שחזור תלת מימדי לכל הריאה עם גושים ריאתיים מרובים מוקדמים

Summary

מחקר זה מציג שיטת שחזור תלת מימדית (3D) עבור הריאה כולה בחולים עם גושים ריאתיים מרובים מוקדמים. הוא מציע הדמיה מקיפה של התפלגות הגושים ואת יחסי הגומלין שלהם עם רקמת הריאה, מפשט את הערכת האבחנה והפרוגנוזה עבור חולים אלה.

Abstract

עבור חולים עם גושים ריאתיים מרובים מוקדמים, זה חיוני, מנקודת מבט אבחנתית, כדי לקבוע את הפיזור המרחבי, גודל, מיקום, והקשר עם רקמת הריאה שמסביב של גושים אלה לאורך הריאה כולה. זה חיוני לזיהוי הנגע הראשוני ולפיתוח תוכניות טיפול מבוססות מדעית יותר לרופאים. עם זאת, שיטות זיהוי תבניות המבוססות על ראיית מכונה רגישות לתוצאות חיוביות שגויות ושליליות שגויות, ולכן אינן יכולות לעמוד באופן מלא בדרישות הקליניות בהקשר זה. שיטות הדמיה המבוססות על הקרנה בעוצמה מרבית (MIP) יכולות להמחיש טוב יותר גושים ריאתיים מקומיים ובודדים, אך חסרות תיאור מקרוסקופי והוליסטי של ההתפלגות והתכונות המרחביות של גושים ריאתיים מרובים.

לכן, מחקר זה מציע שיטת שחזור תלת ממדית של כל הריאות. הוא מחלץ את קווי המתאר התלת-ממדיים של הריאה באמצעות טכנולוגיית עיבוד תמונה רפואית על רקע הריאה כולה ומבצע שחזור תלת-ממדי של הריאה, עורק הריאה וקשריות ריאה מרובות בחלל תלת-ממדי. שיטה זו יכולה לתאר באופן מקיף את ההתפלגות המרחבית והתכונות הרדיולוגיות של גושים מרובים ברחבי הריאה כולה, ולספק אמצעי פשוט ונוח להערכת האבחנה והפרוגנוזה של גושים ריאתיים מרובים.

Introduction

גושים ריאתיים מרובים מוקדמים, שהם גידולים קטנים ועגולים על הריאה, יכולים להיות שפירים או ממאירים ^1,2,3. למרות שגושים ריאתיים בודדים קלים יותר לאבחון ולטיפול, חולים עם גושים ריאתיים מרובים מוקדמים מתמודדים עם אתגרי אבחון וטיפול משמעותיים. כדי לפתח תוכניות טיפול יעילות, חיוני לזהות במדויק את הפיזור המרחבי, הגודל, המיקום והקשר עם רקמת הריאה הסובבת גושים אלה לאורך כל הריאה ^4,5. לשיטות אבחון מסורתיות יש מגבלות בזיהוי מדויק של גושים ריאתיים מרובים מוקדמים.

להתקדמות האחרונה בטכנולוגיית עיבוד תמונה רפואית ואלגוריתמים של למידת מכונה יש פוטנציאל לשפר את הדיוק והיעילות של זיהוי ואבחון מוקדם של קשריות ריאתיות. הוצעו גישות שונות, כגון שיטות זיהוי תבניות המבוססות על ראיית מכונה ושיטות ויזואליזציה המבוססות על הקרנה בעוצמה מרבית (MIP)6,7,8,9,10. עם זאת, שיטות אלה סובלות ממגבלות כגון תוצאות חיוביות שגויות, שליליות שגויות 11,12,13,14,15^, והיעדר תיאורים מקרוסקופיים והוליסטיים של ההתפלגות והתכונות המרחביות של גושים ריאתיים מרובים מוקדמים.

כדי להתמודד עם מגבלות אלה, מחקר זה מציע שיטת שחזור תלת-ממדית של כל הריאה המשתמשת בטכנולוגיית עיבוד תמונה רפואית כדי לחלץ את קווי המתאר התלת-ממדיים של הריאה על רקע סריקת החזה כולה. לאחר מכן השיטה מבצעת שחזור תלת ממדי של הריאה, עורק הריאה וגושים ריאתיים מרובים מוקדמים בחלל תלת ממדי. גישה זו מאפשרת ייצוג מקיף ומדויק יותר של הפיזור המרחבי והתכונות הרדיולוגיות של גושים מרובים מוקדמים ברחבי הריאה כולה.

השיטה המוצעת כוללת מספר שלבים מרכזיים. ראשית, התמונות הרפואיות מיובאות לתוכנת עיבוד התמונה התלת-ממדית, ואזור הריאה מופק באמצעות טכניקת סגמנטציה מבוססת סף. לאחר מכן, אזור הריאה שחולץ מופרד מקיר החזה שמסביב ומהמבנים הגרמיים של חוליות בית החזה. הגושים הריאתיים המרובים המוקדמים והקשר שלהם עם כלי הדם הסובבים אותם משוחזרים לאחר מכן במרחב תלת-ממדי באמצעות אלגוריתמים של הקרנה בעוצמה מרבית (MIP). לבסוף, המודל התלת-ממדי המשוחזר של הריאה, עורק הריאה והגושים מוצג לניתוח נוסף.

לשיטה זו מספר יתרונות על פני השיטות הקיימות. בניגוד לשיטות מסורתיות המסתמכות על תמונות דו-ממדיות, שיטה זו משתמשת בנפח תלת-ממדי כדי לספק ייצוג מדויק ומקיף יותר של גושים ריאתיים מרובים מוקדמים. השיטה גם מתגברת על המגבלות של תוצאות חיוביות שגויות ושליליות שגויות הקשורות לשיטות זיהוי תבניות ושיטות תצוגה חזותית של MIP. יתר על כן, שיטה זו מספקת תיאור מקרוסקופי והוליסטי של הפיזור והתכונות המרחביות של גושים ריאתיים מרובים מוקדמים, החיוניים לפיתוח תוכניות טיפול יעילות.

לשיטה המוצעת מספר יישומים פוטנציאליים באבחון וטיפול בגושים ריאתיים מרובים מוקדמים. זיהוי מדויק של ההתפלגות המרחבית והמאפיינים הרדיולוגיים של גושים מרובים מוקדמים יכול לסייע באבחון מוקדם וטיפול בסרטן ריאות. יתר על כן, השיטה יכולה לשמש כדי לעקוב אחר התקדמות המחלה ולהעריך את היעילות של תוכניות הטיפול.

שיטות זיהוי תבניות ^6,7,8 המבוססות על ראיית מכונה הראו הבטחה בזיהוי גושים ריאתיים^, אך סובלות ממגבלות כגון תוצאות חיוביות שגויות ושליליות שגויות. שיטות הדמיית MIP, לעומת זאת, מספקות ייצוג מדויק יותר של גושים בודדים, אך חסרות תיאור מקרוסקופי והוליסטי של ההתפלגות והתכונות המרחביות של גושים מרובים מוקדמים. שיטת השחזור התלת-ממדית המוצעת של כל הריאה מתגברת על מגבלות אלה ומספקת ייצוג מדויק ומקיף יותר של גושים ריאתיים מרובים מוקדמים.

טרנספורמציית Isovoxel^16,17 מתייחסת לתהליך של המרת תמונות תלת-ממדיות עם גדלי ווקסל שונים לתמונות תלת-ממדיות עם גדלי ווקסל אחידים. בתחום עיבוד התמונה הרפואית, נפחים תלת-ממדיים מורכבים לעתים קרובות מווקסלים בגדלים שונים, מה שעלול להוביל לבעיות חישוביות והדמיה. מטרת טרנספורמציית איזובוקסל היא לטפל בבעיות אלה על ידי דגימה מחדש ואינטרפולציה של הווקסלים בנפח התלת-ממדי המקורי, וכתוצאה מכך תמונה תלת-ממדית חדשה עם גדלי ווקסל עקביים. טכניקה זו מוצאת יישומים בהקשרים רפואיים שונים, כולל רישום תמונה, סגמנטציה והדמיה. לפיכך, מחקר זה הציע שיטת שחזור תלת-ממדית של כל הריאה המשתמשת בטכנולוגיית עיבוד תמונה רפואית כדי לחלץ את קווי המתאר התלת-ממדיים של הריאה על רקע סריקת החזה כולה. השיטה מספקת ייצוג מדויק ומקיף יותר של הפיזור המרחבי והתכונות הרדיולוגיות של גושים מרובים מוקדמים ברחבי הריאה כולה. מחקר זה תורם לפיתוח אסטרטגיות אבחון וטיפול מדויקות ויעילות יותר עבור חולים עם גושים ריאתיים מרובים מוקדמים.

Access restricted. Please log in or start a trial to view this content.

Protocol

לצורך המחקר הנוכחי התקבל אישור אתי מוועדת האתיקה של בית החולים דונגג'ימן, המסונף לאוניברסיטת בייג'ינג לרפואה סינית (DZMEC-KY-2019.90). במקרה ספציפי זה, ניתן תיאור שיטתי של גישת המחקר, המתאר מקרה של מטופלת בת 65 עם גושים ריאתיים מרובים. מטופלת זו נתנה הסכמה מדעת לאבחנה שלה באמצעות מודלים דיגיטליים ואישרה את השימוש בנתונים שלה למטרות מחקר מדעי. פונקציית שחזור המודל נגזרת מכלי תוכנה זמין מסחרית (ראה טבלת חומרים).

1. הכנת נתונים וטרנספורמציה איזובוקסל

1. DICOM (Digital Imaging and Communications in Medicine) הכנת נתונים ומאפייני נתונים
   הערה: השונות בפרמטרים עדיין אינה מושפעת באופן יחסי ממתודולוגיית המחקר.
   1. העתק את נתוני DICOM של המטופל לספריית עבודה מוגדרת.
   2. בעזרת דפדפן הקבצים, בדקו כל ספריית קבצים כדי לזהות את רצף התמונות עם המספר הגבוה ביותר של שכבות סריקה לניתוח.
   3. השתמש בפונקציה Dicominfo בתוך MATLAB על-ידי אספקת קובצי DICOM כפרמטרי קלט. הדבר יאפשר לכם לחלץ פרמטרים חיוניים, כגון עובי פרוסה וריווח פיקסלים, ישירות בסביבת MATLAB.
      הערה: לפרמטרים אלה חשיבות רבה בהגדרת קצב התצוגה עבור אמצעי האחסון התלת-ממדיים. במקרה של מערך הנתונים ששימש במחקר זה, עובי הפרוסה נמדד 1 מ"מ, מרווח הפיקסלים השווה ל- 0.7188 מ"מ, ובסך הכל נסרקו 387 שכבות.
2. מיון נכון של נתונים סרוקים
   הערה: יש למיין את הרצף של כל תמונה לבניית נפח.
   1. אחזר את נתוני המיקום של כל תמונה באמצעות הפונקציה Dicominfo . גש למידע המיקום על-ידי הפניה למידע. SliceLocation בסביבת העבודה של MATLAB.
   2. שמרו את נתוני המיקום במשתנה בעזרת הפונקציה SliceLocation וצרו עבורו תרשים (איור 1).
   3. שפר את ההתוויה על-ידי הוספת נקודת נתונים אליה באמצעות לחצן תיאורי נתונים הממוקם בפינה השמאלית העליונה של ממשק המשתמש הגרפי. נקודת נתונים זו אמורה לסמן את המיקום המרבי של הרצף הנורמלי, המתאים למיקום העליון ביותר בהדמיה של המטופל (איור 1).
   4. ארגן את כל התמונות על ידי מיונן ולאחר מכן חלץ את התמונות החל מהמיקום הראשון ועד למיקום המרבי. השג זאת על-ידי הפעלת הפונקציה VolumeResort .
   5. הגן על נתוני עוצמת הקול, הכוללים 512 פיקסלים על 512 פיקסלים על 340 שכבות, מהתמונות החוקיות יחד עם האינדקס הממוין שלהן. מידע זה יהיה בעל ערך להתייחסות עתידית, במיוחד בהקשר של זיהוי גושים חשובים.
3. טרנספורמציית איזובוקסל
   הערה: טרנספורמציית איזובוקסל תלת-ממדית מאפשרת עיבוד עוקב כדי לשמור על אותו קנה מידה של תצוגה בכל הממדים.
   1. בחנו את קנה המידה התלת-ממדי של אמצעי אחסון תלת-ממדי, שהוא 512 פיקסלים x 512 פיקסלים x 340 שכבות, באמצעות פונקציית הגודל ב-Matlab.
   2. כדי להציג את עוצמת הקול התלת-ממדית (איור 2) באמצעות פונקציית הפקודה Slice_View , רשום את טווח סריקת הרצף המכיל את הריאות מ-60 עד 340. לאחר מכן, פשוט השתמש בפקודה V1=V0(:,:,60:340) כדי לקבל נפח תלת-ממדי המכיל את כל הנתונים של הריאה כולה. גודל V1 הוא 512 פיקסלים x 512 פיקסלים x 281 שכבות.
   3. השתמשו בפונקציית הפקודה MATLAB dicominfo לקבלת עובי הפרוסה של רצף התמונות, שהוא 1 מ"מ, והמרווח בין הפיקסלים הוא 0.7188. חשב את מספר צירי z עבור טרנספורמציית isovoxel עם הפקודה: עגול (281 x 1/0.7188). מספר השכבות עבור טרנספורמציית isovoxel צריך להיות 391.
   4. השתמש בפונקציית הפקודה Matlab imresize3 כדי לבצע טרנספורמציה של isovoxel ב- V1. הפעל את קובץ ה- Script באמצעות הפקודה V2=imresize3(V1, [512, 512, 391]). לאחר מכן השתמשו בפונקציה 3D_Slice_View כדי להציג את האיזובוקסל שעבר טרנספורמציה תלת-ממדית (איור 3).

2. הסרת הפרעות רעש הנגרמות על ידי ציוד טומוגרפיה ממוחשבת (CT)

הערה: באיור 2 ניתן לראות את האות בעוצמה גבוהה המייצג את ספת המטופל של מכשיר ה-CT, מה שיכול להפריע לסגמנטציה של התמונה. כדי למנוע הפרעה זו, נדרש תכנון מסנן מרחבי.

1. השתמש בלחצן תיאורי נתונים באיור 2 כדי להוסיף נקודות נתונים רציפות בתוך הממשק האינטראקטיבי. זה יאפשר ליצור קו המחבר בין נקודות אלה, למעשה למעט ספת המטופל. לאחר מכן, לחצו לחיצה ימנית על תיאורי הנתונים ובחרו 'ייצוא נתוני סמן לסביבת עבודה' כדי לייצא את גבול ההפניה לסינון מרחבי לסביבת העבודה של MATLAB (איור 3). מטריצת פיזור הגבול במקרה זה נקראת 'CI'.
2. הפעל את הפונקציה Noise_Clean כדי להחיל סינון מרחבי על V2, באמצעות פרמטר הקלט 'CI' מסביבת העבודה. פעולה זו תניב אמצעי אחסון תלת-ממדי המסיר את אות ההפרעה מציוד ה-CT. לבסוף, השתמש בפונקציית הפקודה Slice_View כדי להמחיש את אמצעי האחסון המתקבל, כפי שמודגם באיור 4.

3. מיצוי מיתאר הריאה

1. התחילו בבחירת פרוסה שתשמש כתבנית בתוך ממשק המשתמש הגרפי המוצג באיור 4. לדוגמה, בחרו בתמונה ה-232 לעיצוב פילוח התמונה והקצו אותה למשתנה 'I' באמצעות הפקודה I=V2(:,:,232). לאחר מכן, פתח את ממשק המשתמש הגרפי MATLAB Image Segmenter על-ידי הפעלת הפקודה imageSegmenter(I), כמתואר באיור 5.
2. איור 5 מציג מערך של כלי פילוח תמונות. כדי להתחיל, בחר בכלי אשכולות אוטומטי מסרגל הכלים בחלק העליון ובצע את הפקודה על-ידי לחיצה על לחצן העכבר השמאלי. התמונה תחולק אוטומטית לשתי כיתות. בהינתן תהליך הזיהוי המבוצע בשלב 2.2, פילוח התמונה בשלב זה הופך להיות פשוט יחסית.
3. לאחר מכן, לחץ על הצג בינארי כפתור בפינה השמאלית העליונה כדי להציג את התמונה בשחור לבן בינארי . בשלב זה, אזור הריאה ייראה שחור. כדי להפוך את אזור הריאה ללבן, בחר בלחצן הפוך מסיכה מסרגל הכלים העליון ובצע את הפקודה על-ידי לחיצה על לחצן העכבר השמאלי.
4. כדי לבטל את הצבע הלבן מחוץ לאזור הריאות, בחר בלחצן נקה גבולות בסרגל הכלים העליון והפעל אותו על-ידי לחיצה עם לחצן העכבר השמאלי. לאחר שלב זה, רק אזור הריאה בצבע לבן יישאר. עם זאת, כל הצללים השחורים שנותרו באזור הריאה בשלב זה צריכים להיות מלאים. כדי להשיג זאת, בחר בלחצן חורי מילוי בסרגל הכלים, והתוצאה לאחר לחיצה על הלחצן מוצגת באיור 6.
5. כל השלבים המעורבים בפילוח תמונות ריאות מוצגים בממשק המשתמש הגרפי של איור 6 בפינה השמאלית התחתונה. על ידי לחיצה על יצוא כפתור בפינה השמאלית העליונה, שמור את השלבים האוטומטיים האלה כפונקציה לעיבוד אצווה של אזור ריאות. בחלון הנפתח Script Editor, לחץ על הלחצן Save כדי לשמור את הפונקציה בספריית העבודה הנוכחית.

4.3D שחזור הריאה כולה עם גושים ריאתיים מרובים

הערה: לקיחת מכפלת הנקודות של תמונת פילוח הריאות של כל תמונה עם התמונה המקורית שקולה לביצוע סינון מרחבי תלת-ממדי על עוצמת הקול, סינון יעיל של אותות הפרעה מחוץ לריאות וקבלת המבנה התלת-ממדי של הריאות.

1. הפעילו את פונקציית 3Dlung_Volume בסביבת העבודה של MATLAB.
   הערה: פונקציה זו מבצעת פילוח תמונה בכל תמונה באמצעות הפלט משלב 3.5. לאחר מכן הוא מבצע פעולת מוצר נקודה בין מסיכת הריאה הבינארית לבין התמונה המקורית כדי ליצור נפח תלת-ממדי חדש המכיל באופן בלעדי רקמת ריאה. בממשק המשתמש הגרפי (איור 7) שמופיע לאחר השלמת הפונקציה, ניתן לדמיין ולבצע פעולות הקרנה בעוצמה מרבית (MIP) על כל נפח הריאה התלת-ממדי.
2. בתוך ממשק המשתמש הגרפי, מצא את התפריט הנפתח הראשון בפינה השמאלית העליונה. בחר MIP Projection ולאחר מכן בחר את מפת הצבעים של סילון מתוך האפשרויות מוכללות Colormaps להלן. לאחר מכן, בתפריט הנפתח הממוקם בפינה השמאלית העליונה של התצוגה הרביעית (תצוגת עוצמת קול תלת מימדית), בחר הגדל. פעולה זו תניב נפח תלת-ממדי שלם של הריאה (איור 8) שניתן לצפות בו מכל זווית, להזיז ולתפעל אותו לפי הצורך.
   הערה: באזור האינטראקציה בין אדם למחשב המתואר באיור 8, ניתן לכוונן את זווית הצפייה באופן חופשי על-ידי לחיצה ממושכת על לחצן העכבר השמאלי והזזתו. גלילה בלחצן העכבר האמצעי מאפשרת להגדיל או להקטין את התצוגה.
3. לפעולות מתקדמות של ניגודיות ושיפור צבע, השתמש בלוח הבקרה בצד ימין של ממשק המשתמש הגרפי.

5. התמקדו בבדיקת גושים ריאתיים דומיננטיים

הערה: במרחב תלת-ממדי (איור 8), אזור הנגע הדומיננטי בין גושים ריאתיים מרובים נראה באופן ברור. מספרם, גודלם וריכוזם של גושים אלה הם מאפיינים קריטיים של הנגע הדומיננטי, ומציעים תובנות חשובות לגבי הערכת המחלה.

1. שוב, להפעיל את הפונקציה Slice_View , אבל הפעם קלט את כל נפח 3D של הריאה המתקבל בשלב 4.2. בתוך ממשק המשתמש הגרפי שנוצר (איור 9), השתמשו בפס הגלילה התחתון כדי לנווט לאזור שבו נמצאים גושי הריאה הדומיננטיים, המשתרעים על פני סריקות 48 עד 70.
2. המשך על ידי קריאה לפונקציה 3Dlung_Horizon לבצע שחזור תלת-ממדי של אזור העניין (ROI) המקיף את מקטעים 48 עד 70 מכל נפח התלת-ממד של הריאה. פעולה זו תיצור ממשק GUI המותאם להדמיית גושים ריאתיים, כפי שמודגם באיור 10. בתוך ממשק משתמש גרפי זה, ניתן לחקור את התכונות המפורטות של הנגע מזוויות שונות.

Access restricted. Please log in or start a trial to view this content.

תוצאות

בשלב עיבוד מקדים של נתונים, מיון נתוני DICOM צריך להיות השלב הראשון (איור 1) כדי להבטיח את רצף הסריקה הנכון עבור כל שכבה במהלך שחזור תלת-ממדי. לאחר מכן, טרנספורמציה איזוטרופית מבוצעת כדי להבטיח את יחס הגובה-רוחב הנכון של נפח התלת-ממד (איור 2). לאחר מכן, סינון מרחבי...

Access restricted. Please log in or start a trial to view this content.

Discussion

מחקר זה מציג גישה ייחודית ליצירת שחזור תלת ממדי (3D) מלא של הריאה כולה, תוך שימוש בטכניקות עיבוד תמונה רפואיות מתקדמות כדי לשרטט את צורת הריאה התלת-ממדית בהקשר של סריקת חזה מלאה. טכניקה זו מציעה תיאור מדויק ויסודי יותר של הסידור המרחבי והמאפיינים הרדיולוגיים של גושים מרובים מוקדמים על פני ה?...

Access restricted. Please log in or start a trial to view this content.

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