исходного изображения с использованием попиксельных весов для каждого изображения. Сначала мы инициализируем попиксельные веса равными нулю, а затем выбираем случайные точки, которые нужно заполнить единицей, и применяем фильтр Гаусса для получения сглаженных весов. CJ-WF просто применяет дрожание цвета ко всему кадру.На рисунке 3 представлены иллюстрации трех стратегий увеличения.

Рис. 2. Вверху: В пространстве представления со средним сдвигом Lmsc максимизирует угол между отрицательными парами. На этом шаге сэмплы, преобразованные с помощью сдвига, рассматриваются как дополнительные экземпляры. Внизу: В пространстве углового представления Lshift_angular увеличивает разделимость аномалии за счет (i) увеличения угла между вложением нормализованного центра и преобразованными сдвигом образцами; (ii) уменьшение угла между встраиванием нормализованного центра и нормированных образцов.

Рис. 3. (A) Примеры нормальной области барабанной перепонки. (B) Варианты преобразования сдвига, примененные ко второму нормальному примеру каждой строки. Слева направо: случайное выделение цветового дрожания (CJ-RC), случайная область цветового дрожания (CJ-RR), цветовое дрожание всего кадра (CJ-WF). (C) Примеры аномальных участков барабанной перепонки.

Final Loss: Мы комбинируем (i) среднесмещенные контрастные потери Lmsc и (ii) угловые потери с аугментациями дистрибутивного сдвига Lshift_angular:

Lfinal=Lmsc+Lshift_angular.(7)

Эта функция потерь адаптирована для этого конкретного приложения медицинской визуализации и использует лучшее из обеих целей. Потери со средним смещением делают признаки репрезентативными для изображений, а угловые потери способствуют удалению нормальных и аномальных экземпляров друг от друга в пространстве признаков. Следовательно, сочетание этих двух потерь обеспечивает превосходные характеристики, что демонстрируется с помощью абляции в разделе 4.3.

Оценка аномалии на уровне кадра: Чтобы классифицировать выборку как нормальную или ненормальную, мы используем простой критерий, основанный на kNN.kNN предсказывает метку точки данных, собирая k ближайших помеченных выборок в соответствии с некоторой мерой расстояния. В этом исследовании мы используем косинусное расстояние между характеристиками целевого изображения x и всеми тренировочными изображениями. Затем оценка аномалии определяется как:

. a(x)=∑ϕ(y)∈Nk(x)(1-ϕ(x)·ϕ(y)),    (8)

, где N k ( x ) обозначает k признаков, ближайших к ϕ( x ) в обучающем наборе признаков {ϕ(z)}z∈Xtrain.

Оценка аномалии уровня видео: Мы рассматриваем относительно простой метод агрегирования оценки аномалии уровня кадра для построения оценки аномалии уровня видео. Функция агрегирования просто берет среднее значение оценки аномалии на уровне кадра по всем обнаруженным участкам барабанной перепонки. Оценка аномалии уровня видео определяется как

. A(s)={a(x)}¯,    (9)

где { a ( x )} представляет набор оценок аномалий на уровне кадров для всех кадров в данном видео s .

Таким образом, во время обучения мы изучаем функцию встраивания на уровне кадров ϕ со всеми отдельными нормальными кадрами в обучающем наборе. Во время тестирования мы вычисляем оценку аномалии на основе kNN, используя функцию встраивания из ϕ для всех обнаруженных кадров. Затем мы агрегируем предсказанную оценку аномалии для каждого обнаруженного кадра в тестовом видео, чтобы получить оценку аномалии уровня видео A посредством усреднения. Ожидается, что такой показатель будет небольшим для обычных видео и большим для ненормальных видео.Любой кадр, который существенно отличается от обычных кадров в тренировочном наборе (например, красная, выпуклая барабанная перепонка), приведет к большому расстоянию до обучающих примеров в пространстве встраивания, а затем приведет к большому показателю аномалии на уровне изображения и видео. Порог может быть выбран в соответствии с желаемыми клиническими требованиями (например, определенным значением специфичности) и на практике выбирается с использованием набора данных проверки, состоящего как из нормальных, так и из аномальных видео.

4. Экспериментальные результаты

4.

1. Подготовка данных

Мы собрали в общей сложности 100 видеороликов отоскопии у педиатрических пациентов, которые наблюдались по поводу различных состояний в городском педиатрическом отделении неотложной помощи третичного уровня, которое ежегодно обслуживает более 34 000 пациентов в возрасте от 0 до 21 года. Пациенты были набраны в качестве удобной выборки на основе их готовности участвовать в исследовании. В этом центре возраст пациентов колеблется от 0 до 22 лет. Протоколы исследований были одобрены местным институциональным наблюдательным советом.Продолжительность каждого видео колеблется от 5 до 40 с. Из видео извлекается от двадцати семи до тридцати кадров в секунду. Два отоларинголога (специалисты по ушам, носу и горлу) аннотировали каждое видео, и согласие на основе консенсуса использовалось как основная истина. В то время как экспертные аннотации более детализированы, из-за небольшого размера набора данных мы решили ограничить анализ двумя классами, и каждое видео относится либо к нормальной, либо к аномальной категории. В дополнение к двоичной категориальной метке на уровне видео мы также аннотируем двоичные метки на уровне кадра и ограничивающие рамки для каждого изображения барабанной перепонки, где барабанная перепонка занимает не менее 20% размера изображения по ширине и высоте.Из 100 видео 80 помечены как нормальные, а 20 — как ненормальные. Мы назначаем 60 обычных видео обучающему набору, 10 — проверочному набору и 10 — тестовому набору. Для видео с аномалиями мы присваиваем 10 проверочному набору и 10 тестовому набору. Тестовый набор используется для оценки алгоритмов и сравнения с людьми-клиницистами. У нас нет чрезмерно очевидных аномальных примеров (например, вся барабанная перепонка заполнена кровью) во время тестирования, что делает его сложным сравнительным исследованием с людьми-клиницистами.

Видеозапись исследования уха была выполнена с помощью Cellscope Oto, подключенного к iPhone SE первого поколения. Поддержание относительной однородности настроек видео, таких как цвет, имеет решающее значение для точности алгоритма ИИ. Таким образом, клиническое внедрение такой технологии представляет собой серьезную проблему, учитывая выбор отоскопов ad hoc , используемых в клинических условиях, и, возможно, что более важно, подавляющее использование нецифровых отоскопов в клинической практике. В результате мы решили использовать Cellscope Oto как доступное решение, которое потенциально можно развернуть в любом масштабе.Устройство Cellscope Oto предназначено для прикрепления к ушному зеркалу и обеспечивает дополнительный источник света, но для захвата исследования полагается на камеру iPhone. Мы отмечаем, что качество изображения и видео, снятых на этом устройстве, не такое высокое, как сообщалось в предыдущих исследованиях (6, 42), особенно в отношении резкости и четкости. Однако, в отличие от Cellscope Oto, более совершенные высококачественные отоскопы с возможностями цифрового видео зачастую слишком дороги для более широкого внедрения.

4.2. Обнаружение барабанной перепонки

Сначала мы обучаем модель обнаружения барабанной перепонки для извлечения участков барабанной перепонки. Мы используем Resnet-101 в качестве магистральной сети и выбираем оптимизатор стохастического градиентного спуска (SGD) со скоростью обучения 1 e — 3, импульсом 0,9 и уменьшением веса 1 e — 4. Модель обучается с использованием всех кадров из обычного обучающего набора видео для 5000 эпох с размером пакета 128. Размер входных изображений изменяется до 256 на 256 и случайным образом обрезается до 224 на 224 с последующим случайным выбором увеличения данных по цвету. -дрожание, вырезание, вращение и сдвиг.

Результаты: Поскольку в нашей установке существует не более одного экземпляра одного класса, мы оцениваем производительность нашей модели по точности обнаружения барабанной перепонки при различных порогах пересечения над объединением (IoU) (43).Правильное обнаружение определяется как кадр, который дает правильную классификацию на уровне кадра и, если данный кадр показывает барабанную перепонку, также создает ограничивающую рамку с оценкой IoU, превышающей определенный порог в данном кадре. Как показано в таблице 1, наша модель обеспечивает высокую точность при различных пороговых значениях IoU. Визуализацию обнаружения барабанной перепонки в видеопоследовательностях можно найти на рисунке 4. Обратите внимание, что, несмотря на то, что модель контролируется только на экземплярах из обычных обучающих видео, она хорошо обобщается как на нормальные, так и на ненормальные видео в тестовом наборе.Это указывает на то, что сеть извлекает функции, которые больше соответствуют семантике изображения и не зависят от деталей на барабанной перепонке.

Таблица 1 . Эффективность обнаружения оценивается в процентах точности при различных пороговых значениях IoU.

Рисунок 4 . Наш модуль обнаружения успешно извлекает области барабанной перепонки в видеорядах. Зеленая ограничивающая рамка представляет собой область барабанной перепонки; оранжевая рамка представляет собой обнаруженную область барабанной перепонки. Верхний ряд: Пример обычного видео. Нижняя строка: Неправильный пример видео.

4.3. Обнаружение аномалий

Следуя архитектуре, предложенной в (27), мы создаем экстрактор признаков ϕ, который будет сверточной нейронной сетью ResNet-101, за которой следует дополнительный слой нормализации l2. Мы увеличиваем нормальные выборки, последовательно применяя обрезку 224 на 224 пикселя из изображения со случайным изменением размера и случайным горизонтальным отражением. Модель инициализируется с помощью предварительно обученной модели ImageNet, а затем два последних блока ResNet-101 настраиваются на 5000 эпох с помощью функции потерь в уравнении (7).Температура τ в уравнении (2) принимается равной 0,25. Мы используем оптимизатор SGD с правом на обучение 1 e − 5 с уменьшением веса 5 e − 5 и без импульса. Для каждого мини-пакета размером 60 мы выбираем один кадр из каждого видео, чтобы похожие кадры не рассматривались как отрицательные пары. Во время обучения мы используем наземную ограничивающую рамку для извлечения патчей из видео. Мы используем KNN ( k = 2) при вычислении оценки аномалии на уровне кадра. Мы проводим эксперименты с тремя случайными семенами для оценок.

Результаты: Мы оцениваем наши методы по задаче обнаружения аномалий в ранее введенном наборе видеоданных отоскопии. Мы принимаем площадь под кривой рабочей характеристики приемника (AUROC) и площадь под кривой точного воспроизведения (AUPRC) в качестве показателя эффективности обнаружения аномалий. Мы сравниваем наши подходы с недавно предложенным наиболее эффективным методом MSC (27). Процедуры обучения и тестирования такие же, как у нас, за исключением того, что они не используют преобразования сдвига и используют угловые потери (3) вместо угловых потерь сдвига (4) при вычислении окончательной функции потерь.В таблице 2 мы представляем сравнение между тремя вариантами SCAD и тремя современными методами SSD (25), PANDA (26), MSC (27), оцененными AUROC и AUPRC. Мы видим, что вариант SCAD-CJ-WF работает лучше всего, достигая в среднем AUROC 88,0% и AUPRC 87,9%. Это говорит о том, что (i) цвет действительно является очень важным признаком отделения аномалии от нормы на отоскопических изображениях, и что (ii) цветовое дрожание на всем изображении может давать семантически более похожие образцы на реальную аномалию.Это может быть связано с тем, что как случайные вырезы, так и случайные области вносят в изображение искусственные узоры, которые используются при обучении с самоконтролем, но не видны в аномальных образцах во время тестирования. Чтобы интуитивно визуализировать встраивание признаков, созданное различными методами, мы построили скрытое встраивание для всех тестовых кадров и соответствующую оценку аномалии на уровне кадра на основе kNN на рисунке 5. Как мы видим, SCAD-CJ-WF генерирует вложение, которое наиболее отделимы как качественно, так и количественно, что измеряется оценкой аномалии.

Таблица 2 . Результаты оцениваются AUROC% и AUPRC%.

Рисунок 5. Верхний ряд: визуализация встраивания для всех кадров в тестовом наборе нормальных и аномальных видео с использованием t-SNE. Нижняя строка: Распределение оценки аномалии на уровне кадров для всех кадров в тестовом наборе нормальных и аномальных видео. (А) МСК. (Б) AMSC-CJ-RC. (C) AMSC-CJ-RR. (D) AMSC-CJ-WF.

Цель обучения: Индивидуальный эффект каждого компонента потерь представлен в таблице 3.Мы отмечаем, что ни Lmsc, ни Langular по отдельности не работают хорошо в нашем наборе данных. Lshift_angular превосходит все другие отдельные цели, и в сочетании с Lmsc приводит к дальнейшему улучшению.

Таблица 3 . Тренировочное объективное исследование абляции (AUROC% и AUPRC%).

4.4. Сравнение с врачами-людьми

Чтобы дополнительно оценить нашу работу в реальных условиях, мы провели перекрестное исследование, в котором сравнивали работу клиницистов и врачей.наша модель. Исследование было одобрено местным институциональным наблюдательным советом.

Место проведения исследования: К участию в этом исследовании были приглашены клиницисты, которые регулярно оценивают барабанные перепонки с помощью отоскопии в учреждениях первичной медико-санитарной помощи, неотложной помощи или неотложной медицинской помощи. В число квалифицированных клиницистов входили врачи (MD/DO), практикующие медсестры (NP) и помощники врачей (PA). В группу врачей-клиницистов входят медицинские работники, работающие на переднем крае, которые обычно диагностируют и лечат заболевания уха. Критериями исключения были практика за пределами США, работа в Университете Джона Хопкинса или больнице Джона Хопкинса, нарушение зрения, ограничивающее видеоанализ, или незнание английского языка.Набор осуществлялся посредством обмена цифровыми сообщениями через профессиональные списки рассылки по электронной почте и профессиональные группы в социальных сетях в течение ноября 2020 года.

Процедура исследования: Десять нормальных и десять видео, обозначенных как острый средний отит (ОСО) на основании достоверности, были выбраны в качестве тестового набора изображений, как описано выше. Клиницисты завершили онлайн-опрос, в котором им было предложено просмотреть 20 видеороликов о барабанной перепонке без предоставления какой-либо дополнительной клинической информации. После каждого видео участников просили указать, нормальными или ненормальными выглядят барабанные перепонки.Их также попросили оценить уровень своей уверенности в точности своего диагноза по шкале Лайкерта (от 1 = совсем не уверен до 4 = очень уверен). Участников также попросили сообщить, сколько раз они просматривали каждое видео. Ответы участников собирались и обрабатывались с помощью инструментов электронного сбора данных REDCap (44), размещенных в Университете Джонса Хопкинса.

Исследуемая группа: В общей сложности 59 клиницистов были набраны и оценены на соответствие требованиям. После удаления неприемлемых, отклоненных или неполных опросов для анализа было включено 25 опросов.Процесс показан на блок-схеме консорта на рис. 6. Демографические данные участников приведены в таблице 4. Все респонденты являются врачами, работающими в начале или в середине карьеры, причем большинство из них женщины и практикующие педиатры.

Рисунок 6 . Консортная блок-схема набора врачей. После удаления неприемлемых выборок для сравнительного анализа были включены 25 опросов.

Таблица 4 . Клиницистская демография и соответствующая точность (средний % и SD%) по группам.

Результаты: Уверенность клинициста имеет среднее значение 3 и стандартное отклонение 0,5, а количество просмотров на видео имеет среднее значение 1,5 и стандартное отклонение 0,5. Мы используем линейную регрессию для анализа корреляции уверенности клиницистов и количества просмотров с их оценкой. Статистически значимой корреляции между уверенностью врача и оценкой точности ( P = 0,07) или количеством просмотров и оценкой ( P = 0,32) обнаружено не было (значение P ≤ 0,05 считалось статистически значимым).

В таблице 5 мы сравниваем методы обнаружения аномалий с клиницистами по точности, чувствительности, специфичности и прецизионности. Мы рассчитываем показатели для всех отдельных клиницистов, а затем вычисляем среднее значение и стандартное отклонение для группы. Мы выбираем порог принятия решения для подходов машинного обучения, для которых чувствительность (TPR) при проверке установлена ​​равной 90%, а затем сообщаем значения метрик в тестовом наборе. По сравнению с клиницистами наши методы работают лучше и обеспечивают меньшую дисперсию по всем показателям.Мы также отмечаем, что SCAD-CJ-WF превосходит как клиницистов, так и все другие методы по большинству показателей.

Таблица 5 . Сравнение моделей машинного обучения с группой клиницистов (n = 25) по характеристикам (среднее значение и стандартное отклонение точности%, чувствительности%, специфичности% и точности%) на тестовом наборе.

На рис. 7 представлены дополнительные визуализации, в которых мы сравниваем нашу наиболее эффективную модель SCAD-CJ-WF с клиницистами. Все семена нашей модели дали ROC-кривую, которая превышает средний клинический ответ. Контролируя ту же частоту ложноположительных результатов, наша модель превосходит работу врача по частоте истинных положительных результатов (чувствительность) с большим отрывом от 61,5 до 90%. Помимо улучшения средней производительности, наша модель также генерирует более последовательные прогнозы. Из рисунка видно, что разные клиницисты дают результаты, которые не согласуются друг с другом. Хотя лучший клиницист, включенный в наше исследование, действительно достиг идеального показателя истинных и ложноположительных результатов, большинство оценок клинициста разбросаны с большим разбросом.Широкая вариабельность и более низкая точность оценок клинициста из этой выборки сопоставимы с предыдущими отчетами педиатров и врачей общей практики при выявлении ОСО с помощью отоскопии (45, 46). Эта вариабельность между клиническими оценками отражает клиническую проблему точной диагностики ОСО. Индивидуальные факторы, такие как подготовка и опыт клиницистов, в сочетании с факторами пациента, такими как сотрудничество и беспрепятственный обзор, способствуют успешной диагностике. Напротив, наша модель для разных семян дала более последовательные и более точные результаты.Учитывая клиническую изменчивость диагностики ОСО, показанную в нашем сравнительном исследовании и предыдущих исследованиях, существует значительная ценность для улучшения диагностики в клинических условиях путем принятия скрининга обнаружения аномалий на основе глубокого обучения, такого как в настоящем исследовании.

Рисунок 7 . Наложение образцов TPR/FPR врачей ( n = 25) и среднего значения группы на кривую SCAD-CF-WF Receiver Operational Characteristic (ROC). Ответы нескольких врачей могут иметь одинаковые значения TPR/FPR.

Обсуждение: Представленный нами метод показывает многообещающие результаты в обнаружении аномалий на видеорядах отоскопии. Весь рабочий процесс выполняется со скоростью 15 мс на кадр на одном графическом процессоре NVIDIA Quadro RTX 6000. Это говорит о возможности внедрения компьютерной диагностики для обнаружения аномалий и сообщения об аномалиях в режиме реального времени, что может помочь клиницистам на переднем крае первичной медико-санитарной помощи и, в конечном итоге, даже пациентам на дому.

Возможное успешное развертывание такой технологии требует большего, чем успешная разработка диагностического алгоритма ИИ с высокой точностью.Чтобы такая технология интегрировалась в существующие модели здравоохранения и рабочий процесс, необходимо создать совершенно новую технологическую инфраструктуру. Внедрение такой технологии, помимо ее очевидной необходимости, должно быть принято поставщиками медицинских услуг, возможно, более насущные вопросы, откуда будут поступать необходимые финансовые вложения для создания этой инфраструктуры.

Между тем, наше исследование демонстрирует несколько ограничений на текущем этапе. (i) Набор данных относительно небольшой, смещен в сторону нормы и собран с помощью удобной выборки.Таким образом, наши данные служат для дополнительной поддержки проверки концепции, но не отменяют необходимости в более крупном и тщательно собранном наборе данных, прежде чем такая технология станет клинически жизнеспособной. Разработка большой видеобазы данных, вероятно, еще больше улучшит диагностические характеристики алгоритма и позволит обучать конкретным диагнозам, а не ограничиваться обнаружением нормальных и аномальных обследований уха. (ii) Cellscope Oto не позволяет проводить пневмоскопию (продувка барабанной перепонки воздухом для оценки движения), которая также может служить важным шагом для точной диагностики заболевания уха.(iii) В нашем сравнительном исследовании клиницистам не была предоставлена ​​история болезни, которая могла бы повысить их диагностическую точность в клинических условиях.

5. Заключение

В этом исследовании мы представляем двухэтапный метод обнаружения аномалий, предназначенный для выполнения классификации нормального/ненормального для видео отоскопии и который может быть разработан на основе небольшого набора данных и сильно асимметричного распределения классов. Мы демонстрируем, что наш метод превосходит базовые алгоритмы и средний показатель 25 клиницистов, что представляет собой многообещающий шаг к компьютерной диагностике патологии среднего и наружного уха.Дальнейшее развитие методов компьютерной диагностики, подобных нашим, могло бы способствовать своевременному и качественному лечению заболеваний уха.

Заявление о доступности данных

Наборы данных, представленные в этой статье, не всегда доступны, потому что контрольный совет учреждения ограничивает доступ к данным только для утвержденных лиц. Запросы на доступ к наборам данных следует направлять Weiyao Wang, [email protected]

Заявление об этике

Исследования с участием людей были рассмотрены и одобрены Институциональным наблюдательным советом Университета Джона Хопкинса.Письменное информированное согласие от законного опекуна/ближайших родственников участников не требовалось для участия в этом исследовании в соответствии с национальным законодательством и институциональными требованиями.

Вклад авторов

WW, AT и MU внесли свой вклад в это исследование разработки, реализации и оценки алгоритма. CS, JC и TC вносят свой вклад в это исследование по организации сравнительного клинического исследования, сбору и обработке данных. JC вносит свой вклад в это исследование по интеграции оборудования. Все авторы внесли свой вклад в статью и одобрили представленную версию.

Финансирование

Это исследование с благодарностью поддержано Фондом Леона Ловенштейна.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Примечание издателя

Все претензии, изложенные в этой статье, принадлежат исключительно авторам и не обязательно представляют претензии их дочерних организаций или издателя, редакторов и рецензентов.Любой продукт, который может быть оценен в этой статье, или претензии, которые могут быть сделаны его производителем, не гарантируются и не поддерживаются издателем.

Ссылки

1. Gurnaney H, Spor D, Johnson DG, Propp R. Точность диагностики и возможность наблюдения при остром среднем отите: проект по отиту в столичном регионе. Int J Педиатр Оториноларингол. (2004) 68:1315–25. doi: 10.1016/j.ijporl.2004.05.005

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

2.Brinker Jr DL, MacGeorge EL, Hackman N. Диагностическая точность, назначение рецептов и эффективность выжидательной тактики при остром среднем отите у детей. Клин Педиатр. (2019) 58:60–5. дои: 10.1177/0009922818806312

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

3. Пул Н.М., Шапиро Д.Дж., Флеминг-Дутра К.Е., Хикс Л.А., Херш А.Л., Кронман М.П. Назначение антибиотиков детям в отделениях неотложной помощи США: 2009–2014 гг. Педиатрия. (2019) 143:e20181056.doi: 10.1542/пед.2018-1056

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

4. Розенфельд Р.М., Калпеппер Л., Дойл К.Дж., Грундфаст К.М., Хоберман А., Кенна М.А. и соавт. Клинические рекомендации: средний отит с выпотом. Отоларингол Хирургия головы и шеи. (2004) 130:S95–S118. дои: 10. 1177/0194599815623467

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

5. Канарес Т., Ван В., Унберат М., Кларк Дж. Искусственный интеллект для диагностики заболеваний уха с использованием отоскопического анализа изображений: обзор. J Investig Med. (2021) 14: Джим-2021-001870. doi: 10.1136/jim-2021-001870

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

6. Вискайно М., Маасс Дж. К., Делано П. Х., Торренте М., Стотт С., Чиин Ф. А. Компьютерная диагностика заболеваний наружного и среднего уха: подход машинного обучения. ПЛОС ОДИН. (2020) 15: e0229226. doi: 10.1371/journal.pone.0229226

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

7. Зафер К.Объединение тонких настроек глубины для распознавания различных барабанных перепонок. Биокиберн Биомед Инж. (2020) 40:40–51. doi: 10.1016/j.bbe.2019.11.001

Полнотекстовая перекрестная ссылка | Академия Google

8. Хан М.А., Квон С., Чу Дж., Хонг С.М., Канг С.Х., Пак И.Х. и соавт. Автоматическое обнаружение инфекции барабанной перепонки и среднего уха по отоэндоскопическим изображениям с помощью сверточных нейронных сетей. Нейронная сеть. (2020) 126: 384–94. doi: 10.1016/j.neunet.2020.03.023

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

9.Хуанг Г., Лю З., Ван Дер Маатен Л., Вайнбергер К.К. Плотносвязные сверточные сети. В: Труды конференции IEEE по компьютерному зрению и распознаванию образов. Гонолулу, Гавайи (2017). п. 4700–08.

10. Selvaraju RR, Cogswell M, Das A, Vedantam R, Parikh D, Batra D. Grad-cam: визуальные объяснения из глубоких сетей с помощью локализации на основе градиента. В: Труды Международной конференции IEEE по компьютерному зрению. Венеция (2017). п. 618–26.

11. Ча Д., Паэ С., Сон С.Б., Чхве Дж.И., Пак Х.Дж. Автоматизированная диагностика заболеваний уха с использованием ансамблевого глубокого обучения с большой базой данных отоэндоскопических изображений. ЭБиоМедицина. (2019) 45:606–14. doi: 10.1016/j.ebiom.2019.06.050

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

12. Дэн Дж., Донг В., Сочер Р., Ли Л.Дж., Ли К., Фей-Фей Л. Imagenet: крупномасштабная иерархическая база данных изображений. В: Конференция IEEE 2009 г. по компьютерному зрению и распознаванию образов. Майами, Флорида: IEEE (2009). п. 248–55.

13. Чалапати Р., Чавла С. Глубокое обучение для обнаружения аномалий: обзор. arXiv [препринт] arXiv : 1407. (2019).

14. Ruff L, Kauffmann JR, Vandermeulen RA, Montavon G, Samek W, Kloft M, et al. Объединяющий обзор обнаружения глубоких и мелких аномалий. Процедура IEEE. (2021) 109: 756–95. doi: 10.1109/JPROC.2021.3052449

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

15.Zong B, Song Q, Min MR, Cheng W, Lumezanu C, Cho D и другие. Модель смеси Гаусса с глубоким автоматическим кодированием для неконтролируемого обнаружения аномалий. В: Международная конференция по обучающим представлениям. Ванкувер, Британская Колумбия (2018 г.).

16. Zhai S, Cheng Y, Lu W, Zhang Z. Модели на основе глубокой структурированной энергии для обнаружения аномалий. В: Международная конференция по машинному обучению. Нью-Йорк, штат Нью-Йорк: PMLR (2016). п. 1100–9.

17. Ruff L, Vandermeulen R, Goernitz N, Deecke L, Siddiqui SA, Binder A, et al.Глубокая одноклассовая классификация. В: Дай Дж. и Краузе А., редакторы. Материалы 35-й Международной конференции по машинному обучению. Материалы исследований машинного обучения. Том. 80. Стокгольм: PMLR (2018). п. 4393–402. Доступно в Интернете по адресу: http://proceedings.mlr.press/v80/ruff18a.html

.

18. Сон К., Ли К.Л., Юн Дж., Джин М., Пфистер Т. Изучение и оценка представлений для глубокой одноклассовой классификации. arXiv [препринт] arXiv: 201102578. (2020).

19.Шлегль Т., Зеебёк П., Вальдштейн С.М., Шмидт-Эрфурт У. , Лангс Г. Неконтролируемое обнаружение аномалий с помощью генеративных состязательных сетей для руководства обнаружением маркеров. В: Международная конференция по обработке информации в медицинской визуализации. Бун, Северная Каролина: Springer (2017). п. 146–57.

20. Колесников А., Чжай Х., Бейер Л. Пересмотр обучения визуальному представлению под самоконтролем. В: Материалы конференции IEEE/CVF по компьютерному зрению и распознаванию образов. Лонг-Бич, Калифорния (2019 г.).п. 1920–9.

21. Чен Т., Корнблит С., Норузи М., Хинтон Г. Простая структура для контрастного обучения визуальным представлениям. В: Международная конференция по машинному обучению. ПМЛР (2020 г.). п. 1597–607 гг.

22. Чой С., Чанг С.И. Обнаружение новизны с помощью размытия. arXiv [препринт] arXiv : 191111943. (2019).

23. Li CL, Sohn K, Yoon J, Pfister T. CutPaste: самоконтролируемое обучение для обнаружения и локализации аномалий. 2021 Конференция IEEE/CVF по компьютерному зрению и распознаванию образов (CVPR). Нэшвилл, Теннесси (2021 г.).

24. Тэк Дж., Мо С., Чон Дж., Шин Дж. CSI: обнаружение новшеств с помощью контрастного обучения на экземплярах с распределенным сдвигом. В: Достижения в области нейронных систем обработки информации. Карран Ассошиэйтс (2020).

25. Sehwag V, Chiang M, Mittali P. SSD: унифицированная структура для самоконтролируемого обнаружения выбросов. В: Международная конференция по обучающим представлениям. (2021).

26. Рейсс Т., Коэн Н., Бергман Л., Хошен Ю.PANDA: адаптация предварительно обученных функций для обнаружения аномалий и сегментации. В: Материалы конференции IEEE/CVF по компьютерному зрению и распознаванию образов. Нэшвилл, Теннесси (2021 г.). п. 2806–14.

27. Reiss T, Hoshen Y. Средняя смещенная контрастная потеря для обнаружения аномалий. arXiv [препринт] arXiv : 210603844. (2021).

28. Fernando T, Gammulle H, Denman S, Sridharan S, Fookes C. Глубокое обучение для обнаружения медицинских аномалий — обзор. arXiv [препринт] arXiv: 201202364.(2020).

29. Давлетшина Д., Мельничук В., Тран В., Сингла Х., Беррендорф М., Фаерман Э. и соавт. Неконтролируемое обнаружение аномалий на рентгеновских изображениях. arXiv [препринт] arXiv :200110883. (2020).

30. Бозоргтабар Б., Махапатра Д., Врей Г., Тиран Дж. П. Обнаружение аномалий на рентгеновских снимках с использованием обучения агрегации с самоконтролем. arXiv [препринт] arXiv :201009856. (2020).

31. Сато Д., Ханаока С., Номура Ю., Такенага Т., Мики С., Йошикава Т. и др. Примитивное исследование по неконтролируемому обнаружению аномалий с помощью автоэнкодера в аварийных объемах компьютерной томографии головы.В: Медицинская визуализация 2018: Компьютерная диагностика. Том. 10575. Хьюстон, Техас: Международное общество оптики и фотоники (2018). п. 105751Р.

32. Pawlowski N, Lee MC, Rajchl M, McDonagh S, Ferrante E, Kamnitsas K. Обнаружение неконтролируемого поражения в КТ головного мозга с использованием байесовских сверточных автоэнкодеров . Амстердам: Медицинская визуализация с абстрактным треком глубокого обучения (2018). Доступно в Интернете по адресу: https://openreview.net/references/pdf?id=S1hpzoisz

.

33.Баур С., Деннер С., Вистлер Б., Наваб Н., Альбаркуни С. Автоэнкодеры для неконтролируемой сегментации аномалий на МРТ-изображениях головного мозга: сравнительное исследование. Med Image Анал. (2021) 14:101952. doi: 10.1016/j.media.2020.101952

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

34. Han C, Rundo L, Murao K, Noguchi T, Shimahara Y, Milacski ZÁ, et al. MADGAN: неконтролируемое обнаружение медицинских аномалий GAN с использованием реконструкции нескольких соседних срезов МРТ головного мозга. BMC Биоинф. (2021) 22:1–20. doi: 10.1186/s12859-020-03936-1

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

35. Baur C, Graf R, Wiestler B, Albarkouni S, Navab N. SteGANomaly: Ингибирование стеганографии CycleGAN для неконтролируемого обнаружения аномалий в МРТ головного мозга. В: Международная конференция по вычислениям медицинских изображений и компьютерным вмешательствам. Лима: Спрингер (2020). п. 718–27.

36. Liu Y, Tian Y, Maicas G, Pu LZ, Singh R, Verjans JW, et al.Неконтролируемое двойное состязательное обучение для обнаружения аномалий в видеокадрах колоноскопии. arXiv [препринт] arXiv : 191010345. (2019).

37. Циммерер Д., Коль С.А., Петерсен Дж., Изензее Ф., Майер-Хейн К.Х. Вариационный автокодер с контекстным кодированием для обнаружения аномалий без присмотра. препринт arXiv. архив: 181205941. (2018).

38. Тан Дж., Хоу Б., Баттен Дж., Цю Х., Кайнц Б. Обнаружение выбросов с интерполяцией чужих исправлений. arXiv [препринт] arXiv :201104197.(2020).

39. Tan J, Hou B, Day T, Simpson J, Rueckert D, Kainz B. Обнаружение выбросов с помощью интерполяции изображений Пуассона. arXiv [препринт] arXiv :210702622. (2021).

40. He K, Fan H, Wu Y, Xie S, Girshick R. Импульсный контраст для обучения визуальному представлению без присмотра. Материалы конференции IEEE по компьютерному зрению и распознаванию образов. Сиэтл, Вашингтон (2020 г.).

43. Резатофиги Х., Цой Н., Гвак Дж., Садегян А., Рейд И., Саварезе С.Обобщенное пересечение по объединению: метрика и потеря для регрессии ограничивающей рамки. В: Материалы конференции IEEE/CVF по компьютерному зрению и распознаванию образов. Лонг-Бич, Калифорния (2019 г.). п. 658–66.

44. Харрис П.А., Тейлор Р., Тильке Р., Пейн Дж., Гонсалес Н., Конде Дж.Г. Сбор электронных данных исследований (REDCap) — основанная на метаданных методология и рабочий процесс для обеспечения трансляционной поддержки информатики исследований. Дж Биомед Инф. (2009) 42:2377–381.doi: 10.1016/j.jbi.2008.08.010

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

45. Пичичеро М.Э., Пул М.Д. Сравнение показателей отоларингологов, педиатров и врачей общей практики по отоэндоскопическому диагностическому видеообследованию. Int J Педиатр Оториноларингол. (2005) 69:361–6. doi: 10.1016/j.ijporl.2004.10.013

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

46. Пичичеро М.Э., Пул М.Д. Оценка точности диагностики и навыков тимпаноцентеза при лечении среднего отита. Arch Pediatr Adolesc Med. (2001) 155:1137–42. doi: 10.1001/archpedi.155.10.1137

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Видеоотоскопическое исследование | Центр слуха Северо-Восточного Огайо

Видеоотоскопическое исследование

Видеоотоскопия — это использование отоскопа (это инструмент, используемый для осмотра ушей), который имеет очень маленькую видеокамеру, передающую изображение на телевизионный экран. В этих эндоскопах используется оптоволоконная оптика для передачи очень яркого света, который освещает слуховой проход.Кроме того, видеоотоскопы имеют рабочий канал, который позволяет промывать ухо и пылесосить насухо, чтобы помочь удалить мусор, который может покрыть важные структуры или изменения в ухе. Канал также может использоваться инструментами, которые могут захватывать объекты или образцы тканей для очистки или диагностики. Мы можем делать и распечатывать цифровые изображения всего, что находим в ушном канале.

Почему мы делаем видеоотоскопию?

Видеоотоскоп позволяет врачу видеть в ухе намного лучше, чем традиционный ручной отоскоп.С помощью функции ирригации мусор можно очистить глубоко внутри уха, что было бы невозможно удалить любым другим способом. С помощью ручных эндоскопов врач не может видеть жидкость в канале (свет просто отражается от поверхности любой жидкости), но видеоотоскоп может «видеть под водой», что значительно упрощает наблюдение и диагностику. Это делает видеоотоскоп очень полезным при очистке очень грязного уха (глубокое промывание уха). Видеоотоскоп также является лучшим инструментом для промывания за разрывом барабанной перепонки (барабанная перепонка), а также для диагностики и биопсии опухолей в слуховом проходе.

Как мы делаем видеоотоскопию?

Видеоотоскоп можно использовать так же, как и любой другой отоскоп, для рутинных осмотров, но его часто используют для диагностики или очистки больных ушей. Обычно пациентов подвергают анестезии для таких процедур по двум причинам. Во-первых, при работе вблизи барабанной перепонки пациент должен стоять совершенно неподвижно, чтобы не повредить тонкие структуры уха. Во-вторых, поскольку слуховой проход может иметь прямое соединение с горлом (через евстахиеву трубу), промывная вода может попасть в легкие и вызвать пневмонию, поэтому пациентам необходимо вставлять эндотрахеальную трубку для защиты дыхательных путей во время этих процедур

Иллюстрированное введение в анатомию среднего уха с точки зрения отоскопии

Презентация об анатомии нормального уха от Dr.Джеймс Берби, один из изобретателей цифрового отоскопа Wispr и основатель WiscMed. В презентации основное внимание уделяется особенностям барабанной перепонки и среднего уха, которые можно увидеть с помощью цифровой отоскопии с использованием Wispr. Видео PowerPoint находится здесь, а письменное обсуждение — ниже. Получайте электронные письма о клинических случаях Wispr, подписавшись на обновления электронной почты WiscMed.

Цифровой отоскоп WiscMed Wispr — это инструмент, который может использовать каждый поставщик медицинских услуг, чтобы улучшить свои возможности доступа и интерпретации результатов в ухе.Приобрести устройство можно здесь.

Какие части уха можно увидеть с помощью отоскопа?

  1. Ушной канал
  2. Cerumen (ушная сера)
  3. Барабанная перепонка (барабанная перепонка)
  4. Pars Tensa и Pars Flaccida
  5. Конус света
  6. Кость молоточка
  7. Наковальня
  8. Нерв барабанной струны
  9. Тень барабанной полости (среднее ухо)

 

 

 

PowerPoint можно загрузить, нажав здесь.

Обсуждение анатомии нормального уха

WiscMed рекомендует посмотреть представленную выше видео-презентацию. Он содержит ту же информацию с большим описанием и контекстом.

Человеческое ухо — пример удивительной биоинженерии природы. Он преобразует звуковые волны сначала в механическое движение, а затем в электрические сигналы, которые мозг интерпретирует как звук. Отоскоп может «видеть» барабанную перепонку (барабанную перепонку), которая отделяет наружное ухо от среднего уха.Поскольку барабанная перепонка тонкая и полупрозрачная, можно увидеть некоторые структуры среднего уха. Эти структуры включают кости среднего уха вместе с барабанной полостью. Понимание того, как выглядит нормальная барабанная перепонка, позволит вам оценить, когда что-то не нормально.      

Ориентация ушных отсеков

В этой статье мы покажем вам особенности нормального уха, которые вы можете увидеть во время отоскопии.Все показанные изображения и видео взяты с цифрового отоскопа WiscMed Wispr. Чтобы увидеть особенности, вы должны иметь возможность получить представление о барабанной перепонке (барабанная перепонка). Барабанная перепонка расположена примерно на 1,5 см внутри черепа в конце наружного слухового прохода. Канал жесткий (окруженный костью и хрящом), но не прямой. Особенности цифрового отоскопа Wispr.

В канале часто имеется ушная сера (медицинский термин, ушная сера), которая частично или полностью закрывает барабанную перепонку.Первая задача состоит в том, чтобы пройти через наружный слуховой проход и миновать ушную серу. Ниже приведен типичный вид, который можно получить с помощью традиционного отоскопа. Видна только небольшая часть барабанной перепонки, потому что слуховой проход частично закупорен ушной серой. О барабанной перепонке нельзя сделать окончательного утверждения, потому что такая небольшая ее часть видна.

Типичная аналоговая отоскопия имеет ограниченный обзор барабанной перепонки из-за ушной серы

Чтобы правильно увидеть всю барабанную перепонку, необходимо либо удалить ушную серу, либо использовать цифровой отоскоп, такой как WiscMed Wispr, который позволяет направлять камеру вокруг ушной серы.Удаление ушной серы для неопытного врача является сложной задачей. Это связано с тем, что 1) маленький канал ограничивает видимость, 2) канал чувствителен и 3) существует риск повреждения барабанной перепонки без хорошей ситуационной осведомленности. Лучшей альтернативой является наличие отоскопа, способного маневрировать через небольшое «окошко» в воске. Вот видео с цифрового отоскопа WiscMed Wispr, который включает в себя дистальную камеру, способную проходить мимо воска;

Цифровой отоскоп Wispr, маневрирующий за серой

Как только вы получите представление о барабанной перепонке, вы сможете оценить ее анатомию.

Нормальная барабанная перепонка (барабанная перепонка)

Основные характеристики барабанной перепонки

Слуховой проход, барабанная перепонка, световой конус и кость молоточка

Начнем с легко наблюдаемых признаков. Первое, что вы заметите, это большая круглая площадь. Это барабанная перепонка (барабанная перепонка), и ее часто называют жемчужно-серой. У взрослого барабанная перепонка имеет диаметр около 1 см. Здоровая барабанная перепонка вогнута внутрь.Конус света виден на здоровой барабанной перепонке – это свет отоскопа, отраженный от вогнутой поверхности. Конус света простирается от середины барабанной перепонки к периферии.

Следующей очевидной структурой является молоточек. Эта кость прикрепляется к барабанной перепонке и передает движение барабанной перепонки во внутреннее ухо через цепочку костей молоточек, наковальня, стремечко. Эти кости обычно называют молоточком, наковальней и стремечком.

На молоточке имеется тонкая сосудистая сеть.Это нормальная находка. Помимо того, что молоточек является первой костью в среднем ухе, он также «сообщает» вам, на какое ухо вы смотрите. Молоточек всегда направлен в сторону лица. Вот примеры левого и правого уха с молоточком, указывающим, что есть что.

Использование молоточка для определения «какое ухо»

Части барабанной перепонки

На барабанной перепонке (барабанной перепонке) есть две отдельные области: напряженная часть и вялая часть.

Эти две области обозначены на следующих изображениях:

Вся барабанная перепонка
Парс Тенса
Парс Флацида

Напряженная часть барабанной перепонки — это самая большая часть барабанной перепонки. Это то, о чем люди склонны думать, когда думают о «барабанной перепонке». Как следует из названия, он «тугой», как если бы вы натянули полиэтиленовую пленку поверх миски.Вы также можете представить, что напряженная часть тела похожа на поверхность барабана. Это часть барабанной перепонки, отвечающая за преобразование звуковых волн в механическое движение.

Вялая часть, как следует из названия, менее «тугая», а также более толстая. Он проходит через верхнюю часть молоточка. Хотя он не играет активной роли в транскрипции звуковых волн, он необходим для обеспечения полного охвата пространства среднего уха и обеспечения правильного функционирования напрягаемой части.

С клинической точки зрения наибольшее внимание уделяется напряженным мышцам. Это место, где мы ожидаем увидеть перфорации, выпоты и характерные выпячивания острого среднего отита. Посмотрите наши клинические случаи с использованием цифрового отоскопа Wispr.

Вялая часть барабанной перепонки может быть первым местом, где наблюдается выпячивание барабанной перепонки из-за повышенного давления в пространстве среднего уха. Вялая часть барабанной перепонки — это место, где можно было бы оценить наибольшее движение барабанной перепонки при оценке подвижности барабанной перепонки с помощью пневматической отоскопии или пробы Вальсальвы.

Кости среднего уха

Кости среднего уха

Как и человек, каждое ухо индивидуально. В некоторых ушах можно увидеть дополнительные структуры, находящиеся в среднем ухе (по другую сторону барабанной перепонки). Это возможно, потому что барабанная перепонка может быть довольно прозрачной. Мы уже говорили о молоточке, который почти всегда виден. Также часто можно увидеть наковальню. Наковальня — вторая кость в цепочке костей, передающих движение барабанной перепонки во внутреннее ухо.Молоточек и наковальня соединяются в верхней части среднего уха. Стременную кость редко можно увидеть, потому что она находится очень глубоко в барабанной перепонке.

Вид на молоточек и наковальню через прозрачную барабанную перепонку

Изредка можно увидеть стременную кость, самую глубокую в пространстве среднего уха.

Нерв барабанной струны

Нерв барабанной струны проходит медиально («позади») молоточка и латеральнее («перед») наковальни.Часто барабанная струна не видна, так как она расположена достаточно высоко, чтобы быть скрытой за кольцом барабанной перепонки. Когда это видно, это бросается в глаза. На этом изображении барабанная струна видна за очень полупрозрачной барабанной перепонкой:

Хорда барабанной перепонки

Удивительно, но функция этого нерва не имеет ничего общего с ухом, он просто пересекает полость среднего уха, где иногда его можно увидеть за прозрачной барабанной перепонкой, как в этом случае.Нерв является ветвью лицевого нерва и обеспечивает чувствительность передних двух третей языка. Он также обеспечивает парасимпатические волокна, обеспечивающие двигательную иннервацию поднижнечелюстной и подъязычной желез.

Барабанная полость и евстахиева труба – давление Выравнивание

Другим часто наблюдаемым признаком является тень барабанной полости; здесь находится евстахиева труба. Это в передне-нижней части барабанной перепонки.Чтобы барабанная перепонка правильно вибрировала от звуковых волн, давление с обеих сторон барабанной перепонки должно быть одинаковым. Это достигается за счет евстахиевой трубы, которая соединяет среднее ухо с задней полостью носа.

Евстахиева труба и выравнивание давления

У большинства из нас были случаи, когда уши «хлопали» при спуске в плоскости уха. Этот маневр открывает евстахиеву трубу и позволяет уравнять давление с обеих сторон барабанной перепонки.Евстахиева труба может воспалиться и не сможет «открыться». Это вызывает боль в ушах из-за неравномерного давления, что также может быть распространенным симптомом острого среднего отита. Тень отверстия в евстахиевой трубе часто можно увидеть на барабанной перепонке, как показано ниже. Вот пример повреждения барабанной перепонки, где хорошо видно евстахиево отверстие.

Тень барабанной полости за барабанной перепонкой

Резюме общих результатов на нормальной барабанной перепонке

Результаты отоскопии нормальной барабанной перепонки

 

Для получения дополнительной информации о видео-презентации «Нормальная анатомия уха глазами отоскопа», свяжитесь с нами.Посетите канал WiscMed на Youtube.

Приобретите цифровой отоскоп Wispr.

Воспринимаемая компетентность и уверенность студентов-аудиологов

при проведении отоскопического обследования после видеоотоскопического обучения | BMC Medical Education

Отоскопическое исследование является важной аудиологической процедурой, помогающей выявить ранние признаки патологии как наружного, так и среднего уха [13]. На самом деле исследования показали, что отоскопическое исследование может выявить патологии среднего уха намного лучше, чем обычная тимпанометрия с одним зондирующим тоном [18], используемая аудиологами.Поэтому крайне важно, чтобы студенты обладали необходимыми навыками, чтобы быть компетентными и уверенными в проведении отоскопического обследования. Таким образом, это исследование было направлено на то, чтобы определить, считают ли студенты-аудиологи себя компетентными и/или уверенными в проведении отоскопического обследования после видеоотоскопического обучения.

Текущие данные показывают, что примерно 50 % опрошенных студентов-сурдологов считают себя компетентными и уверенными в проведении отоскопического обследования, в то время как остальные считают себя менее компетентными и/или уверенными в себе.Что касается аспектов отоскопического обследования, в которых студенты-сурдологи считают себя менее или более компетентными и уверенными в себе, то большинство студентов считали себя менее компетентными и уверенными в проведении и интерпретации отоскопического обследования. Восприятие студентов-аудиологов в этом исследовании несовместимо с предыдущими исследованиями, в которых обучались студенты [3, 13, 23]. Каф и его коллеги [13] обнаружили, что большинство студентов-аудиологов (более 70%) после обучения чувствуют себя более уверенно; в то время как You и коллеги [23] также обнаружили, что восприятие студентов-медиков в отношении уверенности в отоскопическом исследовании значительно улучшилось после обучения.

Разница между текущими результатами и предыдущими исследованиями может быть связана с различными используемыми методами обучения. Каф и его коллеги [13] использовали уши Манникина, которые отражали различные состояния среднего уха, в то время как в текущем исследовании студенты-аудиологи использовали студентов университетов в основном с нормальной функцией среднего уха. Свою роль в восприятии студентов могло сыграть отсутствие контакта с различными патологиями во время обучения. Студенты могут не знать, на что им следует обращать внимание при проведении отоскопического обследования.Таким образом, результаты этого исследования предполагают необходимость пересмотра учебной программы для практической подготовки студентов-аудиологов. Будущее обучение отоскопическому исследованию должно предусматривать включение пациентов с различными патологиями среднего уха.

В дополнение к видеоотоскопическому обучению с использованием пациентов-добровольцев высшие учебные заведения, особенно в странах с низким и средним доходом, должны рассмотреть возможность использования симуляций в рамках клинического обучения, поскольку исследования показывают, что симуляции повышают уверенность и компетентность студентов [24, 25].Уилсон и его коллеги [25] утверждают, что симуляции должны поддерживать клиническое обучение, а не заменять клиническое обучение. Фон Бухвальд и его коллеги [26] обнаружили, что младшие врачи плохо выявляют симулированные патологии среднего уха. Эти авторы утверждают, что трудности в выявлении патологий могли быть связаны с отсутствием истории болезни, сопровождающей патологические уши. Таким образом, в СНСД учебные программы для студентов-аудиологов должны обеспечивать включение информации об истории болезни как часть обучения, чтобы помочь студентам в выявлении патологий наружного и среднего уха, а также убедиться, что обучение не является изолированным.

Что касается конкретных патологий, которые студенты могут уверенно и/или компетентно идентифицировать с помощью отоскопии, 43 % студентов считают, что они могут идентифицировать патологии наружного уха, такие как ушная сера и инородные тела, в то время как лишь немногие указали, что они способны идентифицировать патологии наружного и среднего уха . Эти результаты также не согласуются с результатами исследования, проведенного Дэвисом и его коллегами [3], которые обнаружили, что 71 % студентов-медиков считают, что их уверенность в диагностике патологий уха улучшилась после обучения.Хотя от студентов-аудиологов не ожидается, что они будут диагностировать патологии уха, в рамках аудиологии студенты смогут отличить нормальные патологии наружного и среднего уха от аномальных, чтобы иметь возможность планировать дальнейшее тестирование, а также соответствующее вмешательство и/или направление к врачу. [13]. Таким образом, крайне важно, чтобы уверенность и компетентность студентов были улучшены в целях клинической передовой практики. Дэвис и его коллеги [3] утверждают, что отсутствие уверенности в диагностике патологий уха в конечном итоге влияет на выпускников в клинической практике.

Несмотря на отсутствие у студентов уверенности и некомпетентности в идентификации наружного и среднего уха, 97 % студентов считали, что видеоотоскопия должна оставаться частью их клинической подготовки. Это означает, что студенты считают, что видеоотоскопическое обучение может повысить их уверенность и компетентность, если все сделано правильно. В исследованиях Кафа и его коллег [13] и Дэвиса и коллег [3] обучение включало изображения патологических ушей, чтобы помочь учащимся различать нормальные и ненормальные.Следовательно, дальнейшие исследования в этой области должны обеспечить включение в обучение патологических ушей.

Прилагаются все большие усилия для разработки мобильных приложений для облегчения выявления и лечения слуховых и отоларингологических патологий, включая патологии наружного и среднего уха [27]. Учитывая задокументированное соотношение спроса и возможностей в СНСД, мобильные приложения могут использоваться для помощи в обучении студентов выявлению патологий наружного и среднего уха, где могут быть задействованы инструкторы, отличные от тех, кто физически доступен в местных учебных заведениях.Bhavana и коллеги [28] обнаружили более высокую чувствительность и специфичность смартфонной отоскопии в выявлении патологий наружного и среднего уха по сравнению с отоэндоскопией. Майбург и его коллеги [29] разработали автоматизированную облачную систему для смартфонов, которая использует анализ изображений для диагностики патологий наружного и среднего уха. Эти мобильные приложения имеют решающее значение в странах с низким и средним доходом и могут использоваться для обучения студентов-сурдологов выявлению ранних признаков патологий наружного и среднего уха; а также может способствовать поддержке сверстников и/или супервайзеров посредством асинхронных модальностей телеаудиологии.

Учитывая, что пандемия COVID-19 серьезно повлияла на традиционное очное аудиологическое обслуживание [30], включая обучение студентов в высших учебных заведениях, Хоза-Шангасе и его коллеги [31] подчеркивают необходимость инновационных моделей аудиологической помощи. предоставление услуг и обучение студентов для обеспечения непрерывности ухода и обучения студентов во время и после этой пандемии. Телепрактика и телеобучение были на переднем крае, чтобы обеспечить непрерывность ухода и обучения студентов.Бхавана и его коллеги [28] утверждают, что отоскопию с помощью смартфона можно использовать в качестве учебного пособия в рамках телемедицинского подхода, особенно в СНСД. Sebothoma и Khoza-Shangase [32] и Binol и коллеги [33] указывают, что видеоотоскопические изображения барабанной перепонки можно использовать в рамках телемедицинского подхода. Учитывая высокую чувствительность и специфичность видео/цифровой отоскопии, это имеет важное значение для обучения и практики, особенно во время пандемии COVID-19.

В то время как текущее исследование предоставляет важные данные об использовании видеоотоскопии в качестве учебного пособия при патологиях наружного и среднего уха, стоит отметить, что на момент проведения этого исследования 100 % студентов аудиологий с третьего по четвертый курс в университете, где проводилось исследование.Хотя этот гендерный профиль может немного отличаться в других университетах, преобладание женщин в когорте студентов неудивительно, учитывая, что гендерный профиль южноафриканских аудиологов и логопедов, зарегистрированных в Совете медицинских работников Южной Африки (HPCSA) в основном (95 %) женщина [34]. Эти профессии очень феминизированы в Южной Африке, и в стране предпринимаются усилия по изменению гендерного, языкового и расового демографического профиля.Несмотря на это, не считается, что этот профиль повлиял на текущие результаты. Кроме того, размер выборки для этого исследования был очень маленьким, с частотой ответов 38%, что значительно ниже идеальных 60%; и считается, что это, безусловно, повлияло на текущие выводы; и влияет на их обобщаемость. Влияние пандемии COVID-19 на сбор данных для этого исследования подчеркнуло важность улучшения стратегий дистанционного обучения и сбора данных в любой программе обучения.

Использование видеоотоскопа при обследовании уха у детей: проспективное рандомизированное контролируемое исследование: — просмотр полного текста

Медицинская помощь сегодня движется в сторону ориентированного на пациента ухода (PC) и расширения возможностей пациента (PE), как на практике, так и при обучении медицинского персонала . Применение этой методологии повышает автономию пациента в клинических условиях и позволяет совместно принимать решения.

Современные мобильные и видеотехнологии позволяют медицинскому работнику (врачу) обмениваться визуальными данными с пациентом, что делает его или ее более активным участником медицинской процедуры.Было показано, что более высокий уровень удовлетворенности пациентов встречей пациента и врача оказывает положительное влияние на результаты медицинских процедур и соблюдение пациентом режима лечения.

Уход, ориентированный на пациента, и преимущества расширения прав и возможностей пациентов максимально увеличиваются при использовании надлежащих инструментов. Одним из таких инструментов является видеоотоскоп. В этом исследовании мы применяем подход PC/PE к оказанию медицинской помощи и внедряем видеоотоскопию в условиях педиатрического отделения неотложной помощи. Мы используем доступный (~ 300 $), одобренный FDA, High Res.видео отоскоп. (Цифровой видеоотоскоп DE500, Firefly global Inc.) Пациенты будут рандомизированы при поступлении в две группы: видеоотоскопия и стандартная отоскопия. После выписки из педиатрического отделения неотложной помощи родителей попросят ответить на короткий вопросник относительно их удовлетворенности посещением отделения неотложной помощи и отоскопическим исследованием.

Мы стремимся изучить влияние доступного видео с высоким разрешением. видеоотоскопии, об общей удовлетворенности родителей опытом работы в отделении неотложной помощи по сравнению с их опытом прохождения регулярного отоскопического осмотра.

Критерии включения: дети в возрасте до 18 лет, поступившие в педиатрическое отделение неотложной помощи по любой причине, проходящие плановую отоскопию, родители которых подписали информированное согласие.

Критерии исключения: отсутствие информированного согласия родителей, несоблюдение режима или невозможность проведения отоскопии.

Количество участников: 60 (по 30 в каждой группе) Начало исследования: январь 2015 г. Окончание исследования: январь 2016 г. Место проведения исследования: Медицинский центр Зив, Цфат, Израиль

Hal-Hen выпускает многофункциональную систему видеоотоскопии

Компания Hal-Hen объявила о выпуске универсальной системы видеоотоскопии Hal-Hen® EarView™ PRO™.Впервые несколько функций отоскопии объединены в одну простую в использовании, легкую и доступную систему, доступную исключительно от Hal-Hen®.

Hal-Hen описывает новый продукт как «революцию в слухопротезировании», говоря, что универсальная система видеоотоскопии EarView™ PRO™ представляет собой мощный многофункциональный инструмент для специалистов по слухопротезированию. EarView PRO сочетает в себе видеоотоскопию, обследование, точное размещение отоблоков, управление ушной серой, документирование и архивирование, вакуумную аспирацию, захват неподвижных и движущихся изображений в сочетании с рядом узкоспециализированных датчиков.

EarView PRO очень легкий и эргономичный, он позволяет использовать расширенную универсальную видеоотоскопию практически в любой практике. EarView PRO совместим с версиями Microsoft Windows: 7, 8 и 10 и подключается через USB-порт вашего ПК. Изображения появляются на экране вашего компьютера в режиме реального времени, обеспечивая просмотр ушного канала от первого лица.

EarView PRO — это многофункциональный видеоотоскоп, который предоставляет пользователю множество полезных функций, в том числе:

  • Простота использования и настройка за считанные минуты на любом компьютере под управлением Microsoft® Windows 7, 8 или 10
  • Полностью автономный, не требует громоздкого внешнего источника питания, подключается непосредственно к USB-порту с питанием или к USB-концентратору с питанием от сети переменного тока
  • Легкий перо с приблизительно 1.5 унций зонд EarView™PRO практически устраняет мышечную усталость
  • Сменные уникальные чистящие насадки для максимальной гибкости
  • Холодная, яркая регулируемая светодиодная/оптоволоконная подсветка
  • Эксклюзивные «липкие» наконечники зонда для максимальной универсальности очистки
  • Включает эксклюзивный стандартный и расширенный программный пакет Ear Viewer™
  • Просмотр в реальном времени, съемка неподвижных или движущихся изображений
  • Присоединяется к дополнительному источнику вакуума для отсасывания
  • Простая очистка с помощью стандартных дезинфицирующих салфеток, не содержащих спирта

Хэл-Хен сообщает, что система уже была протестирована на ряде семинаров с положительными результатами.Система также недавно демонстрировалась на собраниях Калифорнийской академии аудиологии и IHS, где она получила положительный отклик среди специалистов-сурдологов, присутствовавших на этих мероприятиях.

Для получения дополнительной информации о EarView PRO позвоните в Hal-Hen по телефону: (800) 242-5436 или посетите веб-сайт Hal-Hen Pro.

Leave a Reply

Добавить комментарий

Ваш адрес email не будет опубликован.

2022 © Все права защищены.