Summary
इस अध्ययन का उद्देश्य फुफ्फुसीय नोड्यूल्स का एक नया 3 डी डिजिटल मॉडल विकसित करना है जो चिकित्सकों और रोगियों के बीच एक संचार पुल के रूप में कार्य करता है और पूर्व-निदान और रोगसूचक मूल्यांकन के लिए एक अत्याधुनिक उपकरण भी है।
Abstract
चिकित्सा छवियों का उपयोग करके फुफ्फुसीय नोड्यूल्स के त्रि-आयामी (3 डी) पुनर्निर्माण ने फुफ्फुसीय नोड्यूल्स के निदान और उपचार के लिए नए तकनीकी दृष्टिकोण पेश किए हैं, और इन दृष्टिकोणों को चिकित्सकों और रोगियों द्वारा उत्तरोत्तर स्वीकार और अपनाया जा रहा है। बहरहाल, निदान और उपचार के लिए फुफ्फुसीय नोड्यूल्स के अपेक्षाकृत सार्वभौमिक 3 डी डिजिटल मॉडल का निर्माण डिवाइस मतभेदों, शूटिंग के समय और नोड्यूल प्रकारों के कारण चुनौतीपूर्ण है। इस अध्ययन का उद्देश्य फुफ्फुसीय नोड्यूल्स के एक नए 3 डी डिजिटल मॉडल का प्रस्ताव करना है जो चिकित्सकों और रोगियों के बीच एक पुल के रूप में कार्य करता है और पूर्व-निदान और रोगसूचक मूल्यांकन के लिए एक अत्याधुनिक उपकरण भी है। कई एआई-संचालित फुफ्फुसीय नोड्यूल का पता लगाने और मान्यता विधियां फुफ्फुसीय नोड्यूल ्स की रेडियोलॉजिकल विशेषताओं को पकड़ने के लिए गहरी सीखने की तकनीकों को नियोजित करती हैं, और ये विधियां एक अच्छा क्षेत्र अंडर-द-कर्व (एयूसी) प्रदर्शन प्राप्त कर सकती हैं। हालांकि, झूठे सकारात्मक और झूठे नकारात्मक रेडियोलॉजिस्ट और चिकित्सकों के लिए एक चुनौती बने हुए हैं। फुफ्फुसीय नोड्यूल वर्गीकरण और परीक्षा के परिप्रेक्ष्य से सुविधाओं की व्याख्या और अभिव्यक्ति अभी भी असंतोषजनक है। इस अध्ययन में, मौजूदा चिकित्सा छवि प्रसंस्करण प्रौद्योगिकियों के संयोजन से क्षैतिज और कोरोनल स्थितियों में पूरे फेफड़े के निरंतर 3 डी पुनर्निर्माण की एक विधि प्रस्तावित है। अन्य लागू तरीकों की तुलना में, यह विधि उपयोगकर्ताओं को फुफ्फुसीय नोड्यूल्स का तेजी से पता लगाने और उनके मौलिक गुणों की पहचान करने की अनुमति देती है, जबकि कई दृष्टिकोणों से फुफ्फुसीय नोड्यूल्स का अवलोकन भी करती है, जिससे फुफ्फुसीय नोड्यूल्स के निदान और उपचार के लिए अधिक प्रभावी नैदानिक उपकरण प्रदान किया जाता है।
Introduction
फुफ्फुसीय नोड्यूल ्स की वैश्विक घटना परिवर्तनशील है, लेकिन आमतौर पर यह अनुमान लगाया जाता है कि लगभग 30% वयस्कों में छाती के रेडियोग्राफ1 पर कम से कम एक फुफ्फुसीय नोड्यूल दिखाई देता है। फुफ्फुसीय नोड्यूल ्स की घटना विशिष्ट आबादी में अधिक होती है, जैसे कि भारी धूम्रपान करने वाले और फेफड़ों के कैंसर या अन्य फेफड़ों के रोगों के इतिहास वाले लोग। यह ध्यान रखना महत्वपूर्ण है कि सभी फुफ्फुसीय नोड्यूल घातक नहीं हैं, लेकिन घातकता2 का पता लगाने के लिए एक गहन मूल्यांकन आवश्यक है। फेफड़ों के कैंसर की प्रारंभिक पहचान और निदान जीवित रहने की दर में सुधार के लिए महत्वपूर्ण हैं, और उच्च जोखिम वाले व्यक्तियों के लिए कम खुराक गणना टोमोग्राफी (एलडीसीटी) के साथ नियमित जांच की सिफारिश की जाती है। कई एआई-संचालित फुफ्फुसीय नोड्यूल का पता लगाने और मान्यता विधियां 3,4,5,6,7 फुफ्फुसीय नोड्यूल ्स की रेडियोलॉजिकल विशेषताओं को पकड़ने के लिए गहरी सीखने की तकनीकों को नियोजित करती हैं, और ये विधियां वक्र (एयूसी) प्रदर्शन के तहत अच्छे क्षेत्र को प्राप्त कर सकती हैं। हालांकि, झूठे सकारात्मक और झूठे नकारात्मक रेडियोलॉजिस्ट और चिकित्सकों के लिए एक चुनौती बने हुए हैं। फुफ्फुसीय नोड्यूल वर्गीकरण और परीक्षा के परिप्रेक्ष्य से सुविधाओं की व्याख्या और अभिव्यक्ति अभी भी असंतोषजनक है। इसी समय, एलडीसीटी पर आधारित फुफ्फुसीय नोड्यूल्स के 3 डी पुनर्निर्माण ने विभिन्न प्रकार के नोड्यूल्स के लिए एक डिजिटल मॉडल के रूप में बढ़ते ध्यान आकर्षित किया है।
फुफ्फुसीय नोड्यूल्स का 3 डी पुनर्निर्माण एक ऐसी प्रक्रिया है जो फेफड़ों में एक छोटी वृद्धि या गांठ का 3 डी प्रतिनिधित्व उत्पन्न करती है। इस प्रक्रिया में आम तौर पर चिकित्सा छवि विश्लेषण तकनीकों का अनुप्रयोग शामिल होता है जो चिकित्सा विशेषज्ञता और डेटा इंटेलिजेंस दृष्टिकोण दोनों का लाभ उठाते हैं। परिणामी 3 डी डिजिटल मॉडल नोड्यूल का अधिक विस्तृत और सटीक चित्रण प्रदान करता है, जिससे आसपास के फेफड़ों के ऊतकों 8,9,10,11,12 के साथ इसके आकार, आकार और स्थानिक संबंध के बेहतर विज़ुअलाइज़ेशन और विश्लेषण को सक्षम किया जा सकता है। इस तरह की जानकारी फुफ्फुसीय नोड्यूल्स के निदान और निगरानी में सहायता कर सकती है, विशेष रूप से कैंसर होने का संदेह है। अधिक सटीक विश्लेषण की सुविधा प्रदान करके, फुफ्फुसीय नोड्यूल्स के 3 डी पुनर्निर्माण में निदान की सटीकता को बढ़ाने और उपचार निर्णयों को सूचित करने की क्षमता है।
अधिकतम तीव्रता प्रक्षेपण (एमआईपी) फुफ्फुसीय नोड्यूल ्स के 3 डी पुनर्निर्माण के क्षेत्र में एक लोकप्रिय तकनीक है और इसका उपयोग 3 डी छवि 8,9,10,11,12 के 2 डी प्रक्षेपण को बनाने के लिए किया जाता है, यह सीटी द्वारा स्कैन की गई डिजिटल इमेजिंग और संचार में चिकित्सा (डीआईसीओएम) फाइलों से निकाले गए वॉल्यूमेट्रिक डेटा के विज़ुअलाइज़ेशन में विशेष रूप से उपयोगी है। एमआईपी तकनीक देखने की दिशा के साथ उच्चतम तीव्रता के साथ वोक्सेल (3 डी वॉल्यूम डेटा की सबसे छोटी इकाइयों) का चयन करके और उन्हें 2 डी विमान पर प्रोजेक्ट करके काम करती है। इसके परिणामस्वरूप एक 2 डी छवि होती है जो उच्चतम तीव्रता वाली संरचनाओं पर जोर देती है और कम तीव्रता वाले लोगों को दबा देती है, जिससे प्रासंगिक विशेषताओं 9,10,11,12 की पहचान और विश्लेषण करना आसान हो जाता है। हालांकि, एमआईपी सीमाओं के बिना नहीं है। उदाहरण के लिए, प्रक्षेपण प्रक्रिया के परिणामस्वरूप जानकारी का नुकसान हो सकता है, और परिणामस्वरूप 2 डी छवि अंतर्निहित वस्तु की 3 डी संरचना का सटीक प्रतिनिधित्व नहीं कर सकती है। फिर भी, एमआईपी चिकित्सा इमेजिंग और विज़ुअलाइज़ेशन के लिए एक मूल्यवान उपकरण बना हुआ है, और इसका उपयोग प्रौद्योगिकी और कंप्यूटिंग शक्ति11 में प्रगति के साथ विकसित होना जारी है।
इस अध्ययन में, फुफ्फुसीय नोड्यूल्स की कल्पना करने के लिए एक क्रमिक एमआईपी मॉडल विकसित किया गया है जो उपयोग करना आसान है, रेडियोलॉजिस्ट, चिकित्सकों और रोगियों के लिए उपयोगकर्ता के अनुकूल है, और फुफ्फुसीय नोड्यूल ्स के गुणों की पहचान और अनुमान की अनुमति देता है। इस प्रसंस्करण दृष्टिकोण के प्राथमिक लाभों में निम्नलिखित पहलू शामिल हैं: (1) पैटर्न मान्यता से उत्पन्न होने वाले झूठे सकारात्मक और झूठे नकारात्मक को समाप्त करना, जो चिकित्सकों को फुफ्फुसीय नोड्यूल्स के स्थान, आकार और 3 डी आकार के साथ-साथ आसपास के वाहिका के साथ उनके संबंध पर अधिक व्यापक जानकारी प्राप्त करने में सहायता करने पर ध्यान केंद्रित करने में सक्षम बनाता है; (2) रेडियोलॉजिस्ट की सहायता के बिना भी फुफ्फुसीय नोड्यूल ्स की विशेषताओं के पेशेवर ज्ञान को प्राप्त करने के लिए विशेषज्ञ चिकित्सकों को सक्षम करना; और (3) चिकित्सकों और रोगियों के बीच संचार दक्षता और रोग निदान मूल्यांकन दोनों को बढ़ाना।
Subscription Required. Please recommend JoVE to your librarian.
Protocol
नोट: डेटा प्रीप्रोसेसिंग चरण के दौरान, मूल DICOM डेटा को विभिन्न उपकरणों और सुसंगत परिणामों के साथ संगतता सुनिश्चित करने के लिए क्रमबद्ध और इंटरसेप्ट किया जाना चाहिए। तीव्रता प्रसंस्करण के लिए पर्याप्त समायोज्य क्षमता आरक्षित की जानी चाहिए, और अवलोकन के लिए एक निरंतर 3 डी परिप्रेक्ष्य आवश्यक है। इस प्रोटोकॉल में, अनुसंधान दृष्टिकोण का एक व्यवस्थित विवरण प्रदान किया गया है, जिसमें फुफ्फुसीय नोड्यूल्स के साथ पेश होने वाली 84 वर्षीय महिला रोगी से जुड़े एक मामले का विवरण दिया 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 पल्मोनरीनोड्यूल सॉफ्टवेयर टूल से लिया गया है (विवरण के लिए सामग्री की तालिका देखें)। बीजिंग यूनिवर्सिटी ऑफ चाइनीज मेडिसिन (DZMEC-KY-2019.90) से संबद्ध डोंगझिमेन अस्पताल की आचार समिति से नैतिक मंजूरी प्राप्त की गई थी।
1. डेटा संग्रह और तैयारी
- फुफ्फुसीय नोड्यूल ्स का पता लगाने के लिए एलडीसीटी डेटा।
नोट: पैरामीटर मानों में देखे गए अंतर उपयोग की जाने वाली अनुसंधान विधि पर निर्भर नहीं करते हैं।- DICOM डेटा के अधिग्रहण के लिए रोगी की सहमति प्राप्त करें। सभी डेटा निर्दिष्ट कार्यशील निर्देशिका में स्थानांतरित करें.
- फ़ाइल जानकारी के आधार पर सटीकता को अनुकूलित करने के लिए स्कैनिंग परतों की उच्चतम संख्या और सबसे पतली परत मोटाई के साथ डेटा निर्देशिका की पहचान करें। आम तौर पर, एक मरीज के पास जितनी अधिक DICOM स्कैन फाइलें होती हैं, स्कैन परत की मोटाई उतनी ही पतली होती है।
- Dicominfo फ़ंक्शन को कार्यान्वित करके और फ़ंक्शन पैरामीटर के रूप में DICOM फ़ाइलों का उपयोग करके, MATLAB वातावरण में स्लाइस मोटाई और पिक्सेल रिक्ति पैरामीटर प्राप्त करें। ये पैरामीटर 3 डी वॉल्यूम डिस्प्ले दर सेट करने के लिए आवश्यक हैं। इस अध्ययन में उपयोग किए गए उदाहरण डेटा के लिए, स्लाइस मोटाई 1 मिमी थी, पिक्सेल स्पेसिंग 0.5 मिमी थी, और कुल 200 परतों को स्कैन किया गया था।
- स्कैन किए गए डेटा की सॉर्टिंग को सही करना
नोट: वॉल्यूम निर्माण के लिए प्रत्येक छवि का अनुक्रम क्रमबद्ध किया जाना चाहिए।- Dicominfo फ़ंक्शन का उपयोग करके प्रत्येक छवि का स्थान डेटा पढ़ें। जानकारी डालकर स्थान प्राप्त करें . MATLAB कार्यस्थान में स्लाइसलोकेशन .
- एक चर के लिए स्थान सरणी को संग्रहीत करने के लिए स्लाइसलोकेशन फ़ंक्शन को लागू करें, और इसका एक प्लॉट बनाएं (चित्रा 1)।
- जीयूआई के ऊपरी-दाईं ओर डेटा टिप्स बटन का उपयोग करके, उस बिंदु पर प्लॉट में एक डेटा टिप जोड़ें जो सामान्य अनुक्रम के अधिकतम स्थान मान का प्रतिनिधित्व करता है (रोगी इमेजिंग का शीर्ष स्थान; चित्र 1)।
- सभी छवियों को क्रमबद्ध करें, और फ़ंक्शन वॉल्यूमरिज़ॉर्ट को कार्यान्वित करके 1 से शुरू होने वाली छवियों को अधिकतम स्थान मान तक निकालें।
- वैध छवियों के वॉल्यूम को क्रमबद्ध इंडेक्स के साथ स्टोर करें, जो महत्वपूर्ण नोड्यूल्स पर वापस ट्रेस करने के लिए उपयोगी होगा।
- वक्ष यी मात्रा का निरीक्षण करना
नोट: एक अच्छी तरह से परिभाषित डेटा-भंडारण संरचना होने से अनुवर्ती कार्य अधिक सुविधाजनक हो जाता है।- निर्मित वॉल्यूम के तीन दृश्य दिखाने के लिए वॉल्यूम निरीक्षण फ़ंक्शन को लागू करें। क्षैतिज अक्ष में सभी छवियों को जल्दी से ब्राउज़ करने के लिए कोरोनल अक्ष में क्रॉसहेयर चौराहे को ऊपर और नीचे खींचें (चित्रा 2)।
- कोरोनल अक्ष में सभी छवियों को ब्राउज़ करने के लिए क्रॉसहेयर को क्षैतिज अक्ष पर ले जाएं। क्रॉसहेयर 3 डी वॉल्यूम में एक ही स्थानिक निर्देशांक में है; इसलिए, इसे एक अक्ष पर ले जाने से अन्य दो अक्षों में छवियों का स्थान बदल जाएगा।
- वॉल्यूमनिरीक्षण फ़ंक्शन के लिए, जीयूआई में फेफड़े के लिए डिफ़ॉल्ट तीव्रता विंडो का उपयोग करें। बाएं माउस बटन को दबाकर और अक्ष में खींचकर वास्तविक फ़िल्टर प्रदर्शन समायोजित करें।
2. क्षैतिज 3 डी पुनर्निर्माण के लिए डिजिटल मॉडल
नोट: 3Dlung_Horizon उपप्रक्रिया एक क्षैतिज परिप्रेक्ष्य से फुफ्फुसीय नोड्यूल ्स की पूरी तरह से परीक्षा करती है।
- फेफड़े की फिल्टर विंडो के नीचे फुफ्फुसीय नोड्यूल के 3 डी डिजिटल मॉडल के पुनर्निर्माण के लिए MATLAB कार्यस्थल में Build_3Dlung_Horizon फ़ंक्शन को लागू करें, और फिर क्षैतिज 3 डी मॉडल (चित्रा 3) की जांच करने के लिए जीयूआई खोलें।
- चरण 1.3.2 के विपरीत, चित्रा 3 में जीयूआई एक निरंतर 3 डी फेफड़ों की संरचना है जिसमें विभिन्न प्रकार के फुफ्फुसीय नोड्यूल और फेफड़ों के ऊतकों के साथ उनके सापेक्ष स्थानिक संबंध स्पष्ट रूप से देखे जा सकते हैं। माउस के साथ जीयूआई पर स्क्रॉल बार खींचते समय, निरंतर 3 डी फेफड़ों की संरचना देखी जा सकती है।
- चित्रा 3 में जीयूआई का ऊपरी-दाहिना कोना ज़ूम इन करने, ज़ूम आउट करने, वैश्विक दृश्य पर लौटने और चयनित पिक्सेल के निर्देशांक को चिह्नित करने के लिए आइकन प्रदान करता है। घावों की स्थानीय विशेषताओं का निरीक्षण करने और प्रासंगिक 3 डी संरचनात्मक आउटपुट चित्रों को आउटपुट करने के लिए ज़ूम फ़ंक्शन का उपयोग करें। नोड्यूल्स के आकार को मापने के लिए दो बिंदुओं के बीच की दूरी की गणना करने के लिए मार्क पिक्सेल निर्देशांक बटन का उपयोग करें।
- डिफ़ॉल्ट रंग पट्टी जेट कलरमैप है, जिसका अर्थ है कि नीला से लाल निम्न से उच्च तक के मूल्यों का प्रतिनिधित्व करता है। सामान्य ग्रे कलरमैप का चयन करने और पूरे जीयूआई को रीसेट करने के लिए पॉप-अप मेनू में कलर बार पर राइट-क्लिक करें।
- यदि फ़िल्टर विंडो संतुष्ट नहीं है, तो विंडो स्तर को समायोजित करने के लिए चित्र के मध्य में ऊपर और नीचे खींचने के लिए बाएं माउस बटन का उपयोग करें। विंडो की चौड़ाई समायोजित करने के लिए बाएं और दाएं खींचें, और संबंधित सटीक फ़िल्टरिंग रेंज रंग पट्टी पर प्रदर्शित की जाएगी।
3. किसी भी विशिष्ट नोड्यूल के लिए एक 3 डी डिजिटल मॉडल का निर्माण
नोट: स्लाइस नंबर फ़ंक्शन 3D_Nodules का एक पैरामीटर है, जो एक 3 डी डिजिटल मॉडल का पुनर्निर्माण करता है जिसे हर परिप्रेक्ष्य से देखा जा सकता है।
- स्लाइस संख्या निर्धारित करने के लिए, जैसा कि चित्रा 3 में है, स्क्रॉल बार के शीर्ष-दाईं ओर जांचें; चित्रा 3 में, स्लाइस संख्या 70 है। विशिष्ट नोड्यूल्स के लिए 3 डी डिजिटल मॉडल का पुनर्निर्माण करने के लिए, स्लाइस नंबर और चरण 1.3 में बनाई गई थोरेसिक वॉल्यूम सहित दो मापदंडों के साथ फ़ंक्शन Build_3D_Nodules का उपयोग करें। यह एक उपयोगकर्ता-परिभाषित मॉडल है, क्योंकि इनपुट स्लाइस संख्या चर है और उपयोगकर्ता पर निर्भर करती है।
- यदि Build_3D_Nodules फ़ंक्शन सही ढंग से निष्पादित किया जाता है, तो उपयोगकर्ता पॉप-अप जीयूआई (चित्रा 4) में विभिन्न दृष्टिकोणों से एक निश्चित स्लाइस संख्या में स्थित फुफ्फुसीय नोड्यूल की जांच कर सकता है। ऐसा करने के लिए, निम्न क्रियाएँ करें:
- चित्रा 4 के केंद्र में बाएं माउस बटन को दबाकर रखें, और फुफ्फुसीय नोड्यूल ्स के परिप्रेक्ष्य को बदलने के लिए इसे किसी भी दिशा में खींचें। यह ध्यान दिया जाना चाहिए कि अवलोकन कोण को शारीरिक विचारों को ध्यान में रखना चाहिए और फुफ्फुसीय नोड्यूल ्स की चिकित्सा विशेषताओं और नोड्यूल्स और आसपास के ऊतकों के बीच संबंध दोनों को दिखाने की कोशिश करनी चाहिए।
- ज़ूम का उपयोग करें और ऊपरी-दाएं कोने में आइकन को स्थानांतरित करें, जैसा कि चित्र 3 में किया गया है। इसके अतिरिक्त, मध्य माउस बटन को रोल करके, उपयोगकर्ता लगातार ज़ूम इन कर सकता है या मॉडल के दृश्य से ज़ूम आउट कर सकता है।
- चित्रा 4 में जीयूआई निचले-बाएं कोने में मॉडल के समन्वय संकेत को दर्शाता है, जहां जेड-अक्ष पर सकारात्मक दिशा क्षैतिज स्थिति में स्कैनिंग दिशा है। नोड्यूल्स के आवश्यक 3 डी प्रक्षेपण को बचाने के लिए ऑपरेटिंग सिस्टम द्वारा प्रदान किए गए स्क्रीनशॉट टूल को लागू करें।
4. एक कोरोनल 3 डी पुनर्निर्माण का डिजिटल मॉडल
नोट: Build_3Dlung_Coronal उप-प्रक्रिया को वैकल्पिक कोरोनल परिप्रेक्ष्य से फुफ्फुसीय नोड्यूल्स का मूल्यांकन करने के लिए निष्पादित किया जाता है, इस प्रकार चिकित्सकों और रोगियों को नोड्यूल्स के स्थान और विशेषताओं की अधिक सटीक और समावेशी समझ विकसित करने में सहायता मिलती है।
- फेफड़े की फिल्टर विंडो के नीचे फुफ्फुसीय नोड्यूल्स के 3 डी डिजिटल मॉडल के पुनर्निर्माण के लिए MATLAB कार्यस्थल में Build_3Dlung_Coronal फ़ंक्शन को लागू करें, और फिर कोरोनल 3 डी मॉडल (चित्रा 5) की जांच करने के लिए फ़ंक्शन द्वारा तैयार किए गए जीयूआई को खोलें।
- चित्रा 5 में जीयूआई एक निरंतर कोरोनल 3 डी फेफड़ों की संरचना दिखाता है जिसमें विभिन्न प्रकार के फुफ्फुसीय नोड्यूल और फेफड़ों के ऊतकों के साथ उनके सापेक्ष स्थानिक संबंध स्पष्ट रूप से देखे जा सकते हैं। निरंतर कोरोनल 3 डी फेफड़ों की संरचना का निरीक्षण करने के लिए माउस के साथ जीयूआई पर स्क्रॉल बार खींचें।
- जीयूआई का ऊपरी-दाहिना कोना, जैसा कि चित्र 5 में दिखाया गया है, ज़ूम इन करने, ज़ूम आउट करने, वैश्विक दृश्य पर लौटने और चयनित पिक्सेल के निर्देशांक को चिह्नित करने के लिए आइकन भी प्रदान करता है। घावों की स्थानीय विशेषताओं का निरीक्षण करने और प्रासंगिक 3 डी संरचनात्मक चित्र उत्पन्न करने के लिए इन कार्यों का उपयोग करें। दो बिंदुओं के बीच की दूरी की गणना करने के लिए पिक्सेल निर्देशांक को चिह्नित करें, जिसका उपयोग अक्सर नोड्यूल ्स के आकार को मापने के लिए किया जाता है।
- डिफ़ॉल्ट रंग पट्टी जेट कलरमैप है, जिसमें नीले से लाल तक के रंग निम्न से उच्च तक के मूल्यों का प्रतिनिधित्व करते हैं। सामान्य ग्रे कलरमैप का चयन करने और पूरे जीयूआई को रीसेट करने के लिए पॉप-अप मेनू में रंग पट्टी पर राइट-क्लिक करें।
- यदि फ़िल्टर विंडो उपयुक्त नहीं है, तो विंडो स्तर को समायोजित करने के लिए आंकड़े के बीच में ऊपर और नीचे खींचने के लिए बाएं माउस बटन का उपयोग करें; विंडो की चौड़ाई समायोजित करने के लिए बाएं और दाएं खींचें, और संबंधित सटीक फ़िल्टरिंग रेंज रंग पट्टी पर प्रदर्शित की जाएगी।
5. प्रमुख फुफ्फुसीय नोड्यूल के लिए आउटपुट 3 डी वीडियो
नोट: फुफ्फुसीय नोड्यूल के इष्टतम 3 डी डिजिटल मॉडल को गतिशील 3 डी वीडियो में परिवर्तित करने से चिकित्सकों और रोगियों को स्थिति को बेहतर ढंग से समझने और सटीक निर्णय लेने में सक्षम बनाता है, जो प्रभावी उपचार योजनाओं को तैयार करने के लिए विशेष रूप से महत्वपूर्ण है।
- कार्यक्षेत्र में, आवश्यक 3 डी डिजिटल मॉडल तैयार करें, और फुफ्फुसीय नोड्यूल्स और फेफड़ों के ऊतकों के बीच सापेक्ष स्थानिक संबंधों को विभिन्न कोणों से प्रदर्शित करने के लिए पूर्व-कल्पना करें (चित्रा 3 और चित्रा 4)।
- इस अध्ययन में, एडोब कैप्टिव 2019 का उपयोग सभी जीयूआई इंटरैक्शन प्रक्रियाओं को रिकॉर्ड करने के लिए किया गया था। शुरू करने के लिए, सॉफ़्टवेयर खोलें, और एक नई स्क्रीन रिकॉर्डिंग प्रोजेक्ट बनाएं। कैमरा बंद करें, और लाल स्क्रीन रिकॉर्डिंग रेंज बॉक्स केवल स्क्रीन ऑपरेशन रिकॉर्ड करने के लिए पॉप अप होगा। इस अध्ययन में, संस्करण 5.1 जीयूआई बॉक्स में शामिल किया गया था। जीयूआई संचालित करने के लिए रिकॉर्डिंग बटन पर क्लिक करें, और स्क्रीन रिकॉर्डिंग की एक डिजिटल वीडियो फ़ाइल उत्पन्न करें।
- फुफ्फुसीय नोड्यूल्स के गतिशील प्रदर्शन को रिकॉर्ड करने के बाद, टास्कबार में आइकन पर क्लिक करके सॉफ़्टवेयर के ऑपरेटिंग वातावरण में लौटें।
- वीडियो प्रकाशन सुविधा का उपयोग करके, फुफ्फुसीय नोड्यूल ्स के 3 डी डिजिटल मॉडल के रिकॉर्ड किए गए गतिशील वीडियो को सहेजें। फ़ाइल > वितरित करें और फ़ाइल संग्रहण पथ कॉन्फ़िगर करें पर क्लिक करें. फ़ाइल को नाम दें, और वांछित डिजिटल वीडियो फ़ाइल सहेजें।
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
विधि को उपकरणों की एक विस्तृत श्रृंखला पर लागू करने के लिए, प्रत्येक स्कैन के स्टैकिंग क्रम को सही 3 डी वॉल्यूम (चित्रा 2) उत्पन्न करने के लिए डीआईसीओएम फाइल सिस्टम (चित्रा 1) के आंतरिक निर्देशांक के आधार पर पुनर्गठित करने की आवश्यकता है। सटीक मात्रा डेटा के आधार पर, हमने रोगी के फुफ्फुसीय नोड्यूल्स के सटीक निदान और उपचार के लिए रोगी के फेफड़ों के क्षैतिज और कोरोनल एमआईपी (चित्रा 4 और चित्रा 5) के एल्गोरिथम निरंतर पुनर्निर्माण का उपयोग किया।
विभिन्न उपकरणों से DICOM डेटा आमतौर पर रोगी में शारीरिक स्थिति के साथ निम्न से उच्च तक सही क्रम में क्रमबद्ध नहीं किया जाता है। हालांकि, मॉडल पुनर्निर्माण के लिए, प्रत्येक छवि को कम-से-उच्च फॉरवर्ड ऑर्डर में क्रमबद्ध किया जाना चाहिए। चित्रा 1 न केवल डीआईसीओएम अनुक्रम स्थितियों के विशिष्ट वितरण को दर्शाता है, बल्कि छवि अनुक्रम की स्थिति सीमाओं को निर्धारित करने के लिए आवश्यक जीयूआई इंटरैक्शन के लिए भी दिखाता है। यह कदम मॉडल पुनर्निर्माण प्रक्रिया में डेटा तैयार करने का एक महत्वपूर्ण हिस्सा है।
चित्रा 2 अनिवार्य रूप से अक्षीय, कोरोनल और धनु विमानों में पूरे फेफड़े के 3 डी वॉल्यूम के तीन दृश्यों का प्रतिनिधित्व करता है। यदि पिछली डेटा तैयारी और वॉल्यूम गणना सही है, तो प्रत्येक दृश्य में फेफड़ों की छवियों को देखा जा सकता है, जैसा कि चित्रा 2 में है। यह जीयूआई विभिन्न विंडो स्तरों पर छवियों को देखने के लिए माउस को खींचकर विंडो-स्तरीय फ़िल्टरिंग की भी अनुमति देता है। अंतर्निहित मात्रा, जैसा कि चित्रा 2 में दिखाया गया है, 3 डी मॉडल पुनर्निर्माण के लिए डेटा आधार के रूप में कार्य करता है।
चित्रा 3 अक्षीय दृश्य में निरंतर 3 डी पुनर्निर्माण परिणाम दिखाता है। इस जीयूआई में, चिकित्सक अक्षीय दृश्य के साथ लगातार रोगी की फेफड़ों की संरचना का निरीक्षण कर सकता है, जल्दी से फुफ्फुसीय नोड्यूल का पता लगा सकता है, और नोड्यूल ्स और आसपास के फेफड़ों के ऊतकों के बीच संबंधों का निरीक्षण कर सकता है। जैसा कि चित्रा 3 में दिखाया गया है, नोड्यूल दृश्यों के स्थानीय आवर्धन, विंडो स्तर की वसूली और पिक्सेल स्थितियों के अंकन जैसे संचालन भी किए जा सकते हैं। रंग पट्टी छवि में विभिन्न तीव्रता मानों के अनुरूप रंग प्रदर्शित करती है।
चित्रा 4 में दिखाया गया जीयूआई चिकित्सकों को किसी भी परिप्रेक्ष्य से इच्छुक फुफ्फुसीय नोड्यूल ्स का निरीक्षण करने की क्षमता प्रदान करता है।
चित्रा 5 कोरोनल दृश्य में निरंतर 3 डी पुनर्निर्माण परिणामों को दर्शाता है। इस जीयूआई में, चिकित्सक कोरोनल दृश्य के साथ लगातार रोगी की फेफड़ों की संरचना का निरीक्षण कर सकता है, जल्दी से फुफ्फुसीय नोड्यूल ्स का पता लगा सकता है, और नोड्यूल्स और आसपास के फेफड़ों के ऊतकों के बीच संबंधों का निरीक्षण कर सकता है। जैसा कि चित्रा 5 में दिखाया गया है, नोड्यूल दृश्यों के स्थानीय आवर्धन, विंडो स्तर की वसूली और पिक्सेल स्थितियों के अंकन जैसे संचालन भी किए जा सकते हैं। रंग पट्टी छवि में विभिन्न तीव्रता मानों के अनुरूप रंग प्रदर्शित करती है।
चित्रा 1: फ़ाइल नाम अनुक्रम के अनुसार छवि स्थान प्लॉट। आंकड़ा DICOM अनुक्रम स्थितियों के विशिष्ट वितरण को दर्शाता है और छवि अनुक्रम की स्थिति सीमाओं को निर्धारित करने के लिए आवश्यक जीयूआई इंटरैक्शन को इंगित करता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 2: फुफ्फुसीय 3 डी वॉल्यूम के तीन दृश्यों का जीयूआई। यह आंकड़ा अक्षीय, कोरोनल और धनु विमानों में पूरे फेफड़े के 3 डी वॉल्यूम के तीन दृश्यों का प्रतिनिधित्व करता है। यदि पिछली डेटा तैयारी और वॉल्यूम गणना सही है, तो प्रत्येक दृश्य में फेफड़ों की छवियां देखी जा सकती हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 3: क्षैतिज दृश्य से फुफ्फुसीय नोड्यूल की जांच के लिए जीयूआई। आंकड़ा अक्षीय दृश्य में निरंतर 3 डी पुनर्निर्माण परिणामों को दर्शाता है। चिकित्सक अक्षीय दृश्य के साथ लगातार रोगी की फेफड़ों की संरचना का निरीक्षण कर सकता है, फुफ्फुसीय नोड्यूल का पता लगा सकता है, और नोड्यूल ्स और आसपास के फेफड़ों के ऊतकों के बीच संबंधों का निरीक्षण कर सकता है। रंग पट्टी में रंग छवि में विभिन्न तीव्रता मूल्यों के अनुरूप हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 4: एक विशिष्ट फुफ्फुसीय नोड्यूल के 3 डी डिजिटल मॉडल की जांच करना। जीयूआई उपयोगकर्ता को किसी भी परिप्रेक्ष्य से रुचि के फुफ्फुसीय नोड्यूल का निरीक्षण करने की अनुमति देता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 5: कोरोनल दृश्य से फुफ्फुसीय नोड्यूल की जांच के लिए जीयूआई। आंकड़ा कोरोनल दृश्य में निरंतर 3 डी पुनर्निर्माण परिणामों को दर्शाता है। इस जीयूआई में, चिकित्सक कोरोनल दृश्य के साथ लगातार रोगी की फेफड़ों की संरचना का निरीक्षण कर सकता है, जल्दी से फुफ्फुसीय नोड्यूल ्स का पता लगा सकता है, और नोड्यूल्स और आसपास के फेफड़ों के ऊतकों के बीच संबंधों का निरीक्षण कर सकता है। रंग पट्टी में रंग छवि में विभिन्न तीव्रता मूल्यों के अनुरूप हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
विभिन्न एलडीसीटी उपकरणों में डीआईसीओएम छवि अनुक्रमों में महत्वपूर्ण अंतर होते हैं जो वे आउटपुट करते हैं, खासकर फ़ाइल सिस्टम प्रबंधन के संदर्भ में। इसलिए, प्रोटोकॉल के बाद के चरणों में फुफ्फुसीय नोड्यूल के प्रमुख 3 डी डिजिटल मॉडल का पुनर्निर्माण करने के लिए, डेटा प्रीप्रोसेसिंग चरण विशेष रूप से महत्वपूर्ण है। डेटा तैयारी और प्रीप्रोसेसिंग चरण (चरण 1.2.2) में, अनुक्रम जेड-अक्ष समन्वय को चित्रा 1 में दिखाए गए अनुक्रम का उपयोग करके सही ढंग से क्रमबद्ध किया जा सकता है, जिसका उपयोग मॉडलिंग के लिए आवश्यक सही छवि क्रम को ठीक से व्यवस्थित करने और बाद के मॉडलिंग कार्य के लिए सही 3 डी वॉल्यूम उत्पन्न करने के लिए भी किया जा सकता है। क्षैतिज और कोरोनल अक्षों में 3 डी पुनर्निर्माण (चरण 2.1 और चरण 4.1) चिकित्सकों और रोगियों को दो सबसे अधिक उपयोग किए जाने वाले दृष्टिकोणों से फुफ्फुसीय नोड्यूल ्स की दोहरी जांच प्रदान करते हैं। नोड्यूल्स का पता लगाना और फेफड़ों के ऊतकों के साथ उनकी स्थानिक विशेषताओं और संबंधों को प्रस्तुत करना, विशेष रूप से फुफ्फुसीय धमनियों के साथ, और सॉफ्टवेयर टूल का उपयोग करना रोग निदान और उपचार योजना तैयार करने के लिए महत्वपूर्ण हैं। डॉक्टर-रोगी संचार के संदर्भ में, एक अच्छा 3 डी गतिशील वीडियो (चरण 5.2) एक उत्कृष्ट संचार उपकरण है जो रोगियों को अपनी स्थिति और रोग का निदान समझने में मदद करता है।
इस अध्ययन के नैदानिक और अनुसंधान परिदृश्यों पर चर्चा करते समय, एक महत्वपूर्ण मुद्दा जिसे संबोधित किया जाना चाहिए, वह यह है कि विशेष चिकित्सकों और रोगियों दोनों को उपचार के तहत फुफ्फुसीय नोड्यूल ्स की स्पष्ट और व्यापक समझ कैसे प्रदान की जाए। आमतौर पर, रोगी अपने डॉक्टरों को विभिन्न उपकरणों और ऐतिहासिक अवधियों से परीक्षा परिणाम लाते हैं, और रेडियोलॉजिस्ट से समर्थन की अनुपस्थिति में, चिकित्सकों को उचित उपचार योजनाएं प्रदान करने के लिए रोगी के फुफ्फुसीय नोड्यूल्स के आकार, स्थान और विशेषताओं के बारे में सटीक निर्णय लेने की आवश्यकता होती है। दूसरी ओर, रोगियों को अपने स्वयं के फेफड़ों के नोड्यूल ्स के विकास की स्थिति और उपचार प्रभावों को प्रभावी ढंग से समझने और ट्रैक करने की आवश्यकता होती है। इसलिए, चाहे मामले में विभिन्न उपकरणों और समय से सीटी डेटा को समझने, रेडियोलॉजिस्ट और विशेष चिकित्सकों के बीच की खाई को पाटने, या बेहतर डॉक्टर-रोगी संचार की सहायता करने की आवश्यकता हो, यह अध्ययन इन परिदृश्यों को संबोधित करने के लिए एक आदर्श समाधान और तकनीकी साधन प्रदान करता है।
यद्यपि वर्तमान उपकरणों ने 3 डी मॉडलिंग में उत्कृष्ट प्रदर्शन दिखाया है और फुफ्फुसीय नोड्यूल्स के विज़ुअलाइज़ेशन की सुविधा दी है, फिर भी विकास और सुधार के लिए जगह है। सबसे पहले, दो दृष्टिकोणों के क्रॉस-सत्यापन की सुविधा के लिए 2 डी ट्राई-व्यू और 3 डी मॉडल के बीच पारस्परिक अनुक्रमण के साथ एक जीयूआई विकसित किया जा सकता है। दूसरे, मनमाने ढंग से देखने के कोण से निरंतर 3 डी मॉडल भी आगे के विकास के लायक हैं। तीसरा, रोगी उपचार योजनाओं और प्रोग्नोस के दीर्घकालिक ट्रैकिंग और प्रबंधन को एकीकृत करना भी विकास के लिए एक महत्वपूर्ण दिशा है, क्योंकि यह फुफ्फुसीय नोड्यूल ्स के क्षेत्र में एक पूर्ण चिकित्सा इमेजिंग समाधान के लिए उपयोगी होगा।
विभिन्न प्रकार के फुफ्फुसीय नोड्यूल्स13 के लगातार चिकित्सा छवि अनुक्रम नमूनों की एक बड़ी संख्या का उत्पादन करने के लिए मशीन सीखने की आवश्यकता और एआई कंप्यूटिंग शक्ति के काफी पैमाने के कारण, 3 डी वॉल्यूम सुविधाओं14,15 के आधार पर फुफ्फुसीय नोड्यूल्स को पहचानना और स्वचालित रूप से वर्गीकृत करना अभी तक संभव नहीं है। यह एक शोध दिशा है जिस पर इस काम के बाद के चरणों में ध्यान केंद्रित किया जाना जारी रहेगा।
इस अध्ययन का महत्व फुफ्फुसीय नोड्यूल ्स के निदान और उपचार के लिए एक निरंतर 3 डी डिजिटल मॉडल प्रदान करने में निहित है। चिकित्सक और रोगी स्थिति को बेहतर ढंग से समझ सकते हैं और 3 डी स्पेस में विभिन्न दृष्टिकोणों से नोड्यूल्स की विशेषताओं को देखकर अधिक तर्कसंगत निर्णय ले सकते हैं, जो नोड्यूल्स के पूर्वानुमान मूल्यांकन के लिए महत्वपूर्ण संदर्भ मूल्य भी है। मौजूदा काम के आधार पर, फेफड़ों के नोड्यूल्स को अधिक बहुआयामी परिप्रेक्ष्य से वर्गीकृत करने के लिए गहरी मशीन लर्निंग शुरू की जा सकती है। नैदानिक उपचार के मामलों के उपयोग के माध्यम से, फुफ्फुसीय नोड्यूल्स के पूर्वानुमान मूल्यांकन के लिए तेजी से सटीक मात्रात्मक आधार प्रदान करने के लिए इस पद्धति का उपयोग करके दवाओं और अन्य उपचारों की प्रभावकारिता को ट्रैक किया जा सकता है।
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
फुफ्फुसीय नोड्यूल मॉडल पुनर्निर्माण के लिए सॉफ्टवेयर उपकरण, पल्मोनरीनोड्यूल, बीजिंग इंटेलिजेंट एन्ट्रॉपी साइंस एंड टेक्नोलॉजी कंपनी लिमिटेड से वाणिज्यिक सॉफ्टवेयर है। इस सॉफ्टवेयर टूल के बौद्धिक संपदा अधिकार कंपनी के हैं। लेखकों के पास खुलासा करने के लिए हितों का कोई टकराव नहीं है।
Acknowledgments
यह प्रकाशन पारंपरिक चीनी चिकित्सा के राष्ट्रीय प्रशासन (http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html) द्वारा आयोजित पांचवें राष्ट्रीय पारंपरिक चीनी चिकित्सा नैदानिक उत्कृष्ट प्रतिभा अनुसंधान कार्यक्रम द्वारा समर्थित था।
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 2017. Radiology. 284 (1), 228-243 (2017).
- 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).
- 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., Park, J. Y., Hwang, E. J., Lee, S. M., Park, C. M. 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., Scholten, E. T., van Ginneken, B., Jacobs, C. 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).
- Gruden, J. F., Ouanounou, S., Tigges, S., Norris, S. D., Klausner, T. S. 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., Hekimoglu, K., Coskun, M., Akcay, S. 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., Qureshi, R., Sattar, A., Baloch, M. 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).
- Armato, S. G., et al. The lung image database consortium (LIDC) and image database resource initiative (IDRI): A completed reference database of lung nodules on CT scans. Medical Physics. 38 (2), 915-931 (2011).
- Xie, Y., et al. Knowledge-based collaborative deep learning for benign-malignant lung nodule classification on chest CT. IEEE Transactions on Medical Imaging. 38 (4), 991-1004 (2018).
- 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).
