早期多发性肺结节全肺三维重建

摘要

本研究介绍了一种针对早期多发性肺结节患者全肺的三维（3D）重建方法。该方法可全面可视化肺结节的分布情况及其与肺组织的相互关系，有助于简化对这些患者的诊断和预后评估。

摘要

对于早期多发性肺结节患者，从诊断角度而言，必须明确这些结节在整个肺部的空间分布、大小、位置及其与周围肺组织的关系。这对于识别原发病灶以及为医生制定更为科学的治疗方案至关重要。然而，基于机器视觉的模式识别方法容易出现假阳性与假阴性，因此在该方面尚无法完全满足临床需求。基于最大密度投影（MIP）的可视化方法虽能较好地显示局部及单个肺结节，但缺乏对多发性肺结节分布特征与空间形态的宏观性和整体性描述。

因此，本研究提出一种全肺三维重建方法。该方法基于全肺背景，利用医学图像处理技术提取肺部的三维轮廓，并对肺、肺动脉及多个肺结节进行三维空间重建。该方法可全面描绘全肺范围内多个结节的空间分布及影像学特征，为多发性肺结节的诊断与预后评估提供一种简便可行的手段。

引言

早期多发性肺结节是肺部的小型圆形病灶，可能为良性或恶性^1,2,3。尽管孤立性肺结节更易于诊断和治疗，但伴有早期多发性肺结节的患者在诊断与治疗方面面临显著挑战。为了制定有效的治疗方案，必须在整个肺部范围内准确识别这些结节的空间分布、大小、位置及其与周围肺组织的关系^4,5。传统诊断方法在准确识别早期多发性肺结节方面存在局限性。

近年来，医学图像处理技术和机器学习算法的进步有望提高早期肺结节检测与诊断的准确性和效率。已有多种方法被提出，例如基于机器视觉的模式识别方法，以及基于最大密度投影（MIP）的可视化方法^6,7,8,9,10。然而，这些方法存在一些局限性，如假阳性、假阴性结果^{11,12,13,14,15}，以及缺乏对早期多发性肺结节分布特征和空间特性的宏观与整体描述。

为解决这些局限性，本研究提出一种全肺三维重建方法，该方法利用医学图像处理技术，从全胸扫描背景中提取肺部的三维轮廓，并在三维空间中对肺、肺动脉及早期多发肺结节进行三维重建。该方法能够更全面、准确地呈现早期多发结节在整个肺部的空间分布及其影像学特征。

该方法包含若干关键步骤。首先，将医学图像导入3D图像处理软件，并采用基于阈值的分割技术提取肺部区域。随后，将提取出的肺部区域与周围的胸壁及胸椎骨性结构分离。接着，利用最大密度投影（MIP）算法在三维空间中重建早期多发性肺结节及其与周围血管的关系。最后，显示重建后的肺组织、肺动脉及结节的三维模型，以供进一步分析。

与现有方法相比，该方法具有多项优势。不同于依赖二维图像的传统方法，该方法利用三维容积数据，能够更准确、全面地呈现早期多发性肺结节。该方法还克服了模式识别方法和MIP可视化方法所存在的假阳性与假阴性局限性。此外，该方法可对早期多发性肺结节的分布特征及空间构象提供宏观且整体的描述，这对于制定有效的治疗方案至关重要。

该方法在早期多发性肺结节的诊断与治疗中具有多种潜在应用。准确识别早期多发性结节的空间分布及影像学特征，有助于肺癌的早期诊断与治疗。此外，该方法还可用于监测疾病进展以及评估治疗方案的有效性。

基于机器视觉的模式识别方法^6,7,8在肺结节识别方面已展现出潜力，但仍存在假阳性与假阴性等局限性。而MIP可视化方法虽然能够更准确地呈现单个结节，却缺乏对早期多发结节分布特征及空间特征的宏观与整体性描述。本文提出的全肺三维重建方法克服了上述局限，能够更准确、全面地呈现早期多发性肺结节。

等体素变换^16,17是指将具有不同体素尺寸的三维图像转换为具有统一体素尺寸的三维图像的过程。在医学图像处理领域，三维体数据通常由尺寸各异的体素构成，这可能导致计算和可视化方面的问题。等体素变换的目的正是通过在原始三维体数据中对体素进行重采样和插值，从而生成具有统一体素尺寸的新三维图像，以解决上述问题。该技术广泛应用于图像配准、分割和可视化等多种医学场景中。因此，本研究提出了一种全肺三维重建方法，利用医学图像处理技术，从全胸扫描的背景中提取肺部的三维轮廓。该方法能够更准确、全面地呈现早期多发肺结节在整个肺部的空间分布及影像学特征，有助于为早期多发肺结节患者制定更精确、有效的诊断与治疗策略。

方案

本研究已获得北京中医药大学东直门医院伦理委员会的伦理批准（DZMEC-KY-2019.90）。本病例系统阐述了研究方法，报告了一例65岁女性患者多发性肺结节的诊疗过程。该患者已知情同意通过数字化建模进行诊断，并授权将其数据用于科学研究。模型重建功能来源于一款 commercially available software tool（见材料表）。

1. 数据准备与各向同性体素转换

1. DICOM（医学数字成像与通信）数据准备与数据属性
   注意：参数的变化在很大程度上不受研究方法的影响。
   1. 将患者的 DICOM 数据复制到指定的工作目录中。
   2. 使用文件浏览器检查每个文件目录，以确定具有最多扫描层数的图像序列用于分析。
   3. 在 MATLAB 中使用 Dicominfo 函数，并将 DICOM 文件作为输入参数，从而在 MATLAB 环境中直接提取切片厚度和像素间距等关键参数。
      注意：这些参数在配置三维体数据的显示比例时具有重要意义。在本研究所使用的数据集中，切片厚度为 1 mm，像素间距为 0.7188 mm，共扫描了 387 层。
2. 扫描数据的正确排序
   注意：为构建体数据，每幅图像的顺序必须进行排序。
   1. 使用 Dicominfo 函数获取每幅图像的位置信息，并在 MATLAB 工作区中通过引用 info.SliceLocation 来访问位置数据。
   2. 使用 SliceLocation 函数将位置数据保存为变量，并生成相应的图像（图 1）。
   3. 通过图形用户界面右上角的 数据提示（Data Tips） 按钮，在图像中添加一个数据点，标记正常序列的最大位置，该位置对应于患者影像中的最顶端位置（图 1）。
   4. 对所有图像进行排序，并提取从起始位置到最大位置之间的图像，可通过调用 VolumeResort 函数实现。
   5. 保存由有效图像生成的体数据，其尺寸为 512 像素 × 512 像素 × 340 层，同时保存其排序后的索引。这些信息在后续识别重要结节时将具有重要参考价值。
3. 等体素变换
   ​注意：三维等体素变换可使后续处理在所有维度上保持相同的显示比例。
   1. 使用 MATLAB 中的 size 函数检查三维体数据的尺寸，该体数据为 512 像素 × 512 像素 × 340 层。
   2. 使用 Slice_View 命令函数查看三维体数据（图 2），记录包含肺部的扫描序列范围为 60 至 340。然后使用命令 V1=V0(:,:,60:340) 获取包含完整肺部所有数据的三维体数据，V1 的尺寸为 512 像素 × 512 像素 × 281 层。
   3. 使用 MATLAB 命令函数 dicominfo 获取图像序列的切片厚度（1 mm）和像素间距（0.7188），并通过命令 round (281 × 1 / 0.7188) 计算等体素变换所需的 z 轴层数，结果应为 391 层。
   4. 使用 MATLAB 命令函数 imresize3 对 V1 进行等体素变换，执行脚本命令 V2=imresize3(V1, [512, 512, 391])，然后使用 3D_Slice_View 函数查看经等体素变换后的三维体数据（图 3）。

2. 去除计算机断层扫描（CT）设备引起的噪声干扰

注意：在图2中，可见代表CT设备患者检查床的高强度信号，该信号可能干扰图像分割。为消除此干扰，需要设计空间滤波器。

1. 在交互界面中，使用 数据提示 按钮（位于 图2）添加连续的数据点。这将生成一条连接这些点的线，从而有效排除患者床的影响。然后，右键单击 数据提示，选择 将光标数据导出到工作区，将空间滤波的参考边界导出至 MATLAB 工作区（图3）。此边界散点矩阵在本例中命名为 'CI'。
2. 调用 Noise_Clean 函数，使用工作区中的输入参数 'CI' 对 V2 进行空间滤波处理。该操作将生成一个三维体数据，去除来自 CT 设备的干扰信号。最后，使用 Slice_View 命令函数对所得体数据进行可视化，如 图4 所示。

3. 肺轮廓的提取

1. 首先，在 图4 所示的图形用户界面（GUI）中选择一个切片作为模板。例如，选择第232幅图像用于图像分割设计，并使用命令 I=V2(:,:,232) 将其赋值给变量 'I'。然后，通过执行命令 imageSegmenter(I) 打开 MATLAB 图像分割器 GUI，如 图5 所示。
2. 图5 展示了一系列图像分割工具。首先，从顶部工具栏中选择“自动聚类”（Auto Cluster）工具，并通过单击鼠标左键执行该命令。图像将自动被划分为两类。由于在步骤 2.2 中已进行去噪处理，此阶段的图像分割变得相对简单。
3. 接下来，单击右上角的 显示二值图（Show Binary） 按钮，以黑白二值形式显示图像。此时，肺部区域将显示为黑色。为使肺部区域变为白色，请从顶部工具栏中选择 反转掩膜（Invert Mask） 按钮，并通过单击鼠标左键执行命令。
4. 为消除肺区外部的白色区域，选择顶部工具栏中的 清除边界（Clear Borders） 按钮，并通过单击鼠标左键执行该操作。此步骤完成后，仅保留白色显示的肺部区域。然而，若肺区内仍存在黑色阴影，则需将其填充。为此，请选择工具栏中的 填充孔洞（Fill Holes） 按钮，点击后的结果如 图6 所示。
5. 肺部图像分割所涉及的所有步骤均显示在 图6 左下角的 GUI 中。通过单击右上角的 导出（Export） 按钮，可将这些自动化步骤保存为一个函数，用于批量处理肺区分割。在弹出的脚本编辑器中，单击 保存（Save） 按钮，将该函数保存至当前工作目录。

4. 含多个肺结节的全肺三维重建

注意：将每幅图像的肺部分割图像与原始图像进行点积运算，相当于对体数据进行三维空间滤波，可有效滤除肺部以外的干扰信号，从而获得肺部的三维结构。

1. 在 MATLAB 工作区中启动 3Dlung_Volume 函数。
   注意：该函数使用步骤 3.5 的输出结果对每幅图像进行图像分割，然后在二值肺部掩膜与原始图像之间执行点积运算，生成一个仅包含肺组织的新三维体数据。函数执行完成后将弹出图形用户界面（GUI）（图7），可在其中对整个三维肺部体数据进行可视化，并执行最大强度投影（MIP）操作。
2. 在图形用户界面中，找到右上角的第一个下拉菜单，选择 MIP 投影，然后从下方的 内置色彩映射 选项中选择 jet 色彩映射。接着，在第四个视图（三维体数据视图）右上角的下拉菜单中选择 最大化。此操作将生成一个完整的肺部三维体数据图像（图8），可从任意角度观察、移动和操作。
   注意：在 图8 所示的人机交互区域中，按住鼠标左键并移动可自由调整观察角度；滚动鼠标中键可实现放大或缩小。
3. 如需进行高级的对比度和色彩增强操作，请使用图形用户界面右侧的控制面板。

5. 重点关注优势肺结节的检查

注意：在三维空间中（图8），多个肺结节中的优势病灶区域变得清晰可见。这些结节的数量、大小和密度是优势病灶的关键特征，对疾病评估具有重要参考价值。

1. 再次调用 Slice_View 函数，但此次输入步骤 4.2 中获得的整个肺部的 3D 体积数据。在生成的图形用户界面中（图 9），使用底部滚动条导航至主要肺结节所在的区域，该区域覆盖第 48 至 70 层扫描图像。
2. 接着调用 3Dlung_Horizon 函数，对来自整个肺部 3D 体积数据中第 48 至 70 层的感兴趣区域（ROI）进行 3D 重建。此操作将生成一个专用于可视化肺部结节的图形用户界面，如 图 10 所示。在此界面中，可从多个角度观察病灶的详细特征。

结果

在数据预处理阶段，应首先对 DICOM 数据进行排序（图 1），以确保三维重建过程中每一层的扫描序列正确无误。接下来，进行各向同性变换，以保证三维体数据具有正确的长宽高比例（图 2）。随后，对原始三维体数据应用空间滤波（图 3），以消除 CT 设备检查床产生的干扰信号（图 4）。为了获得整个肺部的三维轮廓，需对每幅扫描图像进行图像分割（图 5），生成二值化的肺部图像（图 6）。基于肺部的三维轮廓，重建整个肺部的三维体数据（图 7），并进行三维可视化（图 8）。对于主要病灶区域（图 9），可单独进行三维可视化...

讨论

本研究介绍了一种独特的全肺三维（3D）重建方法，采用先进的医学图像处理技术，在完整胸部扫描的背景下精确勾画肺部的三维形态。该技术能够更准确、全面地展示整个肺内早期多发结节的空间分布及影像学特征，对提高早期多发性肺结节患者的诊断与治疗策略的准确性与有效性具有重要贡献。

关键步骤
在本研究中，确定了若干对方案成功至关重要的关键步骤：（1）对 DICOM 扫描序列坐标进行排序和排列，以生成肺部扫描的精确三维体积（步骤 1.2.2）；（2）各向同性变换，以确保三维体积具有正确的纵横比，这对于后续的三维重建至关重要（步骤 1.3.4）；（3）使用早期多发性肺结节模型重建整个肺部，从而识别出主要肺结节区域（步骤 4.1）；（4）对包含主要病灶的局部区域进行详细可视化和检查（步骤 5.2）。

修改与故障排除
肺组织结构的分割可能受到扫描序列中灰度阈值偏移的影响，从而导致某些扫描图像的分割不准确。在分割不准确的情况下，可设计一个独立的滤波器（重复步骤 ...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
MATLAB	数学作品	2022B	计算和可视化
智能熵	建模工具	V1.0	北京智能熵科学与开发Technology Co Ltd. CT/MRI 融合建模