用于肺结节诊断和治疗的三维数字模型

摘要

本研究的目的是开发一种新的肺结节3D数字模型，作为医生和患者之间的沟通桥梁，也是诊断前和预后评估的尖端工具。

摘要

利用医学图像对肺结节进行三维（3D）重建，为诊断和治疗肺结节引入了新的技术方法，这些方法正逐渐被医生和患者所认可和采用。尽管如此，由于设备差异、拍摄时间和结节类型，构建相对通用的肺结节 3D 数字模型以进行诊断和治疗具有挑战性。本研究的目的是提出一种新的肺结节3D数字模型，作为医生和患者之间的桥梁，也是预诊断和预后评估的前沿工具。许多人工智能驱动的肺结节检测和识别方法采用深度学习技术来捕获肺结节的放射学特征，这些方法可以实现良好的曲线下面积（AUC）性能。然而，假阳性和假阴性仍然是放射科医生和临床医生面临的挑战。从肺结节分类和检查的角度对特征的解释和表达仍然不尽如人意。本研究结合已有的医学图像处理技术，提出了一种水平位和冠状位全肺连续三维重建的方法。与其他适用方法相比，该方法使用户能够快速定位肺结节并识别其基本特性，同时还可以从多个角度观察肺结节，从而为诊断和治疗肺结节提供更有效的临床工具。

引言

肺结节的全球发病率各不相同，但一般估计约 30% 的成人胸片上至少可见一个肺结节¹。肺结节的发病率在特定人群中较高，例如重度吸烟者和有肺癌或其他肺部疾病病史的人。需要注意的是，并非所有肺结节都是恶性的，但有必要进行全面评估以排除恶性肿瘤²。肺癌的早期发现和诊断对于提高生存率至关重要，建议对高危人群进行定期低剂量计算机断层扫描 （LDCT） 筛查。许多人工智能驱动的肺结节检测和识别方法3,4,5,6,7采用深度学习技术来捕获肺结节的放射学特征^，这些方法可以实现良好的曲线下面积（AUC）性能。然而，假阳性和假阴性仍然是放射科医生和临床医生面临的挑战。从肺结节分类和检查的角度对特征的解释和表达仍然不尽如人意。同时，基于LDCT的肺结节三维重建作为各类结节的数字模型越来越受到关注。

肺结节的 3D 重建是一个生成肺部小生长或肿块的 3D 表示的过程。此过程通常涉及利用医学专业知识和数据智能方法的医学图像分析技术的应用。由此产生的3D数字

研究方案

注意：在数据预处理阶段，必须对原始DICOM数据进行排序和截获，以确保与各种设备的兼容性和一致的结果。必须为强度处理保留足够的可调容量，并且连续的3D视角对于观察至关重要。在该协议中，提供了对研究方法的系统描述，详细介绍了涉及一名 84 岁女性肺结节的病例。该患者通过数字建模 为 她的诊断提供了知情同意，并授权将她的数据用于科学研究目的。模型重建功能源自肺结核软件工具（详见 材料表 ）。获得北京中医药大学附属东直门医院伦理委员会伦理许可（DZMEC-KY-2019.90）。

1. 数据收集和准备

1. 用于检测肺结节的LDCT数据
   注意：参数值中看到的差异不取决于所使用的研究方法。
   1. 获得患者同意以获取 DICOM 数据。将所有数据传输到指定的工作目录。
   2. 识别扫描层数最多、层厚度最薄的数据目录，根据文件信息优化精度。通常，患者拥有的DICOM扫描文件越多，扫描层厚度就越薄。
   3. 通过实现 Dicominfo 函数，并使用DICOM文件作为函数参数，在MATLAB环境中获取切片厚度和像素间距参数。这些参数对于设置 3D 体积显示速率至关重要。对于本研究中使用的示例数据，切片厚度为1 mm，像素间距为0.5 mm，总共扫描了200层。
2. 更正扫描数据....

讨论

不同的 LDCT 设备在输出的 DICOM 映像序列方面存在显著差异，尤其是在文件系统管理方面。因此，要在方案后期重建肺结节的关键三维数字模型，数据预处理步骤尤为重要。在数据准备和预处理阶段（步骤1.2.2），可以使用 图1所示的序列对序列z轴坐标进行正确排序，也可用于正确排列建模所需的正确图像顺序，并为后续建模工作生成正确的3D体积。水平轴和冠轴的3D重建（步.......

材料

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