En 3D digital modell for diagnostisering og behandling av lungeknuter

Den tredimensjonale (3D) rekonstruksjonen av lungeknuter ved hjelp av medisinske bilder har introdusert nye tekniske tilnærminger for diagnostisering og behandling av lungeknuter, og disse tilnærmingene blir gradvis anerkjent og vedtatt av leger og pasienter. Ikke desto mindre er det utfordrende å konstruere en relativt universell 3D digital modell av lungeknuter for diagnose og behandling på grunn av enhetsforskjeller, opptakstider og knutetyper. Målet med denne studien er å foreslå en ny 3D digital modell av lungeknuter som fungerer som en bro mellom leger og pasienter, og er også et banebrytende verktøy for prediagnose og prognostisk evaluering. Mange AI-drevne lungeknutedeteksjons- og gjenkjenningsmetoder bruker dype læringsteknikker for å fange opp de radiologiske egenskapene til lungeknuter, og disse metodene kan oppnå en god ytelse under kurven (AUC). Imidlertid forblir falske positive og falske negativer en utfordring for radiologer og klinikere. Tolkningen og uttrykket av trekk fra perspektivet til pulmonal knute klassifisering og undersøkelse er fortsatt utilfredsstillende. I denne studien foreslås en metode for kontinuerlig 3D-rekonstruksjon av hele lungen i horisontale og koronale posisjoner ved å kombinere eksisterende medisinsk bildebehandlingsteknologi. Sammenlignet med andre anvendelige metoder, tillater denne metoden brukere å raskt lokalisere lungeknuter og identifisere deres grunnleggende egenskaper samtidig som de observerer lungeknuter fra flere perspektiver, og gir dermed et mer effektivt klinisk verktøy for diagnostisering og behandling av lungeknuter.