Name: Modelo Digital 3D para Diagnóstico e Tratamento de Nódulos Pulmonares (Vídeo) | JoVE Journal
Uploaded: 2023-05-19T14:20:00.000+00:00
Duration: 10 min 26 s
Description: Aprenda a criar modelos digitais 3D de nódulos pulmonares usando reconstrução volumétrica e processamento de imagens médicas. Este método computacional integra inteligência artificial para melhorar diagnósticos clínicos e avaliação prognóstica.

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

Esta publicação foi apoiada pelo Quinto Programa Nacional de Pesquisa de Talentos Excelentes Clínicos de Medicina Tradicional Chinesa, organizado pela Administração Nacional de Medicina Tradicional Chinesa (http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html).

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
<ol><li>Dados de TCLD para detecção de nódulos pulmonares OBS: As diferenças observadas nos valores dos parâmetros independem do método de pesquisa utilizado.<ol><li>Obter o consentimento do paciente para a aquisição dos dados do DICOM. Transfira todos os dados para o diretório de trabalho designado.</li>
		<li>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.</li>
		<li>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.</li>
	</ol></li>
	<li>Corrigindo a classificação dos dados digitalizados NOTA: A sequência de cada imagem deve ser classificada para construção de volume.<ol><li>Leia os dados de localização de cada imagem usando a função Dicominfo. Obtenha o local inserindo informações. SliceLocation no espaço de trabalho MATLAB.</li>
		<li>Implemente a função SliceLocation para armazenar a matriz de localização de uma variável e faça um gráfico dela (Figura 1).</li>
		<li>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).</li>
		<li>Classifique todas as imagens e extraia as imagens começando em 1 até o valor máximo de localização implementando a função VolumeResort.</li>
		<li>Armazene os volumes das imagens válidas com o índice classificado, que será útil para rastrear de volta aos nódulos importantes.</li>
	</ol></li>
	<li>Inspecionando o volume torácico NOTA: Ter uma estrutura de armazenamento de dados bem definida torna o trabalho de acompanhamento mais conveniente.<ol><li>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).</li>
		<li>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.</li>
		<li>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.</li>
	</ol></li>
</ol>2. Modelo digital para reconstrução 3D horizontal
NOTA: O subprocesso 3Dlung_Horizon realiza um exame minucioso dos nódulos pulmonares de uma perspectiva horizontal.
<ol><li>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).</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
</ol>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.
<ol><li>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.</li>
	<li>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:<ol><li>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.</li>
	</ol></li>
	<li>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.</li>
	<li>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.</li>
</ol>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.
<ol><li>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).</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
</ol>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.
<ol><li>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).</li>
	<li>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.</li>
	<li>Após registrar a visualização dinâmica dos nódulos pulmonares, retorne ao ambiente operacional do software clicando no ícone na barra de tarefas.</li>
	<li>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.</li>
</ol>

Reconstrução 3D para o diagnóstico e tratamento de nódulos pulmonares

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

A ferramenta de software para reconstrução de modelos de nódulos pulmonares, PulmonaryNodule, é um software comercial da Beijing Intelligent Entropy Science & Technology Co Ltd. Os direitos de propriedade intelectual desta ferramenta de software pertencem à empresa. Os autores não têm conflitos de interesse a declarar.

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 <...

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 detórax1. 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 descartarmalignidade2. 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 pulmonarescircundantes 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.

<table><tbody><tr><td>MATLAB</td><td>MathWorks&nbsp;</td><td>2022B</td><td>Computação e visualização&nbsp;</td></tr><tr><td>Ferramentas para modelagem</td><td>&nbsp; Inteligente &nbsp; Entropia</td><td>PulmonaryNodule V1.0</td><td>Pequim Entropia Inteligente Ciência & Technology Co Ltd. Modelagem para fusão de TC/RM</td></tr></tbody></table>

modelo digital 3d para diagnóstico e tratamento de nódulos pulmonares

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

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.

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 ...

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.

Modelo Digital 3D para Diagnóstico e Tratamento de Nódulos Pulmonares

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

Este estudo tem como objetivo criar um modelo contínuo de reconstrução 3D para melhor caracterização dos nódulos pulmonares para diagnóstico clínico e avaliação prognóstica. A integração profunda da tecnologia de imagem orientada por IA e o diagnóstico e tratamento da doença do nódulo pulmonar são alguns dos desenvolvimentos recentes neste campo de pesquisa. A combinação de imagens médicas, processamento de linguagem natural, digitalização, classe de design de campo e riscos de cenários de diagnóstico clínico e tratamento são avanços recentes nesse campo.Gradualmente, o estabelecimento de imagens tridimensionais, diferenciando características de nódulos pulmonares e realizando rastreamento de longo prazo da eficácia da medicina tradicional chinesa, ajuda a otimizar o plano de tratamento para a prevenção e o tratamento da doença. As imagens produzidas com este modelo digital, são precisas e intuitivas, evitando falsos positivos e falsos negativos, e não são sensíveis ao equipamento de escaneamento. O resultado deste estudo auxilia na classificação clínica dos nódulos pulmonares, baseada em evidências clínicas, no prognóstico, na avaliação e na otimização dos planos de tratamento, com base em características especiais tridimensionais.Nosso foco de pesquisa inclui combinar digitalização, inteligência artificial, imagem e a avaliação e otimização de planos de tratamento clínico da medicina tradicional chinesa, para criar planos de tratamento econômicos e melhores.

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

Research

JoVE Journal

Medicine

Medicina

Este estudo introduz um método de reconstrução tridimensional (3D) para todo o pulmão em pacientes com nódulos pulmonares múltiplos precoces. Oferece uma visualização abrangente da distribuição dos nódulos e sua interação com o tecido pulmonar, simplificando a avaliação do diagnóstico e prognóstico desses pacientes.

Reconstrução Tridimensional de Todo o Pulmão com Múltiplos Nódulos Pulmonares Precoces

Este estudo apresenta a análise do espectro multifractal para avaliar a malignidade do nódulo pulmonar. Usando dados CT-DICOM, o método calcula as dimensões fractais em várias escalas de voxels, revelando diferenças significativas entre nódulos pulmonares em estágio inicial e tardio.

Análise de espectro multifractal para avaliação de malignidade de nódulos pulmonares

Descrevemos o novo uso da aspiração transtorácica transtorácica guiada por navegação eletromagnética para a avaliação patológica de nódulos pulmonares humanos.

Uso de Electromagnetic Navegação Transthoracic Agulha de Aspiração (E-TTNA) para amostragem de nódulos pulmonares

Descrevemos um método para a detecção do desenvolvimento de nódulos tumorais nos pulmões de um modelo de camundongo adenocarcinoma usando microtomografia computadorizada e seu uso para monitorar mudanças no tamanho do nódulo ao longo do tempo e em resposta ao tratamento. A precisão da avaliação foi confirmada com quantificação histológica de ponto final.

Usando tomografia Micro-computadas para a avaliação do desenvolvimento do tumor e Acompanhamento da resposta ao tratamento em um modelo do rato do cancro do pulmão

A técnica de myograph do fio é usada para investigar as funções do músculo liso vascular e tela novas drogas. Nós relatamos um protocolo detalhado para medir a contratilidade isométrica da artéria mesentérica de rato e para a seleção de novos relaxantes do músculo liso vascular.

Medição de contratilidade isométrica da artéria mesentérica Mouse usando fio miografia

Descrevemos um algoritmo clínico, baseado em décadas de experiência de linha de frente de diagnóstico e tratamento cirúrgico de espondilodiscite humana de Brucellar no maior centro médico da Área Pastoral de Xinjiang, na China.

Diagnóstico e Tratamento Cirúrgico da Espondilodiscite Humana de Brucellar

O teste de ativação basófila é um teste complementar de diagnóstico in vitro para a avaliação de reações alérgicas mediadas por IgE com base na detecção de ativação basofílica na presença de um estímulo específico através da medida de marcadores de ativação por citometria de fluxo.

Teste de ativação basófila para diagnóstico de alergia

Demonstramos como estabelecer um modelo murino de implantação de raízes pulmonares na aorta descendente para simular o procedimento ross. Este modelo permite a avaliação a médio/longo prazo da remodelação do autoenxerto pulmonar em posição sistêmica, representando a base do desenvolvimento de estratégias terapêuticas para promover sua adaptação.

Um modelo de roedor da operação Ross: Implantação de enxerto de artéria pulmonar sinténica em posição sistêmica

Este protocolo descreve a implantação consecutiva de uma bomba osmótica para induzir aneurisma aórtico abdominal por angiotensina II liberação em camundongos deficientes apolipoprotein E (ApoE) e de uma porta de acesso vascular com cateter venoso jugular para tratamento medicamentoso repetido. O monitoramento do desenvolvimento de aneurisma por ultrassom 3D é efetivamente realizado apesar dos implantes dorsais.

Tratamento medicamentoso por Cateter Venoso Central em um Modelo de Camundongo de Angiotensin II Aneurisma Abdominal Induzido anótico e monitoramento por ultrassom 3D

Porcos em miniatura (mini-porcos) são um modelo animal de grande porte ideal para a pesquisa de implantes cocleares. A cirurgia de implante coclear em mini-porcos pode ser utilizada para fornecer evidências iniciais da segurança e do desempenho potencial de novas matrizes de eletrodos e abordagens cirúrgicas em um sistema vivo semelhante aos seres humanos.

O Porco em Miniatura: Um Modelo Animal de Grande Porte para Pesquisa de Implante Coclear

Aprenda a criar modelos digitais 3D de nódulos pulmonares usando reconstrução volumétrica e processamento de imagens médicas. Este método computacional integra inteligência artificial para melhorar diagnósticos clínicos e avaliação prognóstica.

Modelo Digital 3D para Diagnóstico e Tratamento de Nódulos Pulmonares

Explorar mais vídeos