JoVE Logo
저자
연락처

로그인

JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.

기사 소개

  • 요약
  • 초록
  • 서문
  • 프로토콜
  • 결과
  • 토론
  • 공개
  • 감사의 말
  • 자료
  • 참고문헌
  • 재인쇄 및 허가

요약

본 연구는 폐결절 악성종양을 평가하기 위한 다프랙탈 스펙트럼 분석을 소개한다. 이 방법은 CT-DICOM 데이터를 사용하여 여러 복셀 스케일에 걸쳐 프랙탈 치수를 계산하여 초기 단계의 폐 결절과 후기 단계의 폐 결절 간의 상당한 차이를 보여줍니다.

초록

폐결절 악성 종양에 대한 비침습적 평가는 폐암 진단에서 중요한 과제로 남아 있습니다. 전통적인 방법은 특히 초기 단계에서 양성 결절과 악성 결절을 구별하는 데 정밀도가 부족한 경우가 많습니다. 본 연구에서는 폐결절의 특성을 정량적으로 평가하기 위해 다프랙탈 스펙트럼 분석을 사용하는 방법을 소개한다.

컴퓨터 단층 촬영(CT)-디지털 이미징 및 DICOM(Communications in Medicine) 데이터를 처리하기 위해 프랙탈 기반 프로토콜이 개발되어 폐 결절의 다프랙탈 스펙트럼에 대한 3차원(3D) 시각화 및 분석이 가능해졌습니다. 이 방법에는 3D 볼륨 재구성, 정확한 ROI 묘사 및 여러 스케일에 걸친 프랙탈 치수 계산이 포함됩니다. 초기 및 후기 단계의 폐 선암 결절에 대해 다프랙탈 스펙트럼을 계산했으며, 데이터 팁 도구 정량화를 사용하여 비교 분석을 수행했습니다.

분석을 통해 폐 결절의 3D 디지털 매트릭스의 프랙탈 차원이 서로 다른 복셀 스케일에 따라 지속적으로 변화하여 독특한 다프랙탈 스펙트럼을 형성하는 것으로 나타났습니다. 초기 단계의 결절과 말기의 결절 간에 유의한 차이가 관찰되었다. 후기 단계의 결절은 다프랙탈 스펙트럼에서 더 넓은 스케일 범위(더 긴 X축)와 더 높은 극점을 보여주었습니다. 이러한 구별은 정량적으로 확인되었으며, 이는 정확한 스테이징에 대한 방법의 잠재력을 나타냅니다.

다프랙탈 스펙트럼 분석은 폐 결절을 병정하기 위한 매우 중요하고 정확한 정량적 방법을 제공하여 양성 사례와 악성 사례를 효과적으로 구별합니다. 이 비침습적 기법은 폐암의 조기 진단과 정확한 병기 결정을 개선할 수 있는 가능성을 보여주며, 잠재적으로 폐 종양학의 임상적 의사 결정을 향상시킬 수 있습니다.

서문

폐암은 전 세계적으로 암 관련 사망의 주요 원인 중 하나이며, 조기 발견과 정확한 진단은 환자의 예후를 개선하는 데 중요한 역할을 합니다1. 종종 우연히 또는 선별 프로그램을 통해 발견되는 폐 결절은 임상의에게 심각한 진단 과제를 제시합니다. 특히 초기 단계에서 양성 결절과 악성 결절을 구별하는 능력은 시기적절한 중재와 적절한 관리를 위해 가장 중요합니다2.

전통적으로 폐결절 악성종양을 진단하기 위한 기준은 생검이나 외과적 절제술과 같은 침습적 절차를 통한 조직병리학적 검사였습니다. 이러한 방법은 확실한 진단을 제공하지만 기흉, 출혈 및 감염과 같은 내재적 위험을 수반합니다3. 또한 이러한 절차의 침습적 특성은 환자의 불편함과 불안을 유발할 뿐만 아니라 의료 비용을 증가시킬 수 있습니다. 또한 생검 절차 자체에는 샘플링 정확도 문제가 발생할 수 있으며, 대표성이 없는 조직 샘플을 얻을 수 있어 오진으로 이어질 수 있습니다. 따라서, 환자에게 불필요한 침습적 시술을 가하지 않고 결절 악성 종양을 정확하게 평가할 수 있는 비침습적 진단 기술에 대한 시급한 필요성이 있습니다4.

컴퓨터 단층촬영(CT) 영상은 폐결절의 검출 및 특성화를 위한 강력한 도구로 부상하고 있습니다5. 그러나 결절 평가를 위한 CT 영상 해석은 여전히 까다롭고, 방사선 전문의들 간에 관찰자 간 변동성이 상당합니다. CT 기반 결절 평가에 대한 현재 지침과 전문가 합의 성명은 주로 크기, 모양 및 성장률과 같은 형태학적 특징에 의존합니다. 이러한 기준은 귀중한 정보를 제공하지만, 특히 결절이 작거나 불확실한 경우 6 확실한 진단에 필요한 정밀도가 부족한 경우가많습니다.

최근 몇 년 동안 CT 기반 결절 평가의 진단 정확도를 높이기 위해 종종 "레디오믹스"라고 하는 정량적 이미징 기능을 활용하는 것에 대한 관심이 높아지고 있습니다7. 이러한 접근법 중 프랙탈 분석은 폐 결절의 복잡한 구조적 특성을 포착하는 데 유망한 것으로 나타났습니다8. 프랙탈 차원(Fractal dimension)은 다양한 스케일에 걸친 물체의 복잡성을 측정하는 것으로, 폐 결절의 특성화를 포함하여 다양한 의료 영상 문제에 적용되어 왔다9.

그러나 결절 분석을 위한 기존 프랙탈 기반 방법은 일반적으로 각 결절10에 대해 단일 프랙탈 치수를 계산하는 단일 척도 접근 방식을 사용합니다. 이 접근법은 양성 결절과 악성 결절을 구별하는 데 어느 정도 유용성을 보여주었지만, 종종 두 범주 간에 상당한 중복이 발생하여 진단 정밀도가 제한됩니다. 단일 스케일 프랙탈 분석의 고유한 한계는 서로 다른 공간 스케일에 걸쳐 결절 내에 존재할 수 있는 구조적 복잡성의 전체 스펙트럼을 포착할 수 없다는 데 있습니다11.

이러한 한계를 해결하기 위해 본 연구에서는 폐 결절 평가를 위한 새로운 접근 방식인 다프랙탈 스펙트럼 분석을 소개합니다. 이 방법은 여러 복셀 스케일에 걸쳐 프랙탈 치수를 계산하여 기존의 단일 스케일 프랙탈 분석을 넘어 확장됨으로써 다양한 세부 수준에서 결절의 구조적 복잡성을 특성화하는 포괄적인 스펙트럼을 생성합니다12. 이 접근법은 종양을 포함한 생물학적 구조가 종종 서로 다른 규모에서 다른 프랙탈 특성을 나타낸다는 이해에 뿌리를 두고 있으며, 이는 단일 규모 방법으로는 포착하지 못하는 특성입니다13.

이 다프랙탈 스펙트럼 분석의 개발은 폐 결절 악성 종양을 평가하기 위한 보다 정확하고 정량적이며 비침습적인 방법의 필요성에 의해 동기가 부여되었습니다. 이 접근법은 고급 이미지 처리 기술과 수학적 모델을 활용하여 CT 이미지에서 보다 풍부한 특징을 추출하여 기존 분석이나 단일 스케일 프랙탈 방법으로는 분명하지 않을 수 있는 양성 결절과 악성 결절 간의 미묘한 차이를 잠재적으로 드러내는 것을 목표로 합니다14.

이 연구의 의의는 조기 폐암 진단 및 병기 결정의 정확성을 높일 수 있는 잠재력에 있습니다. 다프랙탈 스펙트럼 분석은 결절 구조에 대한 보다 미묘하고 포괄적인 특성을 제공함으로써 임상의가 환자 관리에 대해 보다 정보에 입각한 결정을 내릴 수 있도록 하며, 양성 결절의 경우 불필요한 침습적 시술의 필요성을 줄이는 동시에 악성 결절에 대한 적시 중재를 보장할 수 있습니다15.

요약하면, 본 연구는 폐결절 악성 종양을 평가하기 위한 다프랙탈 스펙트럼 분석을 소개하고, 현재의 진단 접근법과 단일 스케일 프랙탈 방법의 한계를 해결한다. 이 비침습적 기법은 결절 특성에 대한 보다 포괄적이고 정확한 정량적 평가를 제공함으로써 폐암의 조기 진단과 정확한 병기 결정을 개선하여 궁극적으로 폐 종양학의 임상적 의사 결정을 향상시키고 환자 결과 개선에 기여하는 것을 목표로 한다16.

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

프로토콜

본 연구는 베이징중의과대학 산하 둥즈먼병원 윤리위원회(2024DZMEC-165-02)의 승인을 받았다. 환자는 Dongzhimen 병원의 발열 외래 환자 클리닉에서 모집되었습니다. 환자들은 디지털 모델링을 통해 진단에 대해 충분한 정보를 바탕으로 동의했으며, 과학적 연구 목적으로 자신의 데이터를 사용하는 것을 승인했습니다. 모델 재구성 기능은 상업적으로 이용 가능한 소프트웨어 도구에서 파생됩니다( 재료 표 참조).

1. 데이터 준비 및 시각화

  1. 환자의 CT 스캔 DICOM 데이터 파일이 포함된 폴더로 이동합니다.
  2. 다음 MATLAB 코드를 사용하여 DICOM 파일에서 3D 볼륨 행렬을 생성합니다.
    f=dir('*.dcm');
    i=1의 경우:길이(f)
    V(:,:,i)= dicomread(f(fidx(i)).name);
    끝
  3. MATLAB의 sliceViewer 함수를 사용하여 이미지 시퀀스 시각화: (그림 1)
    숫자;
    H=슬라이스뷰어(V);
    colormap(회색(1024));
    세트 (gcf, '툴바', '그림');
  4. 3D 볼륨 시각화와 상호 작용합니다.
    1. GUI(그래픽 사용자 인터페이스) 아래쪽에 있는 스크롤 막대를 사용하여 CT 시퀀스의 여러 슬라이스를 찾아봅니다(그림 1). 프레임 325의 왼쪽 폐에 22mm의 악성 폐결절이 있음을 주목하십시오.
    2. 확대/축소 및 전역 보기로 돌아가기 위한 아이콘은 그림 3에서 GUI의 오른쪽 상단 모서리에 있습니다. Data Tip 아이콘을 사용하여 선택한 픽셀의 좌표를 표시합니다. Zoom 기능을 사용하여 병변의 국소 특징과 주변 조직과의 관계를 관찰할 수 있습니다.
    3. 디폴트 컬러바는 회색 컬러맵이며, 이는 파란색에서 빨간색이 낮은 값에서 높은 값으로 값을 나타낸다는 것을 의미합니다. 팝업 메뉴에서 Color Bar 를 마우스 오른쪽 버튼으로 클릭하여 일반적인 회색 컬러맵을 선택하고 전체 GUI를 재설정합니다.
    4. 필터 효과가 만족스럽지 않으면 마우스 왼쪽 버튼을 사용하여 그림 중간을 위아래로 끌어 창 레벨을 조정합니다. 왼쪽과 오른쪽으로 드래그하여 창 너비를 조정하면 해당 정확한 필터링 범위가 색상 표시줄에 표시됩니다.
      참고: 이러한 대화형 제어를 통해 강도 공간과 시퀀스 위치 모두에서 CT-DICOM 데이터 특성을 유연하게 검사할 수 있습니다.

2. 폐 결절 병변의 국소 3D 매트릭스 시각화

참고: 그림 1에 표시된 GUI에서 폐 결절의 염기서열 위치를 찾은 후 Data Tip 도구를 사용하여 결절의 위치를 정확하게 묘사합니다. 이 단계는 병변 영역에 대한 회색조 공간의 3D 매트릭스를 계산하기 전에 필요합니다.

  1. Data Tip 도구를 사용하여 폐 결절의 픽셀 좌표를 정확하게 식별할 수 있습니다.
    1. 그림 1에 표시된 GUI에서 노듈이 포함된 슬라이스(프레임 325)로 이동합니다.
    2. GUI의 오른쪽 상단 모서리에 있는 Data Tip 아이콘을 클릭합니다.
    3. 결절의 가장자리를 클릭하여 경계를 표시합니다(그림 2).
    4. 데이터팁 팝업에 표시된 X 및 Y 좌표를 확인합니다.
  2. 폐 결절의 회색조 행렬을 추출합니다.
    1. 얻은 좌표를 기반으로 MATLAB 명령 창에서 관심 영역(ROI)을 정의합니다( M = V (304:335, 309:336, 325).
      참고: 이미지의 특정 결절 위치에 따라 좌표(304:335, 309:336, 325)를 조정합니다.
  3. 결절의 로컬 3D 매트릭스 시각화:
    1. 다음 MATLAB 명령을 입력하여 3D 곡면 플롯을 만듭니다.
    2. 그 결과 결절의 그레이스케일 강도를 3D로 시각화하는 것을 관찰할 수 있습니다(그림 3).
  4. 3D 시각화 GUI와 상호 작용합니다.
    참고: X축과 Y축은 절의 공간 치수를 픽셀 단위로 나타냅니다. Z축은 그레이스케일 강도 값을 나타냅니다.
    1. GUI의 오른쪽 상단 모서리에서 확대, 축소, 회전 및 기본 초기 보기(Restore View)로 돌아가기 위한 도구를 찾습니다. 이러한 도구를 사용하여 3D 디지털화된 폐 결절을 정밀하게 검사할 수 있습니다.

3. 폐 결절의 다프랙탈 스펙트럼 계산

참고: 프랙탈 차원은 서로 다른 스케일에서 고유하지 않고 오히려 다른 계산 스케일에 따라 달라지는 다중 프랙탈 스펙트럼을 형성합니다.

  1. 이전에 구한 M 행렬을 입력값으로 사용하여 Pix_size 함수 fractal_dimension = PN_fractal_feature(M)을 호출합니다. 이것은 다른 스케일(Pix_size)에서 프랙탈 치수(fractal_dimension)를 산출합니다.
  2. 다음 코드를 사용하여 폐 결절의 다프랙탈 스펙트럼(Multifractal Spectrum)(그림 4)을 시각화합니다.
    숫자;
    플롯 (Pix_size, fratal_dimention, 'linewidth', 2);
    xlabel('프랙탈 스케일')
    ylabel('프랙탈 차원')
  3. 1.1-3.2에서와 동일한 단계를 사용하여 다른 양성 폐 결절을 계산하고 비교를 위해 다른 색상을 사용하여 동일한 좌표계에 플롯합니다. 그러면 그림 5가 생성됩니다.
  4. 서로 다른 양성 폐 결절과 악성 폐 결절의 다프랙탈 스펙트럼을 보다 정확하게 비교하려면 Data Tip 도구를 사용하여 그림 5의 주요 극점 좌표를 표시하십시오.
    참고: 이 프로토콜에 사용되는 MATLAB 코드는 보충 파일 1로 사용할 수 있습니다.

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

결과

그림 1은 환자의 흉부 CT 염기서열을 3D 볼륨으로 재구성하여 피험자의 폐 결절을 편리하게 보고 위치를 파악할 수 있도록 합니다. Data Tip 도구는 관심 결절의 관심 영역(ROI)을 효과적으로 설명할 수 있습니다(그림 2). 그림 3 은 결절의 3D 강도 공간의 디지털화된 구조를 제공합니다.

이 ...

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

토론

이 연구에서 제시된 다프랙탈 스펙트럼 분석은 폐결절 악성 종양의 비침습적 평가에서 상당한 진전을 나타냅니다. 이 방법은 중요한 이점을 제공하고 폐 결절 진단 및 병기 결정에 대한 기존 접근 방식의 주요 한계를 해결합니다17.

프로토콜의 중요한 단계에는 CT-DICOM 데이터의 정밀한 3D 재구성(그림 1), 관심 ?...

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

공개

폐 결절을 평가하기 위한 다중프랙탈 스펙트럼용 소프트웨어 도구인 다중프랙탈 스펙트럼 V1.0은 Beijing Intelligent Entropy Science & Technology Co., Ltd.의 제품입니다. 이 소프트웨어 도구의 지적 재산권은 회사에 있습니다. 저자는 선언할 이해 상충이 없습니다.

감사의 말

본 연구는 베이징중의과대학 둥즈먼병원의 임상연구 및 성과 전환 역량 강화 파일럿 프로젝트(DZMG-MLZY-23008)와 베이징 중의과대학의 신임 교사를 위한 창업 기금 프로젝트(2024-BUCMXJKY-052)의 지원을 받았다.

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

자료

NameCompanyCatalog NumberComments
MATLABMathWorks2022BComputing and visualization
Multifractal Spectrum softwareIntelligent Entropy, Beijing Intelligent Entropy Science & Technology Co Ltd.V1.0Modeling for CT/MRI fusion

참고문헌

  1. Naik, A., Edla, D. R., Dharavath, R. Prediction of malignancy in lung nodules using a combination of deep, fractal, and gray-level co-occurrence matrix features. Big Data. 9 (6), 480-498 (2021).
  2. Al-Kadi, O. S. Prediction of FDG-PET stage and uptake for non-small cell lung cancer on non-contrast enhanced CT scans via fractal analysis. Clin Imaging. 65, 54-59 (2020).
  3. Ferreira-Junior, J. R., et al. CT-based radiomics for prediction of histologic subtype and metastatic disease in primary malignant lung neoplasms. Int J Comput Assist Radiol Surg. 15 (1), 163-172 (2020).
  4. Ryan, S. M., et al. Radiomic measures from chest high-resolution computed tomography associated with lung function in sarcoidosis. Eur Respir J. 54 (2), 1900371(2019).
  5. Kravchenko, V. F., Ponomaryov, V. I., Pustovoit, V. I., Rendon-Gonzalez, E. Classification of lung nodules using CT images based on texture features and fractal dimension transformation. Dokl Math. 99 (2), 235-239 (2019).
  6. Digumarthy, S. R., Padole, A. M., Lo Gullo, R., Sequist, L. V., Kalra, M. K. Can CT radiomic analysis in NSCLC predict histology and EGFR mutation status. Medicine (Baltimore). 98 (1), e13963(2019).
  7. Xiao, X., et al. An automated segmentation method for lung parenchyma image sequences based on fractal geometry and convex hull algorithm. Appl Sci (Basel). 8 (5), 832(2018).
  8. Xue, X., et al. Use of a radiomics model to predict tumor invasiveness of pulmonary adenocarcinomas appearing as pulmonary ground-glass nodules. Biomed Res Int. 2018, 6803971(2018).
  9. Kiryu, S., et al. Impact of hepatocellular carcinoma heterogeneity on computed tomography as a prognostic indicator. Sci Rep. 7, 12689(2017).
  10. Bashir, U., Siddique, M. M., Mclean, E., Goh, V., Cook, G. J. Imaging heterogeneity in lung cancer: techniques, applications, and challenges. Am J Roentgenol. 207 (3), 534-543 (2016).
  11. Niehaus, R., Raicu, D. S., Furst, J., Armato, S. III Toward understanding the size dependence of shape features for predicting spiculation in lung nodules for computer-aided diagnosis. J Digit Imaging. 28 (6), 704-717 (2015).
  12. Feng, C., Zhang, J., Liang, R. A method for lung boundary correction using split Bregman method and geometric active contour model. Comput Math Methods Med. 2015, 789485(2015).
  13. Alic, L., Niessen, W. J., Veenland, J. F. Quantification of heterogeneity as a biomarker in tumor imaging: a systematic review. PLoS One. 9 (10), e110300(2014).
  14. Miwa, K., et al. FDG uptake heterogeneity evaluated by fractal analysis improves the differential diagnosis of pulmonary nodules. Eur J Radiol. 83 (4), 715-719 (2014).
  15. Image feature extraction based on multifractal theory. Liu, G., Chen, N., Ou, C., Liao, Y., Yu, Y. 2014 IEEE Workshop on Electronics, Computer and Applications, Ottawa, ON, Canada, , 1023-1026 (2014).
  16. Lin, P., Huang, P., Lee, C., Wu, M. Automatic classification for solitary pulmonary nodule in CT image by fractal analysis based on fractional Brownian motion model. Pattern Recognit. 46 (12), 3279-3287 (2013).
  17. Ganeshan, B., Miles, K. A. Quantifying tumour heterogeneity with CT. Cancer Imaging. 13 (1), 140-149 (2013).
  18. A classification system of lung nodules in CT images based on fractional Brownian motion model. Huang, P., Lin, P., Lee, C., Kuo, C. 2013 IEEE International Conference on System Science and Engineering (ICSSE, Budapest, Hungary, , 37-40 (2013).
  19. Wang, H., et al. Multilevel binomial logistic prediction model for malignant pulmonary nodules based on texture features of CT image. Eur J Radiol. 74 (1), 124-129 (2010).

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

재인쇄 및 허가

JoVE'article의 텍스트 или 그림을 다시 사용하시려면 허가 살펴보기

허가 살펴보기

더 많은 기사 탐색

JoVE 215

This article has been published

Video Coming Soon

JoVE Logo

개인 정보 보호

이용 약관

정책

연락처

사서에게 추천하기

JoVE 뉴스레터

연구

교육

저자

사서

JoVE 소개

Copyright © 2025 MyJoVE Corporation. 판권 소유