Summary
تقدم هذه الدراسة طريقة إعادة بناء ثلاثية الأبعاد (3D) للرئة بأكملها في المرضى الذين يعانون من عقيدات رئوية متعددة مبكرة. وهو يقدم تصورا شاملا لتوزيع العقيدات وتفاعلها مع أنسجة الرئة، مما يبسط تقييم التشخيص والتشخيص لهؤلاء المرضى.
Abstract
بالنسبة للمرضى الذين يعانون من عقيدات رئوية متعددة مبكرة ، من الضروري ، من منظور تشخيصي ، تحديد التوزيع المكاني والحجم والموقع والعلاقة مع أنسجة الرئة المحيطة بهذه العقيدات في جميع أنحاء الرئة بأكملها. هذا أمر بالغ الأهمية لتحديد الآفة الأولية وتطوير خطط علاج أكثر علمية للأطباء. ومع ذلك ، فإن طرق التعرف على الأنماط القائمة على رؤية الآلة عرضة للإيجابيات الكاذبة والسلبيات الكاذبة ، وبالتالي ، لا يمكنها تلبية المتطلبات السريرية بشكل كامل في هذا الصدد. يمكن لطرق التصور القائمة على إسقاط الكثافة القصوى (MIP) أن توضح بشكل أفضل العقيدات الرئوية المحلية والفردية ولكنها تفتقر إلى وصف عياني وشامل للتوزيع والسمات المكانية للعقيدات الرئوية المتعددة.
لذلك ، تقترح هذه الدراسة طريقة إعادة بناء 3D للرئة بالكامل. يستخرج محيط الرئة ثلاثي الأبعاد باستخدام تقنية معالجة الصور الطبية على خلفية الرئة بأكملها ويقوم بإعادة بناء ثلاثية الأبعاد للرئة والشريان الرئوي والعقيدات الرئوية المتعددة في الفضاء ثلاثي الأبعاد. يمكن لهذه الطريقة أن تصور بشكل شامل التوزيع المكاني والسمات الإشعاعية للعقيدات المتعددة في جميع أنحاء الرئة بأكملها ، مما يوفر وسيلة بسيطة ومريحة لتقييم تشخيص وتشخيص العقيدات الرئوية المتعددة.
Introduction
يمكن أن تكون العقيدات الرئوية المتعددة المبكرة ، وهي زوائد صغيرة مستديرة على الرئة ، حميدة أو خبيثة1،2،3. على الرغم من سهولة تشخيص العقيدات الرئوية الانفرادية وعلاجها ، إلا أن المرضى الذين يعانون من العقيدات الرئوية المتعددة المبكرة يواجهون تحديات تشخيصية وعلاجية كبيرة. لوضع خطط علاج فعالة ، من الضروري تحديد التوزيع المكاني والحجم والموقع والعلاقة بدقة مع أنسجة الرئة المحيطة بهذه العقيدات في جميع أنحاء الرئةبأكملها 4,5. طرق التشخيص التقليدية لها قيود في تحديد العقيدات الرئوية المتعددة المبكرة بدقة.
وتنطوي التطورات الحديثة في تكنولوجيا معالجة الصور الطبية وخوارزميات التعلم الآلي على إمكانية تحسين دقة وكفاءة الكشف المبكر عن العقيدات الرئوية وتشخيصها. تم اقتراح مناهج مختلفة ، مثل طرق التعرف على الأنماط القائمة على رؤية الآلة وطرق التصور القائمة على إسقاط الكثافة القصوى (MIP) 6،7،8،9،10. ومع ذلك ، فإن هذه الطرق تعاني من قيود مثل الإيجابيات الكاذبة ، والسلبيات الكاذبة11،12،13،14،15 ، ونقص الأوصاف العيانية والشاملة للتوزيع والسمات المكانية للعقيدات الرئوية المتعددة المبكرة.
لمعالجة هذه القيود ، تقترح هذه الدراسة طريقة إعادة بناء ثلاثية الأبعاد للرئة بالكامل تستخدم تقنية معالجة الصور الطبية لاستخراج محيط الرئة ثلاثي الأبعاد على خلفية فحص الصدر بالكامل. ثم تقوم الطريقة بإعادة بناء ثلاثية الأبعاد للرئة والشريان الرئوي والعقيدات الرئوية المتعددة المبكرة في الفضاء ثلاثي الأبعاد. ويسمح هذا النهج بتمثيل أكثر شمولا ودقة للتوزيع المكاني والسمات الإشعاعية للعقيدات المتعددة المبكرة في جميع أنحاء الرئة بأكملها.
تتضمن الطريقة المقترحة عدة خطوات رئيسية. أولا ، يتم استيراد الصور الطبية إلى برنامج معالجة الصور 3D ، ويتم استخراج منطقة الرئة باستخدام تقنية التجزئة القائمة على العتبة. بعد ذلك ، يتم فصل منطقة الرئة المستخرجة عن جدار الصدر المحيط والهياكل العظمية للفقرات الصدرية. ثم يتم إعادة بناء العقيدات الرئوية المتعددة المبكرة وعلاقتها بالأوعية الدموية المحيطة في مساحة 3D باستخدام خوارزميات الإسقاط الأقصى للكثافة (MIP). أخيرا ، يتم عرض نموذج 3D المعاد بناؤه للرئة والشريان الرئوي والعقيدات لمزيد من التحليل.
هذه الطريقة لها العديد من المزايا على الطرق الحالية. على عكس الطرق التقليدية التي تعتمد على صور 2D ، تستخدم هذه الطريقة حجم 3D لتوفير تمثيل أكثر دقة وشمولية للعقيدات الرئوية المتعددة المبكرة. تتغلب الطريقة أيضا على قيود الإيجابيات الخاطئة والسلبيات الخاطئة المرتبطة بطرق التعرف على الأنماط وطرق تصور MIP. علاوة على ذلك ، توفر هذه الطريقة وصفا عيانيا وشاملا للتوزيع والسمات المكانية للعقيدات الرئوية المتعددة المبكرة ، وهو أمر ضروري لتطوير خطط علاج فعالة.
للطريقة المقترحة العديد من التطبيقات المحتملة في تشخيص وعلاج العقيدات الرئوية المتعددة المبكرة. يمكن أن يساعد التحديد الدقيق للتوزيع المكاني والسمات الإشعاعية للعقيدات المتعددة المبكرة في التشخيص والعلاج المبكر لسرطان الرئة. علاوة على ذلك ، يمكن استخدام الطريقة لمراقبة تطور المرض وتقييم فعالية خطط العلاج.
أظهرت طرق التعرف على الأنماط6،7،8 القائمة على رؤية الآلة نتائج واعدة في تحديد العقيدات الرئوية ، ولكنها تعاني من قيود مثل الإيجابيات الكاذبة والسلبيات الكاذبة. ومن ناحية أخرى، توفر أساليب التصور MIP تمثيلا أكثر دقة للعقيدات الفردية، ولكنها تفتقر إلى وصف عياني وشامل للتوزيع والسمات المكانية للعقيدات المتعددة المبكرة. تتغلب طريقة إعادة بناء الرئة الكاملة 3D المقترحة على هذه القيود وتوفر تمثيلا أكثر دقة وشمولية للعقيدات الرئوية المتعددة المبكرة.
يشير تحويل Isovoxel16,17 إلى عملية تحويل الصور ثلاثية الأبعاد بأحجام فوكسل مختلفة إلى صور ثلاثية الأبعاد بأحجام فوكسل موحدة. في مجال معالجة الصور الطبية ، غالبا ما تتكون مجلدات 3D من voxels بأحجام مختلفة ، مما قد يؤدي إلى مشكلات حسابية وتصورية. الغرض من تحويل isovoxel هو معالجة هذه المشكلات عن طريق إعادة تشكيل واستيفاء voxels في حجم 3D الأصلي ، مما يؤدي إلى صورة ثلاثية الأبعاد جديدة بأحجام فوكسل متسقة. تجد هذه التقنية تطبيقات في سياقات طبية مختلفة ، بما في ذلك تسجيل الصور والتجزئة والتصور. وهكذا ، اقترحت هذه الدراسة طريقة إعادة بناء ثلاثية الأبعاد للرئة بالكامل تستخدم تقنية معالجة الصور الطبية لاستخراج محيط الرئة ثلاثي الأبعاد على خلفية مسح الصدر بالكامل. وتوفر هذه الطريقة تمثيلا أكثر دقة وشمولا للتوزيع المكاني والسمات الإشعاعية للعقيدات المتعددة المبكرة في جميع أنحاء الرئة بأكملها. تساهم هذه الدراسة في تطوير استراتيجيات تشخيص وعلاج أكثر دقة وفعالية للمرضى الذين يعانون من عقيدات رئوية متعددة مبكرة.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
بالنسبة للدراسة الحالية ، تم الحصول على تصريح أخلاقي من لجنة الأخلاقيات في مستشفى Dongzhimen ، التابعة لجامعة بكين للطب الصيني (DZMEC-KY-2019.90). في هذه الحالة المحددة ، يتم تقديم وصف منهجي لنهج البحث ، مع تحديد حالة تتعلق بمريضة تبلغ من العمر 65 عاما تعاني من عقيدات رئوية متعددة. قدمت هذه المريضة موافقة مستنيرة على تشخيصها من خلال النمذجة الرقمية وأذنت باستخدام بياناتها لأغراض البحث العلمي. وظيفة إعادة بناء النموذج مشتقة من أداة برمجية متاحة تجاريا (انظر جدول المواد).
1. إعداد البيانات وتحويل الأيزوفوكسيل
- DICOM (التصوير الرقمي والاتصالات في الطب) إعداد البيانات وخصائص البيانات
ملاحظة: لا يزال التباين في المعلمات غير متأثر نسبيا بمنهجية البحث.- انسخ بيانات DICOM الخاصة بالمريض إلى دليل عمل محدد.
- باستخدام مستعرض الملفات، افحص كل دليل ملف لتحديد تسلسل الصور بأكبر عدد من طبقات المسح الضوئي للتحليل.
- استخدم وظيفة Dicominfo داخل MATLAB من خلال توفير ملفات DICOM كمعلمات إدخال. سيمكنك هذا من استخراج المعلمات الأساسية ، مثل سمك الشريحة وتباعد البكسل ، مباشرة داخل بيئة MATLAB.
ملاحظة: تحمل هذه المعلمات أهمية كبيرة في تكوين معدل العرض لوحدة التخزين 3D. في حالة مجموعة البيانات المستخدمة في هذه الدراسة ، تم قياس سمك الشريحة 1 مم ، وتعادل تباعد البكسل 0.7188 مم ، وتم مسح ما مجموعه 387 طبقة.
- الفرز الصحيح للبيانات الممسوحة ضوئيا
ملاحظة: يجب فرز تسلسل كل صورة لبناء وحدة التخزين.- استرجع بيانات الموقع لكل صورة باستخدام وظيفة Dicominfo . الوصول إلى معلومات الموقع من خلال الرجوع إلى المعلومات. SliceLocation داخل مساحة عمل MATLAB.
- احفظ بيانات الموقع في متغير باستخدام وظيفة SliceLocation وقم بإنشاء مخطط لها (الشكل 1).
- قم بتحسين المخطط عن طريق إضافة نقطة بيانات إليه باستخدام زر تلميحات البيانات الموجود في الزاوية العلوية اليمنى من واجهة المستخدم الرسومية. يجب أن تحدد نقطة البيانات هذه الحد الأقصى لموقع التسلسل الطبيعي ، والذي يتوافق مع أعلى موقع في تصوير المريض (الشكل 1).
- قم بتنظيم جميع الصور عن طريق فرزها ثم استخراج الصور التي تتراوح من الموقع الأول إلى الحد الأقصى للموقع. تحقيق ذلك عن طريق استدعاء الدالة VolumeResort .
- قم بحماية بيانات وحدة التخزين ، والتي تتكون من 512 بكسل × 512 بكسل × 340 طبقة ، من الصور الصالحة مع فهرسها الذي تم فرزه. وستكون هذه المعلومات قيمة للرجوع إليها في المستقبل، ولا سيما في سياق تحديد العقيدات الهامة.
- تحويل الايسوفوكسل
ملاحظة: يسمح تحويل 3D Isovoxel بالمعالجة اللاحقة للحفاظ على نفس مقياس العرض في جميع الأبعاد.- افحص المقياس ثلاثي الأبعاد لوحدة تخزين ثلاثية الأبعاد ، وهو 512 بكسل × 512 بكسل × 340 طبقة ، باستخدام وظيفة الحجم في Matlab.
- لعرض المجلد ثلاثي الأبعاد (الشكل 2) باستخدام وظيفة الأمر Slice_View ، سجل نطاق مسح التسلسل الذي يحتوي على الرئتين من 60 إلى 340. بعد ذلك ، ما عليك سوى استخدام الأمر V1 = V0 (: ، : ، 60: 340) للحصول على وحدة تخزين ثلاثية الأبعاد تحتوي على جميع بيانات الرئة بأكملها. حجم V1 هو 512 بكسل × 512 بكسل × 281 طبقة.
- استخدم وظيفة الأمر MATLAB dicominfo للحصول على سمك شريحة تسلسل الصورة ، وهو 1 مم ، وتباعد البكسل 0.7188. احسب عدد المحاور z لتحويل isovoxel باستخدام الأمر: دائري (281 × 1 / 0.7188). يجب أن يكون عدد طبقات تحويل isovoxel 391.
- استخدم وظيفة الأمر Matlab imresize3 لإجراء تحويل isovoxel على V1. قم بتنفيذ البرنامج النصي باستخدام الأمر V2 = imresize3 (V1 ، [512 ، 512 ، 391]). ثم استخدم الدالة 3D_Slice_View لعرض حجم 3D المحول isovoxel (الشكل 3).
2. إزالة تداخل الضوضاء الناجم عن معدات التصوير المقطعي المحوسب (CT)
ملاحظة: في الشكل 2 ، تكون الإشارة عالية الكثافة التي تمثل أريكة المريض بجهاز التصوير المقطعي المحوسب مرئية ، والتي يمكن أن تتداخل مع تجزئة الصورة. للقضاء على هذا التداخل ، يلزم تصميم مرشح مكاني.
- استخدم زر تلميحات البيانات في الشكل 2 لإضافة نقاط بيانات مستمرة داخل الواجهة التفاعلية. سيسمح ذلك للشخص بإنشاء خط يربط بين هذه النقاط ، مع استبعاد أريكة المريض بشكل فعال. بعد ذلك ، انقر بزر الماوس الأيمن فوق تلميحات البيانات وحدد تصدير بيانات المؤشر إلى مساحة العمل لتصدير الحد المرجعي للتصفية المكانية إلى مساحة عمل MATLAB (الشكل 3). تسمى مصفوفة تشتت الحدود في هذه الحالة "CI".
- قم باستدعاء الدالة Noise_Clean لتطبيق التصفية المكانية على V2 ، باستخدام معلمة الإدخال "CI" من مساحة العمل. ستنتج هذه العملية وحدة تخزين 3D تزيل إشارة التداخل من معدات التصوير المقطعي المحوسب. أخيرا ، استخدم وظيفة الأمر Slice_View لتصور الحجم الناتج ، كما هو موضح في الشكل 4.
3. استخراج محيط الرئة
- ابدأ بتحديد شريحة لتكون بمثابة قالب داخل واجهة المستخدم الرسومية المعروضة في الشكل 4. على سبيل المثال ، اختر الصورة 232 لتصميم تجزئة الصورة وقم بتعيينها إلى متغير "I" باستخدام الأمر I = V2 (: ، : ، 232). بعد ذلك ، افتح واجهة المستخدم الرسومية ل MATLAB Image Segmenter عن طريق تنفيذ الأمر imageSegmenter (I) ، كما هو موضح في الشكل 5.
- يعرض الشكل 5 مجموعة من أدوات تجزئة الصور. للبدء ، حدد أداة Auto Cluster من شريط الأدوات في الأعلى وقم بتنفيذ الأمر بالنقر فوق زر الماوس الأيسر. سيتم تقسيم الصورة تلقائيا إلى فئتين. نظرا لعملية تقليل الضوضاء التي يتم إجراؤها في الخطوة 2.2 ، يصبح تجزئة الصورة في هذه المرحلة واضحا نسبيا.
- بعد ذلك ، انقر فوق الزر "إظهار ثنائي" في الزاوية اليمنى العليا لعرض الصورة بالأبيض والأسود. عند هذه النقطة ، ستظهر منطقة الرئة سوداء. لجعل منطقة الرئة بيضاء ، حدد زر قناع العكس من شريط الأدوات العلوي وقم بتنفيذ الأمر بالنقر فوق زر الماوس الأيسر.
- للتخلص من اللون الأبيض خارج منطقة الرئة ، حدد زر مسح الحدود في شريط الأدوات العلوي وقم بتنفيذه بالنقر بزر الفأرة الأيسر. بعد هذه الخطوة ، ستبقى منطقة الرئة ذات اللون الأبيض فقط. ومع ذلك ، يجب ملء أي ظلال سوداء متبقية داخل منطقة الرئة في هذه المرحلة. لتحقيق ذلك ، حدد ملف ملء الثقوب زر في شريط الأدوات ، والنتيجة بعد النقر فوق الزر موضحة في الشكل 6.
- يتم عرض جميع الخطوات المتضمنة في تجزئة صورة الرئة في واجهة المستخدم الرسومية للشكل 6 في الزاوية اليسرى السفلية. بالنقر فوق الزر تصدير في الزاوية اليمنى العليا ، احفظ هذه الخطوات التلقائية كدالة لتجزئة منطقة الرئة لمعالجة الدفعات. في النافذة المنبثقة محرر البرامج النصية ، انقر فوق حفظ زر لحفظ الوظيفة في دليل العمل الحالي.
4.3D إعادة بناء الرئة بأكملها مع عقيدات رئوية متعددة
ملاحظة: أخذ المنتج النقطي لصورة تجزئة الرئة لكل صورة مع الصورة الأصلية يعادل إجراء التصفية المكانية 3D على وحدة التخزين ، وتصفية إشارات التداخل بشكل فعال خارج الرئتين والحصول على بنية 3D للرئتين.
- ابدأ وظيفة 3Dlung_Volume داخل مساحة عمل MATLAB.
ملاحظة: تقوم هذه الوظيفة بإجراء تجزئة الصورة على كل صورة باستخدام الإخراج من الخطوة 3.5. ثم ينفذ عملية منتج نقطي بين قناع الرئة الثنائي والصورة الأصلية لإنشاء حجم 3D جديد يحتوي حصريا على أنسجة الرئة. في واجهة المستخدم الرسومية (الشكل 7) التي تظهر بعد اكتمال الوظيفة ، يمكن للمرء تصور وتنفيذ عمليات الإسقاط الأقصى للكثافة (MIP) على حجم الرئة 3D بأكمله. - داخل واجهة المستخدم الرسومية ، ابحث عن القائمة المنسدلة الأولى في الزاوية اليمنى العليا. حدد MIP Projection ثم اختر خريطة الألوان النفاثة من خيارات خرائط الألوان المضمنة أدناه. بعد ذلك ، في القائمة المنسدلة الموجودة في الزاوية اليمنى العليا من العرض الرابع (3D Volume View) ، حدد تكبير. سيؤدي هذا الإجراء إلى حجم 3D كامل للرئة (الشكل 8) يمكن ملاحظته من أي زاوية وتحريكه ومعالجته حسب الحاجة.
ملاحظة: في قسم التفاعل بين الإنسان والحاسوب الموضح في الشكل 8 ، يمكن للمرء ضبط زاوية الرؤية بحرية عن طريق الضغط باستمرار على زر الماوس الأيسر وتحريكه. يسمح التمرير بزر الماوس الأوسط للتكبير أو التصغير. - لعمليات التباين وتحسين الألوان المتقدمة ، استخدم لوحة التحكم على الجانب الأيمن من واجهة المستخدم الرسومية.
5. التركيز على فحص العقيدات الرئوية السائدة
ملاحظة: في الفضاء ثلاثي الأبعاد (الشكل 8) ، تصبح منطقة الآفة السائدة بين العقيدات الرئوية المتعددة مرئية بشكل واضح. يعد عدد هذه العقيدات وحجمها وتركيزها من السمات الحاسمة للآفة السائدة ، مما يوفر رؤى قيمة في تقييم المرض.
- مرة أخرى ، قم باستدعاء الدالة Slice_View ، ولكن هذه المرة أدخل وحدة تخزين الرئة ثلاثية الأبعاد بالكامل التي تم الحصول عليها في الخطوة 4.2. داخل واجهة المستخدم الرسومية الناتجة (الشكل 9) ، استخدم شريط التمرير السفلي للانتقال إلى المنطقة التي توجد فيها عقيدات الرئة السائدة ، والتي تمتد من 48 إلى 70.
- تابع عن طريق استدعاء وظيفة 3Dlung_Horizon لإجراء إعادة بناء ثلاثية الأبعاد لمنطقة الاهتمام (ROI) تشمل الأقسام من 48 إلى 70 من المجلد ثلاثي الأبعاد للرئة بالكامل. سيؤدي هذا الإجراء إلى إنشاء واجهة مستخدم رسومية مصممة خصيصا لتصور العقيدات الرئوية ، كما هو موضح في الشكل 10. ضمن واجهة المستخدم الرسومية هذه ، يمكن للمرء استكشاف الميزات التفصيلية للآفة من زوايا مختلفة.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
في مرحلة المعالجة المسبقة للبيانات ، يجب أن يكون فرز بيانات DICOM هو الخطوة الأولى (الشكل 1) لضمان تسلسل المسح الصحيح لكل طبقة أثناء إعادة البناء ثلاثي الأبعاد. بعد ذلك ، يتم إجراء تحويل الخواص لضمان نسبة العرض إلى الارتفاع الصحيحة لحجم 3D (الشكل 2). بعد ذلك ، يتم تطبيق التصفية المكانية على وحدة التخزين ثلاثية الأبعاد الأصلية (الشكل 3) للتخلص من إشارات التداخل من أريكة المريض لمعدات التصوير المقطعي المحوسب (الشكل 4). للحصول على محيط ثلاثي الأبعاد للرئة بأكملها ، يتم إجراء تجزئة الصورة على كل مسح (الشكل 5) لإنشاء صورة رئوية ثنائية (الشكل 6). استنادا إلى محيط الرئة ثلاثي الأبعاد ، يتم إعادة بناء حجم الرئة ثلاثي الأبعاد بالكامل (الشكل 7) وتصوره في 3D (الشكل 8). بالنسبة لمنطقة الآفة السائدة (الشكل 9) ، يمكن إجراء تصور ثلاثي الأبعاد منفصل (الشكل 10) لتحديد السمات التفصيلية للآفة بعناية.
يضمن تحويل Isovoxel الحفاظ على نفس المقياس في جميع الأبعاد أثناء المعالجة اللاحقة. يعرض الشكل 2 عرض الشريحة بعد تحويل الأيزوفوكسل. في واجهة المستخدم الرسومية هذه (GUI) ، يمكن للمرء عرض بيانات حجم 3D الخام الكاملة.
يوضح الشكل 3 والشكل 4 عملية الترشيح المكاني المستخدمة لإزالة تداخل إشارة السرير من جهاز التصوير المقطعي المحوسب. بدون هذا ، لا يمكن للصور ذات الإشارات الصاخبة إكمال تجزئة هياكل الرئة في الخطوات اللاحقة.
يوضح الشكل 5 والشكل 6 وظيفة استخراج محيط الرئة ، والتي يمكنها استخراج ملامح الرئة تلقائيا ، مما يوفر الشروط الأساسية لإعادة بناء 3D اللاحقة لهياكل الرئة.
يوضح الشكل 7 والشكل 8 إعادة بناء 3D للرئة بأكملها ، مما يكشف عن التوزيع المكاني لأنسجة الرئة وعقيدات الرئة المتعددة. من خلال القضاء على تداخل الإشارة من الأنسجة خارج الرئتين ، يمكن تصوير الموقع المكاني وحجم وتركيز العقيدات الرئوية المتعددة بدقة.
يعرض الشكل 9 والشكل 10 التصور ثلاثي الأبعاد لعقيدات الرئة السائدة ذات الأهمية. نظرا لاستبعاد تداخل الإشارة من خارج الرئتين ، تم تحسين تباين الصور. القدرة على مراقبة بنية 3D من أي زاوية تسمح للأطباء بإصدار أحكام أكثر دقة حول ميزات الآفة للعقيدات الرئوية السائدة.
الشكل 1: مخطط موقع الصور. يعرض المخطط موقع الصور بناء على تسلسل اسم الملف الخاص بها. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
الشكل 2: واجهة المستخدم الرسومية لعرض شريحة حجم 3D. واجهة المستخدم الرسومية (GUI) لعرض شرائح من وحدة تخزين 3D بعد تحويل Isovoxel. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
الشكل 3: مصفوفة تشتت الحدود المرجعية. المصفوفة التي تمثل تشتت الحدود المرجعية للتصفية المكانية. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
الشكل 4: عرض شريحة حجم 3D بعد التصفية المكانية. عرض الشرائح من وحدة تخزين 3D بعد تطبيق التصفية المكانية. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
الشكل 5: واجهة المستخدم الرسومية لمقطعة الصورة. واجهة المستخدم الرسومية (GUI) لأداة مجزأة الصورة. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
الشكل 6: نتيجة ملء ظل منطقة الرئة. الصورة الناتجة بعد ملء الظلال السوداء في منطقة الرئة باستخدام زر "ملء الثقوب". يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
الشكل 7: إعادة بناء الرئة ثلاثية الأبعاد باستخدام عقيدات رئوية متعددة. إعادة بناء 3D للرئة بأكملها تظهر عقيدات رئوية متعددة مبكرة. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
الشكل 8: واجهة المستخدم الرسومية التفاعلية لعرض حجم الرئة 3D. واجهة المستخدم الرسومية التفاعلية (GUI) لعرض ومعالجة حجم الرئة 3D بأكمله. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
الشكل 9: منظر الشريحة للتنقل في منطقة العقيدات الرئوية السائدة. عرض شريحة للتنقل في المنطقة التي تحتوي على عقيدات رئوية مهيمنة داخل حجم الرئة 3D بأكمله. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
الشكل 10: التصور ثلاثي الأبعاد للعقيدات الرئوية السائدة. تصور ثلاثي الأبعاد للعقيدة الرئوية السائدة داخل حجم الرئة. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
يقدم هذا البحث نهجا فريدا لإنشاء إعادة بناء ثلاثية الأبعاد (3D) كاملة للرئة بأكملها ، باستخدام تقنيات معالجة الصور الطبية المتقدمة لتحديد شكل الرئة ثلاثي الأبعاد وسط سياق مسح كامل للصدر. تقدم هذه التقنية تصويرا أكثر دقة وشمولا للترتيب المكاني والخصائص الإشعاعية للعقيدات المتعددة المبكرة عبر الرئة بأكملها. تقدم هذه الدراسة مساهمة قيمة في تعزيز دقة وفعالية استراتيجيات التشخيص والعلاج للأفراد الذين يعانون من عقيدات رئوية متعددة مبكرة.
خطوات حاسمة
في هذه الدراسة ، تم تحديد العديد من الخطوات الحاسمة على أنها ضرورية لنجاح البروتوكول: (1) فرز وترتيب إحداثيات تسلسل مسح DICOM لتوليد حجم ثلاثي الأبعاد دقيق لفحص الرئة (الخطوة 1.2.2) ؛ (2) تحويل الخواص لضمان نسبة العرض إلى الارتفاع الصحيحة لحجم 3D ، وهو أمر بالغ الأهمية لإعادة الإعمار ثلاثية الأبعاد اللاحقة (الخطوة 1.3.4) ؛ (3) إعادة بناء الرئة بأكملها باستخدام نموذج مبكر للعقيدات الرئوية المتعددة، مما يمكن من تحديد منطقة العقيدات الرئوية السائدة (الخطوة 4-1)؛ (4) تصور مفصل وفحص للمنطقة المحلية التي تحتوي على الآفة السائدة (الخطوة 5.2).
التعديلات واستكشاف الأخطاء وإصلاحها
قد يتأثر تجزئة هياكل أنسجة الرئة بإزاحة عتبة التدرج الرمادي في تسلسل المسح ، مما قد يؤدي إلى تجزئة غير دقيقة للصورة في بعض عمليات المسح. في حالات التجزئة غير الدقيقة ، يمكن تصميم مرشح منفصل (تكرار الخطوة 3) للحصول على ملامح دقيقة لأنسجة الرئة. الحفاظ على أعلى دقة في تحويل isovoxel16,17 أمر بالغ الأهمية لضمان الاستخدام الدقيق للبيانات. ومن المتوقع أن تصبح هذه الخطوات أكثر ذكاء وآلية في المستقبل. مع تقدم نماذج التصوير الطبي واسعة النطاق ، يعد التحديد الدقيق للمحيط من خلال رؤية الكمبيوتر أيضا اتجاها مهما للتطويرالمستقبلي 11.
القيود
قد يؤدي التنفيذ المبسط لاستخراج محيط الرئة إلى أخطاء على حدود محيط الرئة 3D ، مما قد يؤثر على تصور العقيدات الصغيرة بالقرب من حافة الرئة. ومع ذلك ، فإن تأثير هذا القيد ضئيل عند تصور منطقة الآفة السائدة في حالات العقيدات الرئوية المتعددة.
الأهمية فيما يتعلق بالأساليب الحالية
بالمقارنة مع مناهج الرؤية الحاسوبية ، تقدم هذه الطريقة تمثيلا شاملا لبنية أنسجة الرئة ، بما في ذلك العلاقات بين العقيدات الرئوية المتعددة وأنسجة الرئة ، مع تجنب قضايا الإيجابيات الكاذبة والسلبيات الكاذبة. بالإضافة إلى ذلك ، فإنه يقوم بتصفية تداخل الإشارة بشكل فعال من هياكل الأنسجة الأخرى ، مما يؤدي إلى تشخيصات أكثر دقة ودقة مع تحسين التباين والوضوح.
التطبيقات المستقبلية
تحمل طريقة التصور 3D هذه إمكانات كبيرة لمختلف التطبيقات السريرية ، مثل تسهيل التواصل بين الطبيب والمريض ، وتمكين التشخيص الدقيق ، ودعم التصنيف القائم على الأدلة القائم على البيانات ، والمساعدة في تخطيط العلاج ، وتقييم التشخيص. يمكن أن يساعد في التخطيط قبل الجراحة ، وتوفير الملاحة أثناء العملية للاستئصال الجراحي لعقيدات الرئة المتعددة ، ومراقبة التغيرات في حجم العقيدات وشكلها بمرور الوقت لتقييم فعالية العلاج. وعموما، فإن لديها القدرة على تعزيز عملية صنع القرار السريري في تشخيص وعلاج العقيدات الرئوية المتعددة.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
ليس لدى المؤلفين أي تضارب في المصالح للكشف عنه. الأداة البرمجية لإعادة بناء نموذج العقيدات الرئوية ، المدرجة في جدول المواد في هذه الدراسة ، هي برنامج تجاري من شركة Beijing Intelligent Entropy Science and Technology Co Ltd. تنتمي حقوق الملكية الفكرية لأداة البرنامج هذه إلى الشركة.
Acknowledgments
تم دعم هذا المنشور من قبل البرنامج الوطني الخامس لأبحاث المواهب السريرية الممتازة للطب الصيني التقليدي الذي نظمته الإدارة الوطنية للطب الصيني التقليدي. رابط الشبكة الرسمي هو http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.
Materials
| Name | Company | Catalog Number | Comments |
| MATLAB | MathWorks | 2022B | Computing and visualization |
| Tools for Modeling | Intelligent Entropy | PulmonaryNodule V1.0 | Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion |
References
- Mazzone, P. J., Lam, L. Evaluating the patient with a pulmonary nodule: A review. JAMA. 327 (3), 264-273 (2022).
- MacMahon, H., et al. Guidelines for management of incidental pulmonary nodules detected on ct images: from the fleischner society. Radiology. 284 (1), 228-243 (2017).
- Yankelevitz, D. F., Yip, R., Henschke, C. I. Impact of duration of diagnostic workup on prognosis for early lung cancer. Journal of Thoracic Oncology. 18 (4), 527-537 (2023).
- Zhao, W., et al. PUNDIT: Pulmonary nodule detection with image category transformation. Medical Physics. 50, 2914-2927 (2023).
- Ather, S., Kadir, T., Gleeson, F. Artificial intelligence and radiomics in pulmonary nodule management: current status and future applications. Clinical Radiology. 75 (1), 13-19 (2020).
- Gruden, J. F., et al. Incremental benefit of maximum-intensity-projection images on observer detection of small pulmonary nodules revealed by multidetector CT. American Journal of Roentgenology. 179 (1), 149-157 (2002).
- Guleryuz Kizil, P., et al. Diagnostic importance of maximum intensity projection technique in the identification of small pulmonary nodules with computed tomography. Tuberk Toraks. 68 (1), 35-42 (2020).
- Valencia, R., et al. 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. European Radiology. 16, 325-332 (2006).
- Jabeen, N., et al. Diagnostic accuracy of maximum intensity projection in diagnosis of malignant pulmonary nodules. Cureus. 11 (11), e6120 (2019).
- Naeem, M., et al. Comparison of maximum intensity projection and volume rendering in detecting pulmonary nodules on multidetector computed tomography. Cureus. 13 (3), e14025 (2021).
- Bianconi, F., et al. Comparative evaluation of conventional and deep learning methods for semi-automated segmentation of pulmonary nodules on CT. Quantitative Imaging in Medicine and Surgery. 11 (7), 3286-3305 (2021).
- Christe, A., et al. Computer-aided diagnosis of pulmonary fibrosis using deep learning and CT images. Investigative Radiology. 54 (10), 627-632 (2019).
- Kim, Y., et al. Applications of artificial intelligence in the thorax: a narrative review focusing on thoracic radiology. Journal of Thoracic Disease. 13 (12), 6943-6962 (2021).
- Schreuder, A., et al. Artificial intelligence for detection and characterization of pulmonary nodules in lung cancer CT screening: ready for practice. Translational Lung Cancer Research. 10 (5), 2378-2388 (2021).
- Zheng, S., et al. Automatic pulmonary nodule detection in CT scans using convolutional neural networks based on maximum intensity projection. IEEE Transactions on Medical Imaging. 39 (3), 797-805 (2019).
- Yabuuchi, H., et al. Clinical application of radiation dose reduction for head and neck CT. European Journal of Radiology. 107, 209-215 (2018).
- Rana, B., et al. Regions-of-interest based automated diagnosis of Parkinson's disease using T1-weighted MRI. Expert Systems with Applications. 42 (9), 4506-4516 (2015).
