फुफ्फुसीय नोड्यूल्स के निदान और उपचार के लिए एक 3 डी डिजिटल मॉडल
Summary
इस अध्ययन का उद्देश्य फुफ्फुसीय नोड्यूल्स का एक नया 3 डी डिजिटल मॉडल विकसित करना है जो चिकित्सकों और रोगियों के बीच एक संचार पुल के रूप में कार्य करता है और पूर्व-निदान और रोगसूचक मूल्यांकन के लिए एक अत्याधुनिक उपकरण भी है।
Abstract
चिकित्सा छवियों का उपयोग करके फुफ्फुसीय नोड्यूल्स के त्रि-आयामी (3 डी) पुनर्निर्माण ने फुफ्फुसीय नोड्यूल्स के निदान और उपचार के लिए नए तकनीकी दृष्टिकोण पेश किए हैं, और इन दृष्टिकोणों को चिकित्सकों और रोगियों द्वारा उत्तरोत्तर स्वीकार और अपनाया जा रहा है। बहरहाल, निदान और उपचार के लिए फुफ्फुसीय नोड्यूल्स के अपेक्षाकृत सार्वभौमिक 3 डी डिजिटल मॉडल का निर्माण डिवाइस मतभेदों, शूटिंग के समय और नोड्यूल प्रकारों के कारण चुनौतीपूर्ण है। इस अध्ययन का उद्देश्य फुफ्फुसीय नोड्यूल्स के एक नए 3 डी डिजिटल मॉडल का प्रस्ताव करना है जो चिकित्सकों और रोगियों के बीच एक पुल के रूप में कार्य करता है और पूर्व-निदान और रोगसूचक मूल्यांकन के लिए एक अत्याधुनिक उपकरण भी है। कई एआई-संचालित फुफ्फुसीय नोड्यूल का पता लगाने और मान्यता विधियां फुफ्फुसीय नोड्यूल ्स की रेडियोलॉजिकल विशेषताओं को पकड़ने के लिए गहरी सीखने की तकनीकों को नियोजित करती हैं, और ये विधियां एक अच्छा क्षेत्र अंडर-द-कर्व (एयूसी) प्रदर्शन प्राप्त कर सकती हैं। हालांकि, झूठे सकारात्मक और झूठे नकारात्मक रेडियोलॉजिस्ट और चिकित्सकों के लिए एक चुनौती बने हुए हैं। फुफ्फुसीय नोड्यूल वर्गीकरण और परीक्षा के परिप्रेक्ष्य से सुविधाओं की व्याख्या और अभिव्यक्ति अभी भी असंतोषजनक है। इस अध्ययन में, मौजूदा चिकित्सा छवि प्रसंस्करण प्रौद्योगिकियों के संयोजन से क्षैतिज और कोरोनल स्थितियों में पूरे फेफड़े के निरंतर 3 डी पुनर्निर्माण की एक विधि प्रस्तावित है। अन्य लागू तरीकों की तुलना में, यह विधि उपयोगकर्ताओं को फुफ्फुसीय नोड्यूल्स का तेजी से पता लगाने और उनके मौलिक गुणों की पहचान करने की अनुमति देती है, जबकि कई दृष्टिकोणों से फुफ्फुसीय नोड्यूल्स का अवलोकन भी करती है, जिससे फुफ्फुसीय नोड्यूल्स के निदान और उपचार के लिए अधिक प्रभावी नैदानिक उपकरण प्रदान किया जाता है।
Introduction
फुफ्फुसीय नोड्यूल ्स की वैश्विक घटना परिवर्तनशील है, लेकिन आमतौर पर यह अनुमान लगाया जाता है कि लगभग 30% वयस्कों में छाती के रेडियोग्राफ1 पर कम से कम एक फुफ्फुसीय नोड्यूल दिखाई देता है। फुफ्फुसीय नोड्यूल ्स की घटना विशिष्ट आबादी में अधिक होती है, जैसे कि भारी धूम्रपान करने वाले और फेफड़ों के कैंसर या अन्य फेफड़ों के रोगों के इतिहास वाले लोग। यह ध्यान रखना महत्वपूर्ण है कि सभी फुफ्फुसीय नोड्यूल घातक नहीं हैं, लेकिन घातकता2 का पता लगाने के लिए एक गहन मूल्यांकन आवश्यक है। फेफड़ों के कैंसर की प्रारंभिक पहचान और निदान जीवित रहने की दर में सुधार के लिए महत्वपूर्ण हैं, और उच्च जोखिम वाले व्यक्तियों के लिए कम खुराक गणना टोमोग्राफी (एलडीसीटी) के साथ नियमित जांच की सिफारिश की जाती है। कई एआई-संचालित फुफ्फुसीय नोड्यूल का पता लगाने और मान्यता विधियां 3,4,5,6,7 फुफ्फुसीय नोड्यूल ्स की रेडियोलॉजिकल विशेषताओं को पकड़ने के लिए गहरी सीखने की तकनीकों को नियोजित करती हैं, और ये विधियां वक्र (एयूसी) प्रदर्शन के तहत अच्छे क्षेत्र को प्राप्त कर सकती हैं। हालांकि, झूठे सकारात्मक और झूठे नकारात्मक रेडियोलॉजिस्ट और चिकित्सकों के लिए एक चुनौती बने हुए हैं। फुफ्फुसीय नोड्यूल वर्गीकरण और परीक्षा के परिप्रेक्ष्य से सुविधाओं की व्याख्या और अभिव्यक्ति अभी भी असंतोषजनक है। इसी समय, एलडीसीटी पर आधारित फुफ्फुसीय नोड्यूल्स के 3 डी पुनर्निर्माण ने विभिन्न प्रकार के नोड्यूल्स के लिए एक डिजिटल मॉडल के रूप में बढ़ते ध्यान आकर्षित किया है।
फुफ्फुसीय नोड्यूल्स का 3 डी पुनर्निर्माण एक ऐसी प्रक्रिया है जो फेफड़ों में एक छोटी वृद्धि या गांठ का 3 डी प्रतिनिधित्व उत्पन्न करती है। इस प्रक्रिया में आम तौर पर चिकित्सा छवि विश्लेषण तकनीकों का अनुप्रयोग शामिल होता है जो चिकित्सा विशेषज्ञता और डेटा इंटेलिजेंस दृष्टिकोण दोनों का लाभ उठाते हैं। परिणामी 3 डी डिजिटल मॉडल नोड्यूल का अधिक विस्तृत और सटीक चित्रण प्रदान करता है, जिससे आसपास के फेफड़ों के ऊतकों 8,9,10,11,12 के साथ इसके आकार, आकार और स्थानिक संबंध के बेहतर विज़ुअलाइज़ेशन और विश्लेषण को सक्षम किया जा सकता है। इस तरह की जानकारी फुफ्फुसीय नोड्यूल्स के निदान और निगरानी में सहायता कर सकती है, विशेष रूप से कैंसर होने का संदेह है। अधिक सटीक विश्लेषण की सुविधा प्रदान करके, फुफ्फुसीय नोड्यूल्स के 3 डी पुनर्निर्माण में निदान की सटीकता को बढ़ाने और उपचार निर्णयों को सूचित करने की क्षमता है।
अधिकतम तीव्रता प्रक्षेपण (एमआईपी) फुफ्फुसीय नोड्यूल ्स के 3 डी पुनर्निर्माण के क्षेत्र में एक लोकप्रिय तकनीक है और इसका उपयोग 3 डी छवि 8,9,10,11,12 के 2 डी प्रक्षेपण को बनाने के लिए किया जाता है, यह सीटी द्वारा स्कैन की गई डिजिटल इमेजिंग और संचार में चिकित्सा (डीआईसीओएम) फाइलों से निकाले गए वॉल्यूमेट्रिक डेटा के विज़ुअलाइज़ेशन में विशेष रूप से उपयोगी है। एमआईपी तकनीक देखने की दिशा के साथ उच्चतम तीव्रता के साथ वोक्सेल (3 डी वॉल्यूम डेटा की सबसे छोटी इकाइयों) का चयन करके और उन्हें 2 डी विमान पर प्रोजेक्ट करके काम करती है। इसके परिणामस्वरूप एक 2 डी छवि होती है जो उच्चतम तीव्रता वाली संरचनाओं पर जोर देती है और कम तीव्रता वाले लोगों को दबा देती है, जिससे प्रासंगिक विशेषताओं 9,10,11,12 की पहचान और विश्लेषण करना आसान हो जाता है। हालांकि, एमआईपी सीमाओं के बिना नहीं है। उदाहरण के लिए, प्रक्षेपण प्रक्रिया के परिणामस्वरूप जानकारी का नुकसान हो सकता है, और परिणामस्वरूप 2 डी छवि अंतर्निहित वस्तु की 3 डी संरचना का सटीक प्रतिनिधित्व नहीं कर सकती है। फिर भी, एमआईपी चिकित्सा इमेजिंग और विज़ुअलाइज़ेशन के लिए एक मूल्यवान उपकरण बना हुआ है, और इसका उपयोग प्रौद्योगिकी और कंप्यूटिंग शक्ति11 में प्रगति के साथ विकसित होना जारी है।
इस अध्ययन में, फुफ्फुसीय नोड्यूल्स की कल्पना करने के लिए एक क्रमिक एमआईपी मॉडल विकसित किया गया है जो उपयोग करना आसान है, रेडियोलॉजिस्ट, चिकित्सकों और रोगियों के लिए उपयोगकर्ता के अनुकूल है, और फुफ्फुसीय नोड्यूल ्स के गुणों की पहचान और अनुमान की अनुमति देता है। इस प्रसंस्करण दृष्टिकोण के प्राथमिक लाभों में निम्नलिखित पहलू शामिल हैं: (1) पैटर्न मान्यता से उत्पन्न होने वाले झूठे सकारात्मक और झूठे नकारात्मक को समाप्त करना, जो चिकित्सकों को फुफ्फुसीय नोड्यूल्स के स्थान, आकार और 3 डी आकार के साथ-साथ आसपास के वाहिका के साथ उनके संबंध पर अधिक व्यापक जानकारी प्राप्त करने में सहायता करने पर ध्यान केंद्रित करने में सक्षम बनाता है; (2) रेडियोलॉजिस्ट की सहायता के बिना भी फुफ्फुसीय नोड्यूल ्स की विशेषताओं के पेशेवर ज्ञान को प्राप्त करने के लिए विशेषज्ञ चिकित्सकों को सक्षम करना; और (3) चिकित्सकों और रोगियों के बीच संचार दक्षता और रोग निदान मूल्यांकन दोनों को बढ़ाना।
Protocol
Representative Results
Discussion
विभिन्न एलडीसीटी उपकरणों में डीआईसीओएम छवि अनुक्रमों में महत्वपूर्ण अंतर होते हैं जो वे आउटपुट करते हैं, खासकर फ़ाइल सिस्टम प्रबंधन के संदर्भ में। इसलिए, प्रोटोकॉल के बाद के चरणों में फुफ्फुसीय नोड्…
Disclosures
The authors have nothing to disclose.
Acknowledgements
यह प्रकाशन पारंपरिक चीनी चिकित्सा के राष्ट्रीय प्रशासन (http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html) द्वारा आयोजित पांचवें राष्ट्रीय पारंपरिक चीनी चिकित्सा नैदानिक उत्कृष्ट प्रतिभा अनुसंधान कार्यक्रम द्वारा समर्थित था।
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 |
References
- 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 2017. Radiology. 284 (1), 228-243 (2017).
- 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).
- 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., Park, J. Y., Hwang, E. J., Lee, S. M., Park, C. M. 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., Scholten, E. T., van Ginneken, B., Jacobs, C. 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).
- Gruden, J. F., Ouanounou, S., Tigges, S., Norris, S. D., Klausner, T. S. 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., Hekimoglu, K., Coskun, M., Akcay, S. 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., Qureshi, R., Sattar, A., Baloch, M. 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).
- Armato, S. G., et al. The lung image database consortium (LIDC) and image database resource initiative (IDRI): A completed reference database of lung nodules on CT scans. Medical Physics. 38 (2), 915-931 (2011).
- Xie, Y., et al. Knowledge-based collaborative deep learning for benign-malignant lung nodule classification on chest CT. IEEE Transactions on Medical Imaging. 38 (4), 991-1004 (2018).
- 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).
