Name: Segmentacja tomografii komputerowej płuc w celu identyfikacji konsolidacji i obszarów szkła mielonego w celu ilościowej oceny zapalenia płuc SARS-CoV (Wideo) | JoVE Journal
Uploaded: 2020-12-19T14:00:00.000+00:00
Duration: 8 min 5 s
Description: Poznaj metodę segmentacji tomografii komputerowej płuc w celu identyfikacji konsolidacji i obszarów szkła mielonego. Technika ta wspiera rozwój badań radiomicznych i sztucznej inteligencji w diagnostyce COVID-19.

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

Ta praca była wspierana przez fundusze z Wydziału Radiologii Uniwersytetu Bolońskiego.

Ten protokół jest zgodny z wytycznymi instytucjonalnej komisji etycznej ds. badań na ludziach.
1. Pobieranie obrazów DICOM
<ol>
	<li>Pobierz obrazy DICOM i prześlij je na stację roboczą dedykowaną do segmentacji, z zainstalowanym oprogramowaniem 3D. Jeśli planujesz pracę na komputerze osobistym, zanonimizuj dane DICOM.</li>
</ol>
2. Importowanie badania HRCT za pomocą oprogramowania 3D Slicer
<ol>
	<li>Na ekranie otwierania oprogramowania (odpowiadającym sekcji Witamy we fragmentatorze w menu rozwijanym) wybierz opcję Load DICOM Data (Załaduj dane DICOM). Można również wybrać ikonę DCM w lewym górnym rogu paska narzędzi.</li>
	<li>W lewym górnym rogu panelu Przeglądarka DICOM wybierz opcję Importuj, a następnie wybierz lokalizację badania HRCT. Wybierz folder z obrazami DCM, a następnie wybierz opcję Importuj.</li>
	<li>Teraz, gdy badanie HRCT zostało pomyślnie zaimportowane, kliknij przycisk Załaduj.</li>
</ol>
3. Tworzenie segmentów
<ol>
	<li>Segmenty można tworzyć w sekcji Segmentacje w menu rozwijanym lub bezpośrednio w podsekcji Edytor segmentów znajdującej się w sekcji Segmentacja w menu rozwijanym, lub ponownie jako dedykowaną ikonę na pasku narzędzi.</li>
	<li>Z menu rozwijanego obok opcji Wolumin główny należy wybrać badanie HRCT.</li>
	<li>Wybierz Dodaj i utwórz trzy nowe segmenty, które zostaną automatycznie nazwane Segment 1, 2 i 3. Kliknij dwukrotnie każdy z nich i zmień ich nazwy odpowiednio na "tlv" (całkowity miąższ płuc), "ggo" (zmętnienia szkła mielonego) i "cons" (konsolidacje). Jeśli w badaniu HRCT współistnieją dodatkowe zmiany patologiczne, takie jak wysięk opłucnowy, rak płuc, obszary zwłóknienia i tak dalej, utwórz dodatkowe segmenty. To samo dotyczy artefaktów.</li>
</ol>
4. Definicja segmentu TLP
UWAGA: Dokładna definicja segmentu TLP jest fundamentalna, ponieważ będzie ona używana do maskowania HRCT podczas definiowania segmentów GGO i CDs.
<ol>
	<li>W pierwszym kroku, w sekcji Edytor segmentów, po wybraniu segmentu TLP, wybierz instrument Próg.</li>
	<li>Ustal próg wystarczająco duży, aby obejmował zarówno zdrowy miąższ płuc, jak i zmętnienia szkła mielonego. Korzystając z wartości podanych w literaturze naukowej z niezbędnymi korektami, aby zachować zgodność z podręcznikową definicją GGO, stwierdziliśmy, że ustawienie progu między -1000 HU a -250 HU działa dobrze6,14,15,16,17. Następnie wybierz pozycję Zastosuj.</li>
	<li>Tak zdefiniowany segment będzie obejmował zarówno powietrze wewnątrz płuc, jak i powietrze na zewnątrz klatki piersiowej (tj. powietrze na zewnątrz pacjenta). W celu wyizolowania miąższu płuc należy skorzystać z narzędzia Wyspy, które znajduje się w Edytorze segmentów, i wybrać opcję Zachowaj wybraną wyspę. Kliknij lewym przyciskiem myszy wewnątrz skrzyni, aby wszystko, co znajduje się poza skrzynią, zostało wykluczone z segmentu.</li>
	<li>Następnie uwzględnij dowolny obszar konsolidacji w segmencie TLP. Konsolidacje zwykle mają wartości tłumienia (jednostki Hounsfielda: HU) podobne do tych w tkankach miękkich, które tworzą ścianę klatki piersiowej i śródpiersie. Z tego powodu nie można użyć do tego celu instrumentu Próg, a konsolidacje będą musiały zostać dodane ręcznie, za pomocą narzędzi Nożyczki i Malowanie znajdujących się w edytorze segmentów.
	<ol>
		<li>Użyj narzędzia Nożyczki, aby dodać do segmentu fragmenty miąższu płuc. Wybierz operację Wypełnij wnętrze, wybierz opcję Dowolny kształt jako kształt i Symetryczny jako wycięty plasterek. Należy dobrać grubość odpowiednią do wielkości konsolidacji (np. od 3 do 20 mm); a następnie zacznij stopniowo dodawać małe porcje TLP, aż konsolidacja zostanie całkowicie uwzględniona.</li>
		<li>Narzędzie Malowanie jest łatwiejsze i czasami szybsze w użyciu, ale może być mniej precyzyjne, w zależności od obszaru, który ma zostać uwzględniony. Gdy opcja Pędzel kuli jest aktywna, to narzędzie może dodawać do segmentu fragmenty 3D miąższu płuc. Rozmiar pędzla można łatwo modyfikować.</li>
		<li>Dodając konsolidacje do segmentu TLP, nie należy uwzględniać fragmentów ściany klatki piersiowej lub śródpiersia. Może to okazać się trudne, ponieważ u pacjentów dotkniętych COVID19 konsolidacje przylegające do tylnej ściany klatki piersiowej są dość częste. Użyj narzędzia Wymaż, aby poprawić segmentację, lub wybierz opcję Cofnij, aby odrzucić ostatnią czynność.</li>
		<li>Na tym etapie należy jeszcze raz skorzystać z algorytmu wygładzania, aby usunąć drobne niedoskonałości, które mogły wystąpić podczas manualnej części segmentacji. Teraz definicja segmentu TLP jest zakończona.</li>
	</ol>
	</li>
</ol>
5. Definicja segmentu GGO
<ol>
	<li>Aby zdefiniować segment GGO, należy użyć narzędzia progowego.
	<ol>
		<li>Wybierz segment GGO.</li>
		<li>Ustaw próg z zakresu od -750 HU do -150 HU.</li>
		<li>Przed wybraniem opcji Zastosuj przejdź do sekcji Maskowanie znajdującej się tuż pod spodem i wybierz TLP z menu rozwijanego Obszar edytowalny. Z menu rozwijanego Zastąp inny segment wybierz opcję Brak. Jest to niezwykle ważne, ponieważ w przypadku pominięcia, po zdefiniowaniu segmentu GGO, zmodyfikowany zostałby również segment TLP. Należy tego unikać, ponieważ segment TLP jest maską, na której zdefiniowane są wszystkie inne segmenty.</li>
		<li>Teraz wybierz Zastosuj.</li>
	</ol>
	</li>
	<li>W tym momencie prawdopodobnie konieczne będzie ponowne użycie algorytmu wygładzania, aby wykluczyć z segmentu wszystkie małe naczynia i fizjologiczne elementy śródmiąższowe, które mają gęstość zbliżoną do gęstości szkła mielonego. Zacznij od rozmiaru ziarna 3 mm i, jeśli to konieczne, zwiększaj go stopniowo, maksymalnie do 6-7 mm. Zauważ, że zbyt duże zwiększenie rozmiaru jądra może spowodować utratę małych obszarów zmielonego szkła, które pozostałyby poza segmentem GGO. Z tego powodu algorytm wygładzania powinien być używany z odpowiednią ostrożnością.</li>
	<li>Również w tym przypadku zastosuj potrzebne poprawki za pomocą narzędzia Farba, nożyczki i wymazywanie. Podczas tej fazy pamiętaj, aby maska TLP była aktywna przez cały czas, aby uniknąć włączania części ściany klatki piersiowej przylegających do obszarów "szlifowanego szkła" wewnątrz segmentu. Dzieje się tak dlatego, że w przypadku błędnej segmentacji zostaną one automatycznie wykluczone.</li>
	<li>Uzyskując ten segment, zwróć szczególną uwagę na możliwą obecność artefaktów generowanych przez ruchy paleniska i przepony (dzieje się tak, jeśli pacjent nie mógł wstrzymać oddechu podczas badania). Jeśli artefakty te są obecne i wcześniej uwzględnione w segmencie TLP, wyeliminuj je z segmentu "szlifowane szkło", na przykład za pomocą narzędzia Wyspy z opcją Usuń zaznaczoną wyspę lub za pomocą narzędzi Nożyczki i Wymazuj. W zależności od celu badania artefakty mogą być segmentowane oddzielnie, przy użyciu dedykowanego segmentu lub włączone do segmentu TLP i wyłączone z innych segmentów. Teraz segment GGO został zdefiniowany.</li>
</ol>
6. Definicja segmentu płyt CD
<ol>
	<li>Aby zdefiniować segment CD, należy postępować w taki sam sposób, jak w przypadku definiowania segmentu GGO.
	<ol>
		<li>Wybierz segment CD. Upewnij się, że maskowanie TLP jest zawsze aktywne.</li>
		<li>Ustal odpowiedni próg. W przypadku konsolidacji zakres waha się mniej więcej od -150 HU do 100 HU.</li>
		<li>Zastosuj algorytm wygładzania, zmieniając rozmiar jądra zgodnie z potrzebami.</li>
		<li>Użyj kombinacji narzędzi Nożyczki, Wymazywanie, Farba i Wyspy, aby utrzymać w segmencie tylko rzeczywiste konsolidacje, z wyłączeniem dużych naczyń, wysięków opłucnowych, artefaktów, opasek oddechowych i innych zmian niezwiązanych z COVID.</li>
		<li>W razie potrzeby zastosuj końcowe wygładzenie, które może zostać zastosowane.</li>
	</ol>
	</li>
</ol>
7. Zapisywanie segmentów
<ol>
	<li>Zapisz segmenty jako plik ".nrrd" lub przekonwertuj je na binarne mapy etykiet z modułu "Dane".</li>
</ol>
8. Wyodrębnianie objętości ze zdefiniowanych segmentów.
<ol>
	<li>Z modułu Statystyka segmentu pobierz tabelę ze szczegółowymi informacjami na temat objętości i powierzchni segmentów.</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>

Żaden z autorów nie ma konfliktu interesów.

Segmentacja stanowi podstawowy krok w wykonywaniu nowoczesnych ilościowych badań radiologicznych i jest niezbędna do zastosowania technik radiomiki lub analizy tekstury. Zmiany patologiczne w płucach stanowią jedną z najtrudniejszych do segmentacji ze względu na brak zdefiniowanych granic anatomicznych i niewielką różnicę w wartości tłumienia w porównaniu z obszarami zdrowymi.
Obrazy źródłowe muszą przedstawiać minimalną ilość artefaktów, jeśli to możliwe, zwłaszcza w obszarach patologicznych,...

W bieżącym roku świat stoi w obliczu zagrożenia zdrowia, pandemii spowodowanej przez nowego koronawirusa, Sars-CoV2. Nawet jeśli do chwili obecnej wiele aspektów dotyczących fizjopatologii zakażenia COVID-19 jest nadal niejasnych, ma ono kilka cech wspólnych ze swoimi "przodkami" SARS1 i MERS. W szczególności udowodniono, że białka kolca wirionu oddziałują z enzymem konwertującym angiotensynę typu 2, receptorem dobrze reprezentowanym na komórkach śródbłonka pęcherzyków płucnych, ale wszechobecnym w organizmie ludzkim, a zatem mającym potencjał do wywoływania objawów ogólnoustrojowych1.
Dla diagnozy, obecnym standardem jest reakcja łańcuchowa odwrotnej transkryptazy w czasie rzeczywistym (rt-PCR), test wykonywany na wymazach z gardła. Chociaż obrazowanie radiologiczne nie jest oficjalnie uznawane w ścieżce diagnostycznej wykrywania choroby, tomografia komputerowa o wysokiej rozdzielczości (HRCT) okazała się cenną pomocą w klinicznym i epidemiologicznym postępowaniu z chorymi pacjentami, ze względu na stosunkowo niską czułość rt-PCR, obecny niedobór specjalistycznych laboratoriów i niezbędnych odczynników, i duża zależność od operatora.
Towarzystwo Radiologiczne Ameryki Północnej (RSNA) wydało jednomyślne oświadczenie, zatwierdzone przez Towarzystwo Radiologii Klatki Piersiowej i American College of Radiology (ACR), które klasyfikuje wygląd TK u COVID19 na cztery kategorie w celu standaryzacji raportowania, dzieląc wzorce śródmiąższowego zapalenia płuc na "typowe", "nietypowe", "nieokreślone", oraz "negative"2.
"Typowy" wzór charakteryzuje się obecnością okrągłych zmętnień szkła mielonego (GGO), zwykle z położeniem podopłucnowym na grzbietowych segmentach podstawy. GGO może kojarzyć się z "szalonymi chodnikami" obszarami zagęszczonych przegród lub innymi oznakami organizującego się zapalenia płuc. Wzorzec "nieokreślony" charakteryzuje się brakiem "typowych" wyników wzorca, z rozproszonymi obszarami GGO z rozkładem okołozanękowym, z obszarami konsolidacyjnymi lub bez nich. "Nietypowy" wzór charakteryzuje się brakiem "typowych" lub "nieokreślonych" objawów oraz obecnością konsolidacji płatów, "drzewa w pąku", gładkim pogrubieniem przegród i wysiękiem opłucnowym; w tej prezentacji nie są wykrywalne żadne GGO. Wzorzec "negatywny" charakteryzuje się brakiem wyżej wymienionych zmian patologicznych.
Według literatury, niektórzy pacjenci mogą wykazywać wysokie kliniczne podejrzenie COVID-19 poparte kryteriami epidemiologicznymi i wynikami badań obrazowych z ujemnym wynikiem rt-PCR3,4. Z drugiej strony donoszono, że pacjenci z dodatnim wynikiem rt-PCR i sugestywnymi wynikami klinicznymi nie prezentują zmian patologicznych w HRCT5.
Obecnie niezwykle ważne dla społeczności naukowej jest stosowanie technik analizy obrazu podczas ilościowego badania cech tej choroby. W niedawnym badaniu zastosowano technikę automatycznej segmentacji miąższu płuc w celu zidentyfikowania odsetka napowietrzonych płuc u pacjentów dotkniętych COVID-19, skorelowania tej wartości z rokowaniem i wykazania, że pacjenci z cięższym zajęciem płuc stwarzali większe ryzyko przyjęcia na oddział intensywnej terapii (OIOM) i mieli gorsze wyniki6.
Segmentacja to konturowanie obszarów zainteresowania (ROI) wewnątrz objętości uzyskanej za pomocą techniki obrazowania, takiej jak HRCT. Czynność ta może być wykonywana na trzy sposoby: ręczną, półautomatyczną i automatyczną. Segmentacja manualna, dzięki doświadczeniu wyszkolonego radiologa, polega na znakowaniu wokseli należących do obszaru patologicznego. Głównymi wadami tej metody jest duża ilość wymaganego czasu oraz fakt, że jest ona zależna od operatora.
Metody półautomatyczne pozwalają przyspieszyć segmentację, ponieważ operator może modyfikować maskę segmentacji uzyskaną za pomocą klasycznych metod przetwarzania obrazu (np. próg intensywności pikseli, grupowanie, itp.). Techniki te nie są jednak łatwe do wdrożenia w praktyce klinicznej, ponieważ wymagają rozległej interwencji ręcznej w najbardziej skomplikowanych przypadkach18.
Metody automatycznej segmentacji, obecnie o ograniczonym zastosowaniu, wykorzystują sztuczną inteligencję do uzyskiwania zwrotów z inwestycji. W szczególności niedawne badanie ma na celu wykorzystanie automatycznej segmentacji w kwantyfikacji powierzchni szkła mielonego u pacjentów cierpiących na śródmiąższowe zapalenie płuc COVID-1919. Zdefiniowanie protokołu segmentacji obszarów patologicznych na obrazach HRCT jest prawdziwym pierwszym krokiem w kierunku późniejszej analizy radiomicznej, w celu zidentyfikowania cech, które mogą pomóc w lepszym zrozumieniu fizjopatologii choroby i służyć jako dokładny czynnik prognostyczny potencjalnie wpływający na leczenie.
Ten artykuł oferuje przewodnik do uzyskania dokładnych i wydajnych segmentów reprezentujących patologiczne objawy zapalenia płuc COVID-19 za pomocą "3D Slicer"7,8,9,10.

<table><tbody><tr><td>Tomograf komputerowy</td><td>General Electrics Healthcare</td><td>64-MDCT VCT lightSpeed</td><td>Tomograf komputerowy używany do akwizycji HRCT</td></tr><tr><td>Komputer stacjonarny</td><td>ThinkCentre</td><td></td><td>Komputer używany do pobierania plików DICOM i uruchamiania 3D Slicer</td></tr></tbody></table>

segmentacja tomografii komputerowej płuc w celu identyfikacji konsolidacji i obszarów szkła mielonego w celu ilościowej oceny zapalenia płuc sars-cov

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

Segmentacja to skomplikowane zadanie, przed którym stają radiolodzy i badacze, ponieważ radiomika i uczenie maszynowe zyskują na sile możliwości. Proces ten może być automatyczny, półautomatyczny lub ręczny, przy czym pierwsze z nich często nie są wystarczająco precyzyjne lub łatwe do odtworzenia, a ostatnie są zbyt czasochłonne w przypadku dużych okręgów z przejęciami o wysokiej rozdzielczości.
Wysokorozdzielczy tomografia komputerowa klatki piersiowej składa się z setek obrazów, co sprawia, że ręczne podejście jest zbyt czasochłonne. Ponadto zmiany miąższowe wymagają specjalistycznej oceny, aby można je było odróżnić od normalnego wyglądu; W związku z tym, zgodnie z naszą najlepszą wiedzą, półautomatyczne podejście do procesu segmentacji jest najbardziej odpowiednie w przypadku segmentacji zapalenia płuc, zwłaszcza gdy jego cechy są jeszcze nieznane.
Do badań prowadzonych w naszym instytucie na temat obrazowania COVID-19, zastosowaliśmy 3D Slicer, darmowe oprogramowanie wyprodukowane przez Uniwersytet Harvarda, i połączyliśmy próg z narzędziami pędzla, aby uzyskać szybką i precyzyjną segmentację napowietrzonych płuc, zmętnienia szkła mielonego i konsolidacji. W przypadku skomplikowanych przypadków metoda ta nadal wymaga znacznej ilości czasu na prawidłowe ręczne regulacje, ale zapewnia niezwykle skuteczny sposób definiowania segmentów do wykorzystania do dalszej analizy, takiej jak obliczenie procentu dotkniętego miąższu płuc lub analiza tekstury obszarów zmielonego szkła.

Zaproponowana metoda została dopracowana w drodze prób i błędów, poprzez przetestowanie jej u 117 pacjentów z zapaleniem płuc wywołanym przez COVID-19 z dodatnim wynikiem testu rt-PCR.
Po krótkim okresie nauki czas potrzebny na uzyskanie segmentów może wynosić od 5 do 15 minut, w zależności od wzorca prezentacji.
Jak pokazano na Rysunku 1, metoda pozwala na uzyskanie precyzyjnych segmentów: można to zaobserwować, zwracając uwagę na dokładną zgodność...

Celem tego protokołu jest zapewnienie efektywnego czasowo sposobu segmentacji interesujących objętości na skanach tomografii komputerowej o wysokiej rozdzielczości, aby wykorzystać je do dalszej analizy radiomicznej.

Segmentacja tomografii komputerowej płuc w celu identyfikacji konsolidacji i obszarów szkła mielonego w celu ilościowej oceny zapalenia płuc 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 ...

Od czasu wybuchu pandemii nowej choroby koronawirusowej fundamentalne znaczenie ma prosta i skuteczna metoda przydatna do uzyskania właściwej segmentacji typowych zmian patologicznych tej infekcji w obrazach tomografii komputerowej klatki piersiowej. Dlatego naszym celem jest zaoferowanie pakietu startowego wiedzy, aby umożliwić ludziom łatwą i skuteczną segmentację tych patologicznych wyników badań płuc. Miejmy nadzieję, że pomoże to społeczności naukowej w opracowaniu dedykowanych badań nad radiomiką i sztuczną inteligencją, które mogą poprawić podejście diagnostyczne tych pacjentów.W przeglądarce DICOM narzędzia 3D Slicer przejdź do wyboru badania, które chcesz podzielić na segmenty, a następnie kliknij przycisk Załaduj. Możesz przejrzeć wybrany przypadek w sekcji przeglądarki. Jak widać, pacjent ten ma obustronne zmętnienia szkła szlifowanego i obszary konsolidacji, co jest typowym przypadkiem COVID-19.Następnie przejdź do sekcji Segment i dodaj trzy segmenty, jeden dla całkowitej objętości płuc, jeden dla zmętnienia szkła mielonego i jeden dla obszarów konsolidacyjnych. Przejdź do instrumentu Próg i ustaw górny próg na minus 250 jednostek Hounsfielda. Sortuj, aby wybrać tylko powietrze i pominąć tkanki miękkie, kości i obszary konsolidacji, których system nie może automatycznie odróżnić od tkanek miękkich, a następnie kliknij, aby zastosować.Następnie chcesz usunąć powietrze na zewnątrz pacjenta, a w tym celu użyj narzędzia Wyspa i przejdź do opcji Zachowaj tylko wybraną wyspę. Następnie kliknij wewnątrz pacjenta. Widzisz, że powietrze na zewnątrz zostało usunięte.Teraz chcesz dodać obszary konsolidacyjne do całkowitej objętości płuc. Aby to zrobić, użyj instrumentu do malowania z ustawieniem pędzla Sphere, dostosowując rozmiar do swoich potrzeb i uważając, aby uniknąć miękkich tkanek. Za pomocą pędzla Sphere malujesz w górę iw dół w odniesieniu do plasterka, nad którym pracujesz, co przyspiesza proces.Teraz chcesz podzielić obszary konsolidacyjne na segmenty. Aby to zrobić, upewnij się, że pracujesz w całkowitej objętości płuc bez wielu innych segmentów. Korzystając z instrumentu Próg, podnieś górny próg, aby upewnić się, że obejmuje tkanki miękkie i konsolidacje, a dolny próg ustaw na minus 250.Zwróć uwagę, że zaznaczasz zarówno tkanki miękkie, naczynia, jak i konsolidację, ale po kliknięciu przycisku Zastosuj zaznaczone są tylko obszary konsolidacji. Teraz, aby podzielić obszary szkła szlifowanego na segmenty, należy wybrać segment szkła szlifowanego. Zachowując ustawienia z poprzedniej segmentacji, ustaw próg od minus 750 do minus 250 jednostki Hounsfielda.Zwróć uwagę, że wartości te mogą się różnić w zależności od ustawień tomografii komputerowej. Zawsze reguluj zgodnie z definicją szkła szlifowanego Towarzystwa Fleischnera. Wybierz krycie, gdy widoczne naczynie jest w zasięgu wzroku.Następnie kliknij przycisk Zastosuj. Zauważysz, że wybrano również spacje pełnoekranowe. Aby dostosować, przejdź do instrumentu Smooth.Wybierz fotelik, który lepiej pasuje do algorytmu budowy Twojej tomografii komputerowej. I jak widać, spacje śródmiąższowe zostały usunięte. Możesz sprawdzić wyniki segmentacji, przechodząc do Edytora segmentów, a także wyświetlić model 3D zdefiniowanych segmentów.Możesz użyć suwaka po lewej stronie, aby dostosować przezroczystość widoku model. 3D Widok może być używany do potwierdzenia poprawnego procesu segmentacji. Mamy teraz trzy odrębne segmenty, jeden dla całkowitej objętości płuc, a drugi dwa dla typowych wyników konsolidacji COVID-19 i obszarów szkła mielonego.Możesz wyodrębnić pewne statystyki ze zdefiniowanego segmentu za pomocą modułu SegmentStatistics. Usuń opcję Objętość skalarna, a otrzymasz tabelę wyrażającą objętość całkowitego płuca i obszarów konsolidacyjnych oraz obszarów szkła mielonego. Możesz to wykorzystać do obliczenia ciężkości choroby.Możesz również wyeksportować zdefiniowany segment. Możesz przejść do sekcji Dane. Następnie uwidocznij tylko ten segment, który chcesz wyeksportować, klikając ikonę oka.Następnie kliknij prawym przyciskiem myszy i eksportuj binarną mapę etykiet tylko widoczną. Możesz pozostać mapą etykiet według własnego uznania. Musisz powtórzyć ten proces dla każdego zdefiniowanego segmentu.W ten sposób masz teraz trzy mapy etykiet odpowiadające zdefiniowanemu segmentowi. Można go wyeksportować w dowolnym typie pliku, który preferujesz lub najlepiej nadaje się do dalszej analizy. Ponadto. Dzięki tym metodom naukowcy mogą szybko uzyskać dokładną segmentację patologicznych zmian COVID-19, dla których można wyodrębnić określone cechy.Dostarczając taką wiedzę społeczności naukowej, można opracować dokładne, w pełni zautomatyzowane metody segmentacji i określić precyzyjne czynniki prognostyczne .

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

Research

JoVE Journal

Medicine

Medycyna

Z punktu widzenia zasady 3R, modele oddechowe jako alternatywa dla badań na zwierzętach ewoluują. Zwłaszcza w odniesieniu do oceny ryzyka związanego z substancjami oddechowymi brakuje odpowiednich testów. W tym miejscu opisujemy zastosowanie precyzyjnie wyciętych ludzkich wycinków płuc do oceny substancji unoszących się w powietrzu.

Ocena cytotoksycznego i immunomodulującego działania substancji w precyzyjnie pokrojonych ludzkich wycinkach płuc

Ultrasonografia płuc jest nieinwazyjnym i cennym narzędziem do oceny chorób płuc u noworodków. Jednak względny brak referencyjnych norm, protokołów i wytycznych może ograniczać jego stosowanie. Naszym celem jest opracowanie ustandaryzowanego protokołu diagnostycznego ultrasonograficznego płuc u noworodków, który będzie wykorzystywany w podejmowaniu decyzji klinicznych.

Protokół i wytyczne dotyczące przyłóżkowego badania ultrasonograficznego płuc w diagnostyce chorób płuc u noworodków w oparciu o międzynarodowy konsensus ekspertów

Tutaj prezentujemy praktyczne zalecenia dotyczące wykonywania tomografii komputerowej w wysokiej rozdzielczości klatki piersiowej w celu diagnozowania i oceny śródmiąższowej choroby płuc związanej ze stwardnieniem układowym.

Cechy obrazowania śródmiąższowej choroby płuc związanej ze stwardnieniem układowym

Ultrasonografia przyłóżkowa (POCUS) płuc dostarcza szybkich odpowiedzi w szybko zmieniających się scenariuszach klinicznych. Przedstawiamy skuteczny i pouczający protokół pozyskiwania obrazów do stosowania w warunkach intensywnej terapii.

USG płuc w miejscu opieki nad pacjentem u dorosłych: akwizycja obrazu

Celem tego badania jest opracowanie nowatorskiego cyfrowego modelu 3D guzków płucnych, który służy jako pomost komunikacyjny między lekarzami a pacjentami, a także jest najnowocześniejszym narzędziem do wstępnej diagnozy i oceny prognostycznej.

Cyfrowy model 3D do diagnostyki i leczenia guzków płucnych

To badanie wprowadza trójwymiarową (3D) metodę rekonstrukcji całego płuca u pacjentów z wczesnymi mnogimi guzkami płucnymi. Oferuje kompleksową wizualizację rozmieszczenia guzków i ich wzajemnego oddziaływania z tkanką płucną, upraszczając ocenę diagnozy i rokowania dla tych pacjentów.

Trójwymiarowa rekonstrukcja całego płuca z wczesnymi mnogimi guzkami płucnymi

CT i 129Xe MRI dostarczają uzupełniających informacji o strukturze i funkcji płuc, które mogą być wykorzystane do analizy regionalnej za pomocą rejestracji obrazu. W tym miejscu udostępniamy protokół, który opiera się na istniejącej literaturze dotyczącej rejestracji obrazów 129Xe MR do CT przy użyciu platform typu open source.

Multimodalne obrazowanie płuc: wykorzystanie uzupełniających informacji z tomografii komputerowej i hiperpolaryzowanego rezonansu magnetycznego 129Xe do oceny struktury i funkcji płuc

W tym miejscu przedstawiamy protokół wykorzystania mikrotomografii komputerowej (mikro-CT) do ilościowego oznaczania wentylowanych regionów w jednostronnym modelu zwłóknienia płuc wywołanego bleomycyną poprzez wkroplenie dotchawicze po stronie zmiany.

Jednostronna analiza objętości płuc za pomocą mikrotomografii komputerowej w celu lepszej oceny zwłóknienia płuc w modelach przedklinicznych

Przedstawiamy tutaj protokół dotyczący zastosowania POCUS przy łóżku pacjenta w zarządzaniu ARDS w obrębie OIOM-u. Zawiera ona szczegółowe metody oceny płuc, serca, przepony, żył i żołądka, które kierują wentylacją, przewidują odstawianie od piersi i zapobiegają powikłaniom.

Zastosowanie ultrasonografii punktowej (POCUS) w leczeniu ostrego zespołu niedociągu oddechowego (ARDS) na oddziale intensywnej terapii

Zapalenie płuc jest jedną z dziesięciu głównych przyczyn zgonów w USA. Osteopatyczne techniki manipulacyjne (OMT) mogą być stosowane jako terapia wspomagająca w leczeniu zapalenia płuc w celu poprawy funkcji biomechanicznych i immunologicznych; i ostatecznie, w celu zmniejszenia pobytu w szpitalu, czasu trwania antybiotyków, częstości występowania niewydolności oddechowej i śmiertelności. W tym artykule wideo dokonamy przeglądu randomizowanych, kontrolowanych badań nad stosowaniem OMT u...

Osteopatyczne leczenie manipulacyjne jako użyteczne narzędzie wspomagające zapalenie płuc

Poznaj metodę segmentacji tomografii komputerowej płuc w celu identyfikacji konsolidacji i obszarów szkła mielonego. Technika ta wspiera rozwój badań radiomicznych i sztucznej inteligencji w diagnostyce COVID-19.

Segmentacja tomografii komputerowej płuc w celu identyfikacji konsolidacji i obszarów szkła mielonego w celu ilościowej oceny zapalenia płuc SARS-CoV (Wideo) | JoVE Journal

Segmentacja tomografii komputerowej płuc w celu identyfikacji konsolidacji i obszarów szkła mielonego w celu ilościowej oceny zapalenia płuc SARS-CoV

Przeglądaj więcej filmów