Summary
Целью данного исследования является разработка новой цифровой 3D-модели легочных узелков, которая служит коммуникационным мостом между врачами и пациентами, а также является передовым инструментом для предварительной диагностики и прогностической оценки.
Abstract
Трехмерная (3D) реконструкция легочных узелков с использованием медицинских изображений представила новые технические подходы к диагностике и лечению легочных узелков, и эти подходы постепенно признаются и принимаются врачами и пациентами. Тем не менее, построение относительно универсальной цифровой 3D-модели легочных узелков для диагностики и лечения является сложной задачей из-за различий в устройствах, времени съемки и типов узелков. Целью данного исследования является предложение новой цифровой 3D-модели легочных узелков, которая служит мостом между врачами и пациентами, а также является передовым инструментом для предварительной диагностики и прогностической оценки. Многие методы обнаружения и распознавания легочных узелков, основанные на искусственном интеллекте, используют методы глубокого обучения для определения рентгенологических особенностей легочных узелков, и эти методы могут обеспечить хорошую производительность области под кривой (AUC). Тем не менее, ложноположительные и ложноотрицательные результаты остаются проблемой для радиологов и клиницистов. Интерпретация и выражение признаков с точки зрения классификации и исследования легочных узлов по-прежнему неудовлетворительны. В данном исследовании предложен метод непрерывной 3D-реконструкции всего легкого в горизонтальном и корональном положениях путем объединения существующих технологий обработки медицинских изображений. По сравнению с другими применимыми методами, этот метод позволяет пользователям быстро обнаруживать легочные узелки и идентифицировать их основные свойства, а также наблюдать легочные узелки с разных точек зрения, тем самым обеспечивая более эффективный клинический инструмент для диагностики и лечения легочных узелков.
Introduction
Общая частота легочных узелков варьируется, но, по общему мнению, около 30% взрослых имеют по крайней мере один легочный узел, видимый на рентгенограммахгрудной клетки 1. Частота легочных узелков выше в определенных группах населения, таких как заядлые курильщики и люди с раком легких или другими заболеваниями легких в анамнезе. Важно отметить, что не все легочные узелки являются злокачественными, но для исключения злокачественного новообразования2 необходима тщательная оценка. Раннее выявление и диагностика рака легких имеют решающее значение для повышения выживаемости, и регулярный скрининг с помощью низкодозной компьютерной томографии (LDCT) рекомендуется для лиц с высоким риском. Многие методы обнаружения и распознавания легочных узелков, основанные на искусственном интеллекте 3,4,5,6,7, используют методы глубокого обучения для фиксации рентгенологических особенностей легочных узелков, и эти методы могут обеспечить хорошую площадь под кривой (AUC). Тем не менее, ложноположительные и ложноотрицательные результаты остаются проблемой для радиологов и клиницистов. Интерпретация и выражение признаков с точки зрения классификации и исследования легочных узлов по-прежнему неудовлетворительны. В то же время 3D-реконструкция легочных узелков на основе LDCT привлекает все большее внимание в качестве цифровой модели для различных типов узелков.
3D-реконструкция легочных узелков — это процесс, который генерирует 3D-представление небольшого нароста или комка в легком. Этот процесс обычно включает в себя применение методов анализа медицинских изображений, которые используют как медицинский опыт, так и подходы к анализу данных. Полученная цифровая 3D-модель предлагает более подробное и точное изображение узелка, что позволяет улучшить визуализацию и анализ его размера, формы и пространственных отношений с окружающими тканямилегких 8,9,10,11,12. Такая информация может помочь в диагностике и мониторинге легочных узелков, особенно с подозрением на рак. Облегчая более точный анализ, 3D-реконструкция легочных узелков может повысить точность диагностики и обоснование решений о лечении.
Проекция максимальной интенсивности (MIP) является популярным методом в области 3D-реконструкции легочных узелков и используется для создания 2D-проекции 3D-изображения 8,9,10,11,12 Это особенно полезно при визуализации объемных данных, извлеченных из файлов цифровых изображений и коммуникаций в медицине (DICOM), отсканированных с помощью КТ. Метод MIP работает путем выбора вокселей (наименьших единиц объемных данных 3D) с наибольшей интенсивностью вдоль направления просмотра и проецирования их на 2D-плоскость. В результате получается 2D-изображение, которое подчеркивает структуры с наибольшей интенсивностью и подавляет структуры с более низкой интенсивностью, что облегчает идентификацию и анализ соответствующих особенностей 9,10,11,12. Тем не менее, MIP не лишен ограничений. Например, процесс проецирования может привести к потере информации, и результирующее 2D-изображение может неточно представлять 3D-структуру базового объекта. Тем не менее, MIP остается ценным инструментом для медицинской визуализации и визуализации, и его использование продолжает развиваться с развитием технологий и вычислительных мощностей11.
В этом исследовании разработана последовательная модель MIP для визуализации легочных узелков, которая проста в использовании, удобна для радиологов, врачей и пациентов и позволяет идентифицировать и оценивать свойства легочных узелков. Основные преимущества этого подхода к обработке включают следующие аспекты: (1) устранение ложноположительных и ложноотрицательных результатов, возникающих в результате распознавания образов, что позволяет сосредоточиться на оказании помощи врачам в получении более полной информации о расположении, форме и 3D-размере легочных узелков, а также об их связи с окружающей сосудистой сетью; (2) предоставление врачам-специалистам возможности получить профессиональные знания о характеристиках легочных узелков даже без помощи радиологов; и (3) повышение эффективности коммуникации между врачами и пациентами и оценка прогноза.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
ПРИМЕЧАНИЕ: На этапе предварительной обработки данных исходные данные DICOM должны быть отсортированы и перехвачены, чтобы обеспечить совместимость с различными устройствами и согласованные результаты. Адекватная регулируемая емкость должна быть зарезервирована для интенсивной обработки, а непрерывная 3D-перспектива необходима для наблюдения. В этом протоколе приводится методическое описание исследовательского подхода с подробным описанием случая с 84-летней пациенткой с легочными узелками. Эта пациентка дала информированное согласие на постановку диагноза с помощью цифрового моделирования и разрешила использовать свои данные в научных исследовательских целях. Функция реконструкции модели является производной от программного инструмента PulmonaryNodule (подробнее см. Таблицу материалов ). Этическое разрешение было получено от Комитета по этике больницы Дунчжимэнь, входящей в состав Пекинского университета китайской медицины (DZMEC-KY-2019.90).
1. Сбор и подготовка данных
- Данные LDCT для выявления легочных узелков
ПРИМЕЧАНИЕ: Различия, наблюдаемые в значениях параметров, не зависят от используемого метода исследования.- Получить согласие пациента на получение данных DICOM. Перенесите все данные в назначенный рабочий каталог.
- Определите каталог данных с наибольшим количеством сканирующих слоев и наименьшей толщиной слоя, чтобы оптимизировать точность на основе информации о файле. Как правило, чем больше файлов сканирования DICOM у пациента, тем тоньше толщина слоя сканирования.
- Реализуя функцию Dicominfo и используя файлы DICOM в качестве параметров функции, получите параметры толщины среза и интервала между пикселями в среде MATLAB. Эти параметры необходимы для настройки скорости отображения громкости 3D. Для примера данных, использованных в этом исследовании, толщина среза составляла 1 мм, интервал между пикселями составлял 0,5 мм, и в общей сложности было отсканировано 200 слоев.
- Исправление сортировки отсканированных данных
ПРИМЕЧАНИЕ: Последовательность каждого изображения должна быть отсортирована для построения объема.- Считывание данных о местоположении каждого изображения с помощью функции Dicominfo. Получите местоположение, введя информацию. SliceLocation в рабочую область MATLAB.
- Реализуем функцию SliceLocation для хранения массива location для переменной и построим график (рисунок 1).
- С помощью кнопки « Подсказки данных» в правом верхнем углу графического интерфейса добавьте подсказку данных на график в точке, которая представляет максимальное значение местоположения нормальной последовательности (верхнее расположение изображения пациента; Рисунок 1).
- Отсортируйте все изображения и извлеките изображения, начиная с 1, до максимального значения местоположения, реализовав функцию VolumeResort.
- Храните тома действительных изображений с отсортированным индексом, который будет полезен для отслеживания важных узелков.
- Осмотр грудного объема
ПРИМЕЧАНИЕ: Наличие четко определенной структуры хранения данных делает последующую работу более удобной.- Реализуйте функцию VolumeInspect , чтобы отобразить три представления построенного тома. Перетащите перекрестие перекрестия вверх и вниз по корональной оси, чтобы быстро просмотреть все изображения на горизонтальной оси (рис. 2).
- Переместите перекрестие на горизонтальную ось, чтобы просмотреть все изображения на корональной оси. Перекрестие находится в тех же пространственных координатах в 3D-объеме; Следовательно, перемещение его по одной оси изменит расположение изображений на двух других осях.
- Для функции VolumeInspect используйте окно интенсивности по умолчанию для легких в графическом интерфейсе. Отрегулируйте фактическую производительность фильтра, удерживая левую кнопку мыши и перетаскивая ось.
2. Цифровая модель для горизонтальной 3D-реконструкции
ПРИМЕЧАНИЕ: Подпроцесс 3Dlung_Horizon выполняет тщательное исследование легочных узелков с горизонтальной точки зрения.
- Реализуйте функцию Build_3Dlung_Horizon на рабочем месте MATLAB, чтобы реконструировать цифровую 3D-модель легочных узелков под окном фильтра легкого, а затем откройте графический интерфейс, чтобы проверить горизонтальную 3D-модель (рис. 3).
- В отличие от шага 1.3.2, графический интерфейс на рисунке 3 представляет собой непрерывную трехмерную структуру легких, в которой четко видны различные типы легочных узелков и их относительные пространственные отношения с легочной тканью. При перетаскивании полосы прокрутки в графическом интерфейсе с помощью мыши можно наблюдать непрерывную 3D-структуру легких.
- В правом верхнем углу графического интерфейса на рисунке 3 расположены значки для увеличения, уменьшения, возврата к глобальному виду и обозначения координат выбранного пикселя. Используйте функцию масштабирования, чтобы наблюдать за локальными особенностями поражений и выводить соответствующие 3D-структурные выходные изображения. Используйте кнопку «Отметить пиксельные координаты», чтобы вычислить расстояние между двумя точками, чтобы измерить размер узелков.
- Цветовой шкалой по умолчанию является цветовая карта струй, что означает, что от синего до красного представляют значения от низкого до высокого. Щелкните правой кнопкой мыши «Цветовая полоса » во всплывающем меню, чтобы выбрать общую серую цветовую карту и сбросить весь графический интерфейс.
- Если окно фильтра не устраивает, используйте левую кнопку мыши, чтобы перетащить вверх и вниз по середине фигуры, чтобы отрегулировать уровень окна. Перетащите влево и вправо, чтобы отрегулировать ширину окна, и соответствующий точный диапазон фильтрации будет отображаться на цветовой панели.
3. Построение цифровой 3D-модели для любого конкретного конкреция
ПРИМЕЧАНИЕ: Номер среза является параметром функции 3D_Nodules, которая реконструирует цифровую 3D-модель, которую можно рассматривать со всех сторон.
- Чтобы определить номер фрагмента, как показано на рисунке 3, проверьте в правом верхнем углу полосы прокрутки; на рисунке 3 номер среза равен 70. Используйте функцию Build_3D_Nodules с двумя параметрами, включая номер среза и объем грудной клетки, созданные на шаге 1.3, чтобы реконструировать цифровую 3D-модель для конкретных узелков. Это пользовательская модель, так как номер входного среза является переменным и зависит от пользователя.
- Если функция Build_3D_Nodules выполнена правильно, пользователь может проверить легочный узел, расположенный в определенном номере среза, с разных точек зрения во всплывающем графическом интерфейсе (рис. 4). Для этого выполните следующие действия:
- Нажмите и удерживайте левую кнопку мыши, как в центре рисунка 4, и перетащите ее в любом направлении, чтобы изменить перспективу легочных узелков. Следует отметить, что угол наблюдения должен учитывать анатомические соображения и стараться показать как медицинские характеристики легочных узелков, так и взаимосвязь между узелками и окружающими тканями.
- Используйте значки масштабирования и перемещения в правом верхнем углу, как показано на рисунке 3. Кроме того, перемещая среднюю кнопку мыши, пользователь может непрерывно увеличивать или уменьшать масштаб модели.
- Графический интерфейс на рисунке 4 показывает индикацию координат модели в левом нижнем углу, где положительное направление по оси Z - это направление сканирования в горизонтальном положении. Реализуйте инструмент для создания снимков экрана, предоставляемый операционной системой, чтобы сохранить необходимую 3D-проекцию узелков.
4. Цифровая модель корональной 3D-реконструкции
ПРИМЕЧАНИЕ: Подпроцесс Build_3Dlung_Coronal выполняется для оценки легочных узелков с альтернативной корональной точки зрения, тем самым помогая клиницистам и пациентам в развитии более точного и всестороннего понимания местоположения и атрибутов узелков.
- Реализуйте функцию Build_3Dlung_Coronal на рабочем месте MATLAB, чтобы реконструировать цифровую 3D-модель легочных узелков под окном фильтра легкого, а затем откройте графический интерфейс, подготовленный функцией, чтобы проверить корональную 3D-модель (рис. 5).
- Графический интерфейс на рисунке 5 показывает непрерывную корональную 3D-структуру легких, в которой четко видны различные типы легочных узелков и их относительные пространственные отношения с легочной тканью. Перетащите полосу прокрутки в графическом интерфейсе с помощью мыши, чтобы наблюдать непрерывную корональную 3D-структуру легких.
- В правом верхнем углу графического интерфейса, как показано на рисунке 5, также имеются значки для увеличения, уменьшения, возврата к глобальному виду и обозначения координат выбранного пикселя. Используйте эти функции для наблюдения за локальными особенностями поражений и создания соответствующих 3D-структурных изображений. Отметьте координаты пикселей, чтобы вычислить расстояние между двумя точками, которое часто используется для измерения размера узелков.
- Цветовая шкала по умолчанию — это цветовая карта струй, в которой цвета от синего до красного представляют значения от низкого до высокого. Щелкните правой кнопкой мыши цветовую полосу во всплывающем меню, чтобы выбрать общую серую цветовую карту и сбросить весь графический интерфейс.
- Если окно фильтра не подходит, используйте левую кнопку мыши, чтобы перетащить вверх и вниз по середине фигуры, чтобы отрегулировать уровень окна; Перетащите влево и вправо, чтобы отрегулировать ширину окна, и соответствующий точный диапазон фильтрации будет отображаться на цветовой панели.
5. Вывод 3D-видео для доминантных легочных узелков
ПРИМЕЧАНИЕ: Преобразование оптимальной цифровой 3D-модели легочного узла в динамическое 3D-видео позволяет врачам и пациентам лучше понять состояние и сделать точные суждения, что особенно важно для разработки эффективных планов лечения.
- В рабочем пространстве подготовьте необходимую цифровую 3D-модель и предварительно визуализируйте относительные пространственные отношения между легочными узелками и легочной тканью, которые будут отображаться под разными углами (рис. 3 и рис. 4).
- В этом исследовании Adobe Captivate 2019 использовался для записи всех процессов взаимодействия с графическим интерфейсом. Для начала откройте программное обеспечение и создайте новый проект записи экрана. Выключите камеру, и появится красное поле диапазона записи экрана для записи только операции с экраном. В этом исследовании графический интерфейс версии 5.1 был включен в коробку. Нажмите кнопку записи, чтобы управлять графическим интерфейсом и создать цифровой видеофайл записи экрана.
- После записи динамического отображения легочных узелков вернитесь в рабочую среду программного обеспечения, щелкнув значок на панели задач.
- Используя функцию публикации видео, сохраните записанное динамическое видео цифровой 3D-модели легочных узелков. Нажмите « Файл» > «Распространить» и настройте путь к хранилищу файлов. Назовите файл и сохраните нужный цифровой видеофайл.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Чтобы сделать метод применимым к более широкому кругу устройств, порядок наложения каждого сканирования должен быть реорганизован на основе внутренних координат файловой системы DICOM (рис. 1) для создания правильного 3D-тома (рис. 2). Основываясь на точных данных об объеме, мы использовали алгоритмическую непрерывную реконструкцию горизонтальных и корональных MIP легких пациента (рис. 4 и рис. 5) для точной диагностики и лечения легочных узелков пациента.
Данные DICOM с разных устройств обычно не сортируются в правильном порядке от низкого к высокому вдоль анатомического положения пациента. Однако для реконструкции модели каждое изображение должно быть отсортировано в прямом порядке от низкого к высокому. На рисунке 1 показано не только типичное распределение позиций последовательности DICOM, но и взаимодействие с графическим интерфейсом, необходимое для определения границ положения последовательности изображений. Этот шаг является важной частью подготовки данных в процессе реконструкции модели.
На рисунке 2 по существу представлены три вида 3D-объема всего легкого в осевой, корональной и сагиттальной плоскостях. Если предыдущая подготовка данных и расчет объема верны, можно просмотреть изображения легких на каждом снимке, как показано на рисунке 2. Этот графический интерфейс также позволяет фильтровать на уровне окна, перетаскивая мышь для просмотра изображений на разных уровнях окна. Базовый объем, как показано на рисунке 2, служит базой данных для реконструкции 3D-модели.
На рисунке 3 показаны результаты непрерывной 3D-реконструкции в осевом виде. В этом графическом интерфейсе врач может непрерывно наблюдать за структурой легких пациента вдоль осевого обзора, быстро обнаруживать легочные узелки и наблюдать за взаимосвязью между узелками и окружающей легочной тканью. Как показано на рисунке 3, также могут быть выполнены такие операции, как локальное увеличение видов конкреций, восстановление уровня окна и маркировка положения пикселей. На цветовой шкале отображаются цвета, соответствующие различным значениям интенсивности изображения.
Графический интерфейс, показанный на рисунке 4 , предоставляет врачам возможность наблюдать за интересующими легочными узелками с любой точки зрения.
На рисунке 5 показаны результаты непрерывной 3D-реконструкции в виде короны. В этом графическом интерфейсе врач может непрерывно наблюдать за структурой легких пациента вдоль коронального вида, быстро обнаруживать легочные узелки и наблюдать за взаимосвязью между узелками и окружающей легочной тканью. Как показано на рисунке 5, также могут выполняться такие операции, как локальное увеличение видов конкреций, восстановление уровня окна и маркировка положения пикселей. На цветовой шкале отображаются цвета, соответствующие различным значениям интенсивности изображения.
Рисунок 1: График расположения изображения в соответствии с последовательностью имен файлов. На рисунке показано типичное распределение позиций последовательности DICOM и показано взаимодействие графического интерфейса, необходимое для определения границ положений последовательности изображений. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 2: Графический интерфейс трех видов легочного 3D-объема. На рисунке представлены три вида 3D-объема всего легкого в осевой, корональной и сагиттальной плоскостях. Если предыдущая подготовка данных и расчет объема верны, можно просматривать изображения легких в каждом представлении. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 3: Графический интерфейс для проверки легочных узелков с горизонтального обзора. На рисунке показаны результаты непрерывной 3D-реконструкции в осевом виде. Врач может непрерывно наблюдать за структурой легких пациента вдоль осевого обзора, находить легочные узелки и наблюдать за взаимосвязью между узелками и окружающей легочной тканью. Цвета на цветовой шкале соответствуют различным значениям интенсивности изображения. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 4: Проверка цифровой 3D-модели конкретного легочного узла. Графический интерфейс позволяет пользователю наблюдать за интересующими легочными узелками с любой точки зрения. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 5: Графический интерфейс для проверки легочных узелков с точки зрения короны. На рисунке показаны результаты непрерывной 3D-реконструкции в виде короны. В этом графическом интерфейсе врач может непрерывно наблюдать за структурой легких пациента вдоль коронального вида, быстро обнаруживать легочные узелки и наблюдать за взаимосвязью между узелками и окружающей легочной тканью. Цвета на цветовой шкале соответствуют различным значениям интенсивности изображения. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Различные устройства LDCT имеют существенные различия в последовательностях выводимых изображений DICOM, особенно с точки зрения управления файловой системой. Поэтому для восстановления ключевой цифровой 3D-модели легочного узла на более поздних стадиях протокола особенно важен этап предварительной обработки данных. На этапе подготовки и предварительной обработки данных (этап 1.2.2) координата оси z последовательности может быть правильно отсортирована с помощью последовательности, показанной на рисунке 1, которая также может быть использована для правильного расположения правильного порядка изображений, необходимого для моделирования, и создания правильного 3D-объема для последующей работы по моделированию. 3D-реконструкции (шаг 2.1 и шаг 4.1) в горизонтальной и корональной осях предоставляют врачам и пациентам двойную проверку легочных узелков с двух наиболее часто используемых точек зрения. Обнаружение узелков и представление их пространственных характеристик и взаимосвязей с легочной тканью, особенно с легочными артериями, а также использование программных средств имеют решающее значение для диагностики заболевания и составления плана лечения. С точки зрения общения между врачом и пациентом, хорошее динамическое 3D-видео (шаг 5.2) является отличным инструментом коммуникации, который помогает пациентам понять свое состояние и прогноз.
При обсуждении клинических и исследовательских сценариев этого исследования важным вопросом, который необходимо решить, является то, как обеспечить четкое и всестороннее понимание легочных узелков, находящихся на лечении, как для врачей-специалистов, так и для пациентов. Как правило, пациенты приносят своим врачам результаты обследования с разных устройств и исторических периодов, и при отсутствии поддержки со стороны радиолога врачи должны делать точные суждения о размере, расположении и характеристиках легочных узелков пациента, чтобы предоставить соответствующие планы лечения. Пациенты, с другой стороны, должны эффективно понимать и отслеживать состояние развития и эффекты лечения своих собственных легочных узелков. Таким образом, независимо от того, требует ли случай понимания данных КТ с разных устройств и времени, преодоления разрыва между радиологами и врачами-специалистами или содействия лучшему общению между врачом и пациентом, это исследование предлагает идеальное решение и технические средства для решения этих сценариев.
Несмотря на то, что современные инструменты показали выдающуюся производительность в 3D-моделировании и визуализации легочных узелков, все еще есть возможности для эволюции и улучшения. Во-первых, можно было бы разработать графический интерфейс с взаимной индексацией между 2D-три-видами и 3D-моделями, чтобы облегчить перекрестную проверку двух перспектив. Во-вторых, непрерывные 3D-модели с произвольными углами обзора также заслуживают дальнейшего развития. В-третьих, интеграция долгосрочного отслеживания и управления планами и прогнозами лечения пациентов также является важным направлением эволюции, поскольку это было бы полезно для комплексного решения медицинской визуализации в области легочных узелков.
Из-за требования машинного обучения для получения большого количества последовательных образцов последовательности медицинских изображений различных типов легочных узлов13 и значительного масштаба вычислительной мощности ИИ пока невозможно распознавать и автоматически классифицировать легочные узелки на основе 3D-особенностейобъема 14,15. Это направление исследований, на котором будет по-прежнему сосредоточено внимание на более поздних этапах этой работы.
Значение этого исследования заключается в предоставлении непрерывной цифровой 3D-модели для диагностики и лечения легочных узелков. Врачи и пациенты могут лучше понять состояние и сделать более рациональные суждения, наблюдая за особенностями узелков с разных точек зрения в 3D-пространстве, что также имеет важное справочное значение для оценки прогноза узелков. На основе существующей работы можно было бы внедрить глубокое машинное обучение для классификации узелков в легких с более многомерной точки зрения. Используя клинические случаи лечения, эффективность лекарств и других методов лечения может быть отслежена с помощью этого метода, чтобы обеспечить все более точную количественную основу для оценки прогноза легочных узелков.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Программный инструмент для реконструкции модели легочного узла, PulmonaryNodule, является коммерческим программным обеспечением от Beijing Intelligent Entropy Science & Technology Co Ltd. Права интеллектуальной собственности на этот программный инструмент принадлежат компании. У авторов нет конфликтов интересов, которые необходимо раскрывать.
Acknowledgments
Эта публикация была поддержана Пятой национальной программой клинических исследований талантов традиционной китайской медицины, организованной Национальным управлением традиционной китайской медицины (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 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).
