प्रारंभिक मल्टीपल पल्मोनरी नोड्यूल्स के साथ पूरे फेफड़े के लिए त्रि-आयामी पुनर्निर्माण
Summary
यह अध्ययन प्रारंभिक कई फुफ्फुसीय नोड्यूल वाले रोगियों में पूरे फेफड़े के लिए एक त्रि-आयामी (3 डी) पुनर्निर्माण विधि का परिचय देता है। यह नोड्यूल वितरण और फेफड़ों के ऊतकों के साथ उनकी परस्पर क्रिया का एक व्यापक विज़ुअलाइज़ेशन प्रदान करता है, जो इन रोगियों के लिए निदान और रोग का निदान के मूल्यांकन को सरल बनाता है।
Abstract
शुरुआती कई फुफ्फुसीय नोड्यूल्स वाले रोगियों के लिए, नैदानिक दृष्टिकोण से, पूरे फेफड़े में इन नोड्यूल्स के आसपास के फेफड़ों के ऊतकों के साथ स्थानिक वितरण, आकार, स्थान और संबंध निर्धारित करना आवश्यक है। यह प्राथमिक घाव की पहचान करने और डॉक्टरों के लिए अधिक वैज्ञानिक रूप से आधारित उपचार योजनाओं को विकसित करने के लिए महत्वपूर्ण है। हालांकि, मशीन दृष्टि पर आधारित पैटर्न मान्यता विधियां झूठी सकारात्मकता और झूठी नकारात्मक के लिए अतिसंवेदनशील होती हैं और इसलिए, इस संबंध में नैदानिक मांगों को पूरी तरह से पूरा नहीं कर सकती हैं। अधिकतम तीव्रता प्रक्षेपण (एमआईपी) पर आधारित विज़ुअलाइज़ेशन विधियां स्थानीय और व्यक्तिगत फुफ्फुसीय नोड्यूल्स को बेहतर ढंग से चित्रित कर सकती हैं लेकिन कई फुफ्फुसीय नोड्यूल्स के वितरण और स्थानिक विशेषताओं के मैक्रोस्कोपिक और समग्र विवरण की कमी है।
इसलिए, यह अध्ययन एक पूरे फेफड़े के 3 डी पुनर्निर्माण विधि का प्रस्ताव करता है। यह पूरे फेफड़े की पृष्ठभूमि के खिलाफ चिकित्सा छवि प्रसंस्करण तकनीक का उपयोग करके फेफड़ों के 3 डी समोच्च को निकालता है और 3 डी स्पेस में फेफड़े, फुफ्फुसीय धमनी और कई फुफ्फुसीय नोड्यूल्स का 3 डी पुनर्निर्माण करता है। यह विधि पूरे फेफड़े में कई नोड्यूल्स के स्थानिक वितरण और रेडियोलॉजिकल विशेषताओं को व्यापक रूप से चित्रित कर सकती है, जो कई फुफ्फुसीय नोड्यूल्स के निदान और पूर्वानुमान का मूल्यांकन करने का एक सरल और सुविधाजनक साधन प्रदान करती है।
Introduction
प्रारंभिक एकाधिक फुफ्फुसीय नोड्यूल्स, जो फेफड़ों पर छोटे, गोल विकास होते हैं, सौम्य या घातक 1,2,3 हो सकते हैं। हालांकि एकान्त फुफ्फुसीय नोड्यूल्स का निदान और उपचार करना आसान है, शुरुआती कई फुफ्फुसीय नोड्यूल वाले रोगियों को महत्वपूर्ण नैदानिक और उपचार चुनौतियों का सामना करना पड़ता है। प्रभावी उपचार योजनाओं को विकसित करने के लिए,पूरे फेफड़े में इन नोड्यूल्स के आसपास के फेफड़ों के ऊतकों के साथ स्थानिक वितरण, आकार, स्थान और संबंध की सटीक पहचान करना आवश्यक है। पारंपरिक नैदानिक विधियों में शुरुआती कई फुफ्फुसीय नोड्यूल्स की सटीक पहचान करने में सीमाएं हैं।
चिकित्सा छवि प्रसंस्करण प्रौद्योगिकी और मशीन लर्निंग एल्गोरिदम में हालिया प्रगति में प्रारंभिक फुफ्फुसीय नोड्यूल का पता लगाने और निदान की सटीकता और दक्षता में सुधार करने की क्षमता है। विभिन्न दृष्टिकोण प्रस्तावित किए गए हैं, जैसे मशीन दृष्टि पर आधारित पैटर्न पहचान विधियां और अधिकतम तीव्रता प्रक्षेपण (एमआईपी) 6,7,8,9,10 पर आधारित विज़ुअलाइज़ेशन विधियां। हालांकि, ये विधियां झूठी सकारात्मकता, झूठी नकारात्मक 11,12,13,14,15, और प्रारंभिक कई फुफ्फुसीय नोड्यूल्स के वितरण और स्थानिक विशेषताओं के मैक्रोस्कोपिक और समग्र विवरण की कमी जैसी सीमाओं से ग्रस्त हैं।
इन सीमाओं को संबोधित करने के लिए, यह अध्ययन एक पूरे फेफड़े की 3 डी पुनर्निर्माण विधि का प्रस्ताव करता है जो पूरे छाती स्कैन की पृष्ठभूमि के खिलाफ फेफड़ों के 3 डी समोच्च को निकालने के लिए चिकित्सा छवि प्रसंस्करण तकनीक का उपयोग करता है। विधि तब 3 डी स्पेस में फेफड़े, फुफ्फुसीय धमनी और शुरुआती कई फुफ्फुसीय नोड्यूल्स का 3 डी पुनर्निर्माण करती है। यह दृष्टिकोण पूरे फेफड़े में शुरुआती कई नोड्यूल्स के स्थानिक वितरण और रेडियोलॉजिकल विशेषताओं के अधिक व्यापक और सटीक प्रतिनिधित्व की अनुमति देता है।
प्रस्तावित विधि में कई प्रमुख चरण शामिल हैं। सबसे पहले, चिकित्सा छवियों को 3 डी छवि प्रसंस्करण सॉफ्टवेयर में आयात किया जाता है, और फेफड़ों के क्षेत्र को थ्रेशोल्ड-आधारित विभाजन तकनीक का उपयोग करके निकाला जाता है। इसके बाद, निकाले गए फेफड़े के क्षेत्र को आसपास की छाती की दीवार और वक्ष कशेरुक की बोनी संरचनाओं से अलग किया जाता है। प्रारंभिक कई फुफ्फुसीय नोड्यूल ्स और आसपास की रक्त वाहिकाओं के साथ उनके संबंध को अधिकतम तीव्रता प्रक्षेपण (एमआईपी) एल्गोरिदम का उपयोग करके 3 डी स्पेस में पुनर्निर्माण किया जाता है। अंत में, फेफड़े, फुफ्फुसीय धमनी और नोड्यूल्स का पुनर्निर्मित 3 डी मॉडल आगे के विश्लेषण के लिए प्रदर्शित किया गया है।
इस विधि में मौजूदा तरीकों पर कई फायदे हैं। पारंपरिक तरीकों के विपरीत जो 2 डी छवियों पर भरोसा करते हैं, यह विधि प्रारंभिक कई फुफ्फुसीय नोड्यूल्स का अधिक सटीक और व्यापक प्रतिनिधित्व प्रदान करने के लिए 3 डी वॉल्यूम का उपयोग करती है। विधि पैटर्न पहचान विधियों और एमआईपी विज़ुअलाइज़ेशन विधियों से जुड़े झूठे सकारात्मक और झूठे नकारात्मक की सीमाओं को भी दूर करती है। इसके अलावा, यह विधि प्रारंभिक कई फुफ्फुसीय नोड्यूल्स के वितरण और स्थानिक विशेषताओं का एक मैक्रोस्कोपिक और समग्र विवरण प्रदान करती है, जो प्रभावी उपचार योजनाओं को विकसित करने के लिए आवश्यक है।
प्रस्तावित विधि में प्रारंभिक कई फुफ्फुसीय नोड्यूल्स के निदान और उपचार में कई संभावित अनुप्रयोग हैं। प्रारंभिक कई नोड्यूल्स के स्थानिक वितरण और रेडियोलॉजिकल विशेषताओं की सटीक पहचान फेफड़ों के कैंसर के प्रारंभिक निदान और उपचार में सहायता कर सकती है। इसके अलावा, विधि का उपयोग रोग की प्रगति की निगरानी और उपचार योजनाओं की प्रभावशीलता का मूल्यांकन करने के लिए किया जा सकता है।
मशीन दृष्टि के आधार पर पैटर्न पहचान विधियों 6,7,8 ने फुफ्फुसीय नोड्यूल्स की पहचान करने में वादा दिखाया है, लेकिन झूठी सकारात्मकता और झूठी नकारात्मक जैसी सीमाओं से पीड़ित हैं। दूसरी ओर, एमआईपी विज़ुअलाइज़ेशन विधियां, व्यक्तिगत नोड्यूल्स का अधिक सटीक प्रतिनिधित्व प्रदान करती हैं, लेकिन शुरुआती कई नोड्यूल्स के वितरण और स्थानिक विशेषताओं के मैक्रोस्कोपिक और समग्र विवरण की कमी है। प्रस्तावित पूरे फेफड़े की 3 डी पुनर्निर्माण विधि इन सीमाओं को दूर करती है और प्रारंभिक कई फुफ्फुसीय नोड्यूल्स का अधिक सटीक और व्यापक प्रतिनिधित्व प्रदान करती है।
आइसोवोक्सेल ट्रांसफॉर्मेशन16,17 विभिन्न वोक्सेल आकारों के साथ 3 डी छवियों को समान वोक्सेल आकार के साथ 3 डी छवियों में परिवर्तित करने की प्रक्रिया को संदर्भित करता है। चिकित्सा छवि प्रसंस्करण के क्षेत्र में, 3 डी वॉल्यूम अक्सर अलग-अलग आकार के साथ वोक्सेल से बने होते हैं, जिससे कम्प्यूटेशनल और विज़ुअलाइज़ेशन मुद्दे हो सकते हैं। आइसोवोक्सेल परिवर्तन का उद्देश्य मूल 3 डी वॉल्यूम में वोक्सेल को फिर से नमूनाकरण और इंटरपोलिंग करके इन मुद्दों को संबोधित करना है, जिसके परिणामस्वरूप लगातार वोक्सेल आकार के साथ एक नई 3 डी छवि है। यह तकनीक छवि पंजीकरण, विभाजन और विज़ुअलाइज़ेशन सहित विभिन्न चिकित्सा संदर्भों में अनुप्रयोग पाती है। इस प्रकार, इस अध्ययन ने एक पूरे फेफड़े की 3 डी पुनर्निर्माण विधि का प्रस्ताव दिया जो पूरे छाती स्कैन की पृष्ठभूमि के खिलाफ फेफड़ों के 3 डी समोच्च को निकालने के लिए चिकित्सा छवि प्रसंस्करण तकनीक का उपयोग करता है। विधि पूरे फेफड़े में शुरुआती कई नोड्यूल्स के स्थानिक वितरण और रेडियोलॉजिकल विशेषताओं का अधिक सटीक और व्यापक प्रतिनिधित्व प्रदान करती है। यह अध्ययन प्रारंभिक कई फुफ्फुसीय नोड्यूल वाले रोगियों के लिए अधिक सटीक और प्रभावी नैदानिक और उपचार रणनीतियों के विकास में योगदान देता है।
Protocol
Representative Results
Discussion
यह शोध पूरे फेफड़े के पूर्ण त्रि-आयामी (3 डी) पुनर्निर्माण बनाने के लिए एक अनूठा दृष्टिकोण पेश करता है, जिसमें पूर्ण छाती स्कैन के संदर्भ के बीच फेफड़ों के 3 डी आकार को चित्रित करने के लिए उन्नत चिकित्सा छ?…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
यह प्रकाशन पारंपरिक चीनी चिकित्सा के राष्ट्रीय प्रशासन द्वारा आयोजित पांचवें राष्ट्रीय पारंपरिक चीनी चिकित्सा नैदानिक उत्कृष्ट प्रतिभा अनुसंधान कार्यक्रम द्वारा समर्थित था। आधिकारिक नेटवर्क लिंक http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html है।
Materials
| MATLAB | MathWorks | 2022B | Computing and visualization |
| Tools for Modeling | Intelligent Entropy | PulmonaryNodule V1.0 | Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion |
Riferimenti
- Mazzone, P. J., Lam, L. Evaluating the patient with a pulmonary nodule: A review. JAMA. 327 (3), 264-273 (2022).
- MacMahon, H., et al. Guidelines for management of incidental pulmonary nodules detected on ct images: from the fleischner society. Radiology. 284 (1), 228-243 (2017).
- Yankelevitz, D. F., Yip, R., Henschke, C. I. Impact of duration of diagnostic workup on prognosis for early lung cancer. Journal of Thoracic Oncology. 18 (4), 527-537 (2023).
- Zhao, W., et al. PUNDIT: Pulmonary nodule detection with image category transformation. Medical Physics. 50, 2914-2927 (2023).
- Ather, S., Kadir, T., Gleeson, F. Artificial intelligence and radiomics in pulmonary nodule management: current status and future applications. Clinical Radiology. 75 (1), 13-19 (2020).
- Gruden, J. F., et al. Incremental benefit of maximum-intensity-projection images on observer detection of small pulmonary nodules revealed by multidetector CT. American Journal of Roentgenology. 179 (1), 149-157 (2002).
- Guleryuz Kizil, P., et al. Diagnostic importance of maximum intensity projection technique in the identification of small pulmonary nodules with computed tomography. Tuberk Toraks. 68 (1), 35-42 (2020).
- Valencia, R., et al. 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. European Radiology. 16, 325-332 (2006).
- Jabeen, N., et al. Diagnostic accuracy of maximum intensity projection in diagnosis of malignant pulmonary nodules. Cureus. 11 (11), e6120 (2019).
- Naeem, M., et al. Comparison of maximum intensity projection and volume rendering in detecting pulmonary nodules on multidetector computed tomography. Cureus. 13 (3), e14025 (2021).
- Bianconi, F., et al. Comparative evaluation of conventional and deep learning methods for semi-automated segmentation of pulmonary nodules on CT. Quantitative Imaging in Medicine and Surgery. 11 (7), 3286-3305 (2021).
- Christe, A., et al. Computer-aided diagnosis of pulmonary fibrosis using deep learning and CT images. Investigative Radiology. 54 (10), 627-632 (2019).
- Kim, Y., et al. Applications of artificial intelligence in the thorax: a narrative review focusing on thoracic radiology. Journal of Thoracic Disease. 13 (12), 6943-6962 (2021).
- Schreuder, A., et al. Artificial intelligence for detection and characterization of pulmonary nodules in lung cancer CT screening: ready for practice. Translational Lung Cancer Research. 10 (5), 2378-2388 (2021).
- Zheng, S., et al. Automatic pulmonary nodule detection in CT scans using convolutional neural networks based on maximum intensity projection. IEEE Transactions on Medical Imaging. 39 (3), 797-805 (2019).
- Yabuuchi, H., et al. Clinical application of radiation dose reduction for head and neck CT. European Journal of Radiology. 107, 209-215 (2018).
- Rana, B., et al. Regions-of-interest based automated diagnosis of Parkinson’s disease using T1-weighted MRI. Expert Systems with Applications. 42 (9), 4506-4516 (2015).
