Un modello digitale 3D per la diagnosi e il trattamento dei noduli polmonari

Riepilogo

L'obiettivo di questo studio è sviluppare un nuovo modello digitale 3D dei noduli polmonari che funge da ponte di comunicazione tra medici e pazienti ed è anche uno strumento all'avanguardia per la pre-diagnosi e la valutazione prognostica.

Abstract

La ricostruzione tridimensionale (3D) dei noduli polmonari mediante immagini mediche ha introdotto nuovi approcci tecnici per la diagnosi e il trattamento dei noduli polmonari, e questi approcci vengono progressivamente riconosciuti e adottati da medici e pazienti. Tuttavia, la costruzione di un modello digitale 3D relativamente universale di noduli polmonari per la diagnosi e il trattamento è impegnativa a causa delle differenze del dispositivo, dei tempi di ripresa e dei tipi di noduli. L'obiettivo di questo studio è quello di proporre un nuovo modello digitale 3D dei noduli polmonari che funge da ponte tra medici e pazienti ed è anche uno strumento all'avanguardia per la pre-diagnosi e la valutazione prognostica. Molti metodi di rilevamento e riconoscimento dei noduli polmonari basati sull'intelligenza artificiale impiegano tecniche di deep learning per acquisire le caratteristiche radiologiche dei noduli polmonari e questi metodi possono ottenere buone prestazioni sotto la curva (AUC). Tuttavia, i falsi positivi e i falsi negativi rimangono una sfida per radiologi e clinici. L'interpretazione e l'espressione delle caratteristiche dal punto di vista della classificazione e dell'esame dei noduli polmonari sono ancora insoddisfacenti. In questo studio, viene proposto un metodo di ricostruzione 3D continua dell'intero polmone in posizioni orizzontali e coronali combinando le tecnologie di elaborazione delle immagini mediche esistenti. Rispetto ad altri metodi applicabili, questo metodo consente agli utenti di localizzare rapidamente i noduli polmonari e identificare le loro proprietà fondamentali, osservando anche i noduli polmonari da più prospettive, fornendo così uno strumento clinico più efficace per la diagnosi e il trattamento dei noduli polmonari.

Introduzione

L'incidenza globale dei noduli polmonari è variabile, ma si stima generalmente che circa il 30% degli adulti abbia almeno un nodulo polmonare visibile sulle radiografie del torace¹. L'incidenza dei noduli polmonari è maggiore in popolazioni specifiche, come i forti fumatori e quelli con una storia di cancro ai polmoni o altre malattie polmonari. È importante notare che non tutti i noduli polmonari sono maligni, ma è necessaria una valutazione approfondita per escludere la malignità². La diagnosi precoce e la diagnosi del cancro del polmone sono fondamentali per migliorare i tassi di sopravvivenza e lo screening regolare ....

Protocollo

NOTA: durante la fase di pre-elaborazione dei dati, i dati DICOM originali devono essere ordinati e intercettati per garantire la compatibilità con vari dispositivi e risultati coerenti. Un'adeguata capacità regolabile deve essere riservata per l'elaborazione dell'intensità e una prospettiva 3D continua è essenziale per l'osservazione. In questo protocollo, viene fornita una descrizione metodica dell'approccio di ricerca, dettagliando un caso che coinvolge una paziente di 84 anni che presenta noduli polmonari. Questa paziente ha fornito il consenso informato per la sua diagnosi tramite modellazione digitale e ha autorizzato l'utilizzo dei suoi dati per scopi ....

Discussione

Diversi dispositivi LDCT presentano differenze significative nelle sequenze di immagini DICOM che producono, specialmente in termini di gestione del file system. Pertanto, per ricostruire il modello digitale 3D chiave di un nodulo polmonare nelle fasi successive del protocollo, la fase di pre-elaborazione dei dati è particolarmente importante. Nella fase di preparazione dei dati e di pre-elaborazione (fase 1.2.2), le coordinate dell'asse z della sequenza possono essere ordinate correttamente utilizzando la sequenza most.......

Materiali

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