Name: Segmentazione della TC polmonare per identificare consolidamenti e aree di vetro macinato per lassesment quantitativo della polmonite SARS-CoV (Video) | JoVE Journal
Uploaded: 2020-12-19T14:00:00.000+00:00
Duration: 8 min 5 s
Description: Impara la segmentazione delle lesioni polmonari nelle TC toraciche per COVID-19 utilizzando 3D Slicer. Questo metodo supporta l'analisi radiomica e lo sviluppo di studi di intelligenza artificiale per migliorare la diagnosi.

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

Questo lavoro è stato sostenuto dal finanziamento del Dipartimento di Radiologia dell'Università di Bologna.

Questo protocollo segue le linee guida del comitato etico istituzionale per la ricerca umana.
1. Download delle immagini DICOM
<ol><li>Scarica le immagini DICOM e trasferiscile nella workstation dedicata alla segmentazione, con il software 3D installato. Se hai intenzione di lavorare su un personal computer, anonimizza i dati DICOM.</li>
</ol>2. Importazione dello studio HRCT sul software 3D Slicer
<ol><li>Nella schermata di apertura del software (corrispondente alla sezione Welcome to Slicer del menu a discesa) selezionare Carica dati DICOM. In alternativa, selezionare l'icona DCM nell'angolo superiore sinistro della barra degli strumenti.</li>
	<li>Nell'angolo superiore sinistro del pannello Browser DICOM selezionare Importa, quindi selezionare la posizione dello studio HRCT. Selezionare la cartella con le immagini DCM, quindi selezionare Importa.</li>
	<li>Ora che lo studio HRCT è stato importato correttamente, fare clic sul pulsante Carica.</li>
</ol>3. Creazione dei segmenti
<ol><li>Create segmenti nella sezione Segmentazioni del menu a discesa o direttamente nella sottosezione Editor segmenti disponibile nella sezione Segmentazione del menu a discesa o di nuovo come icona dedicata sulla barra degli strumenti.</li>
	<li>Nel menu a discesa accanto a Volume master selezionare lo studio HRCT.</li>
	<li>Selezionare Aggiungi e creare tre nuovi segmenti, che verranno denominati automaticamente segmenti 1, 2 e 3. Fare doppio clic su ciascuno di essi e rinominarli rispettivamente "tlv" (Total Lung Parenchyma), "ggo" (Opacità di vetro macinato) e "contro" (Consolidamenti). Se nello studio HRCT coesistono ulteriori risultati patologici, come l'effusione pleurica, il cancro ai polmoni, le aree fibrotiche e così via, creare segmenti aggiuntivi. Lo stesso vale per gli artefatti.</li>
</ol>4. Definizione del segmento TLP
NOTA: Una definizione accurata del segmento TLP è fondamentale, in quanto verrà utilizzata per mascherare l'HRCT durante la definizione dei segmenti GGO e CD.
<ol><li>Come primo passo, nella sezione Editor segmenti, dopo aver selezionato il segmento TLP, scegliete lo strumento Soglia.</li>
	<li>Impostare una soglia abbastanza grande da includere sia il parenchima polmonare sano che le opacità del vetro macinato. Utilizzando i valori riportati nella letteratura scientifica con i necessari adeguamenti per conformarsi alla definizione da manuale di GGO, abbiamo scoperto che fissare la soglia tra -1000 HU e -250 HU funzionabene 6,14,15,16,17. Selezionare Quindi Applica.</li>
	<li>Il segmento così definito includerà sia l'aria all'interno dei polmoni che l'aria al di fuori del torace (cioè l'aria esterna al paziente). Per isolare il parenchima polmonare, utilizzare lo strumento Isole, disponibile nell'Editor segmenti, e scegliere Mantieni isola selezionata. Clicca a sinistra all'interno del torace in modo che tutto ciò che è fuori dal torace venga escluso dal segmento.</li>
	<li>Includere quindi qualsiasi area di consolidamento all'interno del segmento TLP. I consolidamenti di solito hanno valori di attenuazione (Hounsfield Units: HU) simili a quelli dei tessuti molli che costituiscono la parete toracica e il mediastino. Questo è il motivo per cui lo strumento Threshold non può essere utilizzato per questo scopo e i consolidamenti dovranno essere aggiunti manualmente, utilizzando gli strumenti Forbici e Vernice presenti nell'editor dei segmenti.<ol>
<li>Utilizzare lo strumento Forbici per aggiungere porzioni di parenchima polmonare al segmento. Selezionate l'operazione Riempimento interno (Fill Inside), quindi Forma libera (Free Form) come forma e Simmetrico (Symmetric) come taglio della fetta. Scegliere uno spessore adeguato alle dimensioni del consolidamento (ad esempio, da 3 a 20 mm); e poi, iniziare ad aggiungere progressivamente piccole porzioni di TLP, fino a quando il consolidamento non è stato completamente incluso.</li>
		<li>Lo strumento Paint è più facile e talvolta più veloce da usare, ma potrebbe essere meno preciso, a seconda dell'area da includere. Quando l'opzione Pennello sfera è attiva, questo strumento può aggiungere porzioni 3D di parenchima polmonare al segmento. Le dimensioni del pennello possono essere facilmente modificate.</li>
		<li>Durante l'aggiunta dei consolidamenti al segmento TLP, non includere porzioni di parete toracica o mediastino. Questo potrebbe rivelarsi difficile come nei pazienti affetti da consolidamenti COVID19 adiacenti alla parete toracica posteriore sono abbastanza comuni. Utilizzate lo strumento Cancella (Erase) per correggere la segmentazione oppure selezionate Annulla (Undo) per ignorare l'ultima azione.</li>
		<li>In questa fase, utilizzare ancora una volta l'algoritmo di smussatura per eliminare piccole imperfezioni che potrebbero essersi verificate durante la parte manuale della segmentazione. Ora la definizione del segmento TLP è conclusa.</li>
	</ol>
</li>
</ol>5. Definizione del segmento GGO
<ol><li>Per definire il segmento GGO, utilizzate lo strumento soglia.<ol>
<li>Selezionare il segmento GGO.</li>
		<li>Impostare la soglia tra -750 HU e -150 HU.</li>
		<li>Prima di selezionare Applica, passare alla sezione Mascheramento sottostante e selezionare TLP nel menu a discesa Area modificabile. Nel menu a discesa Sovrascrivi altro segmento selezionare Nessuno. Questo è estremamente importante in quanto, se saltato, una volta definito il segmento GGO, anche il segmento TLP sarebbe stato modificato. Questo deve essere evitato, poiché il segmento TLP è la maschera su cui sono definiti tutti gli altri segmenti.</li>
		<li>Selezionare Applica.</li>
	</ol>
</li>
	<li>A questo punto sarà probabilmente necessario utilizzare ancora una volta l'algoritmo di levigatura, al fine di escludere dal segmento tutti i piccoli vasi e gli elementi interstiziali fisiologici che hanno una densità simile a quella del vetro macinato. Inizia con una dimensione del kernel di 3 mm e, se necessario, aumentalo progressivamente, fino a un massimo di 6-7 mm. Si noti che l'aumento troppo delle dimensioni del kernel potrebbe determinare la perdita di piccole aree di vetro macinato, che sarebbero lasciate al di fuori del segmento GGO. Per questo motivo, l'algoritmo di levigatura deve essere utilizzato con la dovuta cautela.</li>
	<li>Anche in questo caso, applicare le correzioni necessarie con lo strumento Vernice , Forbici e Cancella. Durante questa fase ricorda di mantenere la maschera TLP attiva in ogni momento per evitare di includere porzioni di parete toracica adiacenti alle aree "vetro macinato" all'interno del segmento. Questo perché, se erroneamente segmentati, sarebbero automaticamente esclusi.</li>
	<li>Quando si ottiene questo segmento, prestare molta attenzione alla possibile presenza di artefatti generati da movimenti di focolare e diaframma (questo accade se il paziente non è in grado di trattenere il respiro durante l'esame). Se presenti e precedentemente inclusi nel segmento TLP, eliminate questi artefatti dal segmento "vetro macinato", ad esempio attraverso lo strumento Isole con l'opzione Rimuovi isola selezionata o utilizzando gli strumenti Forbici e Cancella. A seconda dell'obiettivo dello studio, gli artefatti potrebbero essere segmentati separatamente, utilizzando un segmento dedicato o inclusi nel segmento TLP ed esclusi da altri segmenti. Ora il segmento GGO è stato definito.</li>
</ol>6. Definizione del segmento CD
<ol><li>Per definire il segmento CD, procedere allo stesso modo in cui definire il segmento GGO.<ol>
<li>Selezionare il segmento CD. Assicurarsi di utilizzare il mascheramento TLP sempre attivo.</li>
		<li>Impostare una soglia adeguata. Per i consolidamenti l'intervallo varia, approssimativamente, da -150 HU a 100 HU.</li>
		<li>Applicare l'algoritmo di smussatura che varia le dimensioni del kernel in base alle esigenze.</li>
		<li>Utilizzare una combinazione degli strumenti Forbici,Cancella, Vernice e Isole al fine di mantenere all'interno del segmento solo i veri consolidamenti, esclusi grandi vasi, effusioni pleuriche,manufatti, bande disventilatorie e altre lesioni non legate al COVID.</li>
		<li>Se necessario, è possibile applicare una levigatura finale.</li>
	</ol>
</li>
</ol>7. Salvataggio dei segmenti
<ol><li>Salvare i segmenti come file ".nrrd" o convertirli in mappe etichette binarie dal modulo "Data".</li>
</ol>8. Estrazione di volumi dai segmenti definiti.
<ol><li>Dal modulo Statistiche segmento ottenere una tabella con dettagli sul volume e sulle superfici dei segmenti.</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>

Nessuno degli autori ha conflitti di interessi.

La segmentazione rappresenta un passo fondamentale per l'esecuzione di moderni studi di radiologia quantitativa ed è necessaria per applicare tecniche di radiomica o analisi delle trame. I risultati patologici nei polmoni rappresentano uno dei più difficili da segmentare, per la mancanza di confini anatomici definiti e una piccola differenza nel valore di attenuazione rispetto alle aree sane.
Le immagini sorgente devono presentare un minimo di artefatti, se possibile, specialmente sulle aree p...

Nell'anno in corso, il mondo sta affrontando un'emergenza sanitaria, la pandemia causata dal nuovo Coronavirus, Sars-CoV2. Anche se, fino ad oggi, molti aspetti riguardanti la fisiopatologia dell'infezione da COVID-19 non sono ancora chiari, condivide diverse caratteristiche con i suoi "antenati" SARS1 e MERS. In particolare, è stato dimostrato che le proteine del picco di virione interagiscono con l'enzima di conversione dell'angiotensina di tipo 2, un recettore ben rappresentato sulle cellule endoteliali alveolari, ma onnipresente nell'organismo umano, avendo così la potenzialità di dare sintomi sistemici1.
Per la diagnosi, lo standard attuale è la reazione a catena in tempo reale transcriptasi-polimerasi inversa (rt-PCR), un test eseguito su tamponi faringei. Sebbene l'imaging radiologico non sia ufficialmente riconosciuto nel percorso diagnostico per l'individuazione della malattia, la tomografia computerizzata ad alta risoluzione (HRCT) si è rivelata un valido aiuto alla gestione clinica ed epidemiologica dei pazienti colpiti, a causa della sensibilità relativamente bassa della rt-PCR, dell'attuale scarsità di laboratori specializzati e dei reagenti necessari e dell'elevata dipendenza dell'operatore.
La Radiological Society of North America (RSNA) ha rilasciato una dichiarazione di consenso, approvata dalla società di radiologia toracica e dall'American College of Radiology (ACR), che classifica l'aspetto CT del COVID19 in quattro categorie al fine di standardizzare la segnalazione, dividendo i modelli di polmonite interstiziale in "tipici", "atipici", "indeterminati" e "negativi"2.
Il modello "tipico" è caratterizzato dalla presenza di opacità di vetro macinato a forma rotonda (GGO), di solito con una posizione sub-pleuriche sui segmenti basali dorsali. Il GGO può essere associato a aree di "Pavimentazione pazza" di setti ispessiti o altri segni di organizzazione della polmonite. Il modello "indeterminato" è caratterizzato dall'assenza dei risultati del modello "tipico", con aree GGO diffuse con distribuzione perihilar, con o senza aree consolidanti. Il modello "atipico" è caratterizzato dall'assenza dei segni "tipici" o "indeterminati", e dalla presenza di consolidamenti lobar, "albero in gemma", ispessimento liscio del setto ed effusione pleurica; in questa presentazione nessun GGO è rilevabile. Il modello "negativo" è caratterizzato dall'assenza dei suddetti risultati patologici.
Secondo la letteratura, alcuni pazienti possono presentare un alto sospetto clinico di COVID-19 supportato da criteri epidemiologici e risultati di imaging con rt-PCR3,4 negativo. D'altra parte, è stato riferito che i pazienti con un rt-PCR positivo e risultati clinici suggestivi, non presentano risultati patologici su HRCT5.
Al giorno d'oggi, è di fondamentale interesse per la comunità scientifica applicare tecniche di analisi delle immagini quando studia quantitativamente le caratteristiche di questa malattia. Un recente studio ha applicato la tecnica di segmentazione automatizzata del parenchima polmonare per identificare la percentuale di polmone aerato nei pazienti affetti da COVID-19, correlando questo valore con la prognosi e dimostrando che i pazienti con un coinvolgimento polmonare più grave presentavano un rischio maggiore di essere ammessi nell'Unità di Terapia Intensiva (TERAPIA INTENSIVA) e di avereesiti peggiori 6.
La segmentazione è il contouring delle regioni di interesse (ROM) all'interno di un volume acquisito attraverso una tecnica di imaging, come HRCT. Questa attività può essere svolta con tre metodi: manuale, semiautomatico e automatico. La segmentazione manuale, grazie all'esperienza di un radiologo qualificato, consiste nell'etichettatura dei voxel appartenenti all'area patologica. I principali svantaggi di questo metodo sono la grande quantità di tempo richiesta e il fatto che dipende dall'operatore.
I metodi semiautomatici consentono di accelerare la segmentazione in quanto l'operatore può modificare una maschera di segmentazione ottenuta attraverso i metodi classici di elaborazione delle immagini (ad esempio, soglia sull'intensità dei pixel, clustering, ecc.). Tuttavia, queste tecniche non sono facili da implementare nella pratica clinica in quanto richiedono un ampio intervento manuale nei casi più complicati18.
I metodi di segmentazione automatica, attualmente di uso limitato, utilizzano l'intelligenza artificiale per ottenere LE. In particolare, un recente studio mira a utilizzare la segmentazione automatica nella quantificazione delle aree di vetro macinato nei pazienti affetti da polmonite interstiziale COVID-1919. La definizione di un protocollo di segmentazione per le aree patologiche sulle immagini HRCT è il vero primo passo verso la successiva analisi radiomica, al fine di identificare caratteristiche che potrebbero aiutare a comprendere ulteriormente la fisiopatologia della malattia e servire come fattore prognostico accurato che potenzialmente influenza il trattamento.
Questo documento offre una guida per ottenere segmenti accurati ed efficienti che rappresentano i risultati patologici della polmonite da COVID-19 utilizzando "3D Slicer"7,8,9,10.

<table><tbody><tr><td>Scanner CT</td><td>General Electrics Healthcare</td><td>64-MDCT VCT lightSpeed</td><td>Lo scanner CT utilizzato per le acquisizioni HRCT Desktop</td></tr><tr><td>Computer</td><td>ThinkCentre</td><td></td><td>Il computer utilizzato per scaricare i file DICOM ed eseguire 3D Slicer</td></tr></tbody></table>

segmentazione della tc polmonare per identificare consolidamenti e aree di vetro macinato per l'assesment quantitativo della polmonite sars-cov

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

La segmentazione è un compito complesso, affrontato da radiologi e ricercatori mentre la radiomica e l'apprendimento automatico crescono di potenziale. Il processo può essere automatico, semiautomatico o manuale, il primo spesso non è sufficientemente preciso o facilmente riproducibile e l'ultimo richiede eccessivamente tempo quando coinvolge grandi distretti con acquisizioni ad alta risoluzione.
Una TAC ad alta risoluzione del torace è composta da centinaia di immagini, il che rende l'approccio manuale eccessivamente dispendioso in termini di tempo. Inoltre, le alterazioni parenchimali richiedono una valutazione esperta da discernere dall'aspetto normale; pertanto, un approccio semiautomatico al processo di segmentazione è, per quanto ne so, il più adatto quando si segmentano le polmonite, specialmente quando le loro caratteristiche sono ancora sconosciute.
Per gli studi condotti nel nostro istituto sull'imaging del COVID-19, abbiamo adottato 3D Slicer, un software freeware prodotto dall'Università di Harvard, e combinato la soglia con gli strumenti a pennello per ottenere una segmentazione rapida e precisa del polmone aerato, delle opacità del vetro macinato e dei consolidamenti. Quando si affrontano casi complessi, questo metodo richiede ancora una notevole quantità di tempo per adeguate regolazioni manuali, ma fornisce una media estremamente efficiente per definire segmenti da utilizzare per ulteriori analisi, come il calcolo della percentuale del parenchima polmonare interessato o l'analisi della trama delle aree di vetro macinato.

Il metodo proposto è stato perfezionato attraverso studi ed errori, testandolo su 117 pazienti affetti da polmonite da COVID-19 con un test rt-PCR positivo.
Dopo una breve curva di apprendimento, il tempo necessario per ottenere i segmenti può variare da 5 a 15 minuti, a seconda del modello di presentazione.
Come mostrato nella figura 1, il metodo produce segmenti precisi: questo può essere osservato notando l'esatta corrispondenza con l'HRCT. Il re...

Lo scopo di questo protocollo è quello di fornire un modo efficiente in termini di tempo per segmentare i volumi di interesse sulle scansioni CT ad alta risoluzione da utilizzare per ulteriori analisi radiomiche.

Segmentazione della TC polmonare per identificare consolidamenti e aree di vetro macinato per l'assesment quantitativo della polmonite 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 ...

Dallo scoppio della nuova pandemia di malattia da coronavirus, appare fondamentale un metodo semplice ed efficace utile per ottenere una corretta segmentazione delle tipiche lesioni patologiche di questa infezione nelle immagini di TAC toracica. Pertanto, il nostro obiettivo è quello di offrire uno starter pack di conoscenze al fine di consentire alle persone di eseguire una segmentazione facile ed efficiente di questi risultati patologici polmonari. Speriamo che questo aiuti la comunità scientifica a sviluppare studi dedicati alla radiomica e all'intelligenza artificiale che potrebbero migliorare l'approccio diagnostico di questi pazienti.Nel browser DICOM di 3D Slicer procedere alla selezione dello studio che si desidera segmentare e fare clic su Carica. È possibile esaminare il caso selezionato nella sezione visualizzatore. Come potete vedere, questo paziente presenta opacità di vetro macinato a livello bilaterale e aree consolidanti, che è un tipico caso di COVID-19.Quindi vai alla sezione Segmento e aggiungi tre segmenti, uno per il volume polmonare totale, uno per le opacità del vetro macinato e uno per le aree consolidanti. Passare allo strumento Soglia e impostare la soglia superiore su meno 250 unità hounsfield. Ordinare per selezionare solo l'aria e tralascio tessuti molli, ossa e aree consolidanti allo stesso modo, che il sistema non può discernere automaticamente dai tessuti molli, quindi fare clic per applicare.Quindi, si desidera rimuovere l'aria all'esterno del paziente e, per farlo, utilizzare lo strumento Isola e andare a Mantieni solo l'isola selezionata. Quindi fare clic all'interno del paziente. Vedete che l'aria esterna è stata rimossa.Ora, si desidera aggiungere le aree consolidanti al volume polmonare totale. Per fare ciò, utilizzare lo strumento Paint con l'impostazione pennello Sfera, regolando le dimensioni in base alle esigenze e facendo attenzione a evitare i tessuti molli. Con il pennello Sfera, dipingi su e giù rispetto alla fetta su cui stai lavorando, il che accelera il processo.Ora, si desidera segmentare le aree consolidanti. Per fare ciò, assicurati di lavorare all'interno del volume polmonare totale senza una varietà di altri segmenti. Utilizzando lo strumento Soglia, aumentare la soglia superiore per essere sicuri di includere tessuti molli e consolidamenti e impostare la soglia inferiore su meno 250.Si noti che si selezionano sia tessuti molli, vasi e consolidamento, ma quando si fa clic su Applica, sono state selezionate solo le aree di consolidamento. Ora, per segmentare le aree di vetro macinato, si seleziona il segmento di vetro macinato. Mantenendo le impostazioni della segmentazione precedente, impostare la soglia da meno 750 a meno 250 unità hounsfield.Si noti che questo valore può variare in base alle impostazioni di scansione CT. Regolare sempre secondo la definizione di vetro macinato della Fleischner Society. Scegli un'opacità con quel vaso visibile in vista.Quindi, fare clic su Applica. Noterai che sono stati selezionati anche spazi interstiziali. Per regolare, passare allo strumento Smooth.Seleziona quale posto si adatta meglio all'algoritmo di costruzione della tua TAC. E come potete vedere, gli spazi interstiziali sono stati rimossi. È possibile controllare i risultati della segmentazione che vanno a Editor segmenti ed è possibile visualizzare un modello 3D dei segmenti definiti.È possibile utilizzare il dispositivo di scorrimento sul lato sinistro per regolare la trasparenza del modello. La vista 3D può essere utilizzata per confermare il corretto processo di segmentazione. Ora abbiamo tre segmenti distinti, uno per il volume polmonare totale e gli altri due per i risultati tipici dei consolidamenti COVID-19 e delle aree di vetro macinato.È possibile estrarre alcune statistiche dal segmento definito a causa del modulo SegmentStatistics. Rimuovere l'opzione Volume scalare, quindi si dispone di una tabella che esprime il volume del polmone totale e le aree consolidanti e le aree di vetro macinato. Puoi usarlo per calcolare la gravità della malattia.È inoltre possibile esportare il segmento definito. È possibile passare alla sezione Dati. Quindi, rendi visibile solo il segmento che vuoi esportare, facendo clic sull'icona dell'occhio.Quindi fare clic con il pulsante destro del mouse ed esportare la mappa etichette binaria solo visibile. Puoi rimanere la mappa etichette come preferisci. Devi ripetere il processo per ogni segmento che hai definito.In questo modo, ora hai tre mappe etichetta corrispondenti al segmento che hai definito. Questo può essere esportato in qualsiasi tipo di file tu preferisca o si adatti meglio per ulteriori analisi. Inoltre. Con questi metodi, i ricercatori possono ottenere rapidamente una segmentazione accurata per i risultati patologici del COVID-19 per i quali è possibile estrarre caratteristiche specifiche.Fornendo tali conoscenze alla comunità scientifica, è possibile sviluppare metodi di segmentazione accurati e completamente automatizzati e determinare precisi fattori prognostici.

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

Research

Ricerca

JoVE Journal

Medicine

Medicina

In considerazione del principio di 3Rs, modelli respiratori in alternativa agli studi sugli animali si stanno evolvendo. Soprattutto per la valutazione del rischio delle sostanze respiratorie, c'è una mancanza di analisi appropriate. Qui, descriviamo l'uso delle fette di polmone umano di taglio di precisione per la valutazione delle sostanze trasportate dall'aria.

Valutazione dei citotossici e gli effetti immunomodulatori di sostanze in fette di polmone umano di taglio di precisione

Ecografia polmonare è uno strumento non invasivo e prezioso per comodino valutazione delle malattie polmonari neonatale. Tuttavia, una mancanza relativa di riferimento standard, protocolli e linee guida può limitarne l'applicazione. Qui, ci proponiamo di sviluppare un protocollo di diagnostica ecografia polmonare neonatale standardizzato da utilizzare nel processo decisionale clinico.

Protocollo e linee guida per Point-of-Care polmone ecografia nella diagnosi delle malattie polmonare neonatale basate sul consenso di esperti internazionale

Qui presentiamo raccomandazioni pratiche per l'esecuzione di tomografia computerizzata ad alta risoluzione toracica toracica per la diagnosi e la valutazione della malattia polmonare interstiziale correlata alla sclerosi sistemica.

Caratteristiche di imaging della malattia polmonare interstiziale associata alla sclerosi sistemica

L'ecografia point-of-care (POCUS) dei polmoni fornisce risposte rapide in scenari clinici in rapida evoluzione. Presentiamo un protocollo efficiente e informativo per l'acquisizione di immagini per l'uso in contesti di terapia intensiva.

Ecografia polmonare point-of-care negli adulti: acquisizione di immagini

L'obiettivo di questo studio è sviluppare un nuovo modello digitale 3D dei noduli polmonari che funge da ponte di comunicazione tra medici e pazienti ed è anche uno strumento all'avanguardia per la pre-diagnosi e la valutazione prognostica.

Un modello digitale 3D per la diagnosi e il trattamento dei noduli polmonari

Questo studio introduce un metodo di ricostruzione tridimensionale (3D) per l'intero polmone in pazienti con noduli polmonari multipli precoci. Offre una visualizzazione completa della distribuzione dei noduli e della loro interazione con il tessuto polmonare, semplificando la valutazione della diagnosi e della prognosi per questi pazienti.

Ricostruzione tridimensionale per l'intero polmone con noduli polmonari multipli precoci

La TC e la 129Xe MRI forniscono informazioni complementari sulla struttura-funzione polmonare che possono essere sfruttate per l'analisi regionale utilizzando la registrazione delle immagini. Qui, forniamo un protocollo che si basa sulla letteratura esistente per la registrazione di immagini da RM a TC 129Xe utilizzando piattaforme open source.

Imaging polmonare multimodale: utilizzo di informazioni complementari da TC e risonanza magnetica 129Xe iperpolarizzata per valutare la struttura-funzione polmonare

Qui, presentiamo un protocollo per utilizzare la tomografia micro-computerizzata (micro-CT) per quantificare le regioni ventilate in un modello di fibrosi polmonare indotta da bleomicina unilaterale tramite instillazione intratracheale sul lato lesionale.

Analisi unilaterale del volume polmonare mediante micro-CT per una valutazione avanzata della fibrosi polmonare in modelli preclinici

Qui presentiamo un protocollo per l'applicazione POCUS al letto dei pazienti nella gestione ARDS all'interno della terapia intensiva. Descrive tecniche standardizzate per valutazioni polmonari, cardiache, diaframmatiche, venose e gastriche per guidare la ventilazione, prevedere lo svezzamento e prevenire complicazioni.

L'applicazione dell'ecografia al punto di cura (POCUS) nella gestione della Sindrome da Difficoltà Respiratoria Acuta (ARDS) nell'Unità di Terapia Intensiva

La polmonite è una delle prime dieci cause di morte nelle tecniche manipolative US osteopatico (OMT), può essere utilizzato come terapia aggiuntiva nel trattamento della polmonite per migliorare la funzione biomeccanica e del sistema immunitario; e, infine, per ridurre degenza, durata di antibiotici, incidenza di insufficienza respiratoria, e mortalità. In questo video-articolo, passeremo in rassegna gli studi controllati randomizzati sull'uso di OMT in pazienti con polmonite, così come...

Trattamento manipolativo osteopatico come strumento aggiuntiva Utile per polmonite

Impara la segmentazione delle lesioni polmonari nelle TC toraciche per COVID-19 utilizzando 3D Slicer. Questo metodo supporta l'analisi radiomica e lo sviluppo di studi di intelligenza artificiale per migliorare la diagnosi.

Segmentazione della TC polmonare per identificare consolidamenti e aree di vetro macinato per lassesment quantitativo della polmonite SARS-CoV (Video) | JoVE Journal

Segmentazione della TC polmonare per identificare consolidamenti e aree di vetro macinato per l'assesment quantitativo della polmonite SARS-CoV

Esplora altri video