Name: Segmentación por TC pulmonar para identificar consolidaciones y áreas de vidrio molido para la evaluación cuantitativa de la neumonía por SARS-CoV (Video) | JoVE Journal
Uploaded: 2020-12-19T14:00:00.000+00:00
Duration: 8 min 5 s
Description: Aprenda a segmentar volúmenes de interés en tomografías computarizadas de tórax para identificar consolidaciones y opacidades en vidrio deslustrado asociadas a COVID-19. Este método utiliza 3D Slicer para facilitar análisis radiómicos y mejorar el diagnóstico.

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

Este trabajo fue apoyado por la financiación del Departamento de Radiología de la Universidad de Bolonia.

Este protocolo sigue las directrices del comité institucional de ética de la investigación humana.
1. Descarga de las imágenes DICOM
<ol><li>Descargue las imágenes DICOM y transfiéralas en la estación de trabajo dedicada a la segmentación, con el software 3D instalado. Si planea trabajar en un equipo personal, anonimice los datos DICOM.</li>
</ol>2. Importación del estudio HRCT sobre el software 3D Slicer
<ol><li>En la pantalla de apertura de software (correspondiente a la sección Bienvenido a la segmentación en el menú desplegable) seleccione Cargar datos DICOM. Como alternativa, seleccione el icono DCM en la esquina superior izquierda de la barra de herramientas.</li>
	<li>En la esquina superior izquierda del panel Navegador DICOM, seleccione Importary, a continuación, seleccione la ubicación del estudio HRCT. Seleccione la carpeta con las imágenes de DCM y, a continuación, seleccione Importar.</li>
	<li>Ahora que el estudio HRCT se ha importado correctamente, haga clic en el botón Cargar.</li>
</ol>3. Creación de los segmentos
<ol><li>Cree segmentos en la sección Segmentaciones del menú desplegable o directamente en la subsección Editor de segmentos que se encuentra en la sección Segmentación del menú desplegable, o de nuevo como un icono dedicado en la barra de herramientas.</li>
	<li>En el menú desplegable situado junto a Volumen maestro, seleccione el estudio HRCT.</li>
	<li>Seleccione Agregar y cree tres segmentos nuevos, que se denominarán automáticamente Segmento 1, 2 y 3. Haga doble clic en cada uno y cámbieles el nombre respectivamente "tlv" (Total Lung Parenchyma), "ggo" (Opacidades de vidrio de tierra) y "cons" (Consolidaciones). Si en el estudio HRCT coexisten hallazgos patológicos adicionales, como derrame pleural, cáncer de pulmón, áreas fibrosas, etc., cree segmentos adicionales. Lo mismo se aplica a los artefactos.</li>
</ol>4. Definición del segmento TLP
NOTA: Una definición precisa del segmento TLP es fundamental, ya que se utilizará para enmascarar el HRCT durante la definición de los segmentos GGO y CDs.
<ol><li>Como primer paso, en la sección Editor de segmentos, después de seleccionar el segmento TLP, elija el instrumento Umbral.</li>
	<li>Establezca un umbral lo suficientemente grande como para incluir tanto el parénquima pulmonar sano como las opacidades del vidrio molido. Utilizando los valores reportados en la literatura científica con los ajustes necesarios para cumplir con la definición de libro de texto de GGO, encontramos que establecer el umbral entre -1000 HU y -250 HU funciona bien6,14,15,16,17. A continuación, seleccione Aplicar.</li>
	<li>El segmento así definido incluirá tanto el aire dentro de los pulmones como el aire fuera del tórax (es decir, el aire fuera del paciente). Para aislar el parénquima pulmonar, utilice la herramienta Islas, que se encuentra en el Editor de segmentos,y elija Mantener isla seleccionada. Haga clic izquierdo dentro del pecho para que cualquier cosa fuera del pecho sea excluida del segmento.</li>
	<li>A continuación, incluya cualquier área de consolidación dentro del segmento TLP. Las consolidaciones suelen tener valores de atenuación (Unidades Descampfield: HU) similares a los de los tejidos blandos que constituyen la pared torácica y el mediastino. Esta es la razón por la que el instrumento Umbral no se puede utilizar para este propósito y las consolidaciones tendrán que agregarse manualmente, utilizando las herramientas Tijeras y Pintura que se encuentran en el editor de segmentos.<ol>
<li>Utilice la herramienta Tijeras para añadir porciones de parénquima pulmonar al segmento. Elija la operación Rellenar interior, seleccione Formulario libre como la forma y Simétrico como corte de corte. Elija un espesor adecuado al tamaño de la consolidación (por ejemplo, de 3 a 20 mm); y luego, comience a agregar progresivamente pequeñas porciones de TLP, hasta que la consolidación se haya incluido por completo.</li>
		<li>La herramienta Pintura es más fácil y a veces más rápida de usar, pero puede ser menos precisa, dependiendo del área a incluir. Cuando la opción Pincel de esfera está activa, esta herramienta puede agregar porciones 3D de parénquima pulmonar al segmento. El tamaño del pincel se puede modificar fácilmente.</li>
		<li>Al agregar las consolidaciones al segmento TLP, no incluya porciones de pared torácica o mediastino. Esto podría resultar difícil, ya que en pacientes afectados por COVID19 las consolidaciones adyacentes a la pared torácica posterior son bastante comunes. Utilice la herramienta Borrar para corregir la segmentación o seleccione Deshacer para descartar la última acción.</li>
		<li>En esta etapa, utilice el algoritmo de suavizado una vez más para eliminar las pequeñas imperfecciones que podrían haberse producido durante la parte manual de la segmentación. Ahora se concluye la definición del segmento TLP.</li>
	</ol>
</li>
</ol>5. Definición del segmento GGO
<ol><li>Para definir el segmento GGO, utilice la herramienta de umbral.<ol>
<li>Seleccione el segmento GGO.</li>
		<li>Establezca el umbral entre -750 HU y -150 HU.</li>
		<li>Antes de seleccionar Aplicar, vaya a la sección Enmascaramiento justo debajo y seleccione TLP en el menú desplegable Área editable. En el menú desplegable Sobrescribir otro segmento, seleccione Ninguno. Esto es extremadamente importante ya que, si se omite, una vez definido el segmento GGO, también se modificaría el segmento TLP. Esto debe evitarse, ya que el segmento TLP es la máscara en la que se definen todos los demás segmentos.</li>
		<li>Ahora seleccione Aplicar.</li>
	</ol>
</li>
	<li>En este punto probablemente será necesario utilizar el algoritmo de suavizado una vez más, con el fin de excluir todos los vasos pequeños y los elementos intersticiales fisiológicos que tienen una densidad similar a la del vidrio molido del segmento. Comience con un tamaño kernel de 3 mm y, si es necesario, aumente progresivamente, hasta un máximo de 6-7 mm. Tenga en cuenta que aumentar demasiado el tamaño del núcleo podría determinar la pérdida de pequeñas áreas de vidrio molido, que quedarían fuera del segmento GGO. Debido a esto, el algoritmo de suavizado debe utilizarse con la precaución adecuada.</li>
	<li>En este caso también, aplique las correcciones necesarias con la herramienta Pintar, Tijeras y Borrar. Durante esta fase recuerde mantener la máscara TLP activa en todo momento para evitar incluir porciones de la pared torácica adyacentes a las áreas de "vidrio molido" dentro del segmento. Esto se debe a que, si se segmentan erróneamente, se excluirían automáticamente.</li>
	<li>Al obtener este segmento, preste mucha atención a la posible presencia de artefactos generados por movimientos de chimenea y diafragma (esto sucede si el paciente no pudo contener la respiración durante el examen). Si está presente y se incluye anteriormente en el segmento TLP, elimine estos artefactos del segmento "vidrio de tierra", por ejemplo a través de la herramienta Islas con la opción Eliminar isla seleccionada o mediante las herramientas Tijeras y Borrar. Dependiendo del objetivo del estudio, los artefactos pueden segmentarse por separado, utilizando un segmento dedicado o incluidos en el segmento TLP y excluidos de otros segmentos. Ahora se ha definido el segmento GGO.</li>
</ol>6. Definición del segmento de CDs
<ol><li>Para definir el segmento de CD, proceda de la misma manera que para definir el segmento GGO.<ol>
<li>Seleccione el segmento CDs. Asegúrese de trabajar con el enmascaramiento TLP siempre activo.</li>
		<li>Establezca un umbral adecuado. Para consolidaciones, el rango varía, aproximadamente, de -150 UNIDAD de manipulación a 100 unidades de manipulación.</li>
		<li>Aplique el algoritmo de suavizado que varía el tamaño del núcleo según sea necesario.</li>
		<li>Utilice una combinación de las herramientas Tijeras, Borrar, Pintura e Islas para mantener dentro del segmento sólo las consolidaciones reales, excluyendo grandes vasos, derrames pleurales, artefactos, bandas disventilatorias y otras lesiones no relacionadas con COVID.</li>
		<li>Si es necesario, es posible que se aplique un suavizado final.</li>
	</ol>
</li>
</ol>7. Guardar los segmentos
<ol><li>Guarde segmentos como un archivo ".nrrd" o conviértalos en mapas de etiquetas binarias desde el módulo "Datos".</li>
</ol>8. Extraer volúmenes de los segmentos definidos.
<ol><li>En el módulo Estadísticas de segmentos, obtenga una tabla con detalles sobre el volumen y las superficies de los segmentos.</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>

Ninguno de los autores tiene conflictos de intereses.

La segmentación representa un paso fundamental para realizar estudios modernos de radiología cuantitativa, y es necesario aplicar técnicas de radiomómica o análisis de textura. Los hallazgos patológicos en los pulmones representan uno de los más difíciles de segmentar, ya que la falta de fronteras anatómicas definidas y una pequeña diferencia en el valor de la atenuación en comparación con las áreas sanas.
Las imágenes de origen deben presentar un mínimo de artefactos si es posible, especialme...

En el año en curso, el mundo se enfrenta a una emergencia sanitaria, la pandemia causada por el novel Coronavirus, Sars-CoV2. Aunque, hasta la fecha, muchos aspectos relativos a la fisiopatología de la infección COVID-19 aún no estén claros, comparte varias características con sus "antepasados" SARS1 y MERS. En particular, se ha demostrado que las proteínas de pico de virión interactúan con la enzima convertidora de angiotensina tipo 2, un receptor bien representado en las células endoteliales alveolares, pero ubicua en el organismo humano, teniendo así la potencialidad para dar síntomas sistémicos1.
Para el diagnóstico, el estándar actual es la reacción en cadena de transcriptasa-polimerasa inversa en tiempo real (rt-PCR), una prueba realizada con hisopos faríngeos. Aunque las imágenes radiológicas no se reconocen oficialmente en la vía diagnóstica para la detección de la enfermedad, la tomografía computarizada de alta resolución (HRCT) demostró ser una ayuda valiosa para el manejo clínico y epidemiológico de los pacientes afectados, debido a la sensibilidad relativamente baja del rt-PCR, la escasez actual de laboratorios especializados y de los reactivos necesarios, y la alta dependencia del operador.
La Sociedad Radiológica de América del Norte (RSNA) publicó una declaración de consenso, respaldada por la sociedad de Radiología Torácica y el Colegio Americano de Radiología (ACR), que clasifica la apariencia de CT de COVID19 en cuatro categorías con el fin de estandarizar los informes, dividiendo los patrones de neumonía intersticial en "típico", "atípico", "indeterminado" y "negativo"2.
El patrón "típico" se caracteriza por la presencia de opacidades de vidrio molido (GGO) de forma redonda, generalmente con una ubicación sub pleural en los segmentos basales dorsales. La GGO se puede asociar con áreas de "Pavimentación loca" de septa espesada u otros signos de organización de la neumonía. El patrón "indeterminado" se caracteriza por la ausencia de los hallazgos de patrones "típicos", con áreas difusas de GGO con una distribución perihilar, con o sin áreas de consolidación. El patrón "atípico" se caracteriza por la ausencia de los signos "típicos" o "indeterminados", y la presencia de consolidaciones lobar, "árbol en brote", engrosamiento suave del septa y derrame pleural; en esta presentación no se pueden detectar GGO. El patrón "negativo" se caracteriza por la ausencia de los hallazgos patológicos antes mencionados.
Según la literatura, algunos pacientes pueden presentar un alto sospechoso clínico de COVID-19 respaldado por criterios epidemiológicos y hallazgo de imágenes con rt-PCR negativo3,4. Por otro lado, se ha informado que los pacientes con un rt-PCR positivo y hallazgos clínicos sugerentes, no presentan hallazgos patológicos en HRCT5.
Hoy en día, es de gran interés para la comunidad científica aplicar técnicas de análisis de imágenes al estudiar cuantitativamente las características de esta enfermedad. Un estudio reciente ha aplicado la técnica de segmentación automatizada del parénquima pulmonar para identificar el porcentaje de pulmón aireado en pacientes afectados por COVID-19, correlacionando este valor con el pronóstico, y demostrando que los pacientes con una afectación pulmonar más grave presentaban más riesgo de ser admitidos en la Unidad de Cuidados Intensivos (UCI), y tener peores resultados6.
La segmentación es el contorno de las regiones de interés (ROI) dentro de un volumen adquirido a través de una técnica de imagen, como HRCT. Esta actividad puede llevarse a cabo a través de tres métodos: manual, semiautomático y automático. La segmentación manual, gracias a la experiencia de un radiólogo capacitado, consiste en el etiquetado de los voxeles pertenecientes al área patológica. Las principales desventajas de este método son la gran cantidad de tiempo requerido y el hecho de que depende del operador.
Los métodos semiautomáticos permiten acelerar la segmentación, ya que el operador puede modificar una máscara de segmentación obtenida a través de los métodos clásicos de procesamiento de imágenes (por ejemplo, umbral en la intensidad de píxeles, agrupación en clústeres, etc.). Sin embargo, estas técnicas no son fáciles de implementar en la práctica clínica, ya que requieren una intervención manual extensa en los casos más complicados18.
Los métodos de segmentación automática, actualmente de uso limitado, emplean inteligencia artificial para obtener ROI. En particular, un estudio reciente tiene como objetivo utilizar la segmentación automática en la cuantificación de las zonas de vidrio molido en pacientes que sufren de neumonía intersticial COVID-1919. La definición de un protocolo de segmentación para las áreas patológicas en las imágenes HRCT es el primer paso real hacia el posterior análisis radioémico, con el fin de identificar características que podrían ayudar a comprender mejor la fisiopatología de la enfermedad, y servir como un factor de pronóstico preciso que podría influir potencialmente en el tratamiento.
Este documento ofrece una guía para obtener segmentos precisos y eficientes que representan los hallazgos patológicos de la neumonía COVID-19 utilizando "3D Slicer"7,8,9,10.

<table><tbody><tr><td>Escáner de tomografía computarizada</td><td>General Electrics Healthcare</td><td>64-MDCT VCT lightSpeed</td><td>El escáner de tomografía computarizada utilizado para las adquisiciones de HRCT</td></tr><tr><td>Computadora de escritorio</td><td>ThinkCentre</td><td></td><td>La computadora utilizada para descargar los archivos DICOM y ejecutar 3D Slicer</td></tr></tbody></table>

segmentación por tc pulmonar para identificar consolidaciones y áreas de vidrio molido para la evaluación cuantitativa de la neumonía por sars-cov

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

La segmentación es una tarea compleja, a la que se enfrentan los radiólogos e investigadores a medida que la radiomómica y el aprendizaje automático crecen en potencialidad. El proceso puede ser automático, semiautomático o manual, el primero a menudo no es lo suficientemente preciso o fácil de reproducir, y el último consume demasiado tiempo cuando se trata de distritos grandes con adquisiciones de alta resolución.
Una TC de alta resolución del pecho se compone de cientos de imágenes, y esto hace que el enfoque manual sea excesivamente lento. Además, las alteraciones parénquimales requieren que una evaluación experta se discerna de la apariencia normal; por lo tanto, un enfoque semiautomático para el proceso de segmentación es, a nuestro leal saber y entender, el más adecuado a la hora de segmentar las neumonías, especialmente cuando sus características aún son desconocidas.
Para los estudios realizados en nuestro instituto sobre imágenes de COVID-19, adoptamos 3D Slicer, un software gratuito producido por la Universidad de Harvard, y combinamos el umbral con los instrumentos de pincel de pintura para lograr una segmentación rápida y precisa de pulmón aireado, opacidades de vidrio molido y consolidaciones. Cuando se enfrenta a casos complejos, este método todavía requiere una cantidad considerable de tiempo para ajustes manuales adecuados, pero proporciona un medio extremadamente eficiente para definir segmentos para utilizar para análisis adicionales, como el cálculo del porcentaje del parénquima pulmonar afectado o el análisis de textura de las áreas de vidrio de suelo.

El método propuesto se ha perfeccionado a través de ensayos y errores, probándolo en 117 pacientes afectados por neumonía COVID-19 con una prueba positiva de rt-PCR.
Después de una curva de aprendizaje corta, el tiempo necesario para obtener los segmentos puede variar de 5 a 15 minutos, dependiendo del patrón de presentación.
Como se muestra en la Figura 1,el método produce segmentos precisos: esto se puede observar notando la correspondencia exacta...

El objetivo de este protocolo es proporcionar una manera eficiente de tiempo para segmentar volúmenes de interés en tomografías computarizadas de alta resolución para utilizarlos en análisis de radioémicas adicionales.

Segmentación por TC pulmonar para identificar consolidaciones y áreas de vidrio molido para la evaluación cuantitativa de la neumonía por SARS-CoV

Segmentation is a complex task, faced by radiologists and researchers as radiomics and machine learning grow in potentiality. The process can either be ...

Desde el brote de la nueva pandemia de la enfermedad del coronavirus, un método simple y eficaz útil para obtener una segmentación adecuada de las lesiones patológicas típicas de esta infección en las imágenes de la tomografía computarizada del tórax parece fundamental. Por lo tanto, nuestro objetivo es ofrecer un paquete inicial de conocimiento con el fin de permitir a las personas realizar una segmentación fácil y eficiente de estos hallazgos patológicos pulmonares. Con suerte, esto ayudará a la comunidad científica a desarrollar estudios específicos de radiomómica e inteligencia artificial que podrían mejorar el enfoque diagnóstico de estos pacientes.En el navegador DICOM de 3D Slicer, vaya a seleccionar el estudio que desea segmentar y haga clic en Cargar. Puede revisar el caso seleccionado en la sección del visor. Como se puede ver, este paciente presenta con opacidades de vidrio molido bilateralmente y áreas consolidativas por igual, que es un caso típico de COVID-19.A continuación, vaya a la sección Segmento y agregue tres segmentos, uno para el volumen total de pulmón, otro para las opacidades del vidrio molido y otro para las áreas de consolidación. Vaya al instrumento Umbral y establezca el umbral superior en menos 250 unidadEs Hounsfield. Ordenar para seleccionar sólo aire y dejar fuera los tejidos blandos, huesos y áreas de consolidación por igual, que el sistema no puede discernir automáticamente de los tejidos blandos, a continuación, haga clic para aplicar.A continuación, desea eliminar el aire fuera del paciente, y para hacerlo, utilice la herramienta Isla y vaya a Mantener sólo la isla seleccionada. A continuación, haga clic dentro del paciente. Ves que el aire exterior ha sido removido.Ahora, desea agregar las áreas de consolidación al volumen total de pulmón. Para ello, utilice el instrumento De pintura con el ajuste Pincel de esfera, ajustando el tamaño a sus necesidades y teniendo cuidado de evitar el tejido blando. Con el pincel Esfera, pintas arriba y abajo con respecto a la rebanada en la que estás trabajando, lo que acelera el proceso.Ahora, desea segmentar las áreas de consolidación. Para ello, asegúrese de estar trabajando dentro del volumen total del pulmón sin una variedad de otros segmentos. Usando el instrumento Umbral, suba el umbral superior para asegurarse de incluir los tejidos blandos y las consolidaciones, y establezca el umbral inferior en menos 250.Tenga en cuenta que está seleccionando ambos tejidos blandos, recipientes y consolidación, pero al hacer clic en Aplicar, solo se han seleccionado áreas de consolidación. Ahora, para segmentar las áreas de vidrio de tierra, seleccione el segmento de vidrio molido. Manteniendo los ajustes de la segmentación anterior, establezca el umbral desde menos 750 hasta menos 250 unidadEs Hounsfield.Tenga en cuenta que estos valores pueden variar según la configuración de la tomografía computarizada. Ajuste siempre de acuerdo con la definición de vidrio molido de la Sociedad Fleischner. Elija una opacidad con ese recipiente visible a la vista.A continuación, haga clic en Aplicar. Observará que también se han seleccionado espacios intersticiales. Para ajustar, vaya al instrumento Suavizar.Seleccione el asiento que mejor se adapte al algoritmo de construcción de su tomografía computarizada. Y como pueden ver, los espacios intersticiales han sido eliminados. Puede comprobar los resultados de la segmentación en el Editor de segmentos y puede ver un modelo 3D de los segmentos que ha definido.Puede utilizar el control deslizante del lado izquierdo para ajustar la transparencia del modelo. La vista 3D se puede utilizar para confirmar el proceso de segmentación correcto. Ahora tenemos tres segmentos distintos, uno para el volumen total de pulmón, y los otros dos para los hallazgos típicos de consolidaciones COVID-19 y áreas de vidrio molido.Puede extraer algunas estadísticas del segmento que ha definido debido al módulo SegmentStatistics. Retire la opción Volumen escalar y, a continuación, tiene una tabla que expresa el volumen del pulmón total y las áreas de consolidación y las áreas de vidrio de tierra. Puede utilizar esto para calcular la gravedad de la enfermedad.También puede exportar el segmento que ha definido. Puede ir a la sección Datos. A continuación, haga visible solo el segmento que desea exportar, haciendo clic en el icono del ojo.A continuación, haga clic con el botón derecho y exporte el mapa de etiquetas binario solo visible. Puede seguir siendo el mapa de etiquetas como prefiera. Debe repetir el proceso para cada segmento que haya definido.Al hacerlo, ahora tiene tres mapas de etiquetas correspondientes al segmento que ha definido. Esto se puede exportar en el tipo de archivo que prefiera o se adapta mejor para un análisis posterior. Además. Con estos métodos, los investigadores pueden obtener rápidamente una segmentación precisa para los hallazgos patológicos de COVID-19 para los cuales se pueden extraer características específicas.Proporcionar ese conocimiento a la comunidad científica, se pueden desarrollar métodos de segmentación precisos y totalmente automatizados y determinar factores de pronóstico precisos.

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

Research

Investigación

JoVE Journal

Medicine

Medicina

Teniendo en cuenta el principio 3R, están evolucionando los modelos respiratorios como alternativas a los estudios en animales. Especialmente para la evaluación del riesgo de las sustancias respiratorias, existe una falta de ensayos adecuados. Aquí, describimos el uso de cortes de pulmón humano de precisión de corte para la evaluación de sustancias aerotransportadas.

Evaluación de la citotóxica y efectos inmunomoduladores de sustancias en lonchas de pulmón humano de precisión de corte

Ecografía de pulmón es una herramienta valiosa y no invasiva para la evaluación de cabecera de enfermedades pulmonares neonatales. Sin embargo, una relativa falta de referencia estándares, protocolos y directrices puede limitar su aplicación. Aquí, nuestro objetivo es desarrollar un protocolo diagnóstico de la ecografía pulmonar neonatal estandarizados para ser utilizado en la toma de decisiones clínica.

Protocolo y pautas para punto de cuidado pulmonar ecografía en el diagnóstico de enfermedades pulmonares neonatales basadas en consenso de expertos internacional

Aquí, presentamos recomendaciones prácticas para realizar tomografía computarizada torácica de alta resolución para diagnosticar y evaluar la enfermedad pulmonar intersticial relacionada con la esclerosis sistémica.

Características de la imagen de la enfermedad pulmonar intersticial asociada a la esclerosis sistémica

La ecografía en el punto de atención (POCUS) de los pulmones proporciona respuestas rápidas en escenarios clínicos que cambian rápidamente. Presentamos un protocolo eficiente e informativo para la adquisición de imágenes para su uso en entornos de cuidados intensivos.

Ecografía pulmonar en el punto de atención en adultos: adquisición de imágenes

El objetivo de este estudio es desarrollar un nuevo modelo digital 3D de nódulos pulmonares que sirva como puente de comunicación entre médicos y pacientes y que también sea una herramienta de vanguardia para el prediagnóstico y la evaluación pronóstica.

Un modelo digital 3D para el diagnóstico y tratamiento de nódulos pulmonares

Este estudio presenta un método de reconstrucción tridimensional (3D) para todo el pulmón en pacientes con nódulos pulmonares múltiples tempranos. Ofrece una visualización completa de la distribución de los nódulos y su interacción con el tejido pulmonar, lo que simplifica la evaluación del diagnóstico y el pronóstico de estos pacientes.

Reconstrucción tridimensional de todo el pulmón con nódulos pulmonares múltiples tempranos

La TC y la RM 129Xe proporcionan información complementaria sobre la estructura y la función pulmonar que puede aprovecharse para el análisis regional mediante el registro de imágenes. Aquí, proporcionamos un protocolo que se basa en la literatura existente para el registro de imágenes de RM a TC de 129Xe utilizando plataformas de código abierto.

Imágenes pulmonares multimodales: uso de información complementaria de la TC y la resonancia magnética hiperpolarizada de 129Xe para evaluar la estructura y función pulmonar

Aquí, presentamos un protocolo para utilizar la micro-tomografía computarizada (micro-CT) para cuantificar las regiones ventiladas en un modelo de fibrosis pulmonar inducida por bleomicina unilateral a través de la instilación intratraqueal en el lado lesional.

Análisis unilateral del volumen pulmonar mediante micro-TC para mejorar la evaluación de la fibrosis pulmonar en modelos preclínicos

Aquí presentamos un protocolo para la aplicación de POCUS junto a la cama en la gestión del ARDS dentro de la UCI. Detalla técnicas estandarizadas para evaluaciones pulmonares, cardíacas, diafragmáticas, venosas y gástricas para guiar la ventilación, predecir el destete y prevenir complicaciones.

La aplicación de la ecografía en el punto de atención (POCUS) en el manejo del Síndrome de Dificultad Respiratoria Aguda (SDRA) en la Unidad de Cuidados Intensivos

La neumonía es una de las diez principales causas de muerte en las técnicas de manipulación EE.UU. osteopático (TMO) se puede utilizar como una terapia complementaria en el tratamiento de la neumonía para mejorar la función biomecánica e inmune; y en última instancia, reducir la estancia hospitalaria, la duración de los antibióticos, la incidencia de la insuficiencia respiratoria, y la mortalidad. En este video-artículo, vamos a revisar los estudios controlados aleatorios sobre el uso de la...

Manipulación Osteopática como herramienta complementaria útil para la Neumonía

Aprenda a segmentar volúmenes de interés en tomografías computarizadas de tórax para identificar consolidaciones y opacidades en vidrio deslustrado asociadas a COVID-19. Este método utiliza 3D Slicer para facilitar análisis radiómicos y mejorar el diagnóstico.

Segmentación por TC pulmonar para identificar consolidaciones y áreas de vidrio molido para la evaluación cuantitativa de la neumonía por SARS-CoV (Video) | JoVE Journal

Segmentación por TC pulmonar para identificar consolidaciones y áreas de vidrio molido para la evaluación cuantitativa de la neumonía por SARS-CoV

Explorar más videos