نموذج رقمي 3D لتشخيص وعلاج العقيدات الرئوية

Jingwen Xue; Fangliang Xing; Yang Liu; Tengxiao Liang

doi:10.3791/65423

A subscription to JoVE is required to view this content. Sign in or start your free trial.

Summary

الهدف من هذه الدراسة هو تطوير نموذج رقمي 3D جديد للعقيدات الرئوية التي تعمل كجسر اتصال بين الأطباء والمرضى وهي أيضا أداة متطورة للتشخيص المسبق والتقييم النذير.

Abstract

أدخلت إعادة بناء العقيدات الرئوية ثلاثية الأبعاد (3D) باستخدام الصور الطبية مناهج تقنية جديدة لتشخيص وعلاج العقيدات الرئوية ، ويتم الاعتراف بهذه الأساليب تدريجيا واعتمادها من قبل الأطباء والمرضى. ومع ذلك ، فإن بناء نموذج رقمي 3D عالمي نسبيا للعقيدات الرئوية للتشخيص والعلاج يمثل تحديا بسبب اختلافات الجهاز وأوقات التصوير وأنواع العقيدات. الهدف من هذه الدراسة هو اقتراح نموذج رقمي 3D جديد للعقيدات الرئوية التي تعمل كجسر بين الأطباء والمرضى وهي أيضا أداة متطورة للتشخيص المسبق والتقييم النذير. تستخدم العديد من طرق الكشف عن العقيدات الرئوية التي تعتمد على الذكاء الاصطناعي تقنيات التعلم العميق لالتقاط السمات الإشعاعية للعقيدات الرئوية ، ويمكن لهذه الطرق تحقيق أداء جيد تحت المنحنى (AUC). ومع ذلك ، لا تزال الإيجابيات الكاذبة والسلبيات الكاذبة تمثل تحديا لأخصائيي الأشعة والأطباء. ولا يزال تفسير السمات والتعبير عنها من منظور تصنيف العقيدات الرئوية وفحصها غير مرضيين. في هذه الدراسة ، تم اقتراح طريقة لإعادة بناء 3D المستمر للرئة بأكملها في المواقف الأفقية والإكليلية من خلال الجمع بين تقنيات معالجة الصور الطبية الحالية. وبالمقارنة مع الطرق الأخرى القابلة للتطبيق، تسمح هذه الطريقة للمستخدمين بتحديد موقع العقيدات الرئوية بسرعة وتحديد خصائصها الأساسية مع مراقبة العقيدات الرئوية من وجهات نظر متعددة، وبالتالي توفير أداة سريرية أكثر فعالية لتشخيص العقيدات الرئوية وعلاجها.

Introduction

إن معدل الإصابة العالمي بالعقيدات الرئوية متغير ، ولكن يقدر عموما أن حوالي 30٪ من البالغين لديهم عقيدة رئوية واحدة على الأقل مرئية في الصور الشعاعية^{للصدر 1}. معدل حدوث العقيدات الرئوية أعلى في مجموعات سكانية معينة ، مثل المدخنين الشرهين وأولئك الذين لديهم تاريخ من سرطان الرئة أو أمراض الرئة الأخرى. من المهم ملاحظة أنه ليست كل العقيدات الرئوية خبيثة ، ولكن من الضروري إجراء تقييم شامل لاستبعاد الورم الخبيث². يعد الكشف المبكر عن سرطان الرئة وتشخيصه أمرا بالغ الأهمية لتحسين معدلات البقاء على قيد الحياة ، ويوصى بإجراء فحص منتظم باستخدام التصوير المقطعي المحوسب بجرعة منخفضة (LDCT) للأفراد المعرضين لمخاطر عالية. تستخدم العديد من طرق الكشف عن العقيدات الرئوية التي تعتمد على الذكاء الاصطناعي^{والتعرف عليها 3}،⁴،⁵،⁶،⁷ تقنيات التعلم العميق لالتقاط السمات الإشعاعية للعقيدات الرئوية ^، ويمكن لهذه الطرق تحقيق منطقة جيدة تحت أداء المنحنى (AUC). ومع ذلك ، لا تزال الإيجابيات الكاذبة والسلبيات الكاذبة تمثل تحديا لأخصائيي الأشعة والأطباء. ولا يزال تفسير السمات والتعبير عنها من منظور تصنيف العقيدات الرئوية وفحصها غير مرضيين. في الوقت نفسه ، اكتسبت إعادة بناء 3D للعقيدات الرئوية على أساس LDCT اهتماما متزايدا كنموذج رقمي لأنواع مختلفة من العقيدات.

إعادة بناء 3D من العقيدات الرئوية هي عملية تولد تمثيل 3D لنمو صغير أو كتلة في الرئة. تتضمن هذه العملية عادة تطبيق تقنيات تحليل الصور الطبية التي تستفيد من كل من الخبرة الطبية ونهج ذكاء البيانات. يقدم النموذج الرقمي ثلاثي الأبعاد الناتج تصويرا أكثر تفصيلا ودقة للعقيدات ، مما يتيح تحسين التصور والتحليل لحجمها وشكلها وعلاقتها المكانية بأنسجة الرئة المحيطة⁸،⁹^،^10،11^،¹². يمكن أن تساعد هذه المعلومات في تشخيص ورصد العقيدات الرئوية ، وخاصة تلك التي يشتبه في أنها سرطانية. من خلال تسهيل تحليل أكثر دقة ، فإن إعادة بناء 3D للعقيدات الرئوية لديها القدرة على تعزيز دقة التشخيص وإبلاغ قرارات العلاج.

الإسقاط الأقصى للكثافة (MIP) هو تقنية شائعة في مجال إعادة بناء 3D للعقيدات الرئوية ويستخدم لإنشاء إسقاط 2D لصورة ثلاثية الأبعاد⁸،⁹^،^10،11^،¹² وهو مفيد بشكل خاص في تصور البيانات الحجمية المستخرجة من ملفات التصوير الرقمي والاتصالات في الطب (DICOM) الممسوحة ضوئيا بواسطة التصوير المقطعي المحوسب. تعمل تقنية MIP عن طريق اختيار voxels (أصغر وحدات بيانات حجم 3D) بأعلى كثافة على طول اتجاه العرض وإسقاطها على مستوى 2D. ينتج عن هذا صورة ثنائية الأبعاد تؤكد على الهياكل ذات الكثافة الأعلى وتقمع تلك ذات الكثافة المنخفضة ، مما يسهل تحديد وتحليل الميزات ذات الصلة⁹،¹⁰،¹¹^،¹². ومع ذلك ، MIP لا يخلو من القيود. على سبيل المثال ، يمكن أن تؤدي عملية الإسقاط إلى فقدان المعلومات ، وقد لا تمثل صورة 2D الناتجة بدقة بنية 3D للكائن الأساسي. ومع ذلك ، لا يزال MIP أداة قيمة للتصوير الطبي والتصور ، ويستمر استخدامه في التطور مع التقدم في التكنولوجيا وقوة الحوسبة¹¹.

في هذه الدراسة ، تم تطوير نموذج MIP متتالي لتصور العقيدات الرئوية وهو سهل الاستخدام وسهل الاستخدام لأخصائيي الأشعة والأطباء والمرضى ، ويسمح بتحديد وتقدير خصائص العقيدات الرئوية. تشمل المزايا الأساسية لنهج المعالجة هذا الجوانب التالية: (1) القضاء على الإيجابيات الكاذبة والسلبيات الكاذبة الناشئة عن التعرف على الأنماط ، مما يتيح التركيز على مساعدة الأطباء في الحصول على معلومات أكثر شمولا عن موقع وشكل وحجم 3D للعقيدات الرئوية ، وكذلك علاقتها بالأوعية الدموية المحيطة ؛ (2) تمكين الأطباء المتخصصين من اكتساب المعرفة المهنية بخصائص العقيدات الرئوية حتى بدون مساعدة أخصائيي الأشعة؛ و (3) تعزيز كفاءة التواصل بين الأطباء والمرضى وتقييم التشخيص.

Protocol

ملاحظة: أثناء مرحلة المعالجة المسبقة للبيانات ، يجب فرز بيانات DICOM الأصلية واعتراضها لضمان التوافق مع الأجهزة المختلفة والنتائج المتسقة. يجب حجز قدرة كافية قابلة للتعديل لمعالجة الكثافة ، ومنظور 3D المستمر ضروري للمراقبة. في هذا البروتوكول ، يتم تقديم وصف منهجي لنهج البحث ، مع تفصيل حالة تتعلق بمريضة تبلغ من العمر 84 عاما تعاني من عقيدات رئوية. قدمت هذه المريضة موافقة مستنيرة على تشخيصها عبر النمذجة الرقمية وأذنت باستخدام بياناتها لأغراض البحث العلمي. وتستمد وظيفة إعادة بناء النموذج من أداة برامجيات PulmonaryNodule (انظر جدول المواد للحصول على التفاصيل). تم الحصول على تصريح أخلاقي من لجنة الأخلاقيات في مستشفى Dongzhimen ، التابعة لجامعة بكين للطب الصيني (DZMEC-KY-2019.90).

1. جمع البيانات وإعدادها

بيانات LDCT للكشف عن العقيدات الرئوية
ملاحظة: لا تعتمد الاختلافات التي تظهر في قيم المعلمات على طريقة البحث المستخدمة.
1. الحصول على موافقة المريض للحصول على بيانات DICOM. نقل جميع البيانات إلى دليل العمل المعين.
2. حدد دليل البيانات الذي يحتوي على أكبر عدد من طبقات المسح الضوئي وسمك الطبقة الأقل سمكا لتحسين الدقة بناء على معلومات الملف. بشكل عام ، كلما زاد عدد ملفات فحص DICOM لدى المريض ، كان سمك طبقة المسح أرق.
3. من خلال تنفيذ الدالة Dicominfo واستخدام ملفات DICOM كمعلمات دالة ، احصل على معلمات سمك الشريحة وتباعد البكسل في بيئة MATLAB. هذه المعلمات ضرورية لضبط معدل عرض حجم 3D. بالنسبة للبيانات النموذجية المستخدمة في هذه الدراسة ، كان سمك الشريحة 1 مم ، وكان تباعد البكسل 0.5 مم ، وتم مسح ما مجموعه 200 طبقة.
تصحيح فرز البيانات الممسوحة ضوئيا
ملاحظة: يجب فرز تسلسل كل صورة لبناء وحدة التخزين.
1. اقرأ بيانات الموقع لكل صورة باستخدام وظيفة Dicominfo. الحصول على الموقع عن طريق إدخال المعلومات. تقسيم الموقع إلى مساحة عمل MATLAB.
2. قم بتنفيذ وظيفة SliceLocation لتخزين صفيف الموقع لمتغير ، وقم بعمل مخطط له (الشكل 1).
3. باستخدام زر تلميحات البيانات في أعلى يمين واجهة المستخدم الرسومية ، أضف تلميح بيانات إلى الرسم على النقطة التي تمثل الحد الأقصى لقيمة الموقع للتسلسل الطبيعي (الموقع العلوي لتصوير المريض ؛ الشكل 1).
4. فرز جميع الصور ، واستخراج الصور بدءا من 1 إلى الحد الأقصى لقيمة الموقع من خلال تنفيذ وظيفة VolumeResort.
5. قم بتخزين أحجام الصور الصالحة باستخدام الفهرس الذي تم فرزه ، والذي سيكون مفيدا لتتبع العقيدات المهمة.
فحص حجم الصدر
ملاحظة: وجود هيكل تخزين بيانات محدد جيدا يجعل أعمال المتابعة أكثر ملاءمة.
1. قم بتنفيذ الدالة VolumeInspect لإظهار ثلاث طرق عرض لوحدة التخزين التي تم إنشاؤها. اسحب تقاطع الخطوط المتقاطعة لأعلى ولأسفل في المحور الإكليلي لتصفح جميع الصور في المحور الأفقي بسرعة (الشكل 2).
2. حرك التقاطع إلى المحور الأفقي لتصفح كل الصور في المحور الإكليلي. التقاطع في نفس الإحداثيات المكانية في حجم 3D ؛ لذلك ، سيؤدي تحريكه على محور واحد إلى تغيير موقع الصور في المحورين الآخرين.
3. بالنسبة لوظيفة VolumeInspect ، استخدم نافذة الكثافة الافتراضية للرئة في واجهة المستخدم الرسومية. اضبط أداء المرشح الفعلي عن طريق الضغط على زر الماوس الأيسر والسحب في المحور.

2. نموذج رقمي لإعادة الإعمار الأفقي 3D

ملاحظة: تقوم العملية الفرعية 3Dlung_Horizon بإجراء فحص شامل للعقيدات الرئوية من منظور أفقي.

تنفيذ وظيفة Build_3Dlung_Horizon في مكان عمل MATLAB لإعادة بناء النموذج الرقمي ثلاثي الأبعاد للعقيدات الرئوية تحت نافذة مرشح الرئة ، ثم افتح واجهة المستخدم الرسومية للتحقق من النموذج ثلاثي الأبعاد الأفقي (الشكل 3).
على عكس الخطوة 1.3.2 ، فإن واجهة المستخدم الرسومية في الشكل 3 هي بنية رئوية ثلاثية الأبعاد مستمرة يمكن فيها رؤية أنواع مختلفة من العقيدات الرئوية وعلاقاتها المكانية النسبية مع أنسجة الرئة بوضوح. عند سحب شريط التمرير على واجهة المستخدم الرسومية باستخدام الماوس ، يمكن ملاحظة بنية الرئة 3D المستمرة.
توفر الزاوية العلوية اليمنى من واجهة المستخدم الرسومية في الشكل 3 أيقونات للتكبير والتصغير والعودة إلى العرض العام ووضع علامة على إحداثيات البكسل المحدد. استخدم وظيفة التكبير / التصغير لمراقبة الميزات المحلية للآفات وإخراج صور الإخراج الهيكلية 3D ذات الصلة. استخدم زر وضع علامة على إحداثيات البكسل لحساب المسافة بين نقطتين لقياس حجم العقيدات.
شريط الألوان الافتراضي هو خريطة الألوان النفاثة ، مما يعني أن اللون الأزرق إلى الأحمر يمثل القيم من الأقل إلى الأعلى. انقر بزر الماوس الأيمن فوق Color Bar في القائمة المنبثقة لتحديد خريطة الألوان الرمادية الشائعة وإعادة تعيين واجهة المستخدم الرسومية بأكملها.
إذا لم تكن نافذة التصفية راضية ، فاستخدم زر الماوس الأيسر للسحب لأعلى ولأسفل في منتصف الشكل لضبط مستوى النافذة. اسحب إلى اليسار واليمين لضبط عرض النافذة ، وسيتم عرض نطاق التصفية الدقيق المقابل على شريط الألوان.

3. بناء نموذج رقمي ثلاثي الأبعاد لأي عقيدة محددة

ملاحظة: رقم الشريحة هو معلمة من 3D_Nodules الدالة ، والتي تعيد بناء نموذج رقمي 3D يمكن عرضه من كل منظور.

لتحديد رقم الشريحة ، كما في الشكل 3 ، تحقق في أعلى يمين شريط التمرير ؛ في الشكل 3 ، رقم الشريحة هو 70. استخدم الدالة Build_3D_Nodules مع معلمتين ، بما في ذلك رقم الشريحة والحجم الصدري الذي تم إنشاؤه في الخطوة 1.3 ، لإعادة بناء نموذج رقمي ثلاثي الأبعاد لعقيدات محددة. هذا نموذج معرف من قبل المستخدم ، حيث أن رقم شريحة الإدخال متغير ويعتمد على المستخدم.
إذا تم تنفيذ وظيفة Build_3D_Nodules بشكل صحيح ، يمكن للمستخدم التحقق من العقيدة الرئوية الموجودة في رقم شريحة معين من وجهات نظر مختلفة في واجهة المستخدم الرسومية المنبثقة (الشكل 4). للقيام بذلك ، قم بتنفيذ الإجراءات التالية:
1. اضغط مع الاستمرار على زر الماوس الأيسر، كما في وسط الشكل 4، واسحبه في أي اتجاه لتغيير منظور العقيدات الرئوية. تجدر الإشارة إلى أن زاوية المراقبة يجب أن تأخذ في الاعتبار الاعتبارات التشريحية ومحاولة إظهار كل من الخصائص الطبية للعقيدات الرئوية والعلاقة بين العقيدات والأنسجة المحيطة.
استخدم أيقونات التكبير/التصغير والنقل في الزاوية العلوية اليمنى، كما هو موضح في الشكل 3. بالإضافة إلى ذلك ، من خلال تدوير زر الماوس الأوسط ، يمكن للمستخدم تكبير أو تصغير عرض النموذج باستمرار.
توضح واجهة المستخدم الرسومية في الشكل 4 مؤشر الإحداثيات للنموذج في الزاوية اليسرى السفلية ، حيث يكون الاتجاه الإيجابي على المحور z هو اتجاه المسح في الوضع الأفقي. قم بتنفيذ أداة لقطة الشاشة التي يوفرها نظام التشغيل لحفظ إسقاط 3D المطلوب للعقيدات.

4. نموذج رقمي لإعادة الإعمار التاجي 3D

ملاحظة: يتم تنفيذ العملية الفرعية Build_3Dlung_Coronal لتقييم العقيدات الرئوية من منظور إكليلي بديل ، وبالتالي مساعدة الأطباء والمرضى في تطوير فهم أكثر دقة وشمولية لموقع وخصائص العقيدات.

تنفيذ وظيفة Build_3Dlung_Coronal في مكان عمل MATLAB لإعادة بناء النموذج الرقمي ثلاثي الأبعاد للعقيدات الرئوية تحت نافذة مرشح الرئة ، ثم افتح واجهة المستخدم الرسومية ، كما أعدتها الوظيفة ، للتحقق من نموذج 3D الإكليلي (الشكل 5).
تظهر واجهة المستخدم الرسومية في الشكل 5 بنية رئوية إكليلية 3D مستمرة يمكن فيها رؤية أنواع مختلفة من العقيدات الرئوية وعلاقاتها المكانية النسبية مع أنسجة الرئة بوضوح. اسحب شريط التمرير على واجهة المستخدم الرسومية باستخدام الماوس لمراقبة بنية الرئة 3D الإكليلية المستمرة.
توفر الزاوية العلوية اليمنى من واجهة المستخدم الرسومية ، كما هو موضح في الشكل 5 ، أيقونات للتكبير والتصغير والعودة إلى العرض العام ووضع علامة على إحداثيات البكسل المحدد. استخدام هذه الوظائف لمراقبة السمات المحلية للآفات وتوليد الصور الهيكلية 3D ذات الصلة. ضع علامة على إحداثيات البكسل لحساب المسافة بين نقطتين ، والتي تستخدم غالبا لقياس حجم العقيدات.
شريط الألوان الافتراضي هو خريطة الألوان النفاثة ، حيث تمثل الألوان من الأزرق إلى الأحمر قيما من الأقل إلى الأعلى. انقر بزر الماوس الأيمن فوق شريط الألوان في القائمة المنبثقة لتحديد خريطة الألوان الرمادية الشائعة وإعادة تعيين واجهة المستخدم الرسومية بأكملها.
إذا كانت نافذة التصفية غير مناسبة ، فاستخدم زر الماوس الأيسر للسحب لأعلى ولأسفل في منتصف الشكل لضبط مستوى النافذة ؛ اسحب إلى اليسار واليمين لضبط عرض النافذة ، وسيتم عرض نطاق التصفية الدقيق المقابل على شريط الألوان.

5. إخراج فيديو 3D للعقيدات الرئوية السائدة

ملاحظة: إن تحويل النموذج الرقمي ثلاثي الأبعاد الأمثل للعقيدة الرئوية إلى فيديو ديناميكي ثلاثي الأبعاد يمكن الأطباء والمرضى من فهم الحالة بشكل أفضل وإصدار أحكام دقيقة ، وهو أمر بالغ الأهمية بشكل خاص لصياغة خطط علاج فعالة.

في مساحة العمل ، قم بإعداد النموذج الرقمي ثلاثي الأبعاد المطلوب ، وقم بتصور العلاقات المكانية النسبية بين العقيدات الرئوية وأنسجة الرئة ليتم عرضها من زوايا مختلفة (الشكل 3 والشكل 4).
في هذه الدراسة ، تم استخدام Adobe Captivate 2019 لتسجيل جميع عمليات تفاعل واجهة المستخدم الرسومية. للبدء ، افتح البرنامج ، وأنشئ مشروع تسجيل شاشة جديد. قم بإيقاف تشغيل الكاميرا ، وسيظهر مربع نطاق تسجيل الشاشة الحمراء لتسجيل تشغيل الشاشة فقط. في هذه الدراسة ، تم تضمين الإصدار 5.1 GUI في المربع. انقر فوق زر التسجيل لتشغيل واجهة المستخدم الرسومية ، وإنشاء ملف فيديو رقمي لتسجيل الشاشة.
بعد تسجيل العرض الديناميكي للعقيدات الرئوية ، ارجع إلى بيئة تشغيل البرنامج بالنقر فوق الرمز الموجود في شريط المهام.
باستخدام ميزة نشر الفيديو ، احفظ الفيديو الديناميكي المسجل للنموذج الرقمي 3D للعقيدات الرئوية. انقر فوق ملف > توزيع وتكوين مسار تخزين الملفات. قم بتسمية الملف ، واحفظ ملف الفيديو الرقمي المطلوب.

النتائج

لجعل الطريقة قابلة للتطبيق على مجموعة واسعة من الأجهزة ، يجب إعادة تنظيم ترتيب التراص لكل مسح بناء على الإحداثيات الداخلية لنظام ملفات DICOM (الشكل 1) لإنشاء وحدة التخزين ثلاثية الأبعاد الصحيحة (الشكل 2). استنادا إلى بيانات الحجم الدقيقة ، استخدمنا إعادة البنا...

Discussion

تتميز أجهزة LDCT المختلفة باختلافات كبيرة في تسلسل صور DICOM التي تنتجها ، خاصة فيما يتعلق بإدارة نظام الملفات. لذلك ، لإعادة بناء النموذج الرقمي 3D الرئيسي للعقيدة الرئوية في المراحل اللاحقة من البروتوكول ، فإن خطوة المعالجة المسبقة للبيانات مهمة بشكل خاص. في مرحلة إعداد البيانات والمعالجة ا?...

Disclosures

والأداة البرمجية لإعادة بناء نموذج العقيدات الرئوية، PulmonaryNodule، هي برمجيات تجارية من شركة بكين للانتروبيا الذكية للعلوم والتكنولوجيا المحدودة. تنتمي حقوق الملكية الفكرية لأداة البرنامج هذه إلى الشركة. ليس لدى المؤلفين أي تضارب في المصالح للكشف عنه.

Acknowledgements

تم دعم هذا المنشور من قبل البرنامج الوطني الخامس لأبحاث المواهب الممتازة في الطب الصيني التقليدي الذي نظمته الإدارة الوطنية للطب الصيني التقليدي (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).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

195

This article has been published

Video Coming Soon

Keep me updated:

Method Article