Summary
이 프로토콜의 목적은 추가 방사선 학 분석에 사용하기 위해 고해상도 CT 스캔에 대한 관심의 양을 분할하는 시간 효율적인 방법을 제공하는 것입니다.
Abstract
세분화는 방사선학과 기계 학습이 잠재력이 커짐에 따라 방사선 학자와 연구자들이 직면한 복잡한 작업입니다. 이 프로세스는 자동, 반자동 또는 수동일 수 있으며, 첫 번째 프로세스는 충분히 정확하거나 쉽게 재현할 수 없으며, 고해상도 인수를 가진 대규모 지구를 포함할 때 마지막으로 지나치게 시간이 많이 소요됩니다.
가슴의 고해상도 CT는 수백 개의 이미지로 구성되어 있으며, 이것은 수동 접근 방식을 지나치게 많이 소비합니다. 더욱이, 당면한 변경은 일반적인 외관에서 분별될 전문가 평가가 필요합니다; 따라서 세분화 과정에 대한 반자동 접근법은, 우리의 지식의 최고에, 그들의 특징이 아직도 알려지지 않은 경우에 특히, 폐염을 분할할 때 가장 적합합니다.
COVID-19의 화상 진찰에 우리의 연구소에서 수행 된 연구를 위해, 우리는 3D 슬라이서를 채택, 하버드 대학에서 생산 프리웨어 소프트웨어, 그리고 화기 폐의 빠르고 정확한 세분화를 달성하기 위해 페인트 브러시 악기와 임계 값을 결합, 지상 유리 불투명도, 및 통합. 복잡한 경우에 직면할 때, 이 방법은 여전히 적절한 수동 조정을 위해 상당한 시간이 필요하지만, 영향을받는 폐 완두엽종의 백분율 계산 또는 접지 유리 영역의 질감 분석과 같은 추가 분석에 사용할 세그먼트를 정의하는 매우 효율적인 평균을 제공합니다.
Introduction
현재, 세계는 건강 비상 사태에 직면하고있다, 소설 코로나 바이러스에 의해 발생 전염병, 사스 - CoV2. 현재까지 COVID-19 감염의 생리병리학에 관한 많은 측면이 아직 불분명하더라도 "조상" SARS1 및 MERS와 여러 가지 특성을 공유합니다. 특히, 비리온 스파이크 단백질이 폐포 내피 세포상에 잘 표현되는 수용체인 안지오텐신 변환 효소 유형-2와 상호 작용하는 것이 입증되었지만, 따라서 전신증상을줄 수 있는 잠재력을 갖는 1.
진단을 위해, 현재 표준은 인두 면봉에 수행 된 테스트 인 실시간 역 전사 -폴리머 라제 연쇄 반응 (rt-PCR)입니다. 방사선 화상 진찰은 질병의 검출을 위한 진단 경로에서 공식적으로 인식되지 않더라도, 고해상도 컴퓨터 단층 촬영 (HRCT)는 rt-PCR의 상대적으로 낮은 감도, 특수 실험실및 필요한 시약의 현재 희소성 및 고연사 의존성 때문에 영향 받은 환자의 임상 및 역학 관리에 귀중한 원조가 될 것으로 판명되었습니다.
북미 방사선 학회 (RSNA)는 흉부 방사선학 의 사회와 미국 방사선학 대학 (ACR)이 승인 한 합의 성명을 발표했으며, COVID19의 CT 출현을 보고 표준화하기 위해 4 가지 범주로 분류하여 간질 폐렴 패턴을 "전형적인", "비정형", "비정형", "결정","부정적"으로나누었습니다.
"전형적인" 패턴은 둥근 모양의 지면 유리 불투명도(GGO)의 존재를 특징으로 하며, 일반적으로 등대 기저 세그먼트에 서브 흉막 위치를 가진다. GGO는 두꺼워진 격막의 "미친 포장"영역 또는 폐렴을 조직하는 다른 징후와 연관 될 수 있습니다. "결정된" 패턴은 "일반적인" 패턴 결과의 부재를 특징으로 하며, 통합 영역의 유무에 관계없이 perihilar 분포를 가진 확산 GGO 영역이 있는 것을 특징으로 한다. 상기 "비정형" 패턴은 "전형적인" 또는 "결정되지 않은" 표지판의 부재, 그리고 엽 통합의 존재, "새싹나무", 중막 및 흉막 삼출의 매끄러운 두껍게 하는 특징; 이 프레젠테이션에서는 GGO를 감지할 수 없습니다. "네거티브" 패턴은 전술한 병리학적 발견의 부재를 특징으로 합니다.
문헌에 따르면, 일부 환자는 COVID-19의 높은 임상 용의자와 함께 존재할 수 있습니다 역학기준 및 화상 진찰 발견에 의해 지원3,4. 한편, 양성 rt-PCR 및 암시적인 임상 연구 결과를 가진 환자는 HRCT5에병리학적 발견을 제시하지 않는 것으로 보고되었다.
요즘, 이 질병의 특성을 정량적으로 연구할 때 과학 계가 이미지 분석 기술을 적용하는 것이 가장 중요합니다. 최근 연구는 COVID-19에 의해 영향을 받는 환자에서 포화 폐의 비율을 확인하기 위해 폐 parenchyma의 자동화 된 세분화 기술을 적용하고, 예후와이 값을 상호 연관, 그리고 더 심각한 폐 참여환자가 중환자 실에서 입원의 더 많은 위험을 제시 입증 (ICU), 및 악화 결과를 갖는6.
세분화는 HRCT와 같은 이미징 기술을 통해 획득한 부피 내부의 관심 영역(ROI)의 윤곽입니다. 이 활동은 수동, 반자동 및 자동의 세 가지 방법을 수행 할 수 있습니다. 수동 세분화는 훈련된 방사선 전문의의 경험 덕분에 병리학 적 영역에 속하는 복셀라벨로 구성됩니다. 이 방법의 주요 단점은 필요한 많은 시간과 운영자 의존이라는 사실입니다.
반자동 방법을 사용하면 작업자가 고전적인 이미지 처리 방법(예: 픽셀 강도, 클러스터링 등에 대한 임계값)을 통해 얻은 세분화 마스크를 수정할 수 있기 때문에 세분화 속도를 높일 수 있습니다. 그러나, 이들 기술은 가장 복잡한경우(18)에광범위한 수동 개입을 요구하기 때문에 임상 실습에서 구현하기 쉽지 않다.
현재 사용이 제한되어 있는 자동 세분화 방법은 인공 지능을 사용하여 ROI를 획득합니다. 특히, 최근 연구는 COVID-19 간질성 폐렴으로 고통받는 환자에서 지상 유리 영역의 정량화에 자동 세분화를 사용하는 것을 목표로한다. HRCT 이미지의 병리학적 영역에 대한 세분화 프로토콜의 정의는 질병의 생리병리학을 더 잘 이해하는 데 도움이 될 수 있는 특징을 식별하기 위해 후속 방사선학 분석을 향한 실제 첫 번째 단계이며, 잠재적으로 치료에 영향을 미치는 정확한 예후 요인으로 작용한다.
본 논문은 "3D 슬라이서"7,8,9,10을사용하여 COVID-19 폐렴의 병리학적 발견을 나타내는 정확하고 효율적인 세그먼트를 얻는가이드를제공한다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
이 프로토콜은 기관 인간 연구 윤리위원회의 지침을 따릅니다.
1. DICOM 이미지 다운로드
- DICOM 이미지를 다운로드하고 3D 소프트웨어가 설치된 세분화 전용 워크스테이션에서 전송합니다. 개인용 컴퓨터에서 작업할 계획인 경우 DICOM 데이터를 익명화합니다.
2. 3D 슬라이서 소프트웨어에 대한 HRCT 연구 가져오기
- 소프트웨어 오프닝 화면(드롭다운 메뉴의 슬라이서에 오신 것을 환영합니다 섹션에 해당)에서 로드 DICOM 데이터를선택합니다. 또는 도구 모음의 왼쪽 위 모서리에 있는 DCM 아이콘을 선택합니다.
- DICOM 브라우저 패널의 왼쪽 위 모서리에서 가져오기를선택한 다음 HRCT 스터디의 위치를 선택합니다. DCM 이미지가 있는 폴더를 선택한 다음 가져오기를 선택합니다.
- HRCT 스터디를 성공적으로 가져오면 로드 버튼을 클릭합니다.
3. 세그먼트 만들기
- 드롭다운 메뉴의 세분화 섹션또는 드롭다운 메뉴의 세분화 섹션에서 찾은 하위 섹션 세그먼트 편집기또는 도구 모음의 전용 아이콘으로 세그먼트를 만듭니다.
- 마스터 볼륨 옆의 드롭다운 메뉴에서 HRCT 스터디를 선택합니다.
- 추가를 선택하고 세그먼트 1, 2 및 3이라는이름이 자동으로 지정되는 세 개의 새 세그먼트를 만듭니다. 각 하나를 두 번 클릭하고 각각 "tlv"(총 폐 Parenchyma), "ggo"(접지 유리 불투명도) 및 "단점"(통합)의 이름을 변경합니다. HRCT 연구에서 흉막 삼출, 폐암, 섬유증 영역 등과 같은 추가 병리학 적 발견이 공존하는 경우 추가 세그먼트를 만듭니다. 아티팩트도 마찬가지입니다.
4. TLP 세그먼트의 정의
참고: GGO 및 CD 세그먼트의 정의 중에 HRCT를 마스킹하는 데 사용되기 때문에 TLP 세그먼트에 대한 정확한 정의는 기본입니다.
- 첫 번째 단계로 세그먼트 편집기 섹션에서 TLP 세그먼트를 선택한 후 임계값 계측기를 선택합니다.
- 건강한 폐 와 지상 유리 불투명도를 모두 포함 할 만큼 큰 임계 값을 설정합니다. GGO의 교과서 정의를 준수하는 데 필요한 조정과 함께 과학 문헌에 보고된 값을 사용하여 -1000 HU와 -250 HU 사이의 임계값을 설정하는 것이 잘 작동한다는 것을발견했습니다6,14,15,16,17. 그런 다음 적용을 선택합니다.
- 이렇게 정의된 세그먼트에는 폐 내부의 공기와 가슴 바깥공기(즉, 환자 외부의 공기)가 모두 포함됩니다. 폐 parenchyma를 격리하기 위해 세그먼트 편집기에서발견 된 제도 도구를 사용하고 선택 된 섬을 유지하십시오. 가슴 안쪽을 클릭하면 가슴 밖의 모든 것이 세그먼트에서 제외됩니다.
- 다음으로 TLP 세그먼트 내부에 통합 영역이 포함됩니다. 통합에는 일반적으로 감쇠 값(Hounsfield Units: HU)이 가슴 벽과 중진을 구성하는 연조직의 것과 유사합니다. 이것이 임계값 계측기를 이 용도로 사용할 수 없는 이유이며 세그먼트 편집기에서 발견되는 가위 및 페인트 도구를 사용하여 통합을 수동으로 추가해야 하는 이유입니다.
- 가위 도구를 사용하여 세그먼트에 폐 parenchyma의 일부를 추가합니다. 내부 채우기 작업을 선택하고, 셰이프로 자유 양식을 선택하고 슬라이스 컷으로 대칭을 선택합니다. 통합 크기에 적합한 두께(예: 3~20mm)를 선택합니다. 그런 다음 통합이 완전히 포함될 때까지 TLP의 작은 부분을 점진적으로 추가하기 시작합니다.
- 페인트 도구는 사용하기 쉽고 때로는 빠르지만 포함 할 영역에 따라 덜 정확할 수 있습니다. Sphere Brush 옵션이 활성화되면 이 도구는 세그먼트에 폐 parenchyma의 3D 부분을 추가할 수 있습니다. 브러시의 크기를 쉽게 수정할 수 있습니다.
- TLP 세그먼트에 통합을 추가하는 동안 흉부 벽 또는 중간 의 일부를 포함하지 마십시오. 이것은 후방 흉부 벽에 인접한 COVID19 통합에 의해 영향을 받은 환자에서 아주 일반적이기 때문에 어려운 증명할 수 있었습니다. 지우기 도구를 사용하여 세분화를 수정하거나 실행 취소를 선택하여 마지막 작업을 삭제합니다.
- 이 단계에서 는 스무딩 알고리즘을 다시 한 번 사용하여 세분화의 수동 부분 중에 발생할 수 있는 작은 결함을 삭제합니다. 이제 TLP 세그먼트 정의가 체결되었습니다.
5. GGO 세그먼트의 정의
- GGO 세그먼트를 정의하려면 임계값 도구를 사용합니다.
- GGO 세그먼트를 선택합니다.
- -750 HU와 -150 HU 사이의 임계값을 설정합니다.
- 적용을선택하기 전에 바로 아래 마스킹 섹션으로 이동하여 편집 가능한 영역 드롭다운 메뉴에서 TLP를 선택합니다. 다른 세그먼트 드롭다운 메뉴에 다른 세그먼트 드롭다운 메뉴에서 없음을 선택합니다. 이는 GGO 세그먼트를 한 번 정의한 건너뛰면 TLP 세그먼트도 수정되기 때문에 매우 중요합니다. TLP 세그먼트는 다른 모든 세그먼트가 정의된 마스크이기 때문에 이를 피해야 합니다.
- 이제 적용을 선택합니다.
- 이 시점에서 그것은 아마 다시 한 번 스무딩 알고리즘을 사용 하 여 필요가 있을 것 이다, 모든 작은 혈관 및 세그먼트에서 지상 유리의 것과 유사한 밀도생리 적 중간 요소를 제외 하기 위해. 커널 크기가 3mm로 시작하여 필요한 경우 점진적으로 최대 6-7mm로 증가합니다. 커널 크기를 너무 많이 늘리면 GGO 세그먼트 외부에 남아 있는 작은 지면 유리 영역이 손실될 수 있습니다. 따라서 스무딩 알고리즘을 적절한 주의와 함께 사용해야 합니다.
- 이 경우에도 페인트,가위 및 지우기 도구와 필요한 수정을 적용합니다. 이 단계에서는 세그먼트 내부의 "접지 유리" 영역에 인접한 가슴 벽의 일부를 포함하지 않도록 TLP 마스크를 항상 활성 상태로 유지해야 합니다. 잘못 분할하면 자동으로 제외되기 때문입니다.
- 이 세그먼트를 얻을 때, 난로와 다이어프램의 움직임에 의해 생성 된 유물의 가능한 존재에주의를 기울이십시오 (환자가 시험 중에 숨을 쉴 수없는 경우 발생합니다). TLP 세그먼트에 존재하고 이전에 포함된 경우,이 아티팩트는 "접지 유리" 세그먼트에서 제거,예를 들어 선택된 섬 제거 옵션을 사용하여 제도 도구를 통해 또는 가위 및 지우기 도구를 사용 하 여. 연구 목표에 따라 아티팩트가 전용 세그먼트를 사용하여 개별적으로 분할되거나 TLP 세그먼트에 포함되고 다른 세그먼트에서 제외될 수 있습니다. 이제 GGO 세그먼트가 정의되었습니다.
6. CD 세그먼트의 정의
- CD 세그먼트를 정의하려면 GGO 세그먼트를 정의하는 것과 동일한 방식으로 진행합니다.
- CD 세그먼트를 선택합니다. 항상 활성 TLP 마스킹과 함께 작동해야합니다.
- 적절한 임계값을 설정합니다. 통합의 경우 범위는 대략 -150 HU에서 100 HU까지 다양합니다.
- 필요에 따라 커널 크기를 변경하는 스무딩 알고리즘을 적용합니다.
- 도구 가위, 지우기, 페인트 및 제도의 조합을 사용하여 대형 선박, 흉막 삼혈, 유물, 환기 밴드 및 기타 비 COVID 관련 병변을 제외한 실제 통합만 세그먼트 내부에 유지하십시오.
- 필요한 경우 최종 스무딩이 적용될 수 있습니다.
7. 세그먼트 저장
- 세그먼트를 ".nrrd" 파일로 저장하거나 "데이터" 모듈의 이진 레이블 맵으로 변환합니다.
8. 정의된 세그먼트에서 볼륨 추출.
- 세그먼트 통계 모듈에서 세그먼트의 볼륨 및 표면에 대한 세부 정보가 있는 테이블을 가져옵니다.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
제안된 방법은 시험 과 오류를 통해 정제되었습니다, 양성 rt-PCR 시험으로 COVID-19 폐렴에 의해 영향을 받은 117명의 환자에 그것을 시험했습니다.
짧은 학습 곡선 후 세그먼트를 얻는 데 필요한 시간은 프레젠테이션 패턴에 따라 5분에서 15분까지 다양할 수 있습니다.
도 1에도시된 바와 같이, 메서드는 정확한 세그먼트를 산출합니다: 이것은 HRCT와의 정확한 대응을 눈치채서 관찰할 수 있다. 3D 렌더링은 통신을 평가하고 세분화 결과를 신속하게 검토하는 데 도움이 됩니다. 영향을받는 폐 당면종의 양에 대한 정량적 평가를 얻을 수 있으며, 콜롬비 외6 및 란자 외13에서보고 된 결과를 복제할 수 있다.
그림 1: 대표적인 결과 볼륨 및 표면 분석. 3D 슬라이서 인터페이스의 스크린샷은 영향을받는 폐 parenchyma의 부피를 정량적으로 평가하는 데 사용할 수있는 "세그먼트 통계"모듈에서 얻은 결과를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
세분화는 현대 정량 방사선학 연구를 수행하기위한 기본 단계를 나타내며 방사선 학 또는 질감 분석 기술을 적용하는 데 필요합니다. 폐에 있는 병리학적인 사실 인정은 정의된 해부학 적인 국경의 부족 및 건강한 지역에 비교될 때 감쇠 값에 있는 작은 다름을 위해 세그먼트에 가장 도전적인 의 한을 나타냅니다.
소스 이미지는 가능한 경우, 특히 병리학 적 영역에서 최소한의 유물을 제시해야하며, 호흡 을 유지하는 데 타협하는 질병을 연구 할 때 때로는 달성하기가 어렵습니다. 따라서 연구원은 손상된 HRCD를 제외하거나 아티팩트 전용 세그먼트를 정의하여 추가 분석에서 제거하는 것을 고려할 수 있습니다.
폐 세그먼트에 더 빠르고 자동화된 작동을 허용하는 "흉부 이미징 플랫폼"11이라고불리는 3D 슬라이서에 대한 확장을 설치할 수 있습니다. GGO와 통합이 이 논문에서 탐구한 병리학의 경우 하위 흉막 분포가있을 때 광범위한 수동 개입이 필요하기 때문에이 방법을 채택하지 않기로 결정했습니다.
간질폐질환에 대한 자동 세분화 방법은12; 그럼에도 불구하고 이 방법은 영향을 받는 지역의 기능에 대한 이전 지식이 필요했습니다. 이 연구에서 제안된 기술은 폐의 병리학적 발견의 세분화에 대한 쉬운 학습 및 재현 가능한 접근법, 추출된 특징을 나타내며, 이는 바이러스 성 간질 성 폐 질환을 자동으로 분사하는 미래의 수단을 제공하고 정확한 예후 요인을 나타낼 수 있습니다.
제안된 세분화 방법에는 몇 가지 제한 사항이 있습니다.
우선, 워크스테이션에서 DICOM 이미지를 다운로드하는 것은 가변적인 시간이 필요할 수 있는 과정이므로 방대한 수의 환자를 위해 그렇게 하는 것은 번거로운 작업일 수 있습니다. 이 세분화 방법의 잠재적 적용은 클리닉 실습에 이 중요한 문제를 고려해야 하며, 세분화 플러그인이 PACS 플랫폼에서 널리 사용가능해질 때까지 이 중요한 문제를 고려해야 합니다.
둘째, COVID-19 관련 병리학 영역의 세분화는 COVID-19 패턴의 전형적인 이들의 방사선 학적 발견이 동일한 밀도를 가진 지역에서 구성되는 동시 만성 폐 질환 (예를 들어, 폐암, 폐암 섬유증 등)을 가진 환자에서 복잡할 수 있습니다. 호흡 유물CT 스캔에서도 동일한 우려가 고려해야 합니다. 이 유물은 COVID-19 감염을 가진 환자에서 아주 일반적입니다, 호흡 곤란과 호흡 부전, 특히 노인/중년 환자에서 관련되되고.
더욱이, 가혹한 간질 성 폐염을 가진 환자 (많은 폐 통합 및 미친 포장 불투명도에 의해 특징) 더 광범위한 수동 분할을 요구하고 결과적으로, 시간의 광대 한 금액을 필요로한다. 일반적으로, 간질 폐렴의 심각도가 높을수록 수동 세분화가 더 광범위할수록 세분화 시간이 길어집니다.
그러나, 란자와 콜롬비가 제안한 것과 같은 고급 평가 기술에 의해 제공되는 정밀도의 정도는 표준 임상 및 방사선평가(20)에비해 이미 심한 폐 질환을 가진 환자에 대한 제한된 정보를 추가할 수 있다.
마지막으로, 3D 슬라이서경험이 없는 방사선 전문의는 직관적인 소프트웨어가 아니며 바실라 기능에서도 마스터할 시간이 필요하기 때문에 적절한 교육 시간이 필요하다는 점에 유의해야 합니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자 들 중 누구도 이해 상충이 없습니다.
Acknowledgments
이 작품은 볼로냐 대학의 방사선학과에서 자금 지원을 받았다.
Materials
| Name | Company | Catalog Number | Comments |
| CT Scanner | General Electrics Healthcare | 64-MDCT VCT lightSpeed | The CT scanner used for HRCT acquisitions |
| Desktop Computer | ThinkCentre | The computer used to download the DICOM files and run 3D Slicer |
References
- Zheng, Y., et al.
- Simpson, S., et al. Radiological Society of North America Expert Consensus Statement on Reporting Chest CT Findings Related to COVID-19. Endorsed by the Society of Thoracic Radiology, the American College of Radiology, and RSNA. Radiology: Cardiothoracic Imaging. 2, 2 (2020).
- Xie, X., et al. Chest CT for Typical 2019-nCoV Pneumonia: Relationship to Negative RT-PCR Testing. Radiology. , 200343 (2020).
- Huang, P., et al. Use of Chest CT in Combination with Negative RT-PCR Assay for the 2019 Novel Coronavirus but High Clinical Suspicion. Radiology. 295 (1), 22-23 (2020).
- Fang, Y., et al. Sensitivity of Chest CT for COVID-19: Comparison to RT-PCR. Radiology. , 200432 (2020).
- Colombi, D., et al. Well-aerated Lung on Admitting Chest CT to Predict Adverse Outcome in COVID-19 Pneumonia. Radiology. , 201433 (2020).
- 3D Slicer [software]. , Available from: https://www.slicer.org (2020).
- Kikinis, R., Pieper, S. D., Vosburgh, K. 3D Slicer: a platform for subject-specific image analysis, visualization, and clinical support. Intraoperative Imaging Image-Guided Therapy. Jolesz, F. A. 3 (19), 277-289 (2014).
- Kapur, T., et al. Increasing the impact of medical image computing using community-based open-access hackathons: The NA-MIC and 3D Slicer experience. Medical Image Analysis. 33, 176-180 (2016).
- Fedorov, A., et al. 3D Slicer as an Image Computing Platform for the Quantitative Imaging Network. Magnetic Resonance Imaging. 30 (9), 1323-1341 (2012).
- Chest Imaging Platform [software]. , Available from: https://chestimagingplatform.org (2020).
- Wang, J., Li, F., Li, Q. Automated segmentation of lungs with severe interstitial lung disease in CT. Medical Physics. 36 (10), 4592-4599 (2009).
- Lanza, E., et al. Quantitative chest CT analysis in COVID-19 to predict the need for oxygenation support and intubation. European Radiology. , (2020).
- Yao, G. Value of window technique in diagnosis of the ground glass opacities in patients with non-small cell pulmonary cancer. Oncology Letters. 12 (5), 3933-3935 (2016).
- Kauczor, H. U., et al. Automatic detection and quantification of ground-glass opacities on high-resolution CT using multiple neural networks: comparison with a density mask. American Journal of Roentgenology. 175 (5), 1329-1334 (2000).
- Funama, Y., et al. Detection of nodules showing ground-glass opacity in the lungs at low-dose multidetector computed tomography: phantom and clinical study. Journal of Computed Assisted Tomography. 33 (1), 49-53 (2009).
- Hansell, D. M., et al. Fleischner Society: glossary of terms for thoracic imaging. Radiology. 246, 697-722 (2008).
- Heye, T., et al. Reproducibility of Dynamic Part II. Comparison of Intra- and Interobserver Variability with Manual Region of Interest Placement versus semiautomatic lesion segmentation and histogram analysis. Radiology. 266, 812-821 (2013).
- Zhang, H. T., et al. Automated detection and quantification of COVID-19 pneumonia: CT imaging analysis by a deep learning-based software. Nuclear Medicine and Molecular Imaging. 14, 1-8 (2020).
- Alhazzani, W., et al. Surviving Sepsis Campaign: guidelines on the management of critically ill adults with Coronavirus Disease 2019(COVID-19). Intensive Care Medicine. 46 (5), 854-887 (2020).
