利用医学图像对肺结节进行三维(3D)重建,为诊断和治疗肺结节引入了新的技术方法,这些方法正逐渐被医生和患者所认可和采用。尽管如此,由于设备差异、拍摄时间和结节类型,构建相对通用的肺结节 3D 数字模型以进行诊断和治疗具有挑战性。本研究的目的是提出一种新的肺结节3D数字模型,作为医生和患者之间的桥梁,也是预诊断和预后评估的前沿工具。许多人工智能驱动的肺结节检测和识别方法采用深度学习技术来捕获肺结节的放射学特征,这些方法可以实现良好的曲线下面积(AUC)性能。然而,假阳性和假阴性仍然是放射科医生和临床医生面临的挑战。从肺结节分类和检查的角度对特征的解释和表达仍然不尽如人意。本研究结合已有的医学图像处理技术,提出了一种水平位和冠状位全肺连续三维重建的方法。与其他适用方法相比,该方法使用户能够快速定位肺结节并识别其基本特性,同时还可以从多个角度观察肺结节,从而为诊断和治疗肺结节提供更有效的临床工具。
肺结节的 3D 重建是一个生成肺部小生长或肿块的 3D 表示的过程。此过程通常涉及利用医学专业知识和数据智能方法的医学图像分析技术的应用。由此产生的3D数字模型提供了对结节的更详细和准确的描述,从而能够改进其大小,形状以及与周围肺组织的空间关系的可视化和分析8,9,10,11,12。这些信息有助于诊断和监测肺结节,特别是那些疑似癌性的肺结节。通过促进更精确的分析,肺结节的3D重建有可能提高诊断的准确性并为治疗决策提供信息。
Xue, J., Xing, F., Liu, Y., Liang, T. A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules. J. Vis. Exp. (195), e65423, doi:10.3791/65423 (2023).