En digital 3D-modell för diagnos och behandling av lungknutor

Den tredimensionella (3D) rekonstruktionen av lungknutor med hjälp av medicinska bilder har introducerat nya tekniska metoder för att diagnostisera och behandla lungknutor, och dessa tillvägagångssätt erkänns och antas gradvis av läkare och patienter. Ändå är det utmanande att konstruera en relativt universell 3D-digital modell av lungnoduler för diagnos och behandling på grund av enhetsskillnader, fotograferingstider och knöltyper. Syftet med denna studie är att föreslå en ny digital 3D-modell av lungknutor som fungerar som en bro mellan läkare och patienter och är också ett banbrytande verktyg för fördiagnos och prognostisk utvärdering. Många AI-drivna metoder för detektering och igenkänning av lungnoduler använder djupinlärningstekniker för att fånga de radiologiska egenskaperna hos lungknutor, och dessa metoder kan uppnå en bra AUC-prestanda (Area Under-the-Curve). Falska positiva och falska negativa är dock fortfarande en utmaning för radiologer och kliniker. Tolkningen och uttrycket av funktioner ur perspektivet av pulmonell nodulklassificering och undersökning är fortfarande otillfredsställande. I denna studie föreslås en metod för kontinuerlig 3D-rekonstruktion av hela lungan i horisontella och koronala positioner genom att kombinera befintliga medicinska bildbehandlingstekniker. Jämfört med andra tillämpliga metoder tillåter denna metod användare att snabbt lokalisera lungnoduler och identifiera deras grundläggande egenskaper samtidigt som de observerar lungnoduler från flera perspektiv, vilket ger ett effektivare kliniskt verktyg för att diagnostisera och behandla lungknutor.