Yeni coronavirus hastalığı salgını ndan bu yana, basit ve etkili bir yöntem göğüs BT taraması görüntüleri bu enfeksiyonun tipik patolojik lezyonların uygun bir segmentasyon elde etmek için yararlı temel görünür. Bu nedenle, amacımız insanların bu akciğer patolojik bulgularının kolay ve verimli bir segmentasyon gerçekleştirmek için bilgi bir başlangıç paketi sunmaktır. Umarım, bu bilim camiasının bu hastaların tanı yaklaşımını geliştirebilecek özel radyomik ler ve yapay zeka çalışmaları geliştirmesine yardımcı olacaktır.
3B Dilimleyici'nin DICOM tarayıcısından, segmente etmek istediğiniz çalışmayı seçmeye devam edin ve Yükle'yi tıklatın. Seçili servis talebigörüntüleyici bölümünde gözden geçirebilirsiniz. Gördüğünüz gibi, bu hasta, covid-19 tipik bir durumdur hem hem zemin cam opacities ile birlikte sunar.
Daha sonra Segment bölümüne gidin ve biri toplam akciğer hacmi, biri zemin cam opaklıkları ve diğeri de konsolide alanlar için olmak üzere üç segment ekleyin. Threshold enstrümanına gidin ve üst eşiği eksi 250 Hounsfield birimine ayarlayın. Sadece hava seçmek ve yumuşak dokular, kemikler ve konsolide alanları dışında bırakarak sıralamak, sistem yumuşak dokulardan otomatik olarak ayırt edemez, sonra uygulamak için tıklayın.
Daha sonra, hastanın dışındaki havayı kaldırmak ve bunu yapmak için Ada aracını kullanın ve Yalnızca Seçilmiş Adayı Tut'a gidin. Sonra hastanın içine tıklayın. Dışarıdaki havanın kaldırıldığını görüyorsunuz.
Şimdi, toplam akciğer hacmine konsolide alanları eklemek istiyorsunuz. Bunu yapmak için, Küre fırça ayarı ile Boya aleti kullanın, ihtiyacınız olan boyut ayarlama ve yumuşak doku önlemek için dikkatli olmak. Küre fırçası ile, üzerinde çalıştığınız dilime göre yukarı ve aşağı boyayarak işlemi hızlandırabilirsiniz.
Şimdi, konsolide alanları segmente etmek istiyorsunuz. Bunu yapmak için, diğer segmentleri çeşitli olmadan toplam akciğer hacmi içinde çalışan emin olun. Eşik aracını kullanarak, yumuşak dokular ve konsolidasyonlar içerdiğinden emin olmak için üst eşiği yükseltin ve alt eşiği eksi 250'ye ayarlayın.
Her iki yumuşak doku, damar ve konsolidasyon seçtiğinize dikkat edin, ancak Uygula'yı tıklattığınızda yalnızca konsolide alanlar seçilmiştir. Şimdi, zemin cam alanları segmentiçin, zemin cam segmentseçin. Önceki segmentasyondaki ayarları tutarak, eşiği eksi 750'den eksi 250 Hounsfield birimine ayarlayın.
Bu değerin CT taraması ayarlarına göre değişebileceğine dikkat edin. Her zaman zemin cam Fleischner Derneği tanımına göre ayarlayın. Görünürde görünür gemi ile bir opaklık seçin.
Ardından Uygula'yı tıklatın. Ayrıca interstisyel alanların seçildiğini fark edeceksiniz. Ayarlamak için, Smooth aletine gidin.
CT taramanızın yapı algoritmasını hangi koltuğun daha iyi uyduğunu seçin. Ve gördüğünüz gibi, interstisyel boşluklar kaldırıldı. Segment Düzenleyici'ye giderek segmentasyonunuzun sonuçlarını denetleyebilir ve tanımladığınız segmentlerin 3B modelini görüntüleyebilirsiniz.
Modelin saydamlık ayarlamak için sol tarafta kaydırıcı kullanabilirsiniz. 3B Görünüm, doğru segmentasyon işlemini onaylamak için kullanılabilir. Şimdi üç ayrı segmentleri var, toplam akciğer hacmi için bir, ve covid-19 konsolidasyonları ve zemin cam alanları tipik bulgular için diğer iki.
SegmentStatistics modülü nedeniyle tanımladığınız segmentten bazı istatistikler ayıklayabilirsiniz. Skaler Hacim seçeneğini kaldırın ve ardından toplam akciğer hacmini ve konsolide alanları ve zemin cam alanlarını ifade eden bir tablonuz olur. Bunu hastalığın şiddetini hesaplamak için kullanabilirsiniz.
Tanımladığınız kesimi de dışa aktarabilirsiniz. Veri bölümüne gidebilirsiniz. Ardından, göz simgesine tıklayarak yalnızca dışa aktarmak istediğiniz kesimi görünür hale getirin.
Ardından, ikili etiket haritasını yalnızca görünür olarak sağ tıklatın ve dışa aktarın. Etiket haritasını istediğiniz gibi kalabilirsiniz. Tanımladığınız her kesim için işlemi yinelemeniz gerekir.
Bunu yaparak, artık tanımladığınız segmente karşılık gelen üç etiket eşemi niz var. Bu, tercih ettiğiniz dosya türüne aktarılabilir veya daha fazla analiz için en uygun dosya türüne uyar. Ayrıca. Bu yöntemlerle araştırmacılar COVID-19'un patolojik bulguları için doğru bir segmentasyon elde edebilirler ve bu bulgular için spesifik özellikler elde edilebilir.
Bilimsel topluma bu tür bilgiler sağlanarak doğru, tam otomatik segmentasyon yöntemleri geliştirilebilir ve kesin prognostik faktörler belirlenebilir.
