Трехмерная реконструкция всего легкого с ранними множественными легочными узелками

Резюме

В данном исследовании представлен метод трехмерной (3D) реконструкции всего легкого у пациентов с ранними множественными легочными узелками. Он обеспечивает всестороннюю визуализацию распределения узелков и их взаимодействия с легочной тканью, упрощая оценку диагноза и прогноза для этих пациентов.

Аннотация

Для пациентов с ранними множественными легочными узелками важно с диагностической точки зрения определить пространственное распределение, размер, расположение и взаимосвязь с окружающей легочной тканью этих узелков по всему легкому. Это имеет решающее значение для выявления первичного поражения и разработки более научно обоснованных планов лечения для врачей. Однако методы распознавания образов, основанные на машинном зрении, подвержены ложноположительным и ложноотрицательным результатам и, следовательно, не могут в полной мере удовлетворить клинические требования в этом отношении. Методы визуализации, основанные на проекции максимальной интенсивности (MIP), могут лучше проиллюстрировать локальные и индивидуальные легочные узелки, но не имеют макроскопического и целостного описания распределения и пространственных особенностей множественных легочных узелков.

Поэтому в данном исследовании предлагается метод 3D-реконструкции всего легкого. Он извлекает 3D-контур легкого с помощью технологии обработки медицинских изображений на фоне всего легкого и выполняет 3D-реконструкцию легкого, легочной артерии и множественных легочных узелков в 3D-пространстве. Этот метод позволяет всесторонне отобразить пространственное распределение и рентгенологические особенности множественных узелков по всему легкому, обеспечивая простой и удобный способ оценки диагноза и прогноза множественных легочных узелков.

Введение

Ранние множественные легочные узелки, представляющие собой небольшие округлые наросты на легких, могут быть доброкачественными или злокачественными ^1,2,3. Несмотря на то, что одиночные легочные узелки легче диагностировать и лечить, пациенты с ранними множественными легочными узлами сталкиваются со значительными проблемами диагностики и лечения. Для разработки эффективных планов лечения важно точно определить пространственное распределение, размер, расположение и взаимосвязь с окружающей легочной тканью этих узелков^по всему легкому ^4,5. Традиционные методы диагностики имеют ограничения в точном выявлении ранних множественных легочных узелков.

Последние достижения в области технологий обработки медицинских изображений и алгоритмов машинного обучения могут повысить точность и эффективность раннего обнаружения и диагностики легочных узелков. Предложены различные подходы, такие как методы распознавания образов на основе машинного зрения и методы визуализации на основе проекции максимальной интенсивности (MIP)6,7,8,9,10. Однако эти методы страдают от таких ограничений, как ложноположительные, ложноотрицательные результаты 11,12,13,14,15 и отсутствие макроскопических и целостных описаний распределения и пространственных особенностей ранних множественных легочных узелков.

Чтобы устранить эти ограничения, в данном исследовании предлагается метод 3D-реконструкции всего легкого, который использует технологию обработки медицинских изображений для извлечения 3D-контура легкого на фоне сканирования всей грудной клетки. Затем метод выполняет 3D-реконструкцию легкого, легочной артерии и ранних множественных легочных узелков в 3D-пространстве. Такой подход позволяет получить более полное и точное представление о пространственном распределении и рентгенологических особенностях ранних множественных узелков по всему легкому.

Предлагаемый метод включает в себя несколько ключевых этапов. Во-первых, медицинские изображения импортируются в программное обеспечение для обработки 3D-изображений, и область легких извлекается с помощью метода пороговой сегментации. Впоследствии извлеченный участок легкого отделяют от окружающей грудной стенки и костных структур грудных позвонков. Ранние множественные легочные узелки и их взаимосвязь с окружающими кровеносными сосудами затем реконструируются в 3D-пространстве с использованием алгоритмов проекции максимальной интенсивности (MIP). Наконец, реконструированная 3D-модель легкого, легочной артерии и узелков демонстрируется для дальнейшего анализа.

Этот метод имеет ряд преимуществ перед существующими методами. В отличие от традиционных методов, основанных на 2D-изображениях, этот метод использует 3D-объем, чтобы обеспечить более точное и всестороннее представление ранних множественных легочных узелков. Метод также преодолевает ограничения ложноположительных и ложноотрицательных результатов, связанные с методами распознавания образов и методами визуализации MIP. Кроме того, этот метод обеспечивает макроскопическое и целостное описание распределения и пространственных особенностей ранних множественных легочных узелков, что имеет важное значение для разработки эффективных планов лечения.

Предложенный метод имеет несколько потенциальных применений в диагностике и лечении ранних множественных легочных узелков. Точная идентификация пространственного распределения и рентгенологических особенностей ранних множественных узелков может помочь в ранней диагностике и лечении рака легких. Кроме того, метод может быть использован для мониторинга прогрессирования заболевания и оценки эффективности планов лечения.

Методы распознавания образов ^6,7,8, основанные на машинном зрении, показали многообещающие результаты в идентификации легочных узелков, но страдают от таких ограничений^, как ложноположительные и ложноотрицательные результаты. Методы визуализации MIP, с другой стороны, обеспечивают более точное представление об отдельных узелках, но не имеют макроскопического и целостного описания распределения и пространственных особенностей ранних множественных узелков. Предлагаемый метод 3D-реконструкции всего легкого преодолевает эти ограничения и обеспечивает более точное и полное представление ранних множественных легочных узелков.

Изовоксельное преобразование^16,17 относится к процессу преобразования 3D-изображений с различными размерами вокселов в 3D-изображения с одинаковыми размерами вокселов. В области обработки медицинских изображений 3D-объемы часто состоят из вокселей различных размеров, что может привести к проблемам с вычислениями и визуализацией. Целью изовоксельного преобразования является решение этих проблем путем пересчета и интерполяции вокселей в исходном 3D-объеме, в результате чего получается новое 3D-изображение с постоянными размерами вокселов. Этот метод находит применение в различных медицинских контекстах, включая регистрацию изображений, сегментацию и визуализацию. Таким образом, в данном исследовании был предложен метод 3D-реконструкции всего легкого, который использует технологию обработки медицинских изображений для извлечения 3D-контура легкого на фоне сканирования всей грудной клетки. Метод обеспечивает более точное и всестороннее представление о пространственном распределении и рентгенологических особенностях ранних множественных узелков по всему легкому. Данное исследование способствует разработке более точных и эффективных стратегий диагностики и лечения пациентов с ранними множественными легочными узелками.

протокол

Для настоящего исследования было получено этическое разрешение от Комитета по этике больницы Дунчжимэнь при Пекинском университете китайской медицины (DZMEC-KY-2019.90). В данном конкретном случае приводится методическое описание исследовательского подхода, описывающий случай с участием 65-летней пациентки с множественными легочными узелками. Эта пациентка предоставила информированное согласие на постановку диагноза с помощью цифрового моделирования и дала разрешение на использование ее данных в научных исследовательских целях. Функция реконструкции модели является производной от коммерчески доступного программного инструмента (см. Таблицу материалов).

1. Подготовка данных и преобразование изовокселя

1. Подготовка и свойства данных DICOM (Digital Imaging and Communications in Medicine)
   ПРИМЕЧАНИЕ: Вариация параметров остается относительно незатронутой методологией исследования.
   1. Скопируйте данные DICOM пациента в определенный рабочий каталог.
   2. С помощью файлового менеджера изучите каждый файловый каталог, чтобы определить последовательность изображений с наибольшим количеством слоев сканирования для анализа.
   3. Используйте функцию Dicominfo в MATLAB, предоставив файлы DICOM в качестве входных параметров. Это позволит вам извлекать важные параметры, такие как толщина среза и расстояние между пикселями, непосредственно в среде MATLAB.
      ПРИМЕЧАНИЕ: Эти параметры имеют большое значение для настройки скорости отображения 3D-объема. В случае набора данных, использованного в этом исследовании, толщина среза составляла 1 мм, расстояние между пикселями равнялось 0,7188 мм, и в общей сложности было отсканировано 387 слоев.
2. Корректная сортировка отсканированных данных
   ПРИМЕЧАНИЕ: Последовательность каждого изображения должна быть отсортирована для построения объема.
   1. Получите данные о местоположении для каждого изображения с помощью функции Dicominfo . Получите доступ к информации о местоположении, ссылаясь на информацию. SliceLocation в рабочей области MATLAB.
   2. Сохраните данные местоположения в переменную с помощью функции SliceLocation и сгенерируйте для нее график (рисунок 1).
   3. Улучшите график, добавив к нему точку данных с помощью кнопки «Подсказки по данным », расположенной в правом верхнем углу графического интерфейса. Эта точка данных должна обозначать максимальное местоположение нормальной последовательности, которое соответствует самому верхнему положению на визуализации пациента (рис. 1).
   4. Организуйте все изображения, отсортировав их, а затем извлеките изображения от первого до максимального местоположения. Этого можно добиться, вызвав функцию VolumeResort .
   5. Защитите данные тома, состоящие из слоев размером 512 x 512 x 340 пикселей, от допустимых изображений вместе с их отсортированным индексом. Эта информация будет полезна для дальнейшего использования, особенно в контексте выявления важных узелков.
3. Преобразование изовокселя
   ПРИМЕЧАНИЕ: Преобразование 3D Isovoxel позволяет выполнять последующую обработку с сохранением одного и того же масштаба отображения во всех измерениях.
   1. Изучите трехмерный масштаб 3D-объема, который составляет 512 пикселей x 512 пикселей x 340 слоев, используя функцию размера в Matlab.
   2. Для просмотра 3D-объема (рис. 2) с помощью функции команды Slice_View запишите диапазон сканирования последовательности, содержащий легкие, от 60 до 340. Затем просто используйте команду V1=V0(:,:,60:340), чтобы получить 3D-объем, содержащий все данные всего легкого. Размер V1 составляет 512 пикселей x 512 пикселей x 281 слоев.
   3. Используйте командную функцию MATLAB dicominfo , чтобы получить толщину среза последовательности изображений, которая составляет 1 мм, а расстояние между пикселями равно 0,7188. Вычислите количество осей z для изовоксельного преобразования с помощью команды: round (281 x 1/0.7188). Количество слоев для изовоксельного преобразования должно быть равно 391.
   4. Используйте командную функцию Matlab imresize3 для выполнения преобразования isovoxel в V1. Запустите скрипт с помощью команды V2=imresize3(V1, [512, 512, 391]). Затем используйте функцию 3D_Slice_View для просмотра преобразованного изовокселя 3D-объема (рис. 3).

2. Устранение шумовых помех, создаваемых оборудованием компьютерной томографии (КТ)

ПРИМЕЧАНИЕ: На рисунке 2 виден высокоинтенсивный сигнал, представляющий кушетку пациента оборудования для КТ, что может мешать сегментации изображения. Чтобы устранить эту интерференцию, требуется конструкция пространственного фильтра.

1. Используйте кнопку Data Tips на рисунке 2 для добавления непрерывных точек данных в интерактивный интерфейс. Это позволит создать линию, соединяющую эти точки, эффективно исключив кушетку для пациента. Затем щелкните правой кнопкой мыши на Data Tips и выберите Export Cursor Data to Workspace , чтобы экспортировать координатную границу для пространственной фильтрации в рабочую область MATLAB (рисунок 3). Граничная матрица рассеяния в этом случае называется 'CI'.
2. Вызовите функцию Noise_Clean , чтобы применить пространственную фильтрацию к версии 2, используя входной параметр 'CI' из рабочей области. Эта операция позволит получить 3D-объем, который снимает интерференционный сигнал с оборудования КТ. Наконец, используйте командную функцию Slice_View для визуализации результирующего объема, как показано на рисунке 4.

3. Удаление контура легких

1. Начните с выбора фрагмента, который будет служить шаблоном в графическом интерфейсе, показанном на рисунке 4. Например, выберите 232-е изображение для дизайна сегментации изображений и присвойте его переменной 'I' с помощью команды I=V2(:,:,,232). Затем откройте графический интерфейс MATLAB Image Segmenter, выполнив команду imageSegmenter(I), как показано на рисунке 5.
2. На рисунке 5 показан набор инструментов сегментации изображений. Для начала выберите инструмент « Автокластеризация » на панели инструментов вверху и выполните команду, щелкнув левой кнопкой мыши. Изображение будет автоматически разделено на два класса. Учитывая процесс шумоподавления, выполненный на шаге 2.2, сегментация изображения на этом этапе становится относительно простой.
3. Затем нажмите на кнопку Show Binary в правом верхнем углу, чтобы отобразить изображение в черно-белом двоичном виде. В этот момент область легких будет казаться черной. Чтобы сделать область легких белой, выберите кнопку «Инвертировать маску » на верхней панели инструментов и выполните команду, щелкнув левой кнопкой мыши.
4. Чтобы устранить белый цвет за пределами области легких, выберите кнопку «Очистить границы » на верхней панели инструментов и запустите ее, щелкнув левой кнопкой мыши. После этого шага останется только область легких белого цвета. Тем не менее, любые черные тени, оставшиеся в области легких в этот момент, должны быть заполнены. Для этого нажмите кнопку Fill Holes на панели инструментов, и результат после нажатия кнопки показан на рисунке 6.
5. Все шаги, связанные с сегментацией изображения легких, представлены в графическом интерфейсе на рисунке 6 в левом нижнем углу. Нажав кнопку «Экспорт » в правом верхнем углу, сохраните эти автоматические шаги в качестве функции для сегментации области легких при пакетной обработке. Во всплывающем окне редактора сценариев нажмите кнопку Сохранить , чтобы сохранить функцию в текущем рабочем каталоге.

4. .3D реконструкция всего легкого с множественными легочными узелками

ПРИМЕЧАНИЕ: Получение скалярного произведения сегментационного изображения легких каждого изображения с исходным изображением эквивалентно выполнению 3D-пространственной фильтрации объема, эффективному отфильтровыванию интерференционных сигналов за пределами легких и получению 3D-структуры легких.

1. Запустите функцию 3Dlung_Volume в рабочей области MATLAB.
   ПРИМЕЧАНИЕ: Эта функция выполняет сегментацию каждого изображения, используя выходные данные шага 3.5. Затем он выполняет операцию точечного произведения между бинарной легочной маской и исходным изображением для создания нового 3D-объема, содержащего исключительно легочную ткань. В графическом интерфейсе (рис. 7), который появляется после завершения функции, можно визуализировать и выполнять операции проекции максимальной интенсивности (MIP) на весь 3D-объем легких.
2. В графическом интерфейсе найдите первое выпадающее меню в правом верхнем углу. Выберите MIP-проекция , а затем выберите цветовую карту струи из параметров встроенных цветовых карт ниже. Далее в выпадающем меню, расположенном в правом верхнем углу четвертого вида (3D Volume View), выберите «Развернуть». Это действие приведет к созданию целого 3D-объема легких (рис. 8), который можно наблюдать под любым углом, перемещать и манипулировать им по мере необходимости.
   ПРИМЕЧАНИЕ: В разделе о человеко-машинном взаимодействии, показанном на рисунке 8, можно свободно регулировать угол обзора, удерживая левую кнопку мыши и перемещая ее. Прокрутка средней кнопки мыши позволяет увеличивать или уменьшать масштаб.
3. Для расширенных операций по повышению контрастности и цветопередачи используйте панель управления в правой части графического интерфейса.

5. Сосредоточьтесь на исследовании доминантных легочных узелков

ПРИМЕЧАНИЕ: В 3D-пространстве (рис. 8) отчетливо видна доминирующая область поражения среди множественных легочных узелков. Количество, размер и концентрация этих узелков являются критическими характеристиками доминантного поражения, что дает ценную информацию для оценки заболевания.

1. Снова вызовем функцию Slice_View , но на этот раз введем весь 3D-объем легкого, полученный на шаге 4.2. В результирующем графическом интерфейсе (рис. 9) используйте нижнюю полосу прокрутки для перехода к области, где расположены преобладающие узелки в легких, охватывая сканы от 48 до 70.
2. Затем вызовите функцию 3Dlung_Horizon для проведения 3D-реконструкции области интереса (ROI), охватывающей участки с 48 по 70 из всего 3D-объема легкого. Это действие сгенерирует графический интерфейс, предназначенный для визуализации легочных узелков, как показано на рисунке 10. В этом графическом интерфейсе можно исследовать детальные особенности поражения с разных сторон.

Результаты

На этапе предварительной обработки данных первым шагом должна стать сортировка данных DICOM (рис. 1), чтобы обеспечить правильную последовательность сканирования для каждого слоя при 3D-реконструкции. Далее выполняется изотропное преобразование, чтобы обеспечить правиль?...

Обсуждение

В этом исследовании представлен уникальный подход к созданию полной трехмерной (3D) реконструкции всего легкого с использованием передовых методов обработки медицинских изображений для определения 3D-формы легкого в контексте полного сканирования грудной клетки. Этот метод обеспечив?...

Материалы

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