Name: 肺CT分割，确定合并和地面玻璃区域对SARS-COV肺炎的定量评估 (视频) | JoVE Journal
Uploaded: 2020-12-19T14:00:00.000+00:00
Duration: 8 min 5 s
Description: 学习使用3D Slicer对COVID-19患者的高分辨率胸部CT扫描进行肺部分割，识别磨玻璃影和实变区域。该方法支持放射组学分析和人工智能诊断研究的发展。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本工作获得了博洛尼亚大学放射学系资金的支持。

本方案遵循机构人类研究伦理委员会的指导方针。
1. 下载DICOM图像
<ol>
	<li>下载DICOM图像，并将其传输至安装有3D软件的专用分割工作站。若计划在个人计算机上操作，需对DICOM数据进行匿名化处理。</li>
</ol>
2. 在 3D Slicer 软件中导入 HRCT 研究数据
<ol>
	<li>在软件启动界面（对应下拉菜单中的 Welcome to Slicer 部分），选择 Load DICOM Data。或者，点击工具栏左上角的 DCM 图标。</li>
	<li>在 DICOM Browser 面板的左上角，点击 Import，然后选择高分辨率CT（HRCT）检查数据的存储位置。选择包含DCM图像的文件夹，然后点击 Import。</li>
	<li>当HRCT检查数据成功导入后，点击 Load 按钮。</li>
</ol>
3. 创建片段
<ol>
	<li>在下拉菜单的 Segmentations 部分，或在下拉菜单中 Segmentation 部分内的子部分 Segment Editor 中，或在工具栏中作为独立图标，创建分割区域。</li>
	<li>在 Master Volume 旁边的下拉菜单中，选择 HRCT 检查数据。</li>
	<li>点击 Add 并创建三个新分割区域，系统将自动命名为 Segment 1, 2 和 3。双击每个区域，将其分别重命名为“tlv”（总肺实质）、“ggo”（磨玻璃样阴影）和“cons”（实变影）。如果在 HRCT 检查中存在其他病理发现，例如胸腔积液、肺癌、纤维化区域等，请创建额外的分割区域。对于伪影同样适用此操作。</li>
</ol>
4. TLP 片段的定义
注意：准确界定TLP段至关重要，因为该段将在定义GGO和CDs段时用于对HRCT进行掩膜处理。
<ol>
	<li>第一步，在Segment Editor部分中，选择TLP区域后，选用Threshold工具。</li>
	<li>设置一个足够大的阈值范围，以同时包含健康肺实质和磨玻璃样阴影。参考科学文献中报道的数值，并根据教科书中对GGO的定义进行必要调整后，我们发现将阈值设定在-1000 HU至-250 HU之间效果良好6,14,15,16,17。然后选择Apply。</li>
	<li>如此定义的区域将包含肺内空气以及胸腔外的空气（即患者体外的空气）。为了分离出肺实质，使用位于Segment Editor中的Islands工具，并选择Keep selected island。在胸腔内部左键点击，以排除胸腔外的所有结构。</li>
	<li>接下来，将TLP区域内的实变部分也包含进来。实变区域的衰减值（亨氏单位：HU）通常与构成胸壁和纵隔的软组织相似。因此，Threshold工具无法用于此目的，必须通过分割编辑器中的Scissors和Paint工具手动添加实变区域。
	<ol>
		<li>使用Scissors工具向区域中添加肺实质部分。选择Fill Inside操作，形状设为Free Form，切片切割模式设为Symmetric。根据实变区域的大小选择合适的厚度（例如，3至20 mm）；然后逐步添加TLP的小部分，直至完全包含整个实变区域。</li>
		<li>Paint工具使用起来更简便，有时速度更快，但精度可能较低，具体取决于需包含的区域。当启用Sphere Brush选项时，该工具可向区域中添加三维的肺实质部分。画笔大小可轻松调整。</li>
		<li>在向TLP区域添加实变部分时，切勿包含胸壁或纵隔的部分。这一点可能较难实现，因为在COVID-19患者中，靠近后胸壁的实变十分常见。可使用Erase工具修正分割结果，或选择Undo撤销上一步操作。</li>
		<li>在此阶段，再次使用平滑算法，以消除手动分割过程中可能出现的微小瑕疵。至此，TLP区域的定义已完成。</li>
	</ol>
	</li>
</ol>
GGO 区段的定义
<ol>
	<li>为定义磨玻璃影（GGO）区域，使用阈值工具。
	<ol>
		<li>选择 GGO 区域。</li>
		<li>将阈值设置在 -750 HU 至 -150 HU 之间。</li>
		<li>在点击 应用 之前，先转到其正下方的 掩膜 部分，在 可编辑区域 下拉菜单中选择 TLP，并在 覆盖其他区域 下拉菜单中选择 无。这一点极为重要：如果跳过此步骤，在定义 GGO 区域的同时，TLP 区域也会被修改，而这必须避免，因为 TLP 区域是定义所有其他区域的基础掩膜。</li>
		<li>现在点击 应用。</li>
	</ol>
	</li>
	<li>此时可能需要再次使用平滑算法，以排除密度与磨玻璃影相似的小血管和生理性间质结构。建议从 3 mm 的核大小开始，如有需要可逐步增加，最大不超过 6–7 mm。需注意，若核大小设置过大，可能导致部分小范围的磨玻璃影区域被遗漏，从而被排除在 GGO 区域之外。因此，使用平滑算法时应格外谨慎。</li>
	<li>同样地，使用 绘制、剪切 和 擦除 工具进行必要的修正。在此过程中，请始终确保 TLP 掩膜处于激活状态，以避免将邻近“磨玻璃”区域的胸壁部分错误纳入该区域。因为一旦被错误分割，这些结构将被自动排除。</li>
	<li>在获取该区域时，应仔细检查是否存在由心脏和膈肌运动引起的人工伪影（这种情况通常发生在患者检查期间无法屏住呼吸时）。如果伪影存在且此前已被包含在 TLP 区域中，则应从“磨玻璃”区域中将其剔除，例如使用 孤岛 工具中的 移除选定孤岛 选项，或结合使用 剪切 和 擦除 工具。根据研究目的的不同，这些伪影也可单独进行分割（使用专用区域），或保留在 TLP 区域中并从其他区域中排除。至此，GGO 区域已定义完成。</li>
</ol>
6. CD 区段的界定
<ol>
	<li>定义实变（CDs）区域段时，操作方法与定义磨玻璃影（GGO）区域段相同。
	<ol>
		<li>选择实变（CDs）区域段。务必始终启用TLP遮罩进行操作。</li>
		<li>设置合适的阈值。对于实变区域，阈值范围大致为-150 HU至100 HU。</li>
		<li>根据需要调整核大小，应用平滑算法。</li>
		<li>结合使用剪刀、擦除、绘制和孤岛工具，确保区域段内仅保留真实的实变病灶，排除大血管、胸腔积液、伪影、肺不张条带以及其他与COVID无关的病变。</li>
		<li>如有需要，可进行最终的平滑处理。</li>
	</ol>
	</li>
</ol>
7. 保存片段
<ol>
	<li>将片段保存为“.nrrd”文件，或从中转换为二值标签图 &#34;数据&#34; 模块</li>
</ol>
8. 从定义的片段中提取体积。
<ol>
	<li>在分割统计模块中，获取包含各分割区域体积和表面积详细信息的表格。</li>
</ol>

<ol><li>Zheng, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((COVID-19+and+the+cardiovascular+system%5BTitle%5D)+AND+%22Nature+Reviews+Cardiology%22%5BJournal%5D)">COVID-19 and the cardiovascular system.</a> Nature Reviews Cardiology. 17, 259-260 (2020).</li>
<li>Simpson, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Radiological+Society+of+North+America+Expert+Consensus+Statement+on+Reporting+Chest+CT+Findings+Related+to+COVID-19.+Endorsed+by+the+Society+of+Thoracic+Radiology%2C+the+American+College+of+Radiology%2C+and+RSNA%5BTitle%5D)+AND+%22Radiology%3A+Cardiothoracic+Imaging%22%5BJournal%5D)">Radiological Society of North America Expert Consensus Statement on Reporting Chest CT Findings Related to COVID-19. Endorsed by the Society of Thoracic Radiology, the American College of Radiology, and RSNA.</a> Radiology: Cardiothoracic Imaging. 2, 2(2020).</li>
<li>Xie, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chest+CT+for+Typical+2019-nCoV+Pneumonia%3A+Relationship+to+Negative+RT-PCR+Testing%5BTitle%5D)+AND+%22Radiology%22%5BJournal%5D)">Chest CT for Typical 2019-nCoV Pneumonia: Relationship to Negative RT-PCR Testing.</a> Radiology. , 200343(2020).</li>
<li>Huang, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+Chest+CT+in+Combination+with+Negative+RT-PCR+Assay+for+the+2019+Novel+Coronavirus+but+High+Clinical+Suspicion%5BTitle%5D)+AND+%22Radiology%22%5BJournal%5D)">Use of Chest CT in Combination with Negative RT-PCR Assay for the 2019 Novel Coronavirus but High Clinical Suspicion.</a> Radiology. 295 (1), 22-23 (2020).</li>
<li>Fang, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sensitivity+of+Chest+CT+for+COVID-19%3A+Comparison+to+RT-PCR%5BTitle%5D)+AND+%22Radiology%22%5BJournal%5D)">Sensitivity of Chest CT for COVID-19: Comparison to RT-PCR.</a> Radiology. , 200432(2020).</li>
<li>Colombi, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Well-aerated+Lung+on+Admitting+Chest+CT+to+Predict+Adverse+Outcome+in+COVID-19+Pneumonia%5BTitle%5D)+AND+%22Radiology%22%5BJournal%5D)">Well-aerated Lung on Admitting Chest CT to Predict Adverse Outcome in COVID-19 Pneumonia.</a> Radiology. , 201433(2020).</li>
<li>3D Slicer [software]. , Available from: 
 <a target="_blank" href="https://www.slicer.org">https://www.slicer.org</a> (2020).</li>
<li>Kikinis, R., Pieper, S. D., Vosburgh, K. 3D Slicer: a platform for subject-specific image analysis, visualization, and clinical support. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKikinis%2C+R+%22Intraoperative+Imaging+Image-Guided+Therapy%22">Intraoperative Imaging Image-Guided Therapy</a>. Jolesz, F. A. 3 (19), 277-289 (2014).</li>
<li>Kapur, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Increasing+the+impact+of+medical+image+computing+using+community-based+open-access+hackathons%3A+The+NA-MIC+and+3D+Slicer+experience%5BTitle%5D)+AND+%22Medical+Image+Analysis%22%5BJournal%5D)">Increasing the impact of medical image computing using community-based open-access hackathons: The NA-MIC and 3D Slicer experience.</a> Medical Image Analysis. 33, 176-180 (2016).</li>
<li>Fedorov, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((3D+Slicer+as+an+Image+Computing+Platform+for+the+Quantitative+Imaging+Network%5BTitle%5D)+AND+%22Magnetic+Resonance+Imaging%22%5BJournal%5D)">3D Slicer as an Image Computing Platform for the Quantitative Imaging Network.</a> Magnetic Resonance Imaging. 30 (9), 1323-1341 (2012).</li>
<li>Chest Imaging Platform [software]. , Available from: 
 <a target="_blank" href="https://chestimagingplatform.org">https://chestimagingplatform.org</a> (2020).</li>
<li>Wang, J., Li, F., Li, Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+segmentation+of+lungs+with+severe+interstitial+lung+disease+in+CT%5BTitle%5D)+AND+%22Medical+Physics%22%5BJournal%5D)">Automated segmentation of lungs with severe interstitial lung disease in CT.</a> Medical Physics. 36 (10), 4592-4599 (2009).</li>
<li>Lanza, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+chest+CT+analysis+in+COVID-19+to+predict+the+need+for+oxygenation+support+and+intubation%5BTitle%5D)+AND+%22European+Radiology%22%5BJournal%5D)">Quantitative chest CT analysis in COVID-19 to predict the need for oxygenation support and intubation.</a> European Radiology. , (2020).</li>
<li>Yao, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Value+of+window+technique+in+diagnosis+of+the+ground+glass+opacities+in+patients+with+non-small+cell+pulmonary+cancer%5BTitle%5D)+AND+%22Oncology+Letters%22%5BJournal%5D)">Value of window technique in diagnosis of the ground glass opacities in patients with non-small cell pulmonary cancer.</a> Oncology Letters. 12 (5), 3933-3935 (2016).</li>
<li>Kauczor, H. U., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+detection+and+quantification+of+ground-glass+opacities+on+high-resolution+CT+using+multiple+neural+networks%3A+comparison+with+a+density+mask%5BTitle%5D)+AND+%22American+Journal+of+Roentgenology%22%5BJournal%5D)">Automatic detection and quantification of ground-glass opacities on high-resolution CT using multiple neural networks: comparison with a density mask.</a> American Journal of Roentgenology. 175 (5), 1329-1334 (2000).</li>
<li>Funama, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detection+of+nodules+showing+ground-glass+opacity+in+the+lungs+at+low-dose+multidetector+computed+tomography%3A+phantom+and+clinical+study%5BTitle%5D)+AND+%22Journal+of+Computed+Assisted+Tomography%22%5BJournal%5D)">Detection of nodules showing ground-glass opacity in the lungs at low-dose multidetector computed tomography: phantom and clinical study.</a> Journal of Computed Assisted Tomography. 33 (1), 49-53 (2009).</li>
<li>Hansell, D. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fleischner+Society%3A+glossary+of+terms+for+thoracic+imaging%5BTitle%5D)+AND+%22Radiology%22%5BJournal%5D)">Fleischner Society: glossary of terms for thoracic imaging.</a> Radiology. 246, 697-722 (2008).</li>
<li>Heye, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reproducibility+of+Dynamic+Part+II.+Comparison+of+Intra-+and+Interobserver+Variability+with+Manual+Region+of+Interest+Placement+versus+semiautomatic+lesion+segmentation+and+histogram+analysis%5BTitle%5D)+AND+%22Radiology%22%5BJournal%5D)">Reproducibility of Dynamic Part II. Comparison of Intra- and Interobserver Variability with Manual Region of Interest Placement versus semiautomatic lesion segmentation and histogram analysis.</a> Radiology. 266, 812-821 (2013).</li>
<li>Zhang, H. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+detection+and+quantification+of+COVID-19+pneumonia%3A+CT+imaging+analysis+by+a+deep+learning-based+software%5BTitle%5D)+AND+%22Nuclear+Medicine+and+Molecular+Imaging%22%5BJournal%5D)">Automated detection and quantification of COVID-19 pneumonia: CT imaging analysis by a deep learning-based software.</a> Nuclear Medicine and Molecular Imaging. 14, 1-8 (2020).</li>
<li>Alhazzani, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Surviving+Sepsis+Campaign%3A+guidelines+on+the+management+of+critically+ill+adults+with+Coronavirus+Disease+2019%28COVID-19%29%5BTitle%5D)+AND+%22Intensive+Care+Medicine%22%5BJournal%5D)">Surviving Sepsis Campaign: guidelines on the management of critically ill adults with Coronavirus Disease 2019(COVID-19).</a> Intensive Care Medicine. 46 (5), 854-887 (2020).</li>
</ol>

所有作者均无利益冲突。

分割是开展现代定量放射学研究的基本步骤，也是应用放射组学或纹理分析技术的必要前提。肺部的病理改变是分割最具挑战性的对象之一，因其缺乏明确的解剖边界，且与健康区域相比其衰减值差异较小。
源图像应尽可能少地出现伪影，尤其是在病理区域，但在研究影响屏气能力的疾病时，这一点有时难以实现；因此，研究人员可考虑排除存在伪影的高分辨率CT图像，或定义一个专门包含伪影的区域，以便在后续分析中将其剔除。
可以安装一个名为“chest imaging platform”的 3D Slicer 扩展11，该扩展能够实现对肺段（尤其是通气肺组织）进行更快速、更自动化的操作。但本研究决定不采用此方法，因为当磨玻璃影（GGO）和实变病灶呈胸膜下分布时，该方法需要大量人工干预，而本文所探讨的病理情况正是如此。
已有研究报道了一种用于间质性肺疾病的自动分割方法12；然而，该方法需要预先了解病变区域的特征。本研...

今年，全球正面临一场由新型冠状病毒Sars-CoV2引发的公共卫生紧急事件。尽管截至目前，关于COVID-19感染的许多病理生理学特征仍不明确，但它与其“祖先”SARS1和MERS具有多个共同特征。特别是已有研究证实，病毒的刺突蛋白可与血管紧张素转换酶2型（ACE2）受体相互作用，该受体在肺泡内皮细胞上高度表达，但在人体各组织中广泛存在，因此可能导致全身性症状1。
在诊断方面，目前的标准是实时逆转录聚合酶链式反应（rt-PCR），该检测通过咽拭子样本进行。尽管影像学检查尚未被正式纳入该疾病的诊断流程，但由于rt-PCR的敏感性相对较低、专业实验室及所需试剂目前较为稀缺，以及检测结果高度依赖操作人员技术水平，高分辨率计算机断层扫描（HRCT）已被证明在患者临床管理和流行病学管理中具有重要辅助价值。
北美放射学会（Radiological Society of North America, RSNA）发布了一份共识声明，该声明得到了胸部放射学会和美国放射学会（American College of Radiology, ACR）的认可，将 COVID-19 的 CT 影像表现分为四类，以规范报告标准，将间质性肺炎模式划分为“典型”、“不典型”、“不确定”和“阴性”2。
“典型”模式的特征是存在圆形的磨玻璃样影（GGO），通常位于背侧基底段的胸膜下区域。GGO可伴有小叶间隔增厚形成的“铺路石征”，或机化性肺炎的其他征象。“不确定”模式的特征是缺乏“典型”模式的表现，表现为以肺门周围分布为主的弥漫性磨玻璃样影，伴或不伴有实变区域。“非典型”模式的特征是既无“典型”也无“不确定”模式的征象，而是表现为肺叶实变、“树芽征”、小叶间隔平滑增厚以及胸腔积液；在此类表现中无法检测到磨玻璃样影。“阴性”模式的特征是上述病理表现均不存在。
根据文献报道，部分患者可能具有较高的新型冠状病毒肺炎（COVID-19）临床怀疑度，流行病学标准和影像学发现均支持诊断，但逆转录聚合酶链反应（rt-PCR）检测结果为阴性3,4。另一方面，有研究报道，部分患者rt-PCR检测结果为阳性且具有提示性的临床表现，但在高分辨率计算机断层扫描（HRCT）中并未出现病理学改变5。
如今，科学界极为关注在定量研究该疾病特征时应用图像分析技术。最近一项研究采用了肺实质的自动分割技术，以确定 COVID-19 患者肺部通气区域的百分比，并将该数值与预后相关联，结果表明，肺部受累更严重的患者进入重症监护室（ICU）的风险更高，且预后更差6。
分割是指对通过成像技术（如高分辨率计算机断层扫描，HRCT）获取的容积数据中感兴趣区域（ROIs）进行轮廓勾画。该操作可通过三种方法完成：手动分割、半自动分割和自动分割。手动分割依赖于经过培训的放射科医师的经验，通过标记属于病变区域的体素来实现。该方法的主要缺点是耗时较长，且结果依赖于操作者。
半自动方法能够加快分割速度，因为操作者可以对通过经典图像处理方法（如基于像素强度的阈值分割、聚类等）获得的分割掩膜进行修改。然而，这些技术在临床实践中不易实施，因为在最复杂的情况下仍需要大量人工干预18。
目前应用有限的自动分割方法采用人工智能技术来获取感兴趣区域（ROI）。特别是，最近一项研究旨在利用自动分割对患有 COVID-19 间质性肺炎患者的磨玻璃样区域进行量化19。在高分辨率CT（HRCT）图像上为病理区域定义分割协议，是后续放射组学分析的实际第一步，旨在识别有助于进一步理解疾病生理病理特征的影像特征，并可作为潜在影响治疗方案的准确预后因素。
本文提供了一种使用“3D Slicer”7,8,9,10准确高效地分割代表新型冠状病毒肺炎病理发现区域的指南。

<table><tbody><tr><td>CT 扫描仪</td><td>通用电气医疗</td><td>64-MDCT VCT lightSpeed</td><td>用于高分辨率 CT 图像采集的 CT 扫描仪</td></tr><tr><td>台式计算机</td><td>ThinkCentre</td><td></td><td>用于下载 DICOM 文件并运行 3D Slicer 的计算机</td></tr></tbody></table>

肺部ct分割以识别实变和磨玻璃区域用于sars-cov肺炎的定量评估

Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia

分割是一项复杂的任务，随着放射组学和机器学习潜力的不断提升，放射科医生和研究人员正面临这一挑战。该过程可以是自动的、半自动的或手动的；其中自动分割往往不够精确或难以重复，而手动分割在处理大范围区域和高分辨率图像时则过于耗时。
胸部高分辨率CT包含数百幅图像，这使得手动方法耗时过长。此外，肺实质的改变需要专家评估才能与正常表现区分开来；因此，据我们所知，在分割肺炎病灶时，尤其是当其特征尚不明确时，半自动分割方法是最为合适的选择。
在本研究所开展的 COVID-19 影像学研究中，我们采用了哈佛大学开发的免费软件 3D Slicer，结合阈值工具与画笔工具，实现了对通气肺组织、磨玻璃样阴影及实变区域的快速而精确的分割。尽管在面对复杂病例时，该方法仍需耗费一定时间进行适当的手动调整，但其为定义用于进一步分析的区域提供了极为高效的手段，例如计算受累肺实质的百分比或对磨玻璃区域进行纹理分析。

该方法通过反复试验进行优化，并在117例经rt-PCR检测呈阳性的新型冠状病毒肺炎患者中进行了验证。
经过短暂的学习适应期后，获取这些片段所需的时间可能因呈现模式的不同而介于5到15分钟之间。
如图1所示，该方法可获得精确的分割结果：通过观察其与高分辨率CT（HRCT）的精确对应关系即可证实。三维重建有助于评估对应情况，并快速回顾分割结果。可定量评估受累肺实质的范围，以重复Colombi等人6和Lanza等人13所报道的结果。
<img alt="3D Slicer 软件界面；肺部 CT 扫描图像分割、体积分析、医学影像。" class="xfigimg" src="/files/ftp_upload/61737/61737fig1.jpg" data-altupdatedat=...

本方案的目的是提供一种高效的时间方法，用于在高分辨率CT扫描图像上分割感兴趣区域，以便进一步进行放射组学分析。

肺部CT分割以识别实变和磨玻璃区域用于SARS-CoV肺炎的定量评估

分割是一项复杂的任务，随着放射组学和机器学习潜力的不断增长，放射科医生和研究人员正面临这一挑战。该过程可以是……

自新型冠状病毒病疫情暴发以来，亟需一种简单且有效的方法，以实现对该感染在胸部CT扫描图像中典型病理病变的准确分割。因此，我们的目标是提供一套入门级知识，帮助人们轻松高效地完成这些肺部病理发现的分割工作。希望此举能够助力科学界开展针对性的放射组学和人工智能研究，从而改善这些患者的诊断方法。在 3D Slicer 的 DICOM 浏览器中，选择您要分割的研究，然后单击加载。您可以在查看器部分中查看所选病例。如您所见，该患者双肺出现磨玻璃样阴影及类似实变区域，是典型的 COVID-19 病例。然后进入“分割”部分，添加三个分割区域，分别用于总肺容积、磨玻璃样阴影区域和实变区域。进入阈值工具，将上限阈值设置为-250 Hounsfield单位。进行排序，仅保留空气成分，排除软组织、骨骼以及实变区域（系统无法自动将实变区域与软组织区分开），然后点击应用。然后，需要去除患者外部的空气，为此请使用“Island”工具，并选择“仅保留选定的岛状区域”。接着在患者内部单击，即可看到外部的空气已被去除。现在，您需要将实变区域加入到总肺容积中。为此，请使用“绘制”工具并选择“球形画笔”模式，根据需要调整画笔大小，并注意避免选中软组织。使用球形画笔时，需相对于当前操作的切片上下刷选，以加快处理速度。现在，您需要对实变区域进行分割。为此，请确保在总肺容积内操作，且不包含其他多种分割区域。使用阈值工具，提高上限阈值以确保包含软组织和实变区域，同时将下限阈值设为 -250。请注意，您正在同时选择软组织、血管和实变区域，但当您点击应用时，仅有实变区域被选中。接下来，为了分割磨玻璃区域，您需要选择磨玻璃段。保持之前分割的设置不变，将阈值设定为从 -750 到 -250 Hounsfield 单位。请注意，这些数值可能因CT扫描设置的不同而有所变化。应始终根据 Fleischner 学会对磨玻璃影的定义进行调整。选择一个能清晰看到其中血管的病灶。然后，点击应用。您会注意到，连同间隙区域也已被选中。为进行调整，请转到平滑工具。选择更符合您 CT 扫描构建算法的座位。如您所见，间质空间已被移除。您可前往“分割编辑器”查看分割结果，并查看所定义分割区域的三维模型。您可以使用左侧的滑块来调整模型的透明度。3D 视图可用于确认正确的分割过程。目前我们已有三个不同的分割区域，分别对应肺部总体积，以及 COVID-19 典型表现的实变区域和磨玻璃样区域。由于使用了SegmentStatistics模块，您可以从已定义的区域中提取一些统计信息。移除Scalar Volume选项后，您将得到一个表格，其中显示了全肺、实变区域以及磨玻璃样区域的体积。您可以利用这些数据来计算疾病的严重程度。您还可以导出已定义的片段。请进入“数据”部分，然后点击眼睛图标，仅显示要导出的片段。然后右键单击并仅导出可见的二进制标签图。您

lung-ct-segmentation-to-identify-consolidations-ground-glass-areas

Research

科研

JoVE Journal

Medicine

医学

肺CT分割，确定合并和地面玻璃区域对SARS-COV肺炎的定量评估

鉴于3R原则，作为动物实验替代方案的呼吸系统模型正在不断发展。特别是对于呼吸性物质的风险评估，目前尚缺乏合适的检测方法。本文介绍了利用人源性精准切割肺组织切片评估空气传播物质的方法。...

人源肺组织精准切割切片中物质细胞毒性和免疫调节效应的评估

肺部超声是一种用于新生儿肺部疾病床旁评估的无创且有价值的工具。然而，参考标准、操作流程和指南的相对缺乏可能会限制其应用。本文旨在建立一种标准化的新生儿肺部超声诊断流程，以用于临床决策。...

基于国际专家共识的新生儿肺部疾病床旁肺超声诊断操作规范与指南

本文介绍了用于诊断和评估系统性硬化症相关间质性肺疾病的胸部高分辨率计算机断层扫描的实用操作建议。...

系统性硬化症相关间质性肺病的影像学特征

肺部床旁超声（POCUS）可在临床情况快速变化时提供迅速的诊断依据。本文介绍一种高效且信息丰富的图像采集方案，适用于急症诊疗环境。...

成人床旁肺部超声检查：图像采集

本研究的目的是开发一种新型的肺结节三维数字模型，该模型可作为医生与患者之间沟通的桥梁，同时也是用于诊断前评估和预后评价的前沿工具。...

一种用于肺结节诊断与治疗的三维数字模型

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。...

早期多发性肺结节全肺三维重建

CT 与 129Xe MRI 可提供互补的肺部结构-功能信息，可通过图像配准用于区域性分析。本文提供了一种基于现有文献的协议，利用开源平台实现 129Xe MR 与 CT...

多模态肺部成像：利用CT与超极化129Xe MRI的互补信息评估肺结构-功能

本文介绍了一种利用显微计算机断层扫描（micro-CT）通过气管内滴注在病灶侧建立单侧博来霉素诱导的肺纤维化模型，以定量分析通气区域的实验方案。...

利用微型CT进行单侧肺容积分析以加强临床前模型中肺纤维化的评估

本文介绍了一项在重症监护室（ICU）内将床旁肺部超声（POCUS）应用于急性呼吸窘迫综合征（ARDS）管理的操作方案。该方案详细阐述了肺部、心脏、膈肌、静脉及胃部评估的标准化技术，以指导通气策略、预测脱机时机并预防并发症。...

重症监护病房中即时超声（POCUS）在急性呼吸窘迫综合征（ARDS）管理中的应用

本方案描述了如何使用定量实时 PCR（QRT-PCR）检测小鼠肺组织中代表转移灶的肿瘤细胞特异性...

通过定量实时PCR评估小鼠乳腺肿瘤模型中的肺转移

学习使用3D Slicer对COVID-19患者的高分辨率胸部CT扫描进行肺部分割，识别磨玻璃影和实变区域。该方法支持放射组学分析和人工智能诊断研究的发展。

肺部CT分割以识别实变和磨玻璃区域用于SARS-CoV肺炎的定量评估

探索更多视频