$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
La reconstrucción tridimensional (3D) de los nódulos pulmonares utilizando imágenes médicas ha introducido nuevos enfoques técnicos para diagnosticar y tratar los nódulos pulmonares, y estos enfoques están siendo progresivamente reconocidos y adoptados por médicos y pacientes. No obstante, la construcción de un modelo digital 3D relativamente universal de nódulos pulmonares para el diagnóstico y el tratamiento es un desafío debido a las diferencias en los dispositivos, los tiempos de disparo y los tipos de nódulos. El objetivo de este estudio es proponer un nuevo modelo digital 3D de nódulos pulmonares que sirva de puente entre médicos y pacientes y que sea también una herramienta de vanguardia para el prediagnóstico y la evaluación pronóstica. Muchos métodos de detección y reconocimiento de nódulos pulmonares impulsados por IA emplean técnicas de aprendizaje profundo para capturar las características radiológicas de los nódulos pulmonares, y estos métodos pueden lograr un buen rendimiento bajo la curva (AUC) del área. Sin embargo, los falsos positivos y falsos negativos siguen siendo un desafío para los radiólogos y los médicos. La interpretación y expresión de las características desde la perspectiva de la clasificación y el examen de los nódulos pulmonares siguen siendo insatisfactorias. En este estudio, se propone un método de reconstrucción 3D continua de todo el pulmón en posiciones horizontal y coronal mediante la combinación de tecnologías de procesamiento de imágenes médicas existentes. En comparación con otros métodos aplicables, este método permite a los usuarios localizar rápidamente los nódulos pulmonares e identificar sus propiedades fundamentales, al tiempo que observa los nódulos pulmonares desde múltiples perspectivas, proporcionando así una herramienta clínica más eficaz para diagnosticar y tratar los nódulos pulmonares.