Name: lung ct segmentation to identify consolidations and ground glass areas for quantitative assesment of sars-cov pneumonia
Uploaded: 2020-12-19T14:00:00
Description: Watch this Scientific Journal Video about Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia at JoVE.com

Diese Arbeit wurde durch Fördermittel des Department of Radiology der Universität Bologna unterstützt.

Dieses Protokoll folgt den Leitlinien der Ethikkommission für die institutionelle Humanforschung.
1. Herunterladen der DICOM-Bilder
<ol><li>Laden Sie die DICOM-Images herunter und übertragen Sie sie in der Workstation, die der Segmentierung gewidmet ist, wobei die 3D-Software installiert ist. Wenn Sie planen, auf einem PC zu arbeiten, anonymisieren Sie die DICOM-Daten.</li>
</ol>2. Importieren der HRCT-Studie auf die 3D Slicer-Software</strong...

<ol>
	<li>Zheng, 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=COVID-19+and+the+cardiovascular+system.">COVID-19 and the cardiovascular system.</a> Nature Reviews Cardiology. 17, 259-260 (2020).</li><li>Simpson, 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=Radiological+Society+of+North+America+Expert+Consensus+Statement+on+Reporting+Chest+CT+Findings+Related+to+COVID-19.+Endorsed+by+the+Society+of+Thoracic+Radiology,+the+American+College+of+Radiology,+and+RSNA.">Radiological Society of North America Expert Consensus Statement on Reporting Chest CT Findings Related to COVID-19. Endorsed by the Society of Thoracic Radiology, the American College of Radiology, and RSNA.</a> Radiology: Cardiothoracic Imaging. 2, 2 (2020).</li><li>Xie, X., 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=Chest+CT+for+Typical+2019-nCoV+Pneumonia:+Relationship+to+Negative+RT-PCR+Testing.">Chest CT for Typical 2019-nCoV Pneumonia: Relationship to Negative RT-PCR Testing.</a> Radiology. , 200343 (2020).</li><li>Huang, 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=Use+of+Chest+CT+in+Combination+with+Negative+RT-PCR+Assay+for+the+2019+Novel+Coronavirus+but+High+Clinical+Suspicion.">Use of Chest CT in Combination with Negative RT-PCR Assay for the 2019 Novel Coronavirus but High Clinical Suspicion.</a> Radiology. 295 (1), 22-23 (2020).</li><li>Fang, 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=Sensitivity+of+Chest+CT+for+COVID-19:+Comparison+to+RT-PCR.">Sensitivity of Chest CT for COVID-19: Comparison to RT-PCR.</a> Radiology. , 200432 (2020).</li><li>Colombi, D., 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=Well-aerated+Lung+on+Admitting+Chest+CT+to+Predict+Adverse+Outcome+in+COVID-19+Pneumonia.">Well-aerated Lung on Admitting Chest CT to Predict Adverse Outcome in COVID-19 Pneumonia.</a> Radiology. , 201433 (2020).</li><li>. 3D Slicer [software] Available from: <a target="_blank" href="https://www.slicer.org">https://www.slicer.org</a> (2020)</li><li>Kikinis, R., Pieper, S. D., Vosburgh, K., Jolesz, F. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=3D+Slicer:+a+platform+for+subject-specific+image+analysis,+visualization,+and+clinical+support.">3D Slicer: a platform for subject-specific image analysis, visualization, and clinical support.</a> Intraoperative Imaging Image-Guided Therapy. 3 (19), 277-289 (2014).</li><li>Kapur, T., 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=Increasing+the+impact+of+medical+image+computing+using+community-based+open-access+hackathons:+The+NA-MIC+and+3D+Slicer+experience.">Increasing the impact of medical image computing using community-based open-access hackathons: The NA-MIC and 3D Slicer experience.</a> Medical Image Analysis. 33, 176-180 (2016).</li><li>Fedorov, 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=3D+Slicer+as+an+Image+Computing+Platform+for+the+Quantitative+Imaging+Network.">3D Slicer as an Image Computing Platform for the Quantitative Imaging Network.</a> Magnetic Resonance Imaging. 30 (9), 1323-1341 (2012).</li><li>. Chest Imaging Platform [software] Available from: <a target="_blank" href="https://chestimagingplatform.org">https://chestimagingplatform.org</a> (2020)</li><li>Wang, J., Li, F., Li, Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+segmentation+of+lungs+with+severe+interstitial+lung+disease+in+CT.">Automated segmentation of lungs with severe interstitial lung disease in CT.</a> Medical Physics. 36 (10), 4592-4599 (2009).</li><li>Lanza, E., 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=Quantitative+chest+CT+analysis+in+COVID-19+to+predict+the+need+for+oxygenation+support+and+intubation.">Quantitative chest CT analysis in COVID-19 to predict the need for oxygenation support and intubation.</a> European Radiology. , (2020).</li><li>Yao, G. <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+window+technique+in+diagnosis+of+the+ground+glass+opacities+in+patients+with+non-small+cell+pulmonary+cancer.">Value of window technique in diagnosis of the ground glass opacities in patients with non-small cell pulmonary cancer.</a> Oncology Letters. 12 (5), 3933-3935 (2016).</li><li>Kauczor, H. U., 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+detection+and+quantification+of+ground-glass+opacities+on+high-resolution+CT+using+multiple+neural+networks:+comparison+with+a+density+mask.">Automatic detection and quantification of ground-glass opacities on high-resolution CT using multiple neural networks: comparison with a density mask.</a> American Journal of Roentgenology. 175 (5), 1329-1334 (2000).</li><li>Funama, 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=Detection+of+nodules+showing+ground-glass+opacity+in+the+lungs+at+low-dose+multidetector+computed+tomography:+phantom+and+clinical+study.">Detection of nodules showing ground-glass opacity in the lungs at low-dose multidetector computed tomography: phantom and clinical study.</a> Journal of Computed Assisted Tomography. 33 (1), 49-53 (2009).</li><li>Hansell, D. 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=Fleischner+Society:+glossary+of+terms+for+thoracic+imaging.">Fleischner Society: glossary of terms for thoracic imaging.</a> Radiology. 246, 697-722 (2008).</li><li>Heye, T., 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=Reproducibility+of+Dynamic+Part+II.+Comparison+of+Intra-+and+Interobserver+Variability+with+Manual+Region+of+Interest+Placement+versus+semiautomatic+lesion+segmentation+and+histogram+analysis.">Reproducibility of Dynamic Part II. Comparison of Intra- and Interobserver Variability with Manual Region of Interest Placement versus semiautomatic lesion segmentation and histogram analysis.</a> Radiology. 266, 812-821 (2013).</li><li>Zhang, H. T., 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=Automated+detection+and+quantification+of+COVID-19+pneumonia:+CT+imaging+analysis+by+a+deep+learning-based+software.">Automated detection and quantification of COVID-19 pneumonia: CT imaging analysis by a deep learning-based software.</a> Nuclear Medicine and Molecular Imaging. 14, 1-8 (2020).</li><li>Alhazzani, 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=Surviving+Sepsis+Campaign:+guidelines+on+the+management+of+critically+ill+adults+with+Coronavirus+Disease+2019(COVID-19).">Surviving Sepsis Campaign: guidelines on the management of critically ill adults with Coronavirus Disease 2019(COVID-19).</a> Intensive Care Medicine. 46 (5), 854-887 (2020).</li></ol>

Die Segmentierung stellt einen grundlegenden Schritt für die Durchführung moderner quantitativer Radiologiestudien dar und ist notwendig, um Radiomik oder Texturanalysetechniken anzuwenden. Pathologische Befunde in der Lunge stellen eine der schwierigsten segmentierend dar, da es keine definierten anatomischen Grenzen gibt und ein kleiner Unterschied im Dämpfungswert im Vergleich zu den gesunden Bereichen besteht.
Die Quellbilder müssen möglichst mit einem Minimum an Artefakten vorhanden ...

Im laufenden Jahr steht die Welt vor einem Gesundheitsnotstand, der Pandemie, die durch das neuartige Coronavirus Sars-CoV2 verursacht wird. Auch wenn bis heute viele Aspekte der Physiopathologie der COVID-19-Infektion noch unklar sind, teilt sie mehrere Merkmale mit ihren "Vorfahren" SARS1 und MERS. Insbesondere ist nachgewiesen, dass die Virion-Spike-Proteine mit dem Angiotensin-Converting-Enzym Typ-2 interagieren, einem Rezeptor, der gut auf den alveolären Endothelzellen vertreten ist, aber im menschlichen Organismus allgegenwärtig ist und somit das Potenzial hat, systemische Symptome zu geben1.
Für die Diagnose ist der aktuelle Standard die Echtzeit-Reverse-Transkriptase-Polymerase-Kettenreaktion (rt-PCR), ein Test, der an Pharyngealtupfern durchgeführt wird. Obwohl die radiologische Bildgebung im diagnostischen Pfad für den Nachweis der Krankheit nicht offiziell anerkannt ist, erwies sich die hochauflösende Computertomographie (HRCT) aufgrund der relativ geringen Empfindlichkeit der rt-PCR, der aktuellen Knappheit spezialisierter Laboratorien und der notwendigen Reagenzien sowie der hohen Bedienerabhängigkeit als wertvolle Späebographie für das klinische und epidemiologische Management betroffener Patienten.
Die Radiological Society of North America (RSNA) veröffentlichte eine Konsenserklärung, die von der Gesellschaft für Thoraxradiologie und dem American College of Radiology (ACR) unterstützt wurde und das CT-Erscheinungsbild von COVID19 in vier Kategorien einteilt, um die Berichterstattung zu standardisieren und die interstitiellen Lungenentzündungsmuster in "typisch", "atypisch", "unbestimmt" und "negativ"2zu unterteilen.
Das "typische" Muster zeichnet sich durch das Vorhandensein von runden Bodenglas-Trübungen (GGO) aus, die in der Regel mit einer subpleuralen Position auf den dorsalen Basalsegmenten liegen. Die GGO kann mit "Crazy Paving" Bereiche von verdickten Septa oder andere Anzeichen der Organisation von Lungenentzündung verbunden werden. Das "unbestimmte" Muster ist durch das Fehlen der "typischen" Musterbefunde gekennzeichnet, mit diffusen GGO-Bereichen mit einer perihilaren Verteilung, mit oder ohne Konsolidierungsbereiche. Das "atypische" Muster ist entweder durch das Fehlen der "typischen" oder "unbestimmten" Zeichen und das Vorhandensein von Lobar-Konsolidierungen, "Baum im Keim", glatte Verdickung der Septa und Pleuraerguss gekennzeichnet; in dieser Präsentation sind keine GGO nachweisbar. Das "negative" Muster ist durch das Fehlen der oben genannten pathologischen Befunde gekennzeichnet.
Laut Literatur können einige Patienten mit einem hohen klinischen Verdacht an COVID-19 auftreten, der durch epidemiologische Kriterien und bildgebende Befunde mit negativem rt-PCR3,4unterstützt wird. Auf der anderen Seite wurde berichtet, dass Patienten mit einer positiven rt-PCR und suggestiven klinischen Befunden keine pathologischen Befunde auf HRCT5präsentieren.
Heutzutage ist es für die wissenschaftliche Gemeinschaft von höchstem Interesse, Bildanalysetechniken anzuwenden, wenn sie die Merkmale dieser Krankheit quantitativ untersucht. Eine aktuelle Studie hat eine automatisierte Segmentierungstechnik des Lungenparenchyms angewandt, um den Prozentsatz der belüfteten Lunge bei Patienten zu identifizieren, die von COVID-19 betroffen sind, und diesen Wert mit der Prognose in Beziehung zu setzen und zu zeigen, dass Patienten mit einer schwereren Lungenbeteiligung ein besseres Risiko für die Aufnahme auf der Intensivstation (Intensivstation) und schlechtere Ergebnisse haben6.
Die Segmentierung ist die Konturierung von Interessengebieten (ROIs) innerhalb eines Volumens, das durch eine bildgebende Technik wie HRCT erworben wurde. Diese Tätigkeit kann mit drei Methoden durchgeführt werden: manuell, halbautomatisch und automatisch. Die manuelle Segmentierung besteht dank der Erfahrung eines ausgebildeten Radiologen aus der Kennzeichnung von Voxeln, die zum pathologischen Bereich gehören. Die Hauptnachteile dieser Methode sind der große Zeitaufwand und die Tatsache, dass sie vom Bediener abhängig ist.
Halbautomatische Methoden ermöglichen eine Beschleunigung der Segmentierung, da der Bediener eine Segmentierungsmaske ändern kann, die durch die klassischen Methoden der Bildverarbeitung (z. B. Schwellenwert für Pixelintensität, Clustering usw.) erhalten wird. Diese Techniken sind jedoch in der klinischen Praxis nicht einfach umzusetzen, da sie in den kompliziertesten Fällen umfangreiche manuelle Eingriffe erfordern18.
Automatische Segmentierungsmethoden, die derzeit nur begrenzt genutzt werden, verwenden künstliche Intelligenz, um ROIs zu erhalten. Eine aktuelle Studie zielt insbesondere darauf ab, die automatische Segmentierung bei der Quantifizierung von gemahlenen Glasflächen bei Patienten mit COVID-19 interstitielle Lungenentzündung19zu nutzen. Die Definition eines Segmentierungsprotokolls für die pathologischen Bereiche auf den HRCT-Bildern ist der eigentliche erste Schritt zur anschließenden Radiomik-Analyse, um Merkmale zu identifizieren, die dazu beitragen könnten, die Physiopathologie der Krankheit besser zu verstehen, und als genauer prognostischer Faktor dienen, der die Behandlung potenziell beeinflussen könnte.
Dieses Papier bietet einen Leitfaden, um genaue und effiziente Segmente zu erhalten, die die pathologischen Erkenntnisse der COVID-19-Pneumonie mit "3D Slicer"7,8,9,10darstellen.

<table border="0" cellpadding="0" cellspacing="0" style="width:592px;" width="592">
	<colgroup>
		<col />
		<col />
		<col />
		<col />
	</colgroup>
	<tbody>
		<tr height="63">
			<td height="63" style="height:63px;width:216px;">CT Scanner</td>
			<td style="width:91px;">General Electrics Healthcare</td>
			<td style="width:119px;">64-MDCT VCT lightSpeed</td>
			<td style="width:167px;">The CT scanner used for HRCT acquisitions</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">Desktop Computer</td>
			<td style="width:91px;">ThinkCentre</td>
			<td style="width:119px;"></td>
			<td>The computer used to download the DICOM files and run 3D Slicer</td>
		</tr>
	</tbody>
</table>

lung ct segmentation to identify consolidations and ground glass areas for quantitative assesment of sars-cov pneumonia

Segmentierung ist eine komplexe Aufgabe, mit der Radiologen und Forscher konfrontiert sind, da Radiomik und maschinelles Lernen an Potenzial zunimmt. Der Prozess kann entweder automatisch, halbautomatisch oder manuell sein, wobei der erste prozessweise nicht präzise oder leicht reproduzierbar ist und der letzte übermäßig zeitaufwändig ist, wenn große Bezirke mit hochauflösenden Akquisitionen beteiligt sind.
Ein hochauflösender CT der Brust besteht aus Hunderten von Bildern, was den manuellen Ansatz übermäßig zeitaufwändig macht. Darüber hinaus erfordern die parenchymalen Veränderungen eine Sachverständigenbewertung, die vom normalen Erscheinungsbild aus zu unterscheiden ist; Daher ist ein halbautomatischer Ansatz für den Segmentierungsprozess nach bestem Wissen und Gewissen das am besten geeignete, wenn es um die Segmentierung von Lungenentzündungen geht, insbesondere wenn ihre Eigenschaften noch unbekannt sind.
Für die Inunserem Institute zur Bildgebung von COVID-19 durchgeführten Studien haben wir 3D Slicer, eine Freeware-Software der Harvard University, übernommen und die Schwelle mit den Pinselinstrumenten kombiniert, um eine schnelle und präzise Segmentierung von belüfteten Lungen-, Bodenglastrübungen und Konsolidierungen zu erreichen. Bei komplexen Fällen benötigt diese Methode noch viel Zeit für ordnungsgemäße manuelle Anpassungen, bietet jedoch einen äußerst effizienten Mittelwert, um Segmente zu definieren, die für weitere Analysen verwendet werden können, wie z. B. die Berechnung des Prozentsatzes des betroffenen Lungenparenchyms oder die Texturanalyse der geschliffenen Glasflächen.

Die vorgeschlagene Methode wurde durch Versuche und Fehler verfeinert und an 117 Patienten getestet, die von EINER COVID-19-Pneumonie betroffen waren, mit einem positiven rt-PCR-Test.
Nach einer kurzen Lernkurve kann die zum Abrufen der Segmente benötigte Zeit je nach Präsentationsmuster zwischen 5 und 15 Minuten variieren.
Wie in Abbildung 1dargestellt, ergibt die Methode präzise Segmente: Dies kann beobachtet werden, indem man die genaue Übere...

Watch this Scientific Journal Video about Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia at JoVE.com

Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia

Ziel dieses Protokolls ist es, eine zeiteffiziente Möglichkeit zur Segmentierung von Volumen von Interesse auf hochauflösendeCT-Scans zu bieten, um sie für weitere Radiomikanalysen zu verwenden.

Lung CT Segmentierung zur Identifizierung von Konsolidierungen und Bodenglasflächen für die quantitative Assesment von SARS-CoV Pneumonie

Segmentation is a complex task, faced by radiologists and researchers as radiomics and machine learning grow in potentiality. The process can either be ...

Seit dem Ausbruch der neuartigen Coronavirus-Krankheit Pandemie erscheint eine einfache und effektive Methode, die nützlich ist, um eine angemessene Segmentierung der typischen pathologischen Läsionen dieser Infektion in Brust-CT-Scanbildern zu erhalten, von grundlegender Bedeutung. Unser Ziel ist es daher, ein Starterpaket mit Wissen anzubieten, damit Menschen eine einfache und effiziente Segmentierung dieser pathologischen Lungenfunde durchführen können. Hoffentlich wird dies der wissenschaftlichen Gemeinschaft helfen, spezielle Radiomik- und künstliche Intelligenzstudien zu entwickeln, die den diagnostischen Ansatz dieser Patienten verbessern könnten.Wählen Sie im DICOM-Browser von 3D Slicer die Studie aus, die Sie segmentieren möchten, und klicken Sie auf Laden. Sie können die ausgewählte Anfrage im Viewer-Bereich überprüfen. Wie Sie sehen können, präsentiert dieser Patient mit Gemahlenglas Trübungen bilateral und konsolidative Bereiche gleichermaßen, was ein typischer Fall von COVID-19 ist.Gehen Sie dann zum Abschnitt Segment, und fügen Sie drei Segmente hinzu, eines für das gesamte Lungenvolumen, eines für die Deckkraft des Bodenglass und eines für die Konsolidierungsbereiche. Wechseln Sie zum Threshold-Instrument, und legen Sie die obere Schwelle auf minus 250 Hounsfield-Einheit fest. Sortieren Sie, um nur Luft auszuwählen und dabei Weichteile, Knochen und konsolidierungsgemäße Bereiche auszulassen, die das System nicht automatisch von den Weichteilen unterscheiden kann, und klicken Sie dann auf , um sie anzuwenden.Dann möchten Sie die Luft außerhalb des Patienten entfernen, und dazu verwenden Sie das Insel-Tool und gehen Sie zu Nur ausgewählte Insel behalten. Klicken Sie dann in den Patienten. Sie sehen, dass die Luft draußen entfernt wurde.Nun möchten Sie die Konsolidierungsbereiche zum gesamten Lungenvolumen hinzufügen. Verwenden Sie dazu das Paint-Instrument mit der Sphere-Pinseleinstellung, passen Sie die Größe an Ihre Bedürfnisse an und achten Sie darauf, Weichgewebe zu vermeiden. Mit dem Sphere-Pinsel malen Sie in Bezug auf die Scheibe, an der Sie arbeiten, auf und ab, was den Prozess beschleunigt.Nun möchten Sie die Konsolidierungsbereiche segmentieren. Achten Sie darauf, innerhalb des gesamten Lungenvolumens ohne eine Vielzahl anderer Segmente zu arbeiten. Heben Sie mit dem Schwellenwertinstrument den oberen Schwellenwert an, um sicherzustellen, dass Weichteile und Konsolidierungen enthalten sind, und legen Sie den unteren Schwellenwert auf minus 250 fest.Beachten Sie, dass Sie sowohl Weichteile, Gefäße als auch Konsolidierung auswählen, aber wenn Sie auf Anwenden klicken, wurden nur Konsolidierungsbereiche ausgewählt. Um nun die masseig geerdete Glasflächen zu segmentieren, wählen Sie das Masseglassegment aus. Halten Sie die Einstellungen aus der vorherigen Segmentierung, legen Sie den Schwellenwert von minus 750 bis minus 250 Hounsfield-Einheit.Beachten Sie, dass dieser Wert je nach den CT-Scaneinstellungen variieren kann. Passen Sie sich immer an die Fleischner Society Definition von Erdglas an. Wählen Sie eine Deckkraft mit diesem sichtbaren Gefäß in Sicht.Klicken Sie dann auf Anwenden. Sie werden feststellen, dass auch interstitielle Räume ausgewählt wurden. Um sich anzupassen, gehen Sie zum Smooth-Instrument.Wählen Sie aus, welcher Sitz besser zum Konstruktionsalgorithmus Ihres CT-Scans passt. Und wie Sie sehen können, wurden die interstitiellen Räume entfernt. Sie können die Ergebnisse Ihrer Segmentierung überprüfen, die zum Segment-Editor gehen, und Sie können ein 3D-Modell der segmentierten Segmente anzeigen, die Sie definiert haben.Sie können den Schieberegler auf der linken Seite verwenden, um die Transparenz des Modells anzupassen. 3D-Ansicht kann verwendet werden, um den korrekten Segmentierungsprozess zu bestätigen. Wir haben jetzt drei verschiedene Segmente, eines für das gesamte Lungenvolumen und die anderen beiden für die typischen Ergebnisse von COVID-19-Konsolidierungen und gemahlenen Glasflächen.Sie können einige Statistiken aus dem Segment extrahieren, das Sie aufgrund des SegmentsStatistics-Moduls definiert haben. Entfernen Sie die Option Skalarvolumen, und sie haben dann eine Tabelle, die das Volumen der gesamten Lunge und der Konsolidierungsbereiche und der geschliffenen Glasbereiche ausdrückt. Sie können dies verwenden, um den Schweregrad der Krankheit zu berechnen.Sie können auch das segment exportieren, das Sie definiert haben. Sie können zum Abschnitt Daten wechseln. Machen Sie dann nur das Segment sichtbar, das Sie exportieren möchten, indem Sie auf das Augensymbol klicken.Klicken Sie dann mit der rechten Maustaste und exportieren Sie nur die binäre Labelmap sichtbar. Sie können die Labelmap nach Belieben beibehalten. Sie müssen den Vorgang für jedes Segment wiederholen, das Sie definiert haben.Auf diese Weise verfügen Sie nun über drei Beschriftungszuordnungen, die dem von Ihnen definierten Segment entsprechen. Dies kann in den von Ihnen bevorzugten Dateityp exportiert werden oder für die weitere Analyse am besten geeignet sind. Außerdem. Mit diesen Methoden können Forscher schnell eine genaue Segmentierung für pathologische Befunde von COVID-19 erhalten, für die spezifische Merkmale extrahiert werden können.Um der wissenschaftlichen Gemeinschaft ein solches Wissen zur Verfügung zu stellen, können genaue, vollautomatisierte Segmentierungsmethoden entwickelt und präzise prognostische Faktoren bestimmt werden.

Research

Education

JoVE Core

JoVE Journal

Medical-Surgical Nursing

Medicine

Unit 1

Diagnostic Studies of Respiratory System

SCIENTISTS IN ACTION

Osteopathic Manipulative Treatment as a Useful Adjunctive Tool for Pneumonia

Osteopathic Manipulative Treatment als nützliches Werkzeug für Adjunctive Lungenentzündung

Pneumonia, the inflammatory state of lung tissue primarily due to microbial infection, claimed 52,306 lives in the United States in 20071 and resulted in ...

Forschung

Medizin

Implantation of Fibrin Gel on Mouse Lung to Study Lung-specific Angiogenesis

Die Implantation von Fibrin Gel auf Maus Lung Lung spezifischen Angiogenese Studieren

Recent significant advances in stem cell research and bioengineering techniques have made great progress in utilizing biomaterials to regenerate and ...

Evaluation of Lung Metastasis in Mouse Mammary Tumor Models by Quantitative Real-time PCR

Beurteilung von Lungenmetastasen in Maus-Mammatumormodelle durch quantitative Echtzeit-PCR

Metastatic disease is the spread of malignant tumor cells from the primary cancer site to a distant organ and is the primary cause of cancer associated ...

Apical Resection Mouse Model to Study Early Mammalian Heart Regeneration

Wurzelspitzenresektion Mausmodell zur frühen Säugetierherzregeneration Studieren

Cardiovascular disease plagues the whole world due to intensive lifestyle changes. Heart regeneration holds great promise for repairing and restoring ...

Proximal Cadaveric Femur Preparation for Fracture Strength Testing and Quantitative CT-based Finite Element Analysis

Proximale Cadaveric Femur Vorbereitung für die Bruchfestigkeit Prüfung und quantitative CT-basierte Finite-Elemente-Analyse

Cadaveric fracture testing is routinely used to understand factors that affect proximal femur strength.  Because ex vivo biological tissues are prone to ...

Induction and Micro-CT Imaging of Cerebral Cavernous Malformations in Mouse Model

Induktion und Mikro-CT-Bildgebung des zerebralen höhlenartigen Fehlbildungen im Mausmodell

Mutations in the CCM1 (aka KRIT1), CCM2, or CCM3 (aka PDCD10) gene cause cerebral cavernous malformation (CCM) in humans. Mouse models of CCM disease have ...

Quantitative Micro-CT Analysis of Aortopathy in a Mouse Model of &#946;-aminopropionitrile-induced Aortic Aneurysm and Dissection

Quantitative Micro-CT-Analyse der Aortopathy in einem Mausmodell der β-Aminopropionitrile-induzierte Aortenaneurysma und Dissektion

Aortic aneurysm and dissection is associated with significant morbidity and mortality in the population and can be highly lethal. While animal models of ...

Murine Oropharyngeal Aspiration Model of Ventilator-associated and Hospital-acquired Bacterial Pneumonia

Murine oropharyngealen Aspiration Modell der Ventilator-assoziierten und nosokomiale Bakterielle Pneumonie

Murine infection models are critical for understanding disease pathogenesis and testing the efficacy of novel therapeutics designed to combat causative ...

Quantitative Analysis of Cellular Composition in Advanced Atherosclerotic Lesions of Smooth Muscle Cell Lineage-Tracing Mice

Quantitative Analyse der zellulären Zusammensetzung in fortgeschrittene atherosklerotische Läsionen der glatten Muskulatur Zelle Abstammung-Tracing Mäuse

Atherosclerosis remains the leading cause of death worldwide and, despite countless preclinical studies describing promising therapeutic targets, novel ...

Customizing a Cryolite Glass Prosthetic Eye

Anpassen eines Kryolglas-Prothesenauges

In Germany, Austria, and Switzerland, over 90% of ocularists still manufacture customized prostheses using cryolite glass from Thuringia. The present ...