早期多发性肺结节全肺三维重建

本研究开发了一种三维建模方法，旨在对整个肺部的多个肺结节进行全面的虚拟化，以改善早期肺癌患者的诊断与治疗。关键问题在于如何精确重建结节的分布及其与肺组织的相互作用。近年来，深度学习与计算机视觉领域的进展使得人工智能辅助的肺结节检测与分割更加准确。

然而，在全肺建模以及多个结节之间的空间关系方面仍存在局限性。本研究通过一种针对整个肺部的三维重建技术取得了进展。将人工智能驱动的医学影像与可视化技术同专业的临床诊断和治疗相结合至关重要。

深度学习用于分割和三维建模、虚拟增强现实用于三维可视化以及多模态数据融合等技术正在推动全肺建模和多结节评估的发展，以提升临床决策能力。本研究建立了一种有效的三维建模方法，用于可视化多个肺结节在整个肺部的分布及其空间关系。关键技术突破包括肺轮廓提取、肺结节在三维空间中的重建以及交互式全肺可视化。

这有助于对早期肺癌患者进行更准确的诊断和治疗规划。开发一种精确的三维建模方法以可视化整个肺部结节，为理解疾病进展提供了新的能力。这可以实现更早期的诊断、个体化的治疗方案以及改善肺癌患者的预后。

这些发现为利用多模型数据扩展全肺建模并推动临床转化奠定了基础。首先，将患者的医学数字成像和通信（Digital Imaging and Communications in Medicine，DICOM）数据复制到指定的工作目录中。通过文件浏览器，检查每个文件目录，以确定扫描层数最多的图像序列用于分析。

在 MATLAB 环境中，通过将 DICOM 文件作为输入，使用 MATLAB 内的 DICOM 功能提取关键参数，例如层厚和像素间距。然后获取每幅图像的位置数据，并通过 MATLAB 工作区中的 info.SliceLocation 访问该信息。

接下来，使用 SliceLocation 函数将位置数据保存到变量中，并为其生成图表。单击 GUI 右上角的数据提示按钮以添加数据点并增强图表效果。然后使用体积重排函数对所有图像进行排序，并提取从第一个位置到最大位置范围内的图像。

保护有效图像的体数据及其排序索引。使用 MATLAB 中的 size 函数，检查三维体数据的三维尺度。使用 SliceView 命令函数查看三维体数据时，记录从 60 到 340 获取肺部的序列扫描范围。

然后使用命令获取包含整个肺部所有数据的三维体积。利用 MATLAB 命令函数 DICOM info 获取图像序列的层厚。使用命令计算等体素变换所需的 Z 轴层数。

然后使用 MATLAB 命令函数 imresize3 对 V1 进行等体素变换。利用 ThreeD_Slice_View 函数查看经过等体素变换后的三维体数据。为消除噪声干扰，使用数据提示按钮在交互界面内添加连续的数据点。接着，右键单击数据提示，选择“将光标数据导出到工作区”，以将空间滤波的参考边界导出至 MATLAB 工作区。

调用 Noise_Clean 函数，使用工作区中的输入参数 CI 对 V2 应用空间滤波。使用 Slice_View 命令函数可视化生成的体积数据。选择一个模板切片（例如两张 30 秒的图像）用于图像分割设计，并将其赋值给一个变量。

然后通过执行 imagesegmenter1 命令打开 MATLAB 图像分割器图形用户界面。从顶部工具栏中选择自动聚类工具，并单击鼠标左键以执行命令。接下来，单击右上角的“显示二值图像”按钮，以黑白二值形式显示图像。

为了使肺部区域变为白色，请从顶部工具栏中选择“反转掩膜”按钮，并单击鼠标左键以执行该命令。为了消除肺部区域外的白色，请从顶部工具栏中选择“清除边界”按钮，并单击鼠标左键。在 MATLAB 工作区中启动 3D 肺体积功能。

接下来，在第四个视图右上角的下拉菜单中选择“最大化”。选择最大强度投影（MIP Projection），然后从下方内置的色彩映射选项中选择 jet 色彩映射。

再次调用 Slice_View 函数，但此次输入整个肺部的 3D 体积数据。在生成的图形用户界面中，使用底部滚动条导航至主要肺结节所在的区域，该区域涵盖第 48 至 70 层扫描图像。使用 ThreeDlung_Horizon 函数对感兴趣区域进行 3D 重建，范围包括整个肺部 3D 体积数据中的第 48 至 70 层切片。