Name: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer (Video) | JoVE
Uploaded: 2023-10-13T15:00:00
Description: 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

Esta publicação foi apoiada pelo quinto programa nacional de pesquisa de excelentes talentos clínicos da medicina tradicional chinesa, organizado pela Administração Nacional de Medicina Tradicional Chinesa. O link de rede oficial é http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.

Para o presente estudo, a autorização ética foi obtida do Comitê de Ética do Hospital Dongzhimen, afiliado à Universidade de Medicina Chinesa de Pequim (DZMEC-KY-2019.90). Neste caso específico, uma descrição metódica da abordagem de pesquisa é apresentada, delineando um caso envolvendo uma paciente de 65 anos com múltiplos nódulos pulmonares. Esta paciente forneceu consentimento informado para seu diagnóstico por meio de modelagem digital e autorizou o uso de seus dados para fins de pesquisa científica. A...

Enhancing Pulmonary Nodule Diagnosis Using Whole-Lung 3D Reconstruction

<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>

Esta pesquisa introduz uma abordagem única para criar uma reconstrução tridimensional (3D) completa de todo o pulmão, empregando técnicas avançadas de processamento de imagens médicas para delinear a forma 3D do pulmão em meio ao contexto de uma varredura torácica completa. Esta técnica oferece uma representação mais precisa e completa do arranjo espacial e das características radiológicas dos nódulos múltiplos precoces em todo o pulmão. Este estudo faz uma valiosa contribuição para aumentar a acuráci...

Nódulos pulmonares múltiplos precoces, que são pequenos crescimentos arredondados no pulmão, podem ser benignos ou malignos 1,2,3. Embora os nódulos pulmonares solitários sejam mais fáceis de diagnosticar e tratar, os pacientes com nódulos pulmonares múltiplos precoces enfrentam desafios diagnósticos e terapêuticos significativos. Para desenvolver planos de tratamento eficazes, é essencial identificar com precisão a distribuição espacial, tamanho, localização e relação com o tecido pulmonar circundante desses nódulos ao longo de todo o pulmão 4,5. Os métodos diagnósticos tradicionais têm limitações na identificação precisa de múltiplos nódulos pulmonares precoces.
Avanços recentes na tecnologia de processamento de imagens médicas e algoritmos de aprendizado de máquina têm o potencial de melhorar a precisão e a eficiência da detecção e diagnóstico precoce de nódulos pulmonares. Várias abordagens têm sido propostas, como métodos de reconhecimento de padrões baseados em visão mecânica e métodos de visualização baseados em projeção de intensidade máxima (MIP)6,7,8,9,10. Entretanto, esses métodos sofrem de limitações como falsos positivos, falsos negativos11,12,13,14,15 e falta de descrições macroscópicas e holísticas da distribuição e características espaciais dos nódulos pulmonares múltiplos precoces.
Para abordar essas limitações, este estudo propõe um método de reconstrução 3D de pulmão inteiro que utiliza tecnologia de processamento de imagens médicas para extrair o contorno 3D do pulmão no contexto de todo o exame de tórax. O método então realiza a reconstrução 3D do pulmão, artéria pulmonar e nódulos pulmonares múltiplos precoces no espaço 3D. Esta abordagem permite uma representação mais abrangente e precisa da distribuição espacial e das características radiológicas dos nódulos múltiplos precoces ao longo de todo o pulmão.
O método proposto envolve várias etapas fundamentais. Primeiramente, as imagens médicas são importadas para o software de processamento de imagens 3D, e a região pulmonar é extraída usando uma técnica de segmentação baseada em limiares. Posteriormente, a região pulmonar extraída é separada da parede torácica circundante e das estruturas ósseas das vértebras torácicas. Os múltiplos nódulos pulmonares precoces e sua relação com os vasos sanguíneos circundantes são então reconstruídos no espaço 3D usando algoritmos de projeção de intensidade máxima (MIP). Finalmente, o modelo 3D reconstruído do pulmão, artéria pulmonar e nódulos é exibido para análise posterior.
Este método tem várias vantagens sobre os métodos existentes. Ao contrário dos métodos tradicionais que se baseiam em imagens 2D, este método utiliza o volume 3D para fornecer uma representação mais precisa e abrangente dos múltiplos nódulos pulmonares precoces. O método também supera as limitações de falsos positivos e falsos negativos associados a métodos de reconhecimento de padrões e métodos de visualização de PImáx. Além disso, este método fornece uma descrição macroscópica e holística da distribuição e das características espaciais dos múltiplos nódulos pulmonares precoces, o que é essencial para o desenvolvimento de planos de tratamento eficazes.
O método proposto tem várias aplicações potenciais no diagnóstico e tratamento de nódulos pulmonares múltiplos precoces. A identificação precisa da distribuição espacial e das características radiológicas dos nódulos múltiplos precoces pode auxiliar no diagnóstico e tratamento precoce do câncer de pulmão. Além disso, o método pode ser usado para monitorar a progressão da doença e avaliar a eficácia dos planos de tratamento.
Os métodos de reconhecimento de padrões 6,7,8 baseados em visão mecânica têm se mostrado promissores na identificação de nódulos pulmonares, mas sofrem de limitações como falsos positivos e falsos negativos. Os métodos de visualização da MIP, por outro lado, fornecem uma representação mais precisa dos nódulos individuais, mas carecem de uma descrição macroscópica e holística da distribuição e das características espaciais dos nódulos múltiplos iniciais. O método de reconstrução 3D de pulmão inteiro proposto supera essas limitações e fornece uma representação mais precisa e abrangente de nódulos pulmonares múltiplos precoces.
A transformação de Isovoxel16,17 refere-se ao processo de conversão de imagens 3D com diferentes tamanhos de voxels em imagens 3D com tamanhos de voxels uniformes. No campo do processamento de imagens médicas, os volumes 3D são frequentemente compostos de voxels com tamanhos variados, o que pode levar a problemas computacionais e de visualização. O objetivo da transformação de isovoxel é resolver essas questões reamostrando e interpolando os voxels no volume 3D original, resultando em uma nova imagem 3D com tamanhos de voxels consistentes. Essa técnica encontra aplicações em vários contextos médicos, incluindo registro, segmentação e visualização de imagens. Assim, este estudo propôs um método de reconstrução 3D de pulmão inteiro que utiliza tecnologia de processamento de imagens médicas para extrair o contorno 3D do pulmão no contexto de todo o exame de tórax. O método fornece uma representação mais precisa e abrangente da distribuição espacial e das características radiológicas dos nódulos múltiplos precoces ao longo de todo o pulmão. Este estudo contribui para o desenvolvimento de estratégias diagnósticas e terapêuticas mais precisas e eficazes para pacientes com nódulos pulmonares múltiplos precoces.

<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

Para pacientes com nódulos pulmonares múltiplos precoces, é essencial, do ponto de vista diagnóstico, determinar a distribuição espacial, tamanho, localização e relação com o tecido pulmonar circundante desses nódulos em todo o pulmão. Isso é crucial para identificar a lesão primária e desenvolver planos de tratamento mais embasados cientificamente para os médicos. No entanto, métodos de reconhecimento de padrões baseados em visão mecânica são suscetíveis a falsos positivos e falsos negativos e, portanto, não podem atender plenamente às demandas clínicas a esse respeito. Métodos de visualização baseados em projeção de intensidade máxima (PImáx) podem ilustrar melhor nódulos pulmonares locais e individuais, mas carecem de uma descrição macroscópica e holística da distribuição e das características espaciais de múltiplos nódulos pulmonares.
Portanto, este estudo propõe um método de reconstrução 3D de pulmão inteiro. Ele extrai o contorno 3D do pulmão usando tecnologia de processamento de imagem médica contra o fundo de todo o pulmão e realiza a reconstrução 3D do pulmão, artéria pulmonar e múltiplos nódulos pulmonares no espaço 3D. Este método pode descrever de forma abrangente a distribuição espacial e as características radiológicas de múltiplos nódulos ao longo de todo o pulmão, fornecendo um meio simples e conveniente de avaliar o diagnóstico e o prognóstico de múltiplos nódulos pulmonares.

Three-Dimensional Reconstruction for the Whole Lung with Early Multiple Pulmonary Nodules

Na etapa de pré-processamento dos dados, a classificação dos dados DICOM deve ser o primeiro passo (Figura 1) para garantir a sequência correta de varredura para cada camada durante a reconstrução 3D. Em seguida, é realizada a transformação isotrópica para garantir a proporção correta do volume 3D (Figura 2). Em seguida, a filtragem espacial é aplicada ao volume 3D original (Figura 3) para eliminar os sinais de interfer...

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

Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer (Video) | JoVE

Este estudo introduz um método de reconstrução tridimensional (3D) para todo o pulmão em pacientes com nódulos pulmonares múltiplos precoces. Oferece uma visualização abrangente da distribuição dos nódulos e sua interação com o tecido pulmonar, simplificando a avaliação do diagnóstico e prognóstico desses pacientes.

Reconstrução Tridimensional de Todo o Pulmão com Múltiplos Nódulos Pulmonares Precoces

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

Esta pesquisa desenvolve uma abordagem de modelagem 3D para visualizar de forma abrangente múltiplos nódulos pulmonares ao longo de todo o pulmão, com o objetivo de melhorar o diagnóstico e o tratamento de pacientes com câncer de pulmão em estágio inicial. As questões-chave são como reconstruir com precisão a distribuição do nódulo e interagir com o tecido pulmonar. O recente avanço no aprendizado profundo e na visão computacional permite a detecção e segmentação de nódulos pulmonares assistidas por IA mais precisas.No entanto, persistem limitações quanto à modelagem pulmonar total e às relações espaciais entre múltiplos nódulos. Esta pesquisa oferece progresso através de uma técnica de reconstrução 3D para todo o pulmão. A integração de imagens médicas e visualização orientadas por IA com diagnóstico clínico e tratamento especializados é fundamental.Tecnologias como deep learning para modelagem volumétrica de segmentação, realidade aumentada virtual para visualização 3D e fusão multimodal de dados estão avançando na modelagem pulmonar completa e na avaliação de múltiplos nódulos para melhorar a tomada de decisões clínicas. Esta pesquisa estabeleceu uma abordagem de modelagem 3D eficaz para visualizar a distribuição e as relações espaciais de múltiplos nódulos pulmonares em todo o volume pulmonar. As principais inovações incluem extração do contorno pulmonar, reconstrução de nódulos no espaço 3D e visualização interativa de todo o pulmão.Isso permite um diagnóstico e um planejamento de tratamento mais precisos para pacientes com câncer de pulmão precoce. O desenvolvimento de uma abordagem de modelagem 3D precisa para visualizar padrões de nódulos pulmonares inteiros fornece uma nova capacidade para compreender a progressão da doença. Isso pode permitir o diagnóstico precoce, personalizar os planos de tratamento e melhorar os resultados para pacientes com câncer de pulmão.Os resultados estabelecem as bases para expandir a modelagem pulmonar inteira usando dados multimodais e avançar na tradução clínica.