Summary
यह अध्ययन प्रारंभिक कई फुफ्फुसीय नोड्यूल वाले रोगियों में पूरे फेफड़े के लिए एक त्रि-आयामी (3 डी) पुनर्निर्माण विधि का परिचय देता है। यह नोड्यूल वितरण और फेफड़ों के ऊतकों के साथ उनकी परस्पर क्रिया का एक व्यापक विज़ुअलाइज़ेशन प्रदान करता है, जो इन रोगियों के लिए निदान और रोग का निदान के मूल्यांकन को सरल बनाता है।
Abstract
शुरुआती कई फुफ्फुसीय नोड्यूल्स वाले रोगियों के लिए, नैदानिक दृष्टिकोण से, पूरे फेफड़े में इन नोड्यूल्स के आसपास के फेफड़ों के ऊतकों के साथ स्थानिक वितरण, आकार, स्थान और संबंध निर्धारित करना आवश्यक है। यह प्राथमिक घाव की पहचान करने और डॉक्टरों के लिए अधिक वैज्ञानिक रूप से आधारित उपचार योजनाओं को विकसित करने के लिए महत्वपूर्ण है। हालांकि, मशीन दृष्टि पर आधारित पैटर्न मान्यता विधियां झूठी सकारात्मकता और झूठी नकारात्मक के लिए अतिसंवेदनशील होती हैं और इसलिए, इस संबंध में नैदानिक मांगों को पूरी तरह से पूरा नहीं कर सकती हैं। अधिकतम तीव्रता प्रक्षेपण (एमआईपी) पर आधारित विज़ुअलाइज़ेशन विधियां स्थानीय और व्यक्तिगत फुफ्फुसीय नोड्यूल्स को बेहतर ढंग से चित्रित कर सकती हैं लेकिन कई फुफ्फुसीय नोड्यूल्स के वितरण और स्थानिक विशेषताओं के मैक्रोस्कोपिक और समग्र विवरण की कमी है।
इसलिए, यह अध्ययन एक पूरे फेफड़े के 3 डी पुनर्निर्माण विधि का प्रस्ताव करता है। यह पूरे फेफड़े की पृष्ठभूमि के खिलाफ चिकित्सा छवि प्रसंस्करण तकनीक का उपयोग करके फेफड़ों के 3 डी समोच्च को निकालता है और 3 डी स्पेस में फेफड़े, फुफ्फुसीय धमनी और कई फुफ्फुसीय नोड्यूल्स का 3 डी पुनर्निर्माण करता है। यह विधि पूरे फेफड़े में कई नोड्यूल्स के स्थानिक वितरण और रेडियोलॉजिकल विशेषताओं को व्यापक रूप से चित्रित कर सकती है, जो कई फुफ्फुसीय नोड्यूल्स के निदान और पूर्वानुमान का मूल्यांकन करने का एक सरल और सुविधाजनक साधन प्रदान करती है।
Introduction
प्रारंभिक एकाधिक फुफ्फुसीय नोड्यूल्स, जो फेफड़ों पर छोटे, गोल विकास होते हैं, सौम्य या घातक 1,2,3 हो सकते हैं। हालांकि एकान्त फुफ्फुसीय नोड्यूल्स का निदान और उपचार करना आसान है, शुरुआती कई फुफ्फुसीय नोड्यूल वाले रोगियों को महत्वपूर्ण नैदानिक और उपचार चुनौतियों का सामना करना पड़ता है। प्रभावी उपचार योजनाओं को विकसित करने के लिए,पूरे फेफड़े में इन नोड्यूल्स के आसपास के फेफड़ों के ऊतकों के साथ स्थानिक वितरण, आकार, स्थान और संबंध की सटीक पहचान करना आवश्यक है। पारंपरिक नैदानिक विधियों में शुरुआती कई फुफ्फुसीय नोड्यूल्स की सटीक पहचान करने में सीमाएं हैं।
चिकित्सा छवि प्रसंस्करण प्रौद्योगिकी और मशीन लर्निंग एल्गोरिदम में हालिया प्रगति में प्रारंभिक फुफ्फुसीय नोड्यूल का पता लगाने और निदान की सटीकता और दक्षता में सुधार करने की क्षमता है। विभिन्न दृष्टिकोण प्रस्तावित किए गए हैं, जैसे मशीन दृष्टि पर आधारित पैटर्न पहचान विधियां और अधिकतम तीव्रता प्रक्षेपण (एमआईपी) 6,7,8,9,10 पर आधारित विज़ुअलाइज़ेशन विधियां। हालांकि, ये विधियां झूठी सकारात्मकता, झूठी नकारात्मक 11,12,13,14,15, और प्रारंभिक कई फुफ्फुसीय नोड्यूल्स के वितरण और स्थानिक विशेषताओं के मैक्रोस्कोपिक और समग्र विवरण की कमी जैसी सीमाओं से ग्रस्त हैं।
इन सीमाओं को संबोधित करने के लिए, यह अध्ययन एक पूरे फेफड़े की 3 डी पुनर्निर्माण विधि का प्रस्ताव करता है जो पूरे छाती स्कैन की पृष्ठभूमि के खिलाफ फेफड़ों के 3 डी समोच्च को निकालने के लिए चिकित्सा छवि प्रसंस्करण तकनीक का उपयोग करता है। विधि तब 3 डी स्पेस में फेफड़े, फुफ्फुसीय धमनी और शुरुआती कई फुफ्फुसीय नोड्यूल्स का 3 डी पुनर्निर्माण करती है। यह दृष्टिकोण पूरे फेफड़े में शुरुआती कई नोड्यूल्स के स्थानिक वितरण और रेडियोलॉजिकल विशेषताओं के अधिक व्यापक और सटीक प्रतिनिधित्व की अनुमति देता है।
प्रस्तावित विधि में कई प्रमुख चरण शामिल हैं। सबसे पहले, चिकित्सा छवियों को 3 डी छवि प्रसंस्करण सॉफ्टवेयर में आयात किया जाता है, और फेफड़ों के क्षेत्र को थ्रेशोल्ड-आधारित विभाजन तकनीक का उपयोग करके निकाला जाता है। इसके बाद, निकाले गए फेफड़े के क्षेत्र को आसपास की छाती की दीवार और वक्ष कशेरुक की बोनी संरचनाओं से अलग किया जाता है। प्रारंभिक कई फुफ्फुसीय नोड्यूल ्स और आसपास की रक्त वाहिकाओं के साथ उनके संबंध को अधिकतम तीव्रता प्रक्षेपण (एमआईपी) एल्गोरिदम का उपयोग करके 3 डी स्पेस में पुनर्निर्माण किया जाता है। अंत में, फेफड़े, फुफ्फुसीय धमनी और नोड्यूल्स का पुनर्निर्मित 3 डी मॉडल आगे के विश्लेषण के लिए प्रदर्शित किया गया है।
इस विधि में मौजूदा तरीकों पर कई फायदे हैं। पारंपरिक तरीकों के विपरीत जो 2 डी छवियों पर भरोसा करते हैं, यह विधि प्रारंभिक कई फुफ्फुसीय नोड्यूल्स का अधिक सटीक और व्यापक प्रतिनिधित्व प्रदान करने के लिए 3 डी वॉल्यूम का उपयोग करती है। विधि पैटर्न पहचान विधियों और एमआईपी विज़ुअलाइज़ेशन विधियों से जुड़े झूठे सकारात्मक और झूठे नकारात्मक की सीमाओं को भी दूर करती है। इसके अलावा, यह विधि प्रारंभिक कई फुफ्फुसीय नोड्यूल्स के वितरण और स्थानिक विशेषताओं का एक मैक्रोस्कोपिक और समग्र विवरण प्रदान करती है, जो प्रभावी उपचार योजनाओं को विकसित करने के लिए आवश्यक है।
प्रस्तावित विधि में प्रारंभिक कई फुफ्फुसीय नोड्यूल्स के निदान और उपचार में कई संभावित अनुप्रयोग हैं। प्रारंभिक कई नोड्यूल्स के स्थानिक वितरण और रेडियोलॉजिकल विशेषताओं की सटीक पहचान फेफड़ों के कैंसर के प्रारंभिक निदान और उपचार में सहायता कर सकती है। इसके अलावा, विधि का उपयोग रोग की प्रगति की निगरानी और उपचार योजनाओं की प्रभावशीलता का मूल्यांकन करने के लिए किया जा सकता है।
मशीन दृष्टि के आधार पर पैटर्न पहचान विधियों 6,7,8 ने फुफ्फुसीय नोड्यूल्स की पहचान करने में वादा दिखाया है, लेकिन झूठी सकारात्मकता और झूठी नकारात्मक जैसी सीमाओं से पीड़ित हैं। दूसरी ओर, एमआईपी विज़ुअलाइज़ेशन विधियां, व्यक्तिगत नोड्यूल्स का अधिक सटीक प्रतिनिधित्व प्रदान करती हैं, लेकिन शुरुआती कई नोड्यूल्स के वितरण और स्थानिक विशेषताओं के मैक्रोस्कोपिक और समग्र विवरण की कमी है। प्रस्तावित पूरे फेफड़े की 3 डी पुनर्निर्माण विधि इन सीमाओं को दूर करती है और प्रारंभिक कई फुफ्फुसीय नोड्यूल्स का अधिक सटीक और व्यापक प्रतिनिधित्व प्रदान करती है।
आइसोवोक्सेल ट्रांसफॉर्मेशन16,17 विभिन्न वोक्सेल आकारों के साथ 3 डी छवियों को समान वोक्सेल आकार के साथ 3 डी छवियों में परिवर्तित करने की प्रक्रिया को संदर्भित करता है। चिकित्सा छवि प्रसंस्करण के क्षेत्र में, 3 डी वॉल्यूम अक्सर अलग-अलग आकार के साथ वोक्सेल से बने होते हैं, जिससे कम्प्यूटेशनल और विज़ुअलाइज़ेशन मुद्दे हो सकते हैं। आइसोवोक्सेल परिवर्तन का उद्देश्य मूल 3 डी वॉल्यूम में वोक्सेल को फिर से नमूनाकरण और इंटरपोलिंग करके इन मुद्दों को संबोधित करना है, जिसके परिणामस्वरूप लगातार वोक्सेल आकार के साथ एक नई 3 डी छवि है। यह तकनीक छवि पंजीकरण, विभाजन और विज़ुअलाइज़ेशन सहित विभिन्न चिकित्सा संदर्भों में अनुप्रयोग पाती है। इस प्रकार, इस अध्ययन ने एक पूरे फेफड़े की 3 डी पुनर्निर्माण विधि का प्रस्ताव दिया जो पूरे छाती स्कैन की पृष्ठभूमि के खिलाफ फेफड़ों के 3 डी समोच्च को निकालने के लिए चिकित्सा छवि प्रसंस्करण तकनीक का उपयोग करता है। विधि पूरे फेफड़े में शुरुआती कई नोड्यूल्स के स्थानिक वितरण और रेडियोलॉजिकल विशेषताओं का अधिक सटीक और व्यापक प्रतिनिधित्व प्रदान करती है। यह अध्ययन प्रारंभिक कई फुफ्फुसीय नोड्यूल वाले रोगियों के लिए अधिक सटीक और प्रभावी नैदानिक और उपचार रणनीतियों के विकास में योगदान देता है।
Subscription Required. Please recommend JoVE to your librarian.
Protocol
वर्तमान अध्ययन के लिए, बीजिंग यूनिवर्सिटी ऑफ चाइनीज मेडिसिन (DZMEC-KY-2019.90) से संबद्ध डोंगज़िमेन अस्पताल की आचार समिति से नैतिक मंजूरी प्राप्त की गई थी। इस विशिष्ट मामले में, अनुसंधान दृष्टिकोण का एक व्यवस्थित विवरण प्रदान किया गया है, जिसमें कई फुफ्फुसीय नोड्यूल्स के साथ 65 वर्षीय महिला रोगी से जुड़े एक मामले को रेखांकित किया गया है। इस रोगी ने डिजिटल मॉडलिंग के माध्यम से अपने निदान के लिए सूचित सहमति प्रदान की और वैज्ञानिक अनुसंधान उद्देश्यों के लिए अपने डेटा के उपयोग को अधिकृत किया। मॉडल पुनर्निर्माण फ़ंक्शन एक व्यावसायिक रूप से उपलब्ध सॉफ्टवेयर टूल से लिया गया है ( सामग्री की तालिका देखें)।
1. डेटा तैयारी और आइसोवोक्सेल परिवर्तन
- DICOM (चिकित्सा में डिजिटल इमेजिंग और संचार) डेटा तैयारी और डेटा गुण
नोट: मापदंडों में भिन्नता अनुसंधान पद्धति से अपेक्षाकृत अप्रभावित रहती है।- रोगी के DICOM डेटा को एक परिभाषित कार्यशील निर्देशिका में कॉपी करें।
- फ़ाइल ब्राउज़र का उपयोग करके, विश्लेषण के लिए स्कैनिंग परतों की उच्चतम संख्या के साथ छवि अनुक्रम की पहचान करने के लिए प्रत्येक फ़ाइल निर्देशिका की जांच करें।
- DICOM फ़ाइलों को इनपुट पैरामीटर के रूप में प्रदान करके MATLAB के भीतर Dicominfo फ़ंक्शन को नियोजित करें। यह आपको आवश्यक पैरामीटर, जैसे स्लाइस मोटाई और पिक्सेल स्पेसिंग, सीधे MATLAB वातावरण के भीतर निकालने में सक्षम करेगा।
नोट: ये पैरामीटर 3 डी वॉल्यूम के लिए प्रदर्शन दर को कॉन्फ़िगर करने में महत्वपूर्ण महत्व रखते हैं। इस अध्ययन में उपयोग किए गए डेटासेट के मामले में, स्लाइस मोटाई 1 मिमी मापी गई, पिक्सेल स्पेसिंग 0.7188 मिमी के बराबर थी, और कुल 387 परतों को स्कैन किया गया था।
- स्कैन किए गए डेटा की सही छंटाई
नोट: वॉल्यूम निर्माण के लिए प्रत्येक छवि का अनुक्रम क्रमबद्ध किया जाना चाहिए।- Dicominfo फ़ंक्शन का उपयोग करके प्रत्येक छवि के लिए स्थान डेटा पुनर्प्राप्त करें। जानकारी का संदर्भ देकर स्थान जानकारी तक पहुँचें. MATLAB कार्यस्थान के भीतर स्लाइसलोकेशन।
- स्लाइसलोकेशन फ़ंक्शन का उपयोग करके स्थान डेटा को एक चर में सहेजें और इसके लिए एक प्लॉट उत्पन्न करें (चित्रा 1)।
- जीयूआई के ऊपरी-दाएं कोने में स्थित डेटा टिप्स बटन का उपयोग करके इसमें एक डेटा बिंदु जोड़कर प्लॉट को बढ़ाएं। इस डेटा बिंदु को सामान्य अनुक्रम के अधिकतम स्थान को चिह्नित करना चाहिए, जो रोगी की इमेजिंग (चित्रा 1) में सबसे ऊपरी स्थान से मेल खाता है।
- सभी छवियों को सॉर्ट करके व्यवस्थित करें और फिर पहले स्थान से अधिकतम स्थान तक की छवियों को निकालें। वॉल्यूमरिज़ॉर्ट फ़ंक्शन को लागू करके इसे प्राप्त करें।
- वॉल्यूम डेटा, जिसमें 512 पिक्सेल बाय 512 पिक्सेल बाय 340 लेयर शामिल हैं, को उनके क्रमबद्ध इंडेक्स के साथ मान्य छवियों से सुरक्षित रखें। यह जानकारी भविष्य के संदर्भ के लिए मूल्यवान होगी, विशेष रूप से महत्वपूर्ण नोड्यूल ्स की पहचान करने के संदर्भ में।
- आइसोवोक्सेल परिवर्तन
नोट: 3 डी आइसोवोक्सेल परिवर्तन सभी आयामों में एक ही प्रदर्शन पैमाने को बनाए रखने के लिए बाद में प्रसंस्करण की अनुमति देता है।- मैटलैब में आकार फ़ंक्शन का उपयोग करके 3 डी वॉल्यूम के त्रि-आयामी पैमाने की जांच करें, जो 512 पिक्सेल x 512 पिक्सेल x 340 परतें हैं।
- Slice_View कमांड फ़ंक्शन का उपयोग करके 3 डी-वॉल्यूम (चित्रा 2) को देखने के लिए, 60 से 340 तक फेफड़ों वाले अनुक्रम स्कैन रेंज को रिकॉर्ड करें। फिर, पूरे फेफड़े के सभी डेटा वाले 3 डी-वॉल्यूम प्राप्त करने के लिए बस कमांड वी 1 = वी 0 (:,:,60:340) का उपयोग करें। V1 का आकार 512 पिक्सेल x 512 पिक्सेल x 281 परतों है।
- छवि अनुक्रम की स्लाइस मोटाई प्राप्त करने के लिए MATLAB कमांड फ़ंक्शन dicominfo का उपयोग करें, जो 1 मिमी है, और पिक्सेल रिक्ति 0.7188 है। कमांड के साथ आइसोवोक्सेल परिवर्तन के लिए जेड-अक्षों की संख्या की गणना करें: गोल (281 x 1/0.7188)। आइसोवोक्सेल परिवर्तन के लिए परतों की संख्या 391 होनी चाहिए।
- V1 पर आइसोवोक्सेल परिवर्तन करने के लिए Matlab कमांड फ़ंक्शन imresize3 का उपयोग करें। आदेश V2=imresize3(V1, [512, 512, 391]) का उपयोग कर स्क्रिप्ट निष्पादित करें। फिर आइसोवोक्सेल रूपांतरित 3 डी-वॉल्यूम (चित्रा 3) देखने के लिए 3D_Slice_View फ़ंक्शन का उपयोग करें।
2. कम्प्यूटेड टोमोग्राफी (सीटी) उपकरण के कारण शोर हस्तक्षेप को हटाना
नोट: चित्रा 2 में, सीटी उपकरण के रोगी सोफे का प्रतिनिधित्व करने वाला उच्च तीव्रता संकेत दिखाई देता है, जो छवि विभाजन में हस्तक्षेप कर सकता है। इस हस्तक्षेप को खत्म करने के लिए, एक स्थानिक फ़िल्टर डिज़ाइन की आवश्यकता होती है।
- इंटरैक्टिव इंटरफ़ेस के भीतर निरंतर डेटा बिंदुओं को जोड़ने के लिए चित्रा 2 में डेटा टिप्स बटन का उपयोग करें। यह इन बिंदुओं को जोड़ने वाली एक रेखा बनाने की अनुमति देगा, प्रभावी रूप से रोगी सोफे को छोड़कर। इसके बाद, डेटा युक्तियों पर राइट-क्लिक करें और MATLAB कार्यस्थान (चित्रा 3) में स्थानिक फ़िल्टरिंग के लिए संदर्भ सीमा निर्यात करने के लिए कार्यस्थान पर कर्सर डेटा निर्यात करें का चयन करें। इस मामले में सीमा स्कैटर मैट्रिक्स को 'सीआई' नाम दिया गया है।
- कार्यस्थान से इनपुट पैरामीटर 'CI' का उपयोग करते हुए, V2 पर स्थानिक फ़िल्टरिंग लागू करने के लिए Noise_Clean फ़ंक्शन को लागू करें। यह ऑपरेशन एक 3 डी वॉल्यूम देगा जो सीटी उपकरण से हस्तक्षेप संकेत को हटा देता है। अंत में, परिणामी वॉल्यूम को विज़ुअलाइज़ करने के लिए Slice_View कमांड फ़ंक्शन का उपयोग करें, जैसा कि चित्रा 4 में दिखाया गया है।
3. फेफड़ों के समोच्च का निष्कर्षण
- चित्रा 4 में प्रदर्शित जीयूआई के भीतर टेम्पलेट के रूप में सेवा करने के लिए एक स्लाइस का चयन करके शुरू करें। उदाहरण के लिए, छवि विभाजन डिजाइन के लिए 232 वीं छवि चुनें और इसे कमांड I = V2 (:,:,232) का उपयोग करके एक चर 'I' को असाइन करें। फिर, कमांड इमेजसेगमेंटर (आई) को निष्पादित करके MATLAB इमेज सेगमेंटर जीयूआई खोलें, जैसा कि चित्रा 5 में दर्शाया गया है।
- चित्रा 5 छवि विभाजन उपकरणों की एक सरणी दिखाता है। शुरू करने के लिए, शीर्ष पर टूलबार से ऑटो क्लस्टर टूल का चयन करें और बाएं माउस बटन पर क्लिक करके कमांड निष्पादित करें। छवि स्वचालित रूप से दो वर्गों में विभाजित हो जाएगी। चरण 2.2 में किए गए डीनोइज़िंग प्रक्रिया को देखते हुए, इस स्तर पर छवि विभाजन अपेक्षाकृत सरल हो जाता है।
- इसके बाद, छवि को काले और सफेद बाइनरी में प्रदर्शित करने के लिए ऊपरी दाएं कोने में बाइनरी दिखाएं बटन पर क्लिक करें। इस बिंदु पर, फेफड़े का क्षेत्र काला दिखाई देगा। फेफड़ों के क्षेत्र को सफेद बनाने के लिए, शीर्ष टूलबार से इनवर्ट मास्क बटन का चयन करें और बाएं माउस बटन पर क्लिक करके कमांड निष्पादित करें।
- फेफड़े के क्षेत्र के बाहर सफेद रंग को खत्म करने के लिए, शीर्ष टूलबार पर क्लियर बॉर्डर्स बटन का चयन करें और इसे बाएं माउस बटन के साथ क्लिक करके निष्पादित करें। इस कदम के बाद, केवल सफेद रंग के फेफड़ों का क्षेत्र रह जाएगा। हालांकि, इस बिंदु पर फेफड़ों के क्षेत्र के भीतर शेष किसी भी काली छाया को भरने की आवश्यकता है। इसे प्राप्त करने के लिए, टूलबार में फिल होल बटन का चयन करें, और बटन पर क्लिक करने के बाद परिणाम चित्रा 6 में दिखाया गया है।
- फेफड़ों की छवि विभाजन में शामिल सभी चरणों को निचले बाएं कोने में चित्रा 6 के जीयूआई में प्रस्तुत किया गया है। ऊपरी दाएं कोने में निर्यात बटन पर क्लिक करके, इन स्वचालित चरणों को बैच-प्रोसेसिंग फेफड़े क्षेत्र विभाजन के लिए एक फ़ंक्शन के रूप में सहेजें। पॉप-अप स्क्रिप्ट संपादक में, फ़ंक्शन को वर्तमान कार्यशील निर्देशिका में सहेजने के लिए सहेजें बटन क्लिक करें.
4.3D कई फुफ्फुसीय नोड्यूल ्स के साथ पूरे फेफड़े के लिए पुनर्निर्माण
नोट: मूल छवि के साथ प्रत्येक छवि की फेफड़े के विभाजन छवि के डॉट उत्पाद को लेना वॉल्यूम पर 3 डी स्थानिक फ़िल्टरिंग करने, फेफड़ों के बाहर हस्तक्षेप संकेतों को प्रभावी ढंग से फ़िल्टर करने और फेफड़ों की 3 डी संरचना प्राप्त करने के बराबर है।
- MATLAB कार्यस्थान में 3Dlung_Volume फ़ंक्शन प्रारंभ करें।
नोट: यह फ़ंक्शन चरण 3.5 से आउटपुट का उपयोग करके प्रत्येक छवि पर छवि विभाजन आयोजित करता है। यह तब बाइनरी लंग मास्क और मूल छवि के बीच एक डॉट उत्पाद ऑपरेशन निष्पादित करता है ताकि विशेष रूप से फेफड़ों के ऊतकों से युक्त एक नया 3 डी-वॉल्यूम उत्पन्न किया जा सके। फ़ंक्शन पूरा होने के बाद दिखाई देने वाले जीयूआई (चित्रा 7) में, कोई पूरे 3 डी फेफड़ों की मात्रा पर अधिकतम तीव्रता प्रक्षेपण (एमआईपी) संचालन की कल्पना और प्रदर्शन कर सकता है। - जीयूआई के भीतर, शीर्ष दाएं कोने में पहला ड्रॉप-डाउन मेनू ढूंढें। एमआईपी प्रोजेक्शन का चयन करें और फिर नीचे दिए गए अंतर्निहित कलरमैप्स विकल्पों से जेट कलरमैप चुनें। इसके बाद, चौथे दृश्य (3 डी वॉल्यूम व्यू) के ऊपरी दाएं कोने में स्थित ड्रॉप-डाउन मेनू में, अधिकतम का चयन करें। यह क्रिया एक पूरे फेफड़े की 3 डी मात्रा (चित्रा 8) उत्पन्न करेगी जिसे किसी भी कोण से देखा जा सकता है, स्थानांतरित किया जा सकता है, और आवश्यकतानुसार हेरफेर किया जा सकता है।
नोट: चित्रा 8 में चित्रित मानव-कंप्यूटर इंटरैक्शन अनुभाग में, कोई बाएं माउस बटन को दबाकर और इसे स्थानांतरित करके देखने के कोण को स्वतंत्र रूप से समायोजित कर सकता है। मध्य माउस बटन को स्क्रॉल करने से कोई ज़ूम इन या आउट कर सकता है। - उन्नत कंट्रास्ट और रंग वृद्धि संचालन के लिए, जीयूआई के दाईं ओर नियंत्रण कक्ष का उपयोग करें।
5. प्रमुख फुफ्फुसीय नोड्यूल ्स की परीक्षा पर ध्यान केंद्रित करें
नोट: 3 डी स्पेस (चित्रा 8) में, कई फुफ्फुसीय नोड्यूल्स के बीच प्रमुख घाव क्षेत्र स्पष्ट रूप से दिखाई देता है। इन नोड्यूल्स की संख्या, आकार और एकाग्रता प्रमुख घाव की महत्वपूर्ण विशेषताएं हैं, जो रोग मूल्यांकन में मूल्यवान अंतर्दृष्टि प्रदान करती हैं।
- एक बार फिर, Slice_View फ़ंक्शन का आह्वान करें, लेकिन इस बार चरण 4.2 में प्राप्त पूरे फेफड़े के 3 डी वॉल्यूम को इनपुट करें। परिणामी जीयूआई (चित्रा 9) के भीतर, उस क्षेत्र में नेविगेट करने के लिए नीचे स्क्रॉल बार का उपयोग करें जहां प्रमुख फेफड़े के नोड्यूल स्थित हैं, जो स्कैन 48 से 70 तक फैले हुए हैं।
- पूरे फेफड़े के 3 डी वॉल्यूम से धारा 48 से 70 को शामिल करते हुए रुचि के क्षेत्र (आरओआई) के 3 डी पुनर्निर्माण का संचालन करने के लिए 3Dlung_Horizon फ़ंक्शन को कॉल करके आगे बढ़ें। यह क्रिया फुफ्फुसीय नोड्यूल्स की कल्पना के लिए तैयार एक जीयूआई इंटरफ़ेस उत्पन्न करेगी, जैसा कि चित्र 10 में दिखाया गया है। इस जीयूआई के भीतर, कोई विभिन्न कोणों से घाव की विस्तृत विशेषताओं का पता लगा सकता है।
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
डेटा प्रीप्रोसेसिंग चरण में, DICOM डेटा सॉर्टिंग 3 D पुनर्निर्माण के दौरान प्रत्येक परत के लिए सही स्कैन अनुक्रम सुनिश्चित करने के लिए पहला कदम (चित्रा 1) होना चाहिए। इसके बाद, 3 डी वॉल्यूम (चित्रा 2) के सही पहलू अनुपात को सुनिश्चित करने के लिए आइसोट्रोपिक परिवर्तन किया जाता है। बाद में, सीटी उपकरण (चित्रा 4) के रोगी सोफे से हस्तक्षेप संकेतों को खत्म करने के लिए मूल 3 डी वॉल्यूम (चित्रा 3) पर स्थानिक फ़िल्टरिंग लागू की जाती है। पूरे फेफड़े के 3 डी समोच्च को प्राप्त करने के लिए, बाइनरी फेफड़े की छवि (चित्रा 6) बनाने के लिए प्रत्येक स्कैन (चित्रा 5) पर छवि विभाजन किया जाता है। फेफड़े के 3 डी कंटूर के आधार पर, पूरे फेफड़े के 3 डी वॉल्यूम का पुनर्निर्माण किया जाता है (चित्रा 7) और 3 डी (चित्रा 8) में कल्पना की जाती है। प्रमुख घाव क्षेत्र (चित्रा 9) के लिए, घाव की विस्तृत विशेषताओं की सावधानीपूर्वक पहचान करने के लिए एक अलग 3 डी विज़ुअलाइज़ेशन (चित्रा 10) किया जा सकता है।
आइसोवोक्सेल परिवर्तन यह सुनिश्चित करता है कि बाद के प्रसंस्करण के दौरान सभी आयामों में एक ही पैमाने को बनाए रखा जाए। चित्रा 2 आइसोवोक्सेल परिवर्तन के बाद स्लाइस दृश्य प्रदर्शित करता है। इस ग्राफिकल यूजर इंटरफेस (जीयूआई) में, कोई भी पूर्ण कच्चे 3 डी वॉल्यूम डेटा को देख सकता है।
चित्रा 3 और चित्रा 4 सीटी उपकरण से बिस्तर संकेत हस्तक्षेप को हटाने के लिए उपयोग की जाने वाली स्थानिक फ़िल्टरिंग प्रक्रिया को प्रदर्शित करते हैं। इसके बिना, शोर संकेतों वाली छवियां बाद के चरणों में फेफड़ों की संरचनाओं के विभाजन को पूरा नहीं कर सकती हैं।
चित्रा 5 और चित्रा 6 फेफड़ों के समोच्च निष्कर्षण समारोह को चित्रित करते हैं, जो स्वचालित रूप से फेफड़ों की आकृति निकाल सकता है, फेफड़ों की संरचनाओं के बाद के 3 डी पुनर्निर्माण के लिए बुनियादी स्थितियां प्रदान करता है।
चित्रा 7 और चित्रा 8 पूरे फेफड़े के 3 डी पुनर्निर्माण को दिखाते हैं, जो फेफड़ों के ऊतकों और कई फेफड़ों के नोड्यूल ्स के स्थानिक वितरण का खुलासा करते हैं। फेफड़ों के बाहर ऊतकों से संकेत हस्तक्षेप को समाप्त करके, कई फुफ्फुसीय नोड्यूल्स के स्थानिक स्थान, आकार और एकाग्रता को सटीक रूप से चित्रित किया जा सकता है।
चित्रा 9 और चित्रा 10 रुचि के प्रमुख फेफड़ों के नोड्यूल्स के 3 डी विज़ुअलाइज़ेशन को प्रदर्शित करते हैं। फेफड़ों के बाहर से सिग्नल हस्तक्षेप के बहिष्करण के कारण, छवियों के विपरीत में सुधार होता है। किसी भी कोण से 3 डी संरचना का निरीक्षण करने की क्षमता चिकित्सकों को प्रमुख फुफ्फुसीय नोड्यूल ्स की घाव विशेषताओं के बारे में अधिक सटीक निर्णय लेने की अनुमति देती है।
चित्र 1: छवियों का स्थान प्लॉट। कथानक उनके फ़ाइल नाम अनुक्रम के आधार पर छवियों के स्थान को प्रदर्शित करता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 2: 3 डी-वॉल्यूम स्लाइस दृश्य के लिए जीयूआई। आइसोवोक्सेल परिवर्तन के बाद 3 डी वॉल्यूम के स्लाइस देखने के लिए ग्राफिकल यूजर इंटरफेस (जीयूआई)। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 3: संदर्भ सीमा स्कैटर मैट्रिक्स। स्थानिक फ़िल्टरिंग के लिए संदर्भ सीमा स्कैटर का प्रतिनिधित्व करने वाला मैट्रिक्स। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 4: स्थानिक फ़िल्टरिंग के बाद 3 डी वॉल्यूम स्लाइस दृश्य। स्थानिक फ़िल्टरिंग लागू करने के बाद 3 डी वॉल्यूम से स्लाइस का दृश्य। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्र 5: छवि सेगमेंटर जीयूआई। छवि सेगमेंटर उपकरण का ग्राफिकल यूजर इंटरफेस (जीयूआई)। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 6: फेफड़े के क्षेत्र छाया भरने का परिणाम। "फिल होल" बटन का उपयोग करके फेफड़ों के क्षेत्र में काली छाया भरने के बाद परिणामी छवि। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 7: कई फुफ्फुसीय नोड्यूल्स के साथ 3 डी फेफड़ों का पुनर्निर्माण। पूरे फेफड़े का 3 डी पुनर्निर्माण जो शुरुआती कई फुफ्फुसीय नोड्यूल दिखाता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 8: 3 डी फेफड़ों की मात्रा देखने के लिए इंटरएक्टिव जीयूआई। पूरे 3 डी फेफड़ों की मात्रा को देखने और हेरफेर करने के लिए इंटरएक्टिव ग्राफिकल यूजर इंटरफेस (जीयूआई)। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 9: प्रमुख फुफ्फुसीय नोड्यूल क्षेत्र को नेविगेट करने के लिए स्लाइस व्यू। पूरे 3 डी फेफड़ों की मात्रा के भीतर प्रमुख फुफ्फुसीय नोड्यूल वाले क्षेत्र को नेविगेट करने के लिए स्लाइस व्यू। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 10: प्रमुख फुफ्फुसीय नोड्यूल का 3 डी विज़ुअलाइज़ेशन। "फेफड़ों की मात्रा के भीतर प्रमुख फुफ्फुसीय नोड्यूल का त्रि-आयामी दृश्य"। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
यह शोध पूरे फेफड़े के पूर्ण त्रि-आयामी (3 डी) पुनर्निर्माण बनाने के लिए एक अनूठा दृष्टिकोण पेश करता है, जिसमें पूर्ण छाती स्कैन के संदर्भ के बीच फेफड़ों के 3 डी आकार को चित्रित करने के लिए उन्नत चिकित्सा छवि प्रसंस्करण तकनीकों को नियोजित किया जाता है। यह तकनीक पूरे फेफड़े में शुरुआती कई नोड्यूल्स की स्थानिक व्यवस्था और रेडियोलॉजिकल विशेषताओं का अधिक सटीक और संपूर्ण चित्रण प्रदान करती है। यह अध्ययन प्रारंभिक कई फुफ्फुसीय नोड्यूल वाले व्यक्तियों के लिए नैदानिक और उपचार रणनीतियों की सटीकता और प्रभावकारिता को बढ़ाने में एक मूल्यवान योगदान देता है।
महत्वपूर्ण कदम
इस अध्ययन में, प्रोटोकॉल की सफलता के लिए आवश्यक के रूप में कई महत्वपूर्ण कदमों की पहचान की गई थी: (1) फेफड़ों के स्कैन की सटीक 3 डी मात्रा उत्पन्न करने के लिए डीआईसीओएम स्कैन अनुक्रम निर्देशांक को सॉर्ट करना और व्यवस्थित करना (चरण 1.2.2); (2) 3 डी वॉल्यूम के सही पहलू अनुपात को सुनिश्चित करने के लिए आइसोट्रोपिक परिवर्तन, जो बाद में 3 डी पुनर्निर्माण के लिए महत्वपूर्ण है (चरण 1.3.4); (3) प्रारंभिक एकाधिक फुफ्फुसीय नोड्यूल्स मॉडल का उपयोग करके पूरे फेफड़े का पुनर्निर्माण, प्रमुख फुफ्फुसीय नोड्यूल क्षेत्र की पहचान को सक्षम करता है (चरण 4.1); (4) प्रमुख घाव वाले स्थानीय क्षेत्र का विस्तृत विज़ुअलाइज़ेशन और परीक्षा (चरण 5.2)।
संशोधन और समस्या निवारण
फेफड़ों के ऊतक संरचनाओं का विभाजन स्कैनिंग अनुक्रम में ग्रेस्केल थ्रेशोल्ड ऑफसेट से प्रभावित हो सकता है, जिसके परिणामस्वरूप संभावित रूप से कुछ स्कैन में गलत छवि विभाजन हो सकता है। गलत विभाजन के मामलों में, सटीक फेफड़ों के ऊतक आकृति प्राप्त करने के लिए एक अलग फ़िल्टर (चरण 3 को दोहराना) डिज़ाइन किया जा सकता है। डेटा के सटीक उपयोग को सुनिश्चित करने के लिए आइसोवोक्सेलपरिवर्तन 16,17 में उच्चतम परिशुद्धता बनाए रखना महत्वपूर्ण है। इन चरणों को भविष्य में अधिक बुद्धिमान और स्वचालित होने की उम्मीद है। बड़े पैमाने पर चिकित्सा इमेजिंग मॉडल की प्रगति के साथ, कंप्यूटर दृष्टि के माध्यम से सटीक समोच्च पहचान भी भविष्यके विकास के लिए एक महत्वपूर्ण दिशा है।
सीमाओं
फेफड़े के समोच्च निष्कर्षण के सरलीकृत कार्यान्वयन से फेफड़े के 3 डी समोच्च की सीमा पर त्रुटियां हो सकती हैं, जो संभवतः फेफड़ों के किनारे के पास छोटे नोड्यूल्स के विज़ुअलाइज़ेशन को प्रभावित करती हैं। हालांकि, कई फुफ्फुसीय नोड्यूल्स के मामलों में प्रमुख घाव क्षेत्र की कल्पना करते समय इस सीमा का प्रभाव न्यूनतम होता है।
मौजूदा विधियों के संबंध में महत्व
कंप्यूटर दृष्टि दृष्टिकोण की तुलना में, यह विधि फेफड़ों के ऊतकों की संरचना का एक व्यापक प्रतिनिधित्व प्रदान करती है, जिसमें कई फुफ्फुसीय नोड्यूल ्स और फेफड़ों के ऊतकों के बीच संबंध शामिल हैं, जबकि झूठे सकारात्मक और झूठे नकारात्मक के मुद्दों से बचते हैं। इसके अतिरिक्त, यह प्रभावी रूप से अन्य ऊतक संरचनाओं से सिग्नल हस्तक्षेप को फ़िल्टर करता है, जिससे बढ़े हुए कंट्रास्ट और स्पष्टता के साथ अधिक सटीक और सटीक निदान होता है।
भविष्य के अनुप्रयोग
यह 3 डी विज़ुअलाइज़ेशन विधि विभिन्न नैदानिक अनुप्रयोगों के लिए पर्याप्त क्षमता रखती है, जैसे कि डॉक्टर-रोगी संचार की सुविधा, सटीक निदान को सक्षम करना, डेटा-संचालित साक्ष्य-आधारित वर्गीकरण का समर्थन करना, उपचार योजना में सहायता करना और रोग का मूल्यांकन करना। यह प्रीऑपरेटिव प्लानिंग में सहायता कर सकता है, कई फेफड़ों के नोड्यूल्स के सर्जिकल हटाने के लिए इंट्राऑपरेटिव नेविगेशन प्रदान कर सकता है, और उपचार प्रभावशीलता का आकलन करने के लिए समय के साथ नोड्यूल आकार और आकार में परिवर्तन की निगरानी कर सकता है। कुल मिलाकर, इसमें कई फुफ्फुसीय नोड्यूल्स के निदान और उपचार में नैदानिक निर्णय लेने को बढ़ाने की क्षमता है।
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
लेखकों के पास खुलासा करने के लिए हितों का कोई टकराव नहीं है। फुफ्फुसीय नोड्यूल मॉडल पुनर्निर्माण के लिए सॉफ्टवेयर उपकरण, इस अध्ययन की सामग्री की तालिका में सूचीबद्ध, बीजिंग इंटेलिजेंट एन्ट्रॉपी साइंस एंड टेक्नोलॉजी कंपनी लिमिटेड का एक वाणिज्यिक सॉफ्टवेयर है। इस सॉफ्टवेयर टूल के बौद्धिक संपदा अधिकार कंपनी के हैं।
Acknowledgments
यह प्रकाशन पारंपरिक चीनी चिकित्सा के राष्ट्रीय प्रशासन द्वारा आयोजित पांचवें राष्ट्रीय पारंपरिक चीनी चिकित्सा नैदानिक उत्कृष्ट प्रतिभा अनुसंधान कार्यक्रम द्वारा समर्थित था। आधिकारिक नेटवर्क लिंक http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html है।
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).
