Name: מודל דיגיטלי תלת ממדי לאבחון וטיפול בגושים ריאתיים (וידאו) | JoVE Journal
Uploaded: 2023-05-19T14:20:00.000+00:00
Duration: 10 min 26 s
Description: למדו ליצור מודל דיגיטלי תלת ממדי לניתוח גושים ריאתיים באמצעות שילוב טכנולוגיות AI ועיבוד תמונה רפואית. שיטה זו משפרת אבחון קליני, מפחיתה תוצאות שגויות ומייעלת תוכניות טיפול מותאמות אישית למטופלים.

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

פרסום זה נתמך על ידי התוכנית הלאומית החמישית לחקר כישרונות קליניים מצוינים ברפואה סינית מסורתית שאורגנה על ידי המנהל הלאומי לרפואה סינית מסורתית (http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html).

הערה: במהלך שלב עיבוד מקדים של נתונים, יש למיין וליירט את נתוני DICOM המקוריים כדי להבטיח תאימות להתקנים שונים ותוצאות עקביות. יכולת כוונון נאותה חייבת להיות שמורה לעיבוד עוצמה, ופרספקטיבה תלת-ממדית רציפה חיונית לתצפית. בפרוטוקול זה מובא תיאור שיטתי של הגישה המחקרית, המפרט מקרה של מטופלת בת 84 עם גושים ריאתיים. מטופלת זו נתנה הסכמה מדעת לאבחנה שלה באמצעות מודלים דיגיטליים ואישרה את השימוש בנתונים שלה למטרות מחקר מדעי. פונקציית שחזור המודל נגזרת מכלי התוכנה PulmonaryNodule (ראה טבלת חומרים לפרטים). אישור אתי התקבל מוועדת האתיקה של בית החולים דונגג'ימן, המסונף לאוניברסיטת בייג'ינג לרפואה סינית (DZMEC-KY-2019.90).
1. איסוף נתונים והכנתם
<ol><li>נתוני LDCT לאיתור גושים ריאתיים הערה: ההבדלים הנראים בערכי הפרמטרים אינם תלויים בשיטת המחקר בה נעשה שימוש.<ol><li>קבלת הסכמת המטופל לרכישת נתוני DICOM. העבר את כל הנתונים לספריית העבודה הייעודית.</li>
		<li>זהה את ספריית הנתונים עם המספר הגבוה ביותר של שכבות סריקה ועובי השכבה הדק ביותר כדי למטב את הדיוק בהתבסס על נתוני הקובץ. באופן כללי, ככל שיש למטופל יותר קבצי סריקת DICOM, כך עובי שכבת הסריקה דק יותר.</li>
		<li>באמצעות יישום הפונקציה Dicominfo ושימוש בקובצי DICOM כפרמטרי הפונקציה, קבלו את פרמטרי עובי הפרוסה וריווח הפיקסלים בסביבת MATLAB. פרמטרים אלה חיוניים להגדרת קצב תצוגת עוצמת הקול התלת-ממדית. עבור הנתונים לדוגמה ששימשו במחקר זה, עובי הפרוסה היה 1 מ"מ, מרווח הפיקסלים היה 0.5 מ"מ, ובסך הכל נסרקו 200 שכבות.</li>
	</ol></li>
	<li>תיקון מיון הנתונים הסרוקים הערה: יש למיין את הרצף של כל תמונה לבניית נפח.<ol><li>קרא את נתוני המיקום של כל תמונה באמצעות הפונקציה Dicominfo. השג את המיקום על-ידי הזנת מידע. SliceLocation לסביבת העבודה של MATLAB.</li>
		<li>הטמיעו את הפונקציה SliceLocation כדי לאחסן את מערך המיקום של משתנה, וצרו ממנו תרשים (איור 1).</li>
		<li>באמצעות לחצן תיאורי נתונים בפינה השמאלית העליונה של ממשק המשתמש הגרפי, הוסף תיאור נתונים להתוויה בנקודה המייצגת את ערך המיקום המרבי של הרצף הרגיל (המיקום העליון של הדמיה של המטופל; איור 1).</li>
		<li>מיין את כל התמונות וחלץ את התמונות החל מ- 1 לערך המיקום המרבי על ידי יישום הפונקציה VolumeResort.</li>
		<li>אחסן את אמצעי האחסון של התמונות החוקיות עם האינדקס הממיון, שיהיה שימושי למעקב חזרה לגושים החשובים.</li>
	</ol></li>
	<li>בדיקת נפח בית החזה הערה: מבנה מוגדר היטב לאחסון נתונים הופך את עבודת המעקב לנוחה יותר.<ol><li>יישם את הפונקציה VolumeInspect כדי להציג שלוש תצוגות של אמצעי האחסון המובנה. גררו את הצטלבות הכוונת למעלה ולמטה בציר העטרה כדי לעיין במהירות בכל התמונות בציר האופקי (איור 2).</li>
		<li>הזיזו את הכוונת לציר האופקי כדי לעיין בכל התמונות בציר העטרה. הכוונת נמצאת באותן קואורדינטות מרחביות בנפח התלת-ממדי; לכן, הזזתו על ציר אחד תשנה את מיקום התמונות בשני הצירים האחרים.</li>
		<li>עבור הפונקציה VolumeInspect , השתמש בחלון עוצמת ברירת המחדל עבור הריאה בממשק המשתמש הגרפי. התאם את ביצועי המסנן בפועל על-ידי לחיצה ממושכת על לחצן העכבר השמאלי וגרירה בציר.</li>
	</ol></li>
</ol>2. מודל דיגיטלי לשחזור תלת ממדי אופקי
הערה: תת-התהליך 3Dlung_Horizon מבצע בדיקה יסודית של גושים ריאתיים מנקודת מבט אופקית.
<ol><li>הטמיעו את פונקציית Build_3Dlung_Horizon במקום העבודה של MATLAB כדי לשחזר את המודל הדיגיטלי התלת-ממדי של גושי הריאה מתחת לחלון המסנן של הריאה, ולאחר מכן פתחו את ממשק המשתמש הגרפי כדי לבדוק את המודל התלת-ממדי האופקי (איור 3).</li>
	<li>שלא כמו בשלב 1.3.2, ממשק המשתמש הגרפי באיור 3 הוא מבנה ריאתי תלת-ממדי רציף שבו ניתן לראות בבירור סוגים שונים של גושים ריאתיים והיחסים המרחביים היחסיים שלהם עם רקמת הריאה. בעת גרירת פס הגלילה בממשק המשתמש הגרפי עם העכבר, ניתן לראות את מבנה הריאה התלת-ממדי הרציף.</li>
	<li>הפינה הימנית העליונה של ממשק המשתמש הגרפי באיור 3 מספקת סמלים להגדלה, להקטנת התצוגה, לחזרה לתצוגה הכללית ולסימון הקואורדינטות של הפיקסל שנבחר. השתמש בפונקציית הזום כדי לבחון את התכונות המקומיות של הנגעים ולהפיק תמונות פלט מבניות תלת-ממדיות רלוונטיות. השתמש בלחצן סמן קואורדינטות פיקסלים כדי לחשב את המרחק בין שתי נקודות כדי למדוד את גודל הגושים.</li>
	<li>סרגל הצבע המוגדר כברירת מחדל הוא מפת הצבעים jet, כלומר כחול לאדום מייצג ערכים מנמוך לגבוה. לחצו לחיצה ימנית על Color Bar בתפריט הנפתח כדי לבחור במפת הצבעים האפורה הנפוצה ולאפס את ממשק המשתמש הגרפי כולו.</li>
	<li>אם חלון המסנן אינו מרוצה, השתמש בלחצן העכבר השמאלי כדי לגרור למעלה ולמטה באמצע האיור כדי להתאים את רמת החלון. גרור שמאלה וימינה כדי להתאים את רוחב החלון, וטווח הסינון המדויק המתאים יוצג בסרגל הצבע.</li>
</ol>3. בניית מודל דיגיטלי תלת ממדי לכל גולם ספציפי
הערה: מספר הפרוסה הוא פרמטר של 3D_Nodules הפונקציה, המשחזר מודל דיגיטלי תלת-ממדי שניתן לצפות בו מכל נקודת מבט.
<ol><li>כדי לקבוע את מספר הפרוסה, כמו באיור 3, בדקו בפינה השמאלית העליונה של פס הגלילה; באיור 3, מספר הפרוסה הוא 70. השתמש בפונקציה Build_3D_Nodules עם שני פרמטרים, כולל מספר הפרוסה ונפח בית החזה שנוצר בשלב 1.3, כדי לשחזר מודל דיגיטלי תלת-ממדי עבור גושים ספציפיים. זהו מודל המוגדר על-ידי המשתמש, מכיוון שמספר פרוסת הקלט משתנה ותלוי במשתמש.</li>
	<li>אם פונקציית Build_3D_Nodules מבוצעת כראוי, המשתמש יכול לבדוק את הקשרית הריאה הממוקמת במספר פרוסה מסוים מנקודות מבט שונות בממשק המשתמש הגרפי המוקפץ (איור 4). לשם כך, בצע את הפעולות הבאות:<ol><li>לחצו לחיצה ממושכת על לחצן העכבר השמאלי, כמו במרכז איור 4, וגררו אותו לכל כיוון כדי לשנות את הפרספקטיבה של גושי הריאה. יש לציין כי זווית התצפית צריכה לקחת בחשבון את השיקולים האנטומיים ולנסות להראות הן את המאפיינים הרפואיים של גושי הריאה והן את הקשר בין הגושים לרקמות הסובבות.</li>
	</ol></li>
	<li>השתמשו בסמלי הזום והזז בפינה השמאלית העליונה, כפי שנעשה באיור 3. בנוסף, על-ידי סיבוב לחצן העכבר האמצעי, המשתמש יכול להגדיל או להקטין באופן רציף את התצוגה של הדגם.</li>
	<li>ממשק המשתמש הגרפי באיור 4 מראה את חיווי הקואורדינטות של המודל בפינה השמאלית התחתונה, כאשר הכיוון החיובי על ציר z הוא כיוון הסריקה במיקום האופקי. יישם את כלי צילום המסך שסופק על ידי מערכת ההפעלה כדי לשמור את ההקרנה התלת-ממדית הנדרשת של הגושים.</li>
</ol>4. מודל דיגיטלי של שחזור תלת מימד קורונלי
הערה: תת-התהליך Build_3Dlung_Coronal מבוצע כדי להעריך גושים ריאתיים מנקודת מבט קורונלית חלופית, ובכך מסייע לרופאים ולחולים לפתח הבנה מדויקת וכוללנית יותר של המיקום והתכונות של הגושים.
<ol><li>הטמיעו את פונקציית Build_3Dlung_Coronal במקום העבודה של MATLAB כדי לשחזר את המודל הדיגיטלי התלת-ממדי של גושים ריאתיים מתחת לחלון המסנן של הריאה, ולאחר מכן פתחו את ממשק המשתמש הגרפי, כפי שהוכן על-ידי הפונקציה, כדי לבדוק את המודל התלת-ממדי של העטרה (איור 5).</li>
	<li>ממשק המשתמש הגרפי באיור 5 מראה מבנה ריאה תלת-ממדי קורונלי רציף שבו ניתן לראות בבירור סוגים שונים של גושים ריאתיים ואת היחסים המרחביים היחסיים שלהם עם רקמת הריאה. גרור את פס הגלילה בממשק המשתמש הגרפי עם העכבר כדי לצפות במבנה הריאה התלת-ממדי הרציף של העטרה.</li>
	<li>הפינה הימנית העליונה של ממשק המשתמש הגרפי, כפי שמוצג באיור 5, מספקת גם סמלים להגדלה, להקטנת התצוגה, לחזרה לתצוגה הכללית ולסימון הקואורדינטות של הפיקסל שנבחר. השתמש בפונקציות אלה כדי לבחון את התכונות המקומיות של הנגעים וליצור תמונות מבניות תלת-ממדיות רלוונטיות. סמן את קואורדינטות הפיקסלים כדי לחשב את המרחק בין שתי נקודות, המשמש לעתים קרובות למדידת גודל הגושים.</li>
	<li>סרגל הצבע של ברירת המחדל הוא מפת הצבעים jet, שבה הצבעים מכחול לאדום מייצגים ערכים מנמוך לגבוה. לחצו לחיצה ימנית על סרגל הצבע בתפריט הנפתח כדי לבחור במפת הצבעים האפורה הנפוצה ולאפס את ממשק המשתמש הגרפי כולו.</li>
	<li>אם חלון המסנן אינו מתאים, השתמש בלחצן העכבר השמאלי כדי לגרור למעלה ולמטה באמצע האיור כדי להתאים את רמת החלון; גרור שמאלה וימינה כדי להתאים את רוחב החלון, וטווח הסינון המדויק המתאים יוצג בסרגל הצבע.</li>
</ol>5. פלט וידאו תלת מימד לגושים ריאתיים דומיננטיים
הערה: המרת המודל הדיגיטלי התלת-ממדי האופטימלי של קשרית ריאתית לסרטון תלת-ממדי דינמי מאפשרת לרופאים ולמטופלים להבין טוב יותר את המצב ולקבל החלטות מדויקות, דבר קריטי במיוחד לגיבוש תוכניות טיפול יעילות.
<ol><li>בסביבת העבודה, הכינו את המודל הדיגיטלי התלת-ממדי הנדרש, ודמיינו מראש את היחסים המרחביים היחסיים בין גושי הריאה לבין רקמת הריאה כך שיוצגו מזוויות שונות (איור 3 ואיור 4).</li>
	<li>במחקר זה, Adobe Captivate 2019 שימש לתיעוד כל תהליכי האינטראקציה עם ממשק המשתמש הגרפי. כדי להתחיל, פתח את התוכנה וצור פרויקט הקלטת מסך חדש. כבה את המצלמה ותיבת טווח הקלטת המסך האדום תופיע להקלטת פעולת המסך בלבד. במחקר זה, גרסה 5.1 GUI נכללה בתיבה. לחץ על כפתור ההקלטה כדי להפעיל את ממשק המשתמש הגרפי וליצור קובץ וידאו דיגיטלי של הקלטת המסך.</li>
	<li>לאחר הקלטת התצוגה הדינמית של גושי הריאות, חזור לסביבת ההפעלה של התוכנה על ידי לחיצה על הסמל בשורת המשימות.</li>
	<li>באמצעות תכונת פרסום הווידאו, שמור את הווידאו הדינמי המוקלט של המודל הדיגיטלי התלת-ממדי של גושי הריאות. לחץ על File > Distribute והגדר את נתיב אחסון הקבצים. תן שם לקובץ ושמור את קובץ הווידאו הדיגיטלי הרצוי.</li>
</ol>

שחזור תלת מימד לאבחון וטיפול בגושים ריאתיים

<ol><li>Mazzone, P. J., Lam, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluating+the+patient+with+a+pulmonary+nodule%3A+A+review%5BTitle%5D)+AND+%22JAMA%22%5BJournal%5D)">Evaluating the patient with a pulmonary nodule: A review.</a> JAMA. 327 (3), 264-273 (2022).</li>
<li>MacMahon, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Guidelines+for+management+of+incidental+pulmonary+nodules+detected+on+CT+images%3A+From+the+Fleischner+Society+2017%5BTitle%5D)+AND+%22Radiology%22%5BJournal%5D)">Guidelines for management of incidental pulmonary nodules detected on CT images: From the Fleischner Society 2017.</a> Radiology. 284 (1), 228-243 (2017).</li>
<li>Ather, S., Kadir, T., Gleeson, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Artificial+intelligence+and+radiomics+in+pulmonary+nodule+management%3A+Current+status+and+future+applications%5BTitle%5D)+AND+%22Clinical+Radiology%22%5BJournal%5D)">Artificial intelligence and radiomics in pulmonary nodule management: Current status and future applications.</a> Clinical Radiology. 75 (1), 13-19 (2020).</li>
<li>Bianconi, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparative+evaluation+of+conventional+and+deep+learning+methods+for+semi-automated+segmentation+of+pulmonary+nodules+on+CT%5BTitle%5D)+AND+%22Quantitative+Imaging+in+Medicine+and+Surgery%22%5BJournal%5D)">Comparative evaluation of conventional and deep learning methods for semi-automated segmentation of pulmonary nodules on CT.</a> Quantitative Imaging in Medicine and Surgery. 11 (7), 3286-3305 (2021).</li>
<li>Christe, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computer-aided+diagnosis+of+pulmonary+fibrosis+using+deep+learning+and+CT+images%5BTitle%5D)+AND+%22Investigative+Radiology%22%5BJournal%5D)">Computer-aided diagnosis of pulmonary fibrosis using deep learning and CT images.</a> Investigative Radiology. 54 (10), 627-632 (2019).</li>
<li>Kim, Y., Park, J. Y., Hwang, E. J., Lee, S. M., Park, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Applications+of+artificial+intelligence+in+the+thorax%3A+A+narrative+review+focusing+on+thoracic+radiology%5BTitle%5D)+AND+%22Journal+of+Thoracic+Disease%22%5BJournal%5D)">Applications of artificial intelligence in the thorax: A narrative review focusing on thoracic radiology.</a> Journal of Thoracic Disease. 13 (12), 6943-6962 (2021).</li>
<li>Schreuder, A., Scholten, E. T., van Ginneken, B., Jacobs, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Artificial+intelligence+for+detection+and+characterization+of+pulmonary+nodules+in+lung+cancer+CT+screening%3A+Ready+for+practice%5BTitle%5D)+AND+%22Translational+Lung+Cancer+Research%22%5BJournal%5D)">Artificial intelligence for detection and characterization of pulmonary nodules in lung cancer CT screening: Ready for practice.</a> Translational Lung Cancer Research. 10 (5), 2378-2388 (2021).</li>
<li>Gruden, J. F., Ouanounou, S., Tigges, S., Norris, S. D., Klausner, T. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Incremental+benefit+of+maximum-intensity-projection+images+on+observer+detection+of+small+pulmonary+nodules+revealed+by+multidetector+CT%5BTitle%5D)+AND+%22American+Journal+of+Roentgenology%22%5BJournal%5D)">Incremental benefit of maximum-intensity-projection images on observer detection of small pulmonary nodules revealed by multidetector CT.</a> American Journal of Roentgenology. 179 (1), 149-157 (2002).</li>
<li>Guleryuz Kizil, P., Hekimoglu, K., Coskun, M., Akcay, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diagnostic+importance+of+maximum+intensity+projection+technique+in+the+identification+of+small+pulmonary+nodules+with+computed+tomography%5BTitle%5D)+AND+%22Tuberk+Toraks%22%5BJournal%5D)">Diagnostic importance of maximum intensity projection technique in the identification of small pulmonary nodules with computed tomography.</a> Tuberk Toraks. 68 (1), 35-42 (2020).</li>
<li>Valencia, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Value+of+axial+and+coronal+maximum+intensity+projection+%28MIP%29+images+in+the+detection+of+pulmonary+nodules+by+multislice+spiral+CT%3A+Comparison+with+axial+1-mm+and+5-mm+slices%5BTitle%5D)+AND+%22European+Radiology%22%5BJournal%5D)">Value of axial and coronal maximum intensity projection (MIP) images in the detection of pulmonary nodules by multislice spiral CT: Comparison with axial 1-mm and 5-mm slices.</a> European Radiology. 16, 325-332 (2006).</li>
<li>Jabeen, N., Qureshi, R., Sattar, A., Baloch, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diagnostic+accuracy+of+maximum+intensity+projection+in+diagnosis+of+malignant+pulmonary+nodules%5BTitle%5D)+AND+%22Cureus%22%5BJournal%5D)">Diagnostic accuracy of maximum intensity projection in diagnosis of malignant pulmonary nodules.</a> Cureus. 11 (11), e6120(2019).</li>
<li>Naeem, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+maximum+intensity+projection+and+volume+rendering+in+detecting+pulmonary+nodules+on+multidetector+computed+tomography%5BTitle%5D)+AND+%22Cureus%22%5BJournal%5D)">Comparison of maximum intensity projection and volume rendering in detecting pulmonary nodules on multidetector computed tomography.</a> Cureus. 13 (3), e14025(2021).</li>
<li>Armato, S. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+lung+image+database+consortium+%28LIDC%29+and+image+database+resource+initiative+%28IDRI%29%3A+A+completed+reference+database+of+lung+nodules+on+CT+scans%5BTitle%5D)+AND+%22Medical+Physics%22%5BJournal%5D)">The lung image database consortium (LIDC) and image database resource initiative (IDRI): A completed reference database of lung nodules on CT scans.</a> Medical Physics. 38 (2), 915-931 (2011).</li>
<li>Xie, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Knowledge-based+collaborative+deep+learning+for+benign-malignant+lung+nodule+classification+on+chest+CT%5BTitle%5D)+AND+%22IEEE+Transactions+on+Medical+Imaging%22%5BJournal%5D)">Knowledge-based collaborative deep learning for benign-malignant lung nodule classification on chest CT.</a> IEEE Transactions on Medical Imaging. 38 (4), 991-1004 (2018).</li>
<li>Zheng, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+pulmonary+nodule+detection+in+CT+scans+using+convolutional+neural+networks+based+on+maximum+intensity+projection%5BTitle%5D)+AND+%22IEEE+Transactions+on+Medical+Imaging%22%5BJournal%5D)">Automatic pulmonary nodule detection in CT scans using convolutional neural networks based on maximum intensity projection.</a> IEEE Transactions on Medical Imaging. 39 (3), 797-805 (2019).</li>
</ol>

כלי התוכנה לשחזור מודל קשריות ריאתיות, PulmonaryNodule, הוא תוכנה מסחרית של Beijing Intelligent Entropy Science & Technology Co Ltd. זכויות הקניין הרוחני של כלי תוכנה זה שייכות לחברה. למחברים אין ניגודי עניינים לחשוף.

להתקני LDCT שונים יש הבדלים משמעותיים ברצפי התמונה של DICOM שהם מפיקים, במיוחד במונחים של ניהול מערכת הקבצים. לכן, כדי לשחזר את המודל הדיגיטלי התלת-ממדי המרכזי של קשרית ריאתית בשלבים מאוחרים יותר של הפרוטוקול, שלב עיבוד הנתונים חשוב במיוחד. בשלב הכנת הנתונים והעיבוד המוקדם (שלב 1.2.2), ניתן למיין נכון את קואורדינטת ציר z של הרצף באמצעות הרצף המוצג באיור 1, אשר יכול לשמש גם כדי לארגן כראוי את סדר התמונה הנכון הדרוש למידול וליצור את הנפח התלת-ממדי הנכון עבור עבודת המידול הבאה. השחזורים התלת-ממ...

השכיחות העולמית של גושים ריאתיים משתנה, אך ההערכה המקובלת היא כי לכ-30% מהמבוגרים יש לפחות קשרית ריאתית אחת הנראית בצילומי חזה1. שכיחות קשריות ריאה גבוהה יותר באוכלוסיות ספציפיות, כגון מעשנים כבדים ובעלי היסטוריה של סרטן ריאות או מחלות ריאה אחרות. חשוב לציין כי לא כל גושי הריאה הם ממאירים, אך יש צורך בהערכה יסודית כדי לשלול ממאירות2. גילוי מוקדם ואבחון של סרטן ריאות חיוניים לשיפור שיעורי ההישרדות, ובדיקות סקר קבועות עם טומוגרפיה ממוחשבת במינון נמוך (LDCT) מומלצות לאנשים בסיכון גבוה. שיטות רבות לזיהוי וזיהוי קשריות ריאתיות 3,4,5,6,7 מונעות בינה מלאכותית משתמשות בטכניקות למידה עמוקה כדי ללכוד את התכונות הרדיולוגיות של גושים ריאתיים, ושיטות אלה יכולות להשיג שטח טוב מתחת לעקומה (AUC) ביצועים. עם זאת, תוצאות חיוביות שגויות ושליליות שגויות ממשיכות להוות אתגר עבור רדיולוגים וקלינאים. הפרשנות והביטוי של תכונות מנקודת המבט של סיווג ובדיקה של קשריות ריאה עדיין אינם מספקים. במקביל, שחזור תלת ממדי של גושים ריאתיים המבוססים על LDCT זכה לתשומת לב גוברת כמודל דיגיטלי עבור סוגים שונים של גושים.
שחזור 3D של גושים ריאתיים הוא תהליך שיוצר ייצוג 3D של גידול קטן או גוש בריאה. תהליך זה כולל בדרך כלל יישום של טכניקות ניתוח תמונה רפואית הממנפות הן מומחיות רפואית והן גישות מודיעין נתונים. המודל הדיגיטלי התלת-ממדי המתקבל מציע תיאור מפורט ומדויק יותר של הגולם, ומאפשר הדמיה וניתוח משופרים של גודלו, צורתו ויחסיו המרחביים עם רקמות הריאה הסובבות אותו 8,9,10,11,12. מידע כזה יכול לסייע באבחון ומעקב אחר גושים ריאתיים, במיוחד אלה החשודים כסרטניים. על ידי הקלה על ניתוח מדויק יותר, שחזור 3D של גושים ריאתיים יש פוטנציאל לשפר את דיוק האבחון וליידע החלטות טיפול.
הקרנה בעוצמה מרבית (MIP) היא טכניקה פופולרית בתחום השחזור התלת-ממדי של גושים ריאתיים ומשמשת ליצירת הקרנה דו-ממדית של תמונה תלת-ממדית 8,9,10,11,12 היא שימושית במיוחד בהדמיה של נתונים נפחיים שחולצו מקבצי הדמיה דיגיטלית ותקשורת ברפואה (DICOM) שנסרקו על ידי CT. טכניקת MIP פועלת על ידי בחירת הווקסלים (היחידות הקטנות ביותר של נתוני נפח תלת-ממדיים) בעוצמה הגבוהה ביותר לאורך כיוון הצפייה והקרנתם על מישור דו-ממדי. התוצאה היא תמונה דו-ממדית המדגישה את המבנים בעלי העוצמה הגבוהה ביותר ומדכאת את אלה בעלי העוצמה הנמוכה יותר, מה שמקל על זיהוי וניתוח תכונות רלוונטיות 9,10,11,12. עם זאת, MIP אינו נטול מגבלות. לדוגמה, תהליך ההקרנה עלול לגרום לאובדן מידע, והתמונה הדו-ממדית המתקבלת עשויה שלא לייצג במדויק את המבנה התלת-ממדי של האובייקט שמתחתיו. עם זאת, MIP נותר כלי רב ערך לדימות והדמיה רפואית, והשימוש בו ממשיך להתפתח עם התקדמות הטכנולוגיה וכוח המחשוב11.
במחקר זה פותח מודל MIP עוקב להדמיית גושים ריאתיים קל לשימוש, ידידותי למשתמש עבור רדיולוגים, רופאים וחולים, ומאפשר זיהוי והערכה של תכונות גושים ריאתיים. היתרונות העיקריים של גישת עיבוד זו כוללים את ההיבטים הבאים: (1) ביטול תוצאות חיוביות שגויות ושליליות שגויות הנובעות מזיהוי דפוסים, המאפשר התמקדות בסיוע לרופאים לקבל מידע מקיף יותר על המיקום, הצורה והגודל התלת-ממדי של גושי ריאה, כמו גם הקשר שלהם לכלי הדם הסובבים אותם; (2) לאפשר לרופאים מומחים לרכוש ידע מקצועי במאפייני קשריות הריאה גם ללא סיוע של רדיולוגים; ו-(3) שיפור יעילות התקשורת בין רופאים למטופלים והערכת פרוגנוזה.

<table><tbody><tr><td>MATLAB</td><td>MathWorks&nbsp;</td><td>2022ב</td><td>מחשוב וויזואליזציה&nbsp;</td></tr><tr><td>כלים למידול</td><td>&nbsp; אינטליגנטי &nbsp; אנטרופיה</td><td>ריאתיתNodule V1.0</td><td>בייג'ינג אנטרופיה אינטליגנטית מדע & Technology Co Ltd. מידול לאיחוי CT/MRI</td></tr></tbody></table>

מודל דיגיטלי תלת ממדי לאבחון וטיפול בגושים ריאתיים

A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules

השחזור התלת-ממדי (3D) של גושים ריאתיים באמצעות תמונות רפואיות הציג גישות טכניות חדשות לאבחון וטיפול בגושים ריאתיים, וגישות אלה זוכות בהדרגה להכרה ואומצו על ידי רופאים וחולים. עם זאת, בניית מודל דיגיטלי תלת-ממדי אוניברסלי יחסית של גושים ריאתיים לאבחון וטיפול היא מאתגרת בשל הבדלי מכשירים, זמני צילום וסוגי קשריות. מטרת מחקר זה היא להציע מודל דיגיטלי תלת ממדי חדש של גושים ריאתיים המשמש גשר בין רופאים לחולים ומהווה גם כלי חדשני לאבחון מוקדם והערכה פרוגנוסטית . שיטות רבות לזיהוי וזיהוי קשריות ריאתיות מונעות בינה מלאכותית משתמשות בטכניקות למידה עמוקה כדי ללכוד את התכונות הרדיולוגיות של גושים ריאתיים, ושיטות אלה יכולות להשיג ביצועים טובים מתחת לעקומה (AUC). עם זאת, תוצאות חיוביות שגויות ושליליות שגויות ממשיכות להוות אתגר עבור רדיולוגים וקלינאים. הפרשנות והביטוי של תכונות מנקודת המבט של סיווג ובדיקה של קשריות ריאה עדיין אינם מספקים. במחקר זה מוצעת שיטה לשחזור תלת-ממדי רציף של הריאה כולה במיקומים אופקיים ועטרתיים על ידי שילוב טכנולוגיות עיבוד תמונה רפואיות קיימות. בהשוואה לשיטות ישימות אחרות, שיטה זו מאפשרת למשתמשים לאתר במהירות גושים ריאתיים ולזהות את תכונותיהם הבסיסיות תוך התבוננות בגושים ריאתיים מנקודות מבט מרובות, ובכך לספק כלי קליני יעיל יותר לאבחון וטיפול בגושים ריאתיים.

כדי להפוך את השיטה לישימה למגוון רחב יותר של התקנים, יש לארגן מחדש את סדר הערימה של כל סריקה בהתבסס על הקואורדינטות הפנימיות של מערכת הקבצים DICOM (איור 1) כדי ליצור את אמצעי האחסון התלת-ממדי הנכון (איור 2). בהתבסס על נתוני הנפח המדויקים, השתמשנו בשחזור אלגוריתמי רציף של MIPs אופקי ועטרה של הריאה של המטופל (איור 4 ואיור 5) לצורך אבחון וטיפול מדויקים בגושים הריאתיים של המטופל.
<p class="jove_content"...

מטרת מחקר זה היא לפתח מודל דיגיטלי תלת-ממדי חדשני של גושים ריאתיים המשמש גשר תקשורת בין רופאים לחולים ומהווה גם כלי חדשני לאבחון מוקדם ולהערכה פרוגנוסטית.

The three-dimensional (3D) reconstruction of pulmonary nodules using medical images has introduced new technical approaches for diagnosing and treating ...

מחקר זה נועד ליצור מודל שחזור תלת ממדי רציף לאפיון טוב יותר של גושי הריאה לצורך אבחון קליני והערכת פרוגנוזה. שילוב עמוק של טכנולוגיית הדמיה מבוססת בינה מלאכותית ואבחון וטיפול במחלות קשריות ריאה הם חלק מההתפתחויות האחרונות בתחום מחקר זה. השילוב של הדמיה רפואית, עיבוד שפה טבעית, דיגיטציה, סוג של עיצוב שדה, ואבחון קליני וסיכוני תרחישי טיפול, הם ההתקדמות האחרונה בתחום זה.בהדרגה, הקמת הדמיה תלת מימדית, הבחנה בין תכונות של גושים ריאתיים וניהול מעקב ארוך טווח אחר יעילות הרפואה הסינית המסורתית, מסייע לייעל את תוכנית הטיפול למניעה וטיפול במחלות. התמונות המופקות באמצעות מודל דיגיטלי זה, מדויקות ואינטואיטיביות, נמנעות מתוצאות חיוביות שגויות ותשלילים שגויים, ואינן רגישות לציוד סריקה. תוצאות מחקר זה מסייעות בסיווג מבוסס ראיות קליניות של גושים ריאתיים, פרוגנוזה, הערכה ואופטימיזציה של תוכניות טיפול, בהתבסס על תכונות מיוחדות תלת מימדיות.מוקד המחקר שלנו כולל שילוב של דיגיטציה, בינה מלאכותית, הדמיה והערכה ואופטימיזציה של תוכניות טיפול קליניות של הרפואה הסינית המסורתית, ליצירת תוכניות טיפול חסכוניות וטובות יותר.

a-3d-digital-model-for-diagnosis-treatment-pulmonary

Research

JoVE Journal

Medicine

רפואה

מחקר זה מציג שיטת שחזור תלת מימדית (3D) עבור הריאה כולה בחולים עם גושים ריאתיים מרובים מוקדמים. הוא מציע הדמיה מקיפה של התפלגות הגושים ואת יחסי הגומלין שלהם עם רקמת הריאה, מפשט את הערכת האבחנה והפרוגנוזה עבור חולים אלה.

שחזור תלת מימדי לכל הריאה עם גושים ריאתיים מרובים מוקדמים

מחקר זה מציג ניתוח ספקטרום מולטיפרקטלי להערכת ממאירות קשרית ריאתית. באמצעות נתוני CT-DICOM, השיטה מחשבת את ממדי הפרקטל על פני סולמות ווקסל מרובים, וחושפת הבדלים משמעותיים בין גושים ריאתיים בשלב מוקדם ובשלב מאוחר.

ניתוח ספקטרום מולטיפרקטלי להערכת ממאירות קשרית ריאתית

אנו מתארים את השימוש החדשני בשאיבת מחט טרנס-חזה מונחית ניווט אלקטרומגנטי להערכה פתולוגית של גושי ריאה אנושיים.

שימוש באלקטרומגנטית ניווט Transthoracic מחט שאיפה (E-TTNA) לדגימה של גושים ריאות

אנו מתארים שיטה לזיהוי התפתחות קשריות גידול בריאות של מודל עכבר אדנוקרצינומה באמצעות טומוגרפיה מיקרו-ממוחשבת והשימוש בה לניטור שינויים בגודל הגוש לאורך זמן ובתגובה לטיפול. דיוק ההערכה אושר באמצעות כימות היסטולוגי של נקודת הקצה.

באמצעות טומוגרפיה מיקרו שחושבת הערכת התפתחות גידול ומעקב של תגובה לטיפול במודל עכברי של סרטן הריאות

הטכניקה myograph החוט משמש כדי לחקור פונקציות השריר החלק בכלי הדם, תרופות חדשות מסך. אנחנו מדווחים על פרוטוקול מפורט עבור מודדים את contractility איזומטרי של עורק מצע המעי העליון העכבר, הקרנת מרפה החדש של השריר החלק בכלי הדם.

Contractility איזומטרי מדידה של עורק מצע המעי העליון העכבר באמצעות חוט Myography

אנו מתארים אלגוריתם קליני, המבוסס על עשרות שנים של ניסיון חזיתי של אבחון וטיפול כירורגי בדלקת ספונדילודיסציטיס אנושית של ברוסלאר במרכז הרפואי הגדול ביותר באזור הפסטורלי שינג'יאנג בסין.

אבחון וטיפול כירורגי של דלקת ברוסלאר Spondylodiscitis אנושי

מבחן ההפעלה הבזופילי הוא מבחן אבחון משלים במבחנה להערכת תגובות אלרגיות בתיווך IgE המבוסס על זיהוי הפעלת בזופיל בנוכחות גירוי מסוים באמצעות מדידת סמני הפעלה על ידי ציטומטריה של זרימה.

בדיקת הפעלת בזופיל לאבחון אלרגיה

אנו מדגימים כיצד ליצור מודל מורין של השתלת שורש ריאתי לתוך אבי העורקים היורד כדי לדמות את הליך רוס. מודל זה מאפשר הערכה לטווח בינוני/ארוך של שיפוץ השתלת ריאות במצב מערכתי, המייצג את הבסיס לפיתוח אסטרטגיות טיפוליות לקידום הסתגלותו.

מודל מכרסמים של פעולת רוס: השתלת שתל עורק ריאות סינגני במיקום מערכתי

פרוטוקול זה מתאר השתלה רצופה של משאבה אוסמוטית כדי לגרום למפרצת אבי העורקים הבטני על ידי שחרור אנגיוטנסין II בעכברים חסרי אפוליפופרוטאין E (ApoE) ושל יציאת גישה וסקולרית עם קטטר ורידים ג'וגולרי לטיפול תרופתי חוזר. ניטור התפתחות מפרצת על ידי אולטרסאונד תלת מימדי מתבצע ביעילות למרות השתלים הגביים.

טיפול תרופתי על ידי קטטר ורידי מרכזי במודל עכבר של אנגיוטנסין II מפרצת אבי העורקים הבטני המושרה וניטור על ידי אולטרסאונד 3D

חזירים מיניאטוריים (מיני חזירים) הם מודל אידיאלי של בעלי חיים גדולים למחקר על שתלי שבלול. ניתן להשתמש בניתוח השתלת שבלול במיני חזירים כדי לספק ראיות ראשוניות לבטיחות ולביצועים הפוטנציאליים של מערכי אלקטרודות חדשניים וגישות ניתוחיות במערכת חיה הדומה לבני אדם.

החזיר המיניאטורי: מודל חייתי גדול לחקר שתל שבלול

למדו ליצור מודל דיגיטלי תלת ממדי לניתוח גושים ריאתיים באמצעות שילוב טכנולוגיות AI ועיבוד תמונה רפואית. שיטה זו משפרת אבחון קליני, מפחיתה תוצאות שגויות ומייעלת תוכניות טיפול מותאמות אישית למטופלים.

מודל דיגיטלי תלת ממדי לאבחון וטיפול בגושים ריאתיים

גלה סרטונים נוספים