פרסום זה נתמך על ידי התוכנית הלאומית החמישית למחקר כישרונות קליניים מצוינים ברפואה סינית מסורתית שאורגנה על ידי המנהל הלאומי לרפואה סינית מסורתית. קישור הרשת הרשמי הוא http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.

לצורך המחקר הנוכחי התקבל אישור אתי מוועדת האתיקה של בית החולים דונגג'ימן, המסונף לאוניברסיטת בייג'ינג לרפואה סינית (DZMEC-KY-2019.90). במקרה ספציפי זה, ניתן תיאור שיטתי של גישת המחקר, המתאר מקרה של מטופלת בת 65 עם גושים ריאתיים מרובים. מטופלת זו נתנה הסכמה מדעת לאבחנה שלה באמצעות מודלים דיגיטליים וא...

שיפור אבחון קשריות ריאתיות באמצעות שחזור תלת-ממדי של כל הריאה

<ol>
	<li>Mazzone, P. J., Lam, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluating+the+patient+with+a+pulmonary+nodule:+A+review.">Evaluating the patient with a pulmonary nodule: A review.</a> JAMA. 327 (3), 264-273 (2022).</li><li>MacMahon, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Guidelines+for+management+of+incidental+pulmonary+nodules+detected+on+ct+images:+from+the+fleischner+society.">Guidelines for management of incidental pulmonary nodules detected on ct images: from the fleischner society.</a> Radiology. 284 (1), 228-243 (2017).</li><li>Yankelevitz, D. F., Yip, R., Henschke, C. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Impact+of+duration+of+diagnostic+workup+on+prognosis+for+early+lung+cancer.">Impact of duration of diagnostic workup on prognosis for early lung cancer.</a> Journal of Thoracic Oncology. 18 (4), 527-537 (2023).</li><li>Zhao, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=PUNDIT:+Pulmonary+nodule+detection+with+image+category+transformation.">PUNDIT: Pulmonary nodule detection with image category transformation.</a> Medical Physics. 50, 2914-2927 (2023).</li><li>Ather, S., Kadir, T., Gleeson, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Artificial+intelligence+and+radiomics+in+pulmonary+nodule+management:+current+status+and+future+applications.">Artificial intelligence and radiomics in pulmonary nodule management: current status and future applications.</a> Clinical Radiology. 75 (1), 13-19 (2020).</li><li>Gruden, J. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Incremental+benefit+of+maximum-intensity-projection+images+on+observer+detection+of+small+pulmonary+nodules+revealed+by+multidetector+CT.">Incremental benefit of maximum-intensity-projection images on observer detection of small pulmonary nodules revealed by multidetector CT.</a> American Journal of Roentgenology. 179 (1), 149-157 (2002).</li><li>Guleryuz Kizil, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Diagnostic+importance+of+maximum+intensity+projection+technique+in+the+identification+of+small+pulmonary+nodules+with+computed+tomography.">Diagnostic importance of maximum intensity projection technique in the identification of small pulmonary nodules with computed tomography.</a> Tuberk Toraks. 68 (1), 35-42 (2020).</li><li>Valencia, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Value+of+axial+and+coronal+maximum+intensity+projection+(MIP)+images+in+the+detection+of+pulmonary+nodules+by+multislice+spiral+CT:+comparison+with+axial+1-mm+and+5-mm+slices.">Value of axial and coronal maximum intensity projection (MIP) images in the detection of pulmonary nodules by multislice spiral CT: comparison with axial 1-mm and 5-mm slices.</a> European Radiology. 16, 325-332 (2006).</li><li>Jabeen, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Diagnostic+accuracy+of+maximum+intensity+projection+in+diagnosis+of+malignant+pulmonary+nodules.">Diagnostic accuracy of maximum intensity projection in diagnosis of malignant pulmonary nodules.</a> Cureus. 11 (11), e6120 (2019).</li><li>Naeem, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+maximum+intensity+projection+and+volume+rendering+in+detecting+pulmonary+nodules+on+multidetector+computed+tomography.">Comparison of maximum intensity projection and volume rendering in detecting pulmonary nodules on multidetector computed tomography.</a> Cureus. 13 (3), e14025 (2021).</li><li>Bianconi, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparative+evaluation+of+conventional+and+deep+learning+methods+for+semi-automated+segmentation+of+pulmonary+nodules+on+CT.">Comparative evaluation of conventional and deep learning methods for semi-automated segmentation of pulmonary nodules on CT.</a> Quantitative Imaging in Medicine and Surgery. 11 (7), 3286-3305 (2021).</li><li>Christe, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Computer-aided+diagnosis+of+pulmonary+fibrosis+using+deep+learning+and+CT+images.">Computer-aided diagnosis of pulmonary fibrosis using deep learning and CT images.</a> Investigative Radiology. 54 (10), 627-632 (2019).</li><li>Kim, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Applications+of+artificial+intelligence+in+the+thorax:+a+narrative+review+focusing+on+thoracic+radiology.">Applications of artificial intelligence in the thorax: a narrative review focusing on thoracic radiology.</a> Journal of Thoracic Disease. 13 (12), 6943-6962 (2021).</li><li>Schreuder, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Artificial+intelligence+for+detection+and+characterization+of+pulmonary+nodules+in+lung+cancer+CT+screening:+ready+for+practice.">Artificial intelligence for detection and characterization of pulmonary nodules in lung cancer CT screening: ready for practice.</a> Translational Lung Cancer Research. 10 (5), 2378-2388 (2021).</li><li>Zheng, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+pulmonary+nodule+detection+in+CT+scans+using+convolutional+neural+networks+based+on+maximum+intensity+projection.">Automatic pulmonary nodule detection in CT scans using convolutional neural networks based on maximum intensity projection.</a> IEEE Transactions on Medical Imaging. 39 (3), 797-805 (2019).</li><li>Yabuuchi, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+application+of+radiation+dose+reduction+for+head+and+neck+CT.">Clinical application of radiation dose reduction for head and neck CT.</a> European Journal of Radiology. 107, 209-215 (2018).</li><li>Rana, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Regions-of-interest+based+automated+diagnosis+of+Parkinson's+disease+using+T1-weighted+MRI.">Regions-of-interest based automated diagnosis of Parkinson's disease using T1-weighted MRI.</a> Expert Systems with Applications. 42 (9), 4506-4516 (2015).</li></ol>

מחקר זה מציג גישה ייחודית ליצירת שחזור תלת ממדי (3D) מלא של הריאה כולה, תוך שימוש בטכניקות עיבוד תמונה רפואיות מתקדמות כדי לשרטט את צורת הריאה התלת-ממדית בהקשר של סריקת חזה מלאה. טכניקה זו מציעה תיאור מדויק ויסודי יותר של הסידור המרחבי והמאפיינים הרדיולוגיים של גושים מרובים מוקדמים על פני ה?...

גושים ריאתיים מרובים מוקדמים, שהם גידולים קטנים ועגולים על הריאה, יכולים להיות שפירים או ממאירים 1,2,3. למרות שגושים ריאתיים בודדים קלים יותר לאבחון ולטיפול, חולים עם גושים ריאתיים מרובים מוקדמים מתמודדים עם אתגרי אבחון וטיפול משמעותיים. כדי לפתח תוכניות טיפול יעילות, חיוני לזהות במדויק את הפיזור המרחבי, הגודל, המיקום והקשר עם רקמת הריאה הסובבת גושים אלה לאורך כל הריאה 4,5. לשיטות אבחון מסורתיות יש מגבלות בזיהוי מדויק של גושים ריאתיים מרובים מוקדמים.
להתקדמות האחרונה בטכנולוגיית עיבוד תמונה רפואית ואלגוריתמים של למידת מכונה יש פוטנציאל לשפר את הדיוק והיעילות של זיהוי ואבחון מוקדם של קשריות ריאתיות. הוצעו גישות שונות, כגון שיטות זיהוי תבניות המבוססות על ראיית מכונה ושיטות ויזואליזציה המבוססות על הקרנה בעוצמה מרבית (MIP)6,7,8,9,10. עם זאת, שיטות אלה סובלות ממגבלות כגון תוצאות חיוביות שגויות, שליליות שגויות 11,12,13,14,15, והיעדר תיאורים מקרוסקופיים והוליסטיים של ההתפלגות והתכונות המרחביות של גושים ריאתיים מרובים מוקדמים.
כדי להתמודד עם מגבלות אלה, מחקר זה מציע שיטת שחזור תלת-ממדית של כל הריאה המשתמשת בטכנולוגיית עיבוד תמונה רפואית כדי לחלץ את קווי המתאר התלת-ממדיים של הריאה על רקע סריקת החזה כולה. לאחר מכן השיטה מבצעת שחזור תלת ממדי של הריאה, עורק הריאה וגושים ריאתיים מרובים מוקדמים בחלל תלת ממדי. גישה זו מאפשרת ייצוג מקיף ומדויק יותר של הפיזור המרחבי והתכונות הרדיולוגיות של גושים מרובים מוקדמים ברחבי הריאה כולה.
השיטה המוצעת כוללת מספר שלבים מרכזיים. ראשית, התמונות הרפואיות מיובאות לתוכנת עיבוד התמונה התלת-ממדית, ואזור הריאה מופק באמצעות טכניקת סגמנטציה מבוססת סף. לאחר מכן, אזור הריאה שחולץ מופרד מקיר החזה שמסביב ומהמבנים הגרמיים של חוליות בית החזה. הגושים הריאתיים המרובים המוקדמים והקשר שלהם עם כלי הדם הסובבים אותם משוחזרים לאחר מכן במרחב תלת-ממדי באמצעות אלגוריתמים של הקרנה בעוצמה מרבית (MIP). לבסוף, המודל התלת-ממדי המשוחזר של הריאה, עורק הריאה והגושים מוצג לניתוח נוסף.
לשיטה זו מספר יתרונות על פני השיטות הקיימות. בניגוד לשיטות מסורתיות המסתמכות על תמונות דו-ממדיות, שיטה זו משתמשת בנפח תלת-ממדי כדי לספק ייצוג מדויק ומקיף יותר של גושים ריאתיים מרובים מוקדמים. השיטה גם מתגברת על המגבלות של תוצאות חיוביות שגויות ושליליות שגויות הקשורות לשיטות זיהוי תבניות ושיטות תצוגה חזותית של MIP. יתר על כן, שיטה זו מספקת תיאור מקרוסקופי והוליסטי של הפיזור והתכונות המרחביות של גושים ריאתיים מרובים מוקדמים, החיוניים לפיתוח תוכניות טיפול יעילות.
לשיטה המוצעת מספר יישומים פוטנציאליים באבחון וטיפול בגושים ריאתיים מרובים מוקדמים. זיהוי מדויק של ההתפלגות המרחבית והמאפיינים הרדיולוגיים של גושים מרובים מוקדמים יכול לסייע באבחון מוקדם וטיפול בסרטן ריאות. יתר על כן, השיטה יכולה לשמש כדי לעקוב אחר התקדמות המחלה ולהעריך את היעילות של תוכניות הטיפול.
 שיטות זיהוי תבניות 6,7,8 המבוססות על ראיית מכונה הראו הבטחה בזיהוי גושים ריאתיים, אך סובלות ממגבלות כגון תוצאות חיוביות שגויות ושליליות שגויות. שיטות הדמיית MIP, לעומת זאת, מספקות ייצוג מדויק יותר של גושים בודדים, אך חסרות תיאור מקרוסקופי והוליסטי של ההתפלגות והתכונות המרחביות של גושים מרובים מוקדמים. שיטת השחזור התלת-ממדית המוצעת של כל הריאה מתגברת על מגבלות אלה ומספקת ייצוג מדויק ומקיף יותר של גושים ריאתיים מרובים מוקדמים.
טרנספורמציית Isovoxel16,17 מתייחסת לתהליך של המרת תמונות תלת-ממדיות עם גדלי ווקסל שונים לתמונות תלת-ממדיות עם גדלי ווקסל אחידים. בתחום עיבוד התמונה הרפואית, נפחים תלת-ממדיים מורכבים לעתים קרובות מווקסלים בגדלים שונים, מה שעלול להוביל לבעיות חישוביות והדמיה. מטרת טרנספורמציית איזובוקסל היא לטפל בבעיות אלה על ידי דגימה מחדש ואינטרפולציה של הווקסלים בנפח התלת-ממדי המקורי, וכתוצאה מכך תמונה תלת-ממדית חדשה עם גדלי ווקסל עקביים. טכניקה זו מוצאת יישומים בהקשרים רפואיים שונים, כולל רישום תמונה, סגמנטציה והדמיה. לפיכך, מחקר זה הציע שיטת שחזור תלת-ממדית של כל הריאה המשתמשת בטכנולוגיית עיבוד תמונה רפואית כדי לחלץ את קווי המתאר התלת-ממדיים של הריאה על רקע סריקת החזה כולה. השיטה מספקת ייצוג מדויק ומקיף יותר של הפיזור המרחבי והתכונות הרדיולוגיות של גושים מרובים מוקדמים ברחבי הריאה כולה. מחקר זה תורם לפיתוח אסטרטגיות אבחון וטיפול מדויקות ויעילות יותר עבור חולים עם גושים ריאתיים מרובים מוקדמים.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>MATLAB</td>
			<td>MathWorks&#160;</td>
			<td>2022B</td>
			<td>Computing and visualization&#160;</td>
		</tr>
		<tr>
			<td>Tools for Modeling</td>
			<td>Intelligent Entropy</td>
			<td>PulmonaryNodule V1.0</td>
			<td>Beijing Intelligent Entropy Science &#38; Technology Co Ltd. 
			Modeling for CT/MRI fusion</td>
		</tr>
	</tbody>
</table>

three-dimensional reconstruction for the whole lung with early multiple pulmonary nodules

עבור חולים עם גושים ריאתיים מרובים מוקדמים, זה חיוני, מנקודת מבט אבחנתית, כדי לקבוע את הפיזור המרחבי, גודל, מיקום, והקשר עם רקמת הריאה שמסביב של גושים אלה לאורך הריאה כולה. זה חיוני לזיהוי הנגע הראשוני ולפיתוח תוכניות טיפול מבוססות מדעית יותר לרופאים. עם זאת, שיטות זיהוי תבניות המבוססות על ראיית מכונה רגישות לתוצאות חיוביות שגויות ושליליות שגויות, ולכן אינן יכולות לעמוד באופן מלא בדרישות הקליניות בהקשר זה. שיטות הדמיה המבוססות על הקרנה בעוצמה מרבית (MIP) יכולות להמחיש טוב יותר גושים ריאתיים מקומיים ובודדים, אך חסרות תיאור מקרוסקופי והוליסטי של ההתפלגות והתכונות המרחביות של גושים ריאתיים מרובים.
לכן, מחקר זה מציע שיטת שחזור תלת ממדית של כל הריאות. הוא מחלץ את קווי המתאר התלת-ממדיים של הריאה באמצעות טכנולוגיית עיבוד תמונה רפואית על רקע הריאה כולה ומבצע שחזור תלת-ממדי של הריאה, עורק הריאה וקשריות ריאה מרובות בחלל תלת-ממדי. שיטה זו יכולה לתאר באופן מקיף את ההתפלגות המרחבית והתכונות הרדיולוגיות של גושים מרובים ברחבי הריאה כולה, ולספק אמצעי פשוט ונוח להערכת האבחנה והפרוגנוזה של גושים ריאתיים מרובים.

Early multiple pulmonary nodules, which are small, round growths on the lung, can be benign or malignant1,2,3. Although solitary pulmonary nodules are easier to diagnose and treat, patients with early multiple pulmonary nodules face significant diagnostic and treatment challenges. To develop effective treatment plans, it is essential to accurately identify the spatial distribution, size, location, and relationship with surrounding lung tissue of these nodules throughout the whole lung4,5. Traditional diagnostic methods have limitations in accurately identifying early multiple pulmonary nodules.
Recent advancements in medical image processing technology and machine learning algorithms have the potential to improve the accuracy and efficiency of early pulmonary nodule detection and diagnosis. Various approaches have been proposed, such as pattern recognition methods based on machine vision and visualization methods based on maximum intensity projection (MIP)6,7,8,9,10. However, these methods suffer from limitations such as false positives, false negatives11,12,13,14,15, and lack of macroscopic and holistic descriptions of the distribution and spatial features of early multiple pulmonary nodules.
To address these limitations, this study proposes a whole-lung 3D reconstruction method that utilizes medical image processing technology to extract the 3D contour of the lung against the background of the whole chest scan. The method then performs 3D reconstruction of the lung, pulmonary artery, and early multiple pulmonary nodules in 3D space. This approach allows for a more comprehensive and accurate representation of the spatial distribution and radiological features of early multiple nodules throughout the whole lung.
The proposed method involves several key steps. Firstly, the medical images are imported into the 3D image processing software, and the lung region is extracted using a threshold-based segmentation technique. Subsequently, the extracted lung region is separated from the surrounding chest wall and the bony structures of the thoracic vertebrae. The early multiple pulmonary nodules and their relationship with surrounding blood vessels are then reconstructed in 3D space using maximum intensity projection (MIP) algorithms. Finally, the reconstructed 3D model of the lung, pulmonary artery, and nodules is displayed for further analysis.
This method has several advantages over existing methods. Unlike traditional methods that rely on 2D images, this method utilizes 3D volume to provide a more accurate and comprehensive representation of early multiple pulmonary nodules. The method also overcomes the limitations of false positives and false negatives associated with pattern recognition methods and MIP visualization methods. Furthermore, this method provides a macroscopic and holistic description of the distribution and spatial features of early multiple pulmonary nodules, which is essential for developing effective treatment plans.
The proposed method has several potential applications in the diagnosis and treatment of early multiple pulmonary nodules. The accurate identification of the spatial distribution and radiological features of early multiple nodules can aid in the early diagnosis and treatment of lung cancer. Furthermore, the method can be used to monitor the progression of the disease and evaluate the effectiveness of treatment plans.
Pattern recognition methods6,7,8 based on machine vision have shown promise in identifying pulmonary nodules, but suffer from limitations such as false positives and false negatives. MIP visualization methods, on the other hand, provide a more accurate representation of individual nodules, but lack a macroscopic and holistic description of the distribution and spatial features of early multiple nodules. The proposed whole-lung 3D reconstruction method overcomes these limitations and provides a more accurate and comprehensive representation of early multiple pulmonary nodules.
Isovoxel transformation16,17refers to the process of converting 3D images with different voxel sizes into 3D images with uniform voxel sizes. In the field of medical image processing, 3D volumes are often composed of voxels with varying sizes, which can lead to computational and visualization issues. The purpose of isovoxel transformation is to address these issues by resampling and interpolating the voxels in the original 3D volume, resulting in a new 3D image with consistent voxel sizes. This technique finds applications in various medical contexts, including image registration, segmentation, and visualization. Thus, this study proposed a whole-lung 3D reconstruction method that utilizes medical image processing technology to extract the 3D contour of the lung against the background of the whole chest scan. The method provides a more accurate and comprehensive representation of the spatial distribution and radiological features of early multiple nodules throughout the whole lung. This study contributes to the development of more accurate and effective diagnostic and treatment strategies for patients with early multiple pulmonary nodules.

מחבר זרקור: קידום מודלים תלת ממדיים לאבחון וטיפול משופרים בגושים ריאתיים בסרטן ריאות בשלב מוקדם 

שחזור תלת מימדי לכל הריאה עם גושים ריאתיים מרובים מוקדמים

This research develops a 3D modeling approach to comprehensively visualize multiple pulmonary nodules throughout the whole lung, aiming to improve the diagnosis and the treatment of early-stage lung cancer patients. The key questions are how to accurately reconstruct nodule distribution and interplay with lung tissue. Recent advance in deep learning and computer vision enable more accurate AI-assisted detection and segmentation of lung nodules.However, limitation persist regarding whole lung modeling and the spatial relationships between multiple nodules. This research offers progress through a 3D reconstruction technique for the entire lung. Integrating AI-driven medical imaging and visualization with specialist clinical diagnosis and treatment is critical.Technologies like deep learning for segmentation volumetric modeling, virtual augmented reality for 3D visualization and multimodal data fusion are advancing whole lung modeling and multinodule assessment to enhance clinical decision-making. This research establish a effective 3D modeling approach for visualizing the distribution and the spatial relationships of multiple pulmonary nodules across the whole lung volume. Key innovations include lung contour extraction, nodule reconstruction in 3D space, and interactive whole lung visualization.This enables more accurate diagnosis and treatment planning for early-lung cancer patients. Developing a accurate 3D modeling approach for visualizing whole lung nodule patterns provide a new capability for comprehending disease progression. This can enable earlier diagnosis, personalize the treatment plans and improve the outcomes for lung cancer patients.The findings lay the groundwork for expanding whole lung modeling using multimodal data and advancing clinical translation.

בשלב עיבוד מקדים של נתונים, מיון נתוני DICOM צריך להיות השלב הראשון (איור 1) כדי להבטיח את רצף הסריקה הנכון עבור כל שכבה במהלך שחזור תלת-ממדי. לאחר מכן, טרנספורמציה איזוטרופית מבוצעת כדי להבטיח את יחס הגובה-רוחב הנכון של נפח התלת-ממד (איור 2). לאחר מכן, סינון מרחבי...

Watch this Scientific Journal Video about Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer at JoVE.com

מחקר זה מציג שיטת שחזור תלת מימדית (3D) עבור הריאה כולה בחולים עם גושים ריאתיים מרובים מוקדמים. הוא מציע הדמיה מקיפה של התפלגות הגושים ואת יחסי הגומלין שלהם עם רקמת הריאה, מפשט את הערכת האבחנה והפרוגנוזה עבור חולים אלה.

For patients with early multiple pulmonary nodules, it is essential, from a diagnostic perspective, to determine the spatial distribution, size, location, ...

מחקר זה מפתח גישת מידול תלת ממדית כדי לדמיין באופן מקיף גושים ריאתיים מרובים ברחבי הריאה כולה, במטרה לשפר את האבחון והטיפול בחולי סרטן ריאות בשלב מוקדם. שאלות המפתח הן כיצד לשחזר במדויק את פיזור הגושים ואת יחסי הגומלין עם רקמת הריאה. ההתקדמות האחרונה בתחום הלמידה העמוקה והראייה הממוחשבת מאפשרת זיהוי מדויק יותר בעזרת בינה מלאכותית וסגמנטציה של גושי ריאה.עם זאת, קיימת מגבלה לגבי מידול ריאות שלמות והיחסים המרחביים בין גושים מרובים. מחקר זה מציע התקדמות באמצעות טכניקת שחזור תלת ממדית עבור הריאה כולה. שילוב הדמיה והדמיה רפואית מבוססת בינה מלאכותית עם אבחון וטיפול קליניים מומחים הוא קריטי.טכנולוגיות כמו למידה עמוקה לסגמנטציה, מידול נפחי, מציאות רבודה וירטואלית להדמיה תלת-ממדית והיתוך נתונים רב-מודאלי מקדמות מידול ריאות שלמות והערכה רב-גומית כדי לשפר את קבלת ההחלטות הקליניות. מחקר זה מבסס גישת מידול תלת-ממדית יעילה להדמיית ההתפלגות והיחסים המרחביים של גושים ריאתיים מרובים על פני כל נפח הריאה. חידושים מרכזיים כוללים מיצוי מיתאר ריאות, שחזור קשריות בחלל תלת ממדי והדמיה אינטראקטיבית של ריאות שלמות.זה מאפשר אבחון מדויק יותר ותכנון טיפול לחולי סרטן ריאות מוקדם. פיתוח גישת מידול תלת-ממדית מדויקת להדמיית תבניות קשריות ריאה שלמות מספק יכולת חדשה להבנת התקדמות המחלה. זה יכול לאפשר אבחון מוקדם יותר, להתאים אישית את תוכניות הטיפול ולשפר את התוצאות עבור חולי סרטן ריאות.הממצאים מניחים את היסודות להרחבת מידול ריאות שלמות באמצעות נתונים רב-מודאליים ולקידום תרגום קליני.

שחזור תלת מימדי לכל הריאה עם גושים ריאתיים מרובים מוקדמים

Abstract