Автоматизированный количественный анализ лёгочных сосудов при врождённой диафрагмальной грыже с использованием глубокого обучения

Emrah Aydin; Cihan Bilge Kayasandik; Aslıgül Aksan; Mustafa Ekrem Erakin; Jose Luis Peiro

doi:10.3791/70428

Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Автоматизированный количественный анализ лёгочных сосудов при врождённой диафрагмальной грыже с использованием глубокого обучения

119 просмотров

⸱

DOI:

10.3791/70428

⸱

8 мая 2026 г.

Emrah Aydin¹^,² , Cihan Bilge Kayasandik³ , Aslıgül Aksan³ , Mustafa Ekrem Erakin³ , Jose Luis Peiro⁴

¹Division of Maternal Fetal Medicine, Jackson Fetal Care, Department of Obstetrics, Gynecology, and Reproductive Sciences, Miller School of Medicine, University of Miami, ²Department of Biongineering, Faculty of Chemical and Metallurgical Engineering, Yildiz Technical University, ³Department of Computer Engineering, Istanbul Medipol University, ⁴NYU-Langone Health Advanced Fetal Center

В этой статье

Краткое содержание

Этот протокол описывает полностью автоматизированный конвейер глубокого обучения для сегментации и анализа лёгочных сосудов в неонатальных КТ-сканированиях. Метод позволяет количественно морфометрическую оценку сосудистого развития у врождённой диафрагмальной грыжи (CDH) и контрольных пациентов, поддерживая неинвазивную характеристику лёгочной гипоплазии и сосудистого недоразвития.

Аннотация

Врожденная диафрагмальная грыжа (CDH) характеризуется лёгочной гипоплазией и недоразвитием сосудов, что приводит к нарушению газообмена и высокой неонатальной смертности. Точная и количественная оценка лёгочных сосудов крайне важна для понимания тяжести заболевания, однако ручная сегментация трёхмерных сосудистых сетей на медицинских изображениях требует много времени и зависит от оператора.

Этот протокол представляет собой полностью автоматизированный метод на основе глубокого обучения для сегментации лёгочных сосудов и морфометрического анализа с использованием постнатальной компьютерной томографии (КТ). Конвейер включает стандартизированные этапы предварительной обработки — преобразование в единицы Хаунсфилда, окна, изотропное редискретирование и контрастно-ограниченное адаптивное гистограммное уравнивание (CLAHE) — для нормализации данных визуализации и улучшения видимости сосудов. Архитектура сверточной нейронной сети U-Net (CNN) затем обучается сегментировать лёгочную сосудистую систему, а затем трехмерный алгоритм скелетизации для количественной оценки морфометрических параметров, таких как количество ветвей, средняя длина ветви и глубина поколений.

Репрезентативные результаты показывают, что предлагаемая модель достигает высокой точности сегментации, при этом конфигурация трансферного обучения обеспечивает наилучшую производительность. Количественный морфометрический анализ показывает заметно сниженную сосудистую сложность при CDH по сравнению с контрольными лёгкими, что соответствует известным патологическим признакам лёгочной гипоплазии.

Этот автоматизированный подход позволяет воспроизводить, количественно и неинвазивно оценивать морфологию лёгочных сосудов при CDH. Метод может быть адаптирован для других методов визуализации и применён для изучения развития лёгких плода и новорождённых, что способствует трансляционным исследованиям и будущей клинической интеграции.

Введение

Врождённая диафрагмальная грыжа (CDH) — это угрожающая жизни врождённая аномалия, характеризующаяся диафрагмальной аномалией, приводящей к грыжи брюшной внутренней клетки^{в грудную клетку} ^1,2. Это физическое сжатие серьёзно нарушает развитие лёгких, что приводит к гипоплазии лёгочных и персистирующей легочной гипертензии (ППГН), которые являются основными факторами заболеваемости и смертности. Помимо легочной гипоплазии и недоразвития сосудов, напряжённое развитие сердца и желудочковая дисфункция также значительно влияют на клинические результаты новорождённых с CDH. Основная п....