Modelo Digital 3D para Diagnóstico e Tratamento de Nódulos Pulmonares

Resumo

O objetivo deste estudo é desenvolver um novo modelo digital 3D de nódulos pulmonares que sirva como ponte de comunicação entre médicos e pacientes e seja também uma ferramenta de ponta para avaliação pré-diagnóstica e prognóstica.

Resumo

A reconstrução tridimensional (3D) de nódulos pulmonares por meio de imagens médicas introduziu novas abordagens técnicas para o diagnóstico e tratamento de nódulos pulmonares, e essas abordagens estão sendo progressivamente reconhecidas e adotadas por médicos e pacientes. No entanto, a construção de um modelo digital 3D relativamente universal de nódulos pulmonares para diagnóstico e tratamento é um desafio devido às diferenças de dispositivos, tempos de disparo e tipos de nódulos. O objetivo deste estudo é propor um novo modelo digital 3D de nódulos pulmonares que sirva de ponte entre médicos e pacientes e seja também uma ferramenta de ponta para avaliação pré-diagnóstica e prognóstica. Muitos métodos de detecção e reconhecimento de nódulos pulmonares guiados por IA empregam técnicas de aprendizado profundo para capturar as características radiológicas dos nódulos pulmonares, e esses métodos podem alcançar um bom desempenho de área abaixo da curva (AUC). No entanto, falsos positivos e falsos negativos continuam sendo um desafio para radiologistas e clínicos. A interpretação e a expressão das características do ponto de vista da classificação e do exame dos nódulos pulmonares ainda são insatisfatórias. Neste estudo, um método de reconstrução contínua 3D de todo o pulmão em posições horizontal e coronal é proposto combinando as tecnologias de processamento de imagens médicas existentes. Comparado com outros métodos aplicáveis, este método permite localizar rapidamente os nódulos pulmonares e identificar suas propriedades fundamentais, ao mesmo tempo em que observa os nódulos pulmonares sob múltiplas perspectivas, fornecendo assim uma ferramenta clínica mais eficaz para o diagnóstico e tratamento de nódulos pulmonares.

Introdução

A incidência global de nódulos pulmonares é variável, mas geralmente estima-se que cerca de 30% dos adultos tenham pelo menos um nódulo pulmonar visível nas radiografias de^tórax1. A incidência de nódulos pulmonares é maior em populações específicas, como fumantes pesados e aqueles com história de câncer de pulmão ou outras doenças pulmonares. É importante ressaltar que nem todos os nódulos pulmonares são malignos, mas uma avaliação completa é necessária para descartar^malignidade2. A detecção e o diagnóstico precoces do câncer de pulmão são cruciais para melhorar as taxas de sobrevida, e o rastreamento regular com tomografia computadorizada de baixa dose (TCLD) é recomendado para indivíduos de alto risco. Muitos métodos de detecção e reconhecimento de nódulos pulmonares guiados por IA3,4,5,6,7 empregam técnicas de aprendizado profundo para capturar as características radiológicas dos nódulos pulmonares^, e esses métodos podem alcançar um bom desempenho na área sob a curva (AUC). No entanto, falsos positivos e falsos negativos continuam sendo um desafio para radiologistas e clínicos. A interpretação e a expressão das características do ponto de vista da classificação e do exame dos nódulos pulmonares ainda são insatisfatórias. Ao mesmo tempo, a reconstrução 3D de nódulos pulmonares baseada na TCLD tem ganhado cada vez mais atenção como modelo digital para vários tipos de nódulos.

A reconstrução 3D de nódulos pulmonares é um processo que gera uma representação 3D de um pequeno crescimento ou caroço no pulmão. Esse processo normalmente envolve a aplicação de técnicas de análise de imagens médicas que aproveitam a perícia médica e as abordagens de inteligência de dados. O modelo digital 3D resultante oferece uma representação mais detalhada e precisa do nódulo, permitindo melhor visualização e análise de seu tamanho, forma e relação espacial com os tecidos pulmonares^circundantes 8,9,10,11,12. Essas informações podem auxiliar no diagnóstico e monitoramento de nódulos pulmonares, principalmente aqueles com suspeita de câncer. Ao facilitar análises mais precisas, a reconstrução 3D de nódulos pulmonares tem o potencial de aumentar a acurácia do diagnóstico e informar decisões terapêuticas.

A projeção de intensidade máxima (MIP) é uma técnica popular no campo da reconstrução 3D de nódulos pulmonares e é usada para criar uma projeção 2D de uma imagem 3D 8,9,10,11,12 É particularmente útil na visualização de dados volumétricos extraídos de arquivos de imagem digital e comunicações em medicina (DICOM) digitalizados por TC. A técnica MIP funciona selecionando os voxels (as menores unidades de dados de volume 3D) com a maior intensidade ao longo da direção de visualização e projetando-os em um plano 2D. Isso resulta em uma imagem 2D que enfatiza as estruturas de maior intensidade e suprime aquelas de menor intensidade, o que facilita a identificação e análise de características relevantes 9,10,11,12. No entanto, a PImáx não está isenta de limitações. Por exemplo, o processo de projeção pode resultar em uma perda de informações, e a imagem 2D resultante pode não representar com precisão a estrutura 3D do objeto subjacente. No entanto, a MIP continua sendo uma ferramenta valiosa para imagens médicas e visualização, e seu uso continua a evoluir com os avanços da tecnologia e do poder computacional¹¹.

Neste estudo, desenvolve-se um modelo sucessivo de PImáx para visualização de nódulos pulmonares, de fácil utilização, fácil de usar para radiologistas, médicos e pacientes, e que permite identificar e estimar as propriedades dos nódulos pulmonares. As principais vantagens dessa abordagem de processamento incluem os seguintes aspectos: (1) eliminação de falsos positivos e falsos negativos decorrentes do reconhecimento de padrões, o que permite um foco no auxílio médico para obter informações mais abrangentes sobre a localização, forma e tamanho 3D dos nódulos pulmonares, bem como sua relação com a vasculatura circundante; (2) capacitar os médicos especialistas para o conhecimento profissional das características dos nódulos pulmonares, mesmo sem o auxílio de radiologistas; e (3) melhorar a eficiência da comunicação entre médicos e pacientes e a avaliação prognóstica.

Protocolo

NOTA: Durante o estágio de pré-processamento de dados, os dados DICOM originais devem ser classificados e interceptados para garantir a compatibilidade com vários dispositivos e resultados consistentes. A capacidade ajustável adequada deve ser reservada para o processamento da intensidade, e uma perspectiva 3D contínua é essencial para a observação. Neste protocolo, uma descrição metódica da abordagem de pesquisa é fornecida, detalhando um caso envolvendo uma paciente de 84 anos com nódulos pulmonares. Esta paciente forneceu consentimento informado para seu diagnóstico via modelagem digital e autorizou a utilização de seus dados para fins de pesquisa científica. A função de reconstrução do modelo é derivada da ferramenta de software PulmonaryNodule (consulte a Tabela de Materiais para obter detalhes). A autorização ética foi obtida do Comitê de Ética do Hospital Dongzhimen, afiliado à Universidade de Medicina Chinesa de Pequim (DZMEC-KY-2019.90).

1. Coleta e preparação dos dados

1. Dados de TCLD para detecção de nódulos pulmonares
   OBS: As diferenças observadas nos valores dos parâmetros independem do método de pesquisa utilizado.
   1. Obter o consentimento do paciente para a aquisição dos dados do DICOM. Transfira todos os dados para o diretório de trabalho designado.
   2. Identifique o diretório de dados com o maior número de camadas de digitalização e a espessura de camada mais fina para otimizar a precisão com base nas informações do arquivo. Geralmente, quanto mais arquivos de exame DICOM um paciente tiver, mais fina será a espessura da camada de exame.
   3. Implementando a função Dicominfo e usando os arquivos DICOM como parâmetros de função, obtenha os parâmetros de espessura de fatia e espaçamento de pixels no ambiente MATLAB. Esses parâmetros são essenciais para definir a taxa de exibição de volume 3D. Para os dados de exemplo utilizados neste estudo, a espessura de corte foi de 1 mm, o espaçamento entre pixels foi de 0,5 mm e um total de 200 camadas foram escaneadas.
2. Corrigindo a classificação dos dados digitalizados
   NOTA: A sequência de cada imagem deve ser classificada para construção de volume.
   1. Leia os dados de localização de cada imagem usando a função Dicominfo. Obtenha o local inserindo informações. SliceLocation no espaço de trabalho MATLAB.
   2. Implemente a função SliceLocation para armazenar a matriz de localização de uma variável e faça um gráfico dela (Figura 1).
   3. Usando o botão Dicas de Dados no canto superior direito da GUI, adicione uma dica de dados ao gráfico no ponto que representa o valor máximo de localização da sequência normal (o local superior da imagem do paciente; Gráfico 1).
   4. Classifique todas as imagens e extraia as imagens começando em 1 até o valor máximo de localização implementando a função VolumeResort.
   5. Armazene os volumes das imagens válidas com o índice classificado, que será útil para rastrear de volta aos nódulos importantes.
3. Inspecionando o volume torácico
   NOTA: Ter uma estrutura de armazenamento de dados bem definida torna o trabalho de acompanhamento mais conveniente.
   1. Implemente a função VolumeInspect para mostrar três exibições do volume construído. Arraste a cruz para cima e para baixo no eixo coronal para procurar rapidamente todas as imagens no eixo horizontal (Figura 2).
   2. Mova a mira para o eixo horizontal para procurar todas as imagens no eixo coronal. A mira está nas mesmas coordenadas espaciais no volume 3D; portanto, movê-lo em um eixo mudará a localização das imagens nos outros dois eixos.
   3. Para a função VolumeInspect , use a janela de intensidade padrão para o pulmão na GUI. Ajuste o desempenho real do filtro segurando o botão esquerdo do mouse e arrastando no eixo.

2. Modelo digital para reconstrução 3D horizontal

NOTA: O subprocesso 3Dlung_Horizon realiza um exame minucioso dos nódulos pulmonares de uma perspectiva horizontal.

1. Implemente a função Build_3Dlung_Horizon no local de trabalho do MATLAB para reconstruir o modelo digital 3D dos nódulos pulmonares sob a janela de filtro do pulmão e, em seguida, abra a GUI para verificar o modelo 3D horizontal (Figura 3).
2. Ao contrário do passo 1.3.2, o GUI na Figura 3 é uma estrutura pulmonar 3D contínua na qual vários tipos de nódulos pulmonares e suas relações espaciais relativas com o tecido pulmonar podem ser vistos claramente. Ao arrastar a barra de rolagem na GUI com o mouse, a estrutura pulmonar 3D contínua pode ser observada.
3. O canto superior direito da GUI na Figura 3 fornece ícones para ampliar, reduzir, retornar à exibição global e marcar as coordenadas do pixel selecionado. Use a função de zoom para observar as características locais das lesões e produzir imagens de saída estrutural 3D relevantes. Use o botão Marcar coordenadas de pixel para calcular a distância entre dois pontos para medir o tamanho dos nódulos.
4. A barra de cores padrão é o mapa de cores do jato, o que significa que azul a vermelho representa valores de baixo para alto. Clique com o botão direito do mouse em Barra de cores no menu pop-up para selecionar o mapa de cores cinza comum e redefinir toda a GUI.
5. Se a janela de filtro não estiver satisfeita, use o botão esquerdo do mouse para arrastar para cima e para baixo no meio da figura para ajustar o nível da janela. Arraste para a esquerda e para a direita para ajustar a largura da janela, e o intervalo de filtragem preciso correspondente será exibido na barra de cores.

3. Construção de um modelo digital 3D para qualquer nódulo específico

NOTA: O número de fatia é um parâmetro da função 3D_Nodules, que reconstrói um modelo digital 3D que pode ser visualizado de todas as perspectivas.

1. Para determinar o número da fatia, como na Figura 3, verifique no canto superior direito da barra de rolagem; na Figura 3, o número de corte é 70. Use a função Build_3D_Nodules com dois parâmetros, incluindo o número de corte e o volume torácico criado na etapa 1.3, para reconstruir um modelo digital 3D para nódulos específicos. Este é um modelo definido pelo usuário, pois o número da fatia de entrada é variável e depende do usuário.
2. Se a função Build_3D_Nodules for executada corretamente, o usuário pode verificar o nódulo pulmonar localizado em um determinado número de corte de várias perspectivas na GUI pop-up (Figura 4). Para fazer isso, execute as seguintes ações:
   1. Mantenha pressionado o botão esquerdo do mouse, como no centro da Figura 4, e arraste-o em qualquer direção para alterar a perspectiva dos nódulos pulmonares. Deve-se notar que o ângulo de observação deve levar em conta as considerações anatômicas e tentar mostrar tanto as características médicas dos nódulos pulmonares quanto a relação entre os nódulos e os tecidos circundantes.
3. Use os ícones de zoom e movimentação no canto superior direito, como feito na Figura 3. Além disso, ao rolar o botão do meio do mouse, o usuário pode aumentar ou diminuir continuamente o zoom da visualização do modelo.
4. A GUI na Figura 4 mostra a indicação de coordenadas do modelo no canto inferior esquerdo, onde a direção positiva no eixo z é a direção de varredura na posição horizontal. Implemente a ferramenta de captura de tela fornecida pelo sistema operacional para salvar a projeção 3D necessária dos nódulos.

4. Modelo digital de uma reconstrução 3D coronal

NOTA: O subprocesso Build_3Dlung_Coronal é executado para avaliar os nódulos pulmonares de uma perspectiva coronal alternativa, auxiliando clínicos e pacientes no desenvolvimento de uma compreensão mais precisa e inclusiva da localização e dos atributos dos nódulos.

1. Implementar a função Build_3Dlung_Coronal no local de trabalho do MATLAB para reconstruir o modelo digital 3D de nódulos pulmonares sob a janela de filtro do pulmão e, em seguida, abrir a GUI, conforme preparado pela função, para verificar o modelo 3D coronal (Figura 5).
2. O GUI na Figura 5 mostra uma estrutura pulmonar 3D coronal contínua na qual vários tipos de nódulos pulmonares e suas relações espaciais relativas com o tecido pulmonar podem ser vistos claramente. Arraste a barra de rolagem na GUI com o mouse para observar a estrutura pulmonar 3D coronal contínua.
3. O canto superior direito da GUI, como mostrado na Figura 5, também fornece ícones para ampliar, reduzir, retornar à exibição global e marcar as coordenadas do pixel selecionado. Use essas funções para observar as características locais das lesões e gerar imagens estruturais 3D relevantes. Marque as coordenadas dos pixels para calcular a distância entre dois pontos, que é frequentemente usada para medir o tamanho dos nódulos.
4. A barra de cores padrão é o mapa de cores do jato, no qual as cores de azul a vermelho representam valores de baixo para alto. Clique com o botão direito do mouse na barra de cores no menu pop-up para selecionar o mapa de cores cinza comum e redefinir toda a GUI.
5. Se a janela de filtro não for apropriada, use o botão esquerdo do mouse para arrastar para cima e para baixo no meio da figura para ajustar o nível da janela; Arraste para a esquerda e para a direita para ajustar a largura da janela, e o intervalo de filtragem preciso correspondente será exibido na barra de cores.

5. Saída de vídeo 3D para nódulos pulmonares dominantes

NOTA: A conversão do modelo digital 3D ideal de um nódulo pulmonar em um vídeo 3D dinâmico permite que médicos e pacientes compreendam melhor a condição e façam julgamentos precisos, o que é especialmente crítico para a formulação de planos de tratamento eficazes.

1. No espaço de trabalho, prepare o modelo digital 3D necessário e pré-visualize as relações espaciais relativas entre os nódulos pulmonares e o tecido pulmonar a serem exibidas de vários ângulos (Figura 3 e Figura 4).
2. Neste estudo, o Adobe Captivate 2019 foi usado para registrar todos os processos de interação da GUI. Para começar, abra o software e crie um novo projeto de gravação de tela. Desligue a câmera e a caixa de intervalo de gravação de tela vermelha aparecerá para gravar apenas a operação da tela. Neste estudo, a GUI versão 5.1 foi incluída no quadro. Clique no botão de gravação para operar a GUI e gerar um arquivo de vídeo digital da gravação de tela.
3. Após registrar a visualização dinâmica dos nódulos pulmonares, retorne ao ambiente operacional do software clicando no ícone na barra de tarefas.
4. Usando o recurso de publicação de vídeo, salve o vídeo dinâmico gravado do modelo digital 3D dos nódulos pulmonares. Clique em Arquivo > Distribuir e configurar o caminho de armazenamento de arquivos. Nomeie o arquivo e salve o arquivo de vídeo digital desejado.

Resultados

Para tornar o método aplicável a uma gama maior de dispositivos, a ordem de empilhamento de cada varredura precisa ser reorganizada com base nas coordenadas internas do sistema de arquivos DICOM (Figura 1) para gerar o volume 3D correto (Figura 2). Com base nos dados precisos de volume, utilizamos a reconstrução contínua algorítmica das PIMs horizontais e coronais do pulmão (Figura 4 e Figura 5) para o ...

Discussão

Diferentes dispositivos LDCT têm diferenças significativas nas sequências de imagens DICOM que produzem, especialmente em termos de gerenciamento do sistema de arquivos. Portanto, para reconstruir o modelo digital 3D chave de um nódulo pulmonar nos estágios mais avançados do protocolo, a etapa de pré-processamento de dados é particularmente importante. Na etapa de preparação e pré-processamento dos dados (etapa 1.2.2), a coordenada do eixo z da sequência pode ser classificada corretamente usando a sequência mostrada na <...

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
MATLAB	MathWorks	2022B	Computação e visualização
Ferramentas para modelagem	Inteligente   Entropia	PulmonaryNodule V1.0	Pequim Entropia Inteligente Ciência & Technology Co Ltd. Modelagem para fusão de TC/RM