Wielofraktalna analiza widma do oceny złośliwości guzków płuc
10 stycznia 2025
To badanie wprowadza multifraktalną analizę spektrum do oceny złośliwości guzków płucnych. Wykorzystując dane CT-DICOM, metoda oblicza wymiary fraktalne w wielu skalach wokseli, ujawniając znaczące różnice między guzkami płucnymi we wczesnym i późnym stadium.
Nasze badania dotyczą nieinwazyjnej oceny guzków płucnych. Poprzez wieloodmianową analizę spektrum obrazów CT staramy się odpowiedzieć na pytanie, dlaczego cechy wieloodmianowe mogą niezawodnie odróżniać guzki łagodne od złośliwych, potencjalnie zmniejszając potrzebę inwazyjnych procedur diagnostycznych. Ostatnie postępy obejmują oparte na sztucznej inteligencji podejścia do mieszania radialnego do charakteryzowania guzków, ale zazwyczaj koncentrowały się one na obrazie patologicznym lub samej analizie morfologicznej.
Nasza multifraktalna analiza widma łączy obrazowanie i zmiany patologiczne. Wykazaliśmy, że guzki płucne wykazują wyraźne spektrum multifraktalne na różnych etapach, przy czym guzki w późniejszym stadium wykazują szerszy zakres skali i wyższe punkty skrajne, co umożliwia ilościowe różnicowanie nowotworu. Nasz protokół oferuje nieinwazyjną ilościową ocenę złośliwości guzka poprzez jednoczesną analizę cech morfologicznych i niejednorodności tkanek, zmniejszając zależność od inwazyjnych biopsji.
Odkrycia te umożliwiają bardziej precyzyjne określanie stopnia zaawansowania guzków płucnych i wczesne wykrywanie nowotworów złośliwych, potencjalnie poprawiając podejmowanie decyzji klinicznych i wyniki leczenia pacjentów w onkologii pulmonologicznej. Aby rozpocząć, uzyskaj dane z tomografii komputerowej lub tomografii komputerowej pacjenta w postaci plików DICOM i wygeneruj macierz objętości 3D w programie MATLAB. Wizualizacja sekwencji obrazów za pomocą funkcji przeglądarki plasterków MATLAB.
Użyj paska przewijania u dołu graficznego interfejsu użytkownika, aby przeglądać różne wycinki w sekwencji CT. Zidentyfikuj obecność złośliwych guzków płucnych w płucach w odpowiedniej ramie. Zlokalizuj i użyj ikon do powiększania, pomniejszania i powrotu do widoku globalnego.
Aktywuj ikonę podpowiedzi dotyczącej danych, aby zaznaczyć współrzędne pikseli wybranego regionu. Kliknij prawym przyciskiem myszy pasek kolorów, aby użyć wspólnej mapy kolorów szarych, a następnie wybierz odpowiednią opcję. Jeśli efekt filtra nie jest zadowalający, użyj lewego przycisku myszy, aby przeciągnąć w górę i w dół na środku figury, aby dostosować poziom okna.
Przeciągnij w lewo i w prawo, aby dostosować szerokość okna, a odpowiedni dokładny zakres filtrowania zostanie wyświetlony na pasku kolorów. Zidentyfikuj współrzędne pikseli guzka po zaznaczeniu jego krawędzi i zanotuj współrzędne X i Y wyświetlane w wyskakującym okienku porady dotyczącej danych. Po zdefiniowaniu obszaru zainteresowania (ROI) użyj polecenia MATLAB, aby utworzyć wykres powierzchni 3D.
Obserwuj intensywność guzka płucnego w skali szarości 3D. Zlokalizuj i użyj narzędzi do powiększania, zmniejszania, obracania i przywracania widoku, aby uzyskać szczegółową inspekcję. Wywołaj funkcję_size, fractal_dimension równa się PN_fractal_feature M, z wcześniej uzyskaną macierzą M jako danymi wejściowymi.
Spowoduje to obliczenie wymiarów fraktali w różnych skalach. Wizualizuj multifraktalne widmo guzka płucnego za pomocą kodu. Oblicz widmo multifraktalne dla innego łagodnego guzka płucnego, wykonując te same czynności.
Wykreśl wyniki w tym samym układzie współrzędnych, używając innego koloru do porównania, generując porównanie widma multifraktalnego między różnymi guzkami płucnymi. Na koniec użyj narzędzia do etykietowania danych, aby zaznaczyć współrzędne kluczowych punktów skrajnych w celu precyzyjnego porównania różnych łagodnych i złośliwych guzków płucnych. Wymiar fraktalny guzków złośliwych wykazywał widmo multifraktalne z wyższymi punktami skrajnymi i szerszymi zakresami skali w porównaniu z guzkami łagodnymi.
Guzki gruczolakoraka płuc we wczesnym stadium wykazywały węższy zakres skali fraktalnej i niższe skrajne punkty w widmie multifraktalnym niż guzki w późnym stadium.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejsze badanie analizuje nieinwazyjną metodę oceny złośliwości guzków płucnych z wykorzystaniem analizy widma multifraktalnego obrazów CT. Podejście to wykazuje istotne różnice w wymiarach fraktalnych pomiędzy guzkami we wczesnym i późnym stadium, co może potencjalnie ograniczyć konieczność stosowania inwazyjnych procedur diagnostycznych.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauka
- Obrazowanie medyczne
- Onkologia
Wstęp
- Guzki płucne mogą być łagodne lub złośliwe.
- Obecne metody diagnostyczne często wymagają inwazyjnych biopsji.
- Podejścia oparte na sztucznej inteligencji skupiały się albo na analizie patologicznej, albo morfologicznej.
- Analiza widma multifraktalnego oferuje nową perspektywę poprzez integrację obrazowania i patologii.
Cel badania
- Opracowanie nieinwazyjnej metody ilościowej oceny złośliwości guzków.
- Różnicowanie guzków łagodnych i złośliwych z wykorzystaniem charakterystyk multifraktalnych.
- Zmniejszenie zależności od inwazyjnych procedur diagnostycznych.
Zastosowane metody
- Analiza danych CT-DICOM.
- Obliczanie wymiarów fraktalnych w wielu skalach wokseli.
- Porównanie widma multifraktalnego dla różnych stadiów guzków płucnych.
- Integracja charakterystyki morfologicznej i heterogeniczności tkanki.
Główne wyniki
- W guzkach płucnych na różnych etapach zaobserwowano odrębne widma multifraktalne.
- Guzki w późniejszych stadiach wykazały szerszy zakres skal oraz wyższe punkty ekstremalne.
- Osiągnięto ilościowe rozróżnienie stopnia złośliwości.
- Metoda ta zapewnia niezawodną, nieinwazyjną ocenę złośliwości guzków.
Wnioski
- Analiza widma multifraktalnego jest obiecującym narzędziem do oceny guzków płucnych.
- Metoda ta może zmniejszyć zapotrzebowanie na inwazyjne biopsje.
- Dalsze badania mogą usprawnić nieinwazyjne możliwości diagnostyczne w onkologii.
Najczęściej zadawane pytania
Znaczenie dla przemysłu
Ilościowa analiza widma multifraktalnego guzków płucnych wypełnia istotną lukę w nieinwazyjnej ocenie złośliwości, umożliwiając wcześniejsze i bardziej precyzyjne rozróżnienie między zmianami łagodnymi a złośliwymi. Podejście to zwiększa pewność prognostyczną w krytycznym punkcie diagnostycznym, wspierając decyzje dotyczące portfela badań w onkologii w zależności od poziomu ryzyka. Integracja zaawansowanej analityki obrazowania z kontinuum od odkrycia do kliniki może zmniejszyć zależność od procedur inwazyjnych i przyspieszyć uzyskiwanie wniosków translacyjnych.
Strategiczne zastosowania w badaniach i rozwoju biopharmaceutycznym
Wczesne etapy odkrywania i walidacja celu
- Umożliwia ilościową analizę cech heterogeniczności morfologicznej i tkankowej w guzkach płucnych.
- Wspiera biologiczną ocenę ryzyka poprzez rozróżnianie stopni złośliwości na podstawie wyników widma multifraktalnego.
- Zwiększa pewność prognostyczną w walidacji celów podczas opracowywania obrazowych biomarkerów onkologicznych.
Przesiewanie i opracowanie testu
- Umożliwia przygotowanie zwalidowanych zestawów danych obrazowych dla dalszych procesów obliczeniowych oraz przepływów pracy opartych na AI.
- Standaryzuje ilościowe odczyty dla wielu typów i stadiów guzków w celu opracowania powtarzalnych testów.
- Umożliwia skalowalne porównywanie guzków łagodnych i złośliwych przy użyciu spójnych metryk multifraktalnych.
Badania translacyjne i przedkliniczne
- Koreluje ilościowe biomarkery obrazowe z progresją i stopniem zaawansowania choroby w modelach przedklinicznych.
- Zapewnia ciągłość od analityki obrazowania na etapie odkryć do translacyjnej walidacji biomarkerów w procesach badawczych w onkologii.
- Umożliwia mechanistyczną redukcję ryzyka poprzez powiązanie cech obrazowych z różnicowaniem stopnia patologicznego.
Integracja potoków i przepływów pracy
Ta metoda analizy widma multifraktalnego wpisuje się w proces odkrywania biomarkerów obrazowych, łącząc wczesne etapy weryfikacji hipotez z walidacją translacyjną w badaniach onkologicznych.
- Biologia odkrywcza: Ilościowa analiza widm wyjaśnia hipotezy dotyczące morfologii i heterogeniczności w kontekście złośliwości nowotworu.
- Przesiewy: Zstandaryzowane metryki multifraktalne umożliwiają powtarzalne porównywanie zbiorów danych dotyczących guzków.
- Analityka: Dostarcza wiarygodnych wyników statystycznych dla analizy porównawczej guzków płucnych w różnych warunkach i stadiach choroby.
- Badania translacyjne: Wspiera dopasowanie biomarkerów obrazowych do klinicznego stopnia zaawansowania i progresji choroby.
- Wykorzystanie w przedsiębiorstwie: Tworzy wielokrotnego użytku ramy obliczeniowe dla nieinwazyjnej oceny złośliwości w ramach portfeli onkologicznych.
Wpływ operacyjny i przedsiębiorczy
- Wartość naukowa: Zwiększa pewność prognostyczną i redukuje niejednoznaczność mechanistyczną w ocenie złośliwości guzków.
- Wartość operacyjna: Dostarcza zestandaryzowaną, powtarzalną i skalowalną analitykę obrazową dla zespołów badawczo-rozwojowych (R&D).
- Wartość strategiczna: Umożliwia wcześniejsze podejmowanie decyzji o kontynuacji lub przerwaniu badań (go/no-go) i redukuje ryzyko biologiczne na późnych etapach programów onkologicznych.
- Wpływ na portfolio: Wspiera priorytetyzację dostosowaną do ryzyka oraz rozwój biomarkerów obrazowych i zasobów diagnostycznych.
Uwagi dotyczące implementacji
- Wymaga wiedzy specjalistycznej w zakresie zaawansowanego przetwarzania obrazów i analizy multifraktalnej.
- Zależy od dostępu do wysokiej jakości zbiorów danych CT-DICOM oraz infrastruktury obliczeniowej.
- Wymaga międzyzespołowej standaryzacji protokołów wyznaczania ROI i obliczania widm.
- Może być konieczna adaptacja dla różnych modalności obrazowania lub typów nowotworów.
- Ograniczenia praktyczne obejmują zmienność w akwizycji obrazów oraz dokładność segmentacji.
