सार्स-सीओवी निमोनिया के मात्रात्मक Assesment के लिए समेकन और ग्राउंड ग्लास क्षेत्रों की पहचान करने के लिए फेफड़ों सीटी विभाजन
Summary
इस प्रोटोकॉल का उद्देश्य आगे रेडियोमिक्स विश्लेषण के लिए उपयोग करने के लिए उच्च-रिज़ॉल्यूशन सीटी स्कैन पर ब्याज की मात्रा को खंडित करने के लिए एक समय कुशल तरीका प्रदान करना है।
Abstract
विभाजन एक जटिल कार्य है, रेडियोमिक्स और मशीन लर्निंग के रूप में रेडियोलॉजिस्ट और शोधकर्ताओं द्वारा सामना करने की क्षमता में वृद्धि । प्रक्रिया या तो स्वचालित, अर्द्ध स्वचालित, या मैनुअल हो सकता है, पहले अक्सर पर्याप्त रूप से सटीक या आसानी से प्रजनन योग्य नहीं किया जा रहा है, और पिछले जरूरत से ज्यादा समय लेने वाली जब उच्च संकल्प अधिग्रहण के साथ बड़े जिलों को शामिल किया जा रहा है ।
छाती का एक उच्च-रिज़ॉल्यूशन सीटी सैकड़ों छवियों से बना है, और यह मैनुअल दृष्टिकोण को अत्यधिक समय लेने वाला बनाता है। इसके अलावा, पैरान्चिमल परिवर्तनों को सामान्य उपस्थिति से समझने के लिए एक विशेषज्ञ मूल्यांकन की आवश्यकता होती है; इस प्रकार, विभाजन प्रक्रिया के लिए एक अर्ध-स्वचालित दृष्टिकोण, हमारे ज्ञान का सबसे अच्छा है, निमोनिया को खंडित करते समय सबसे उपयुक्त है, खासकर जब उनकी विशेषताएं अभी भी अज्ञात हैं।
COVID-19 की इमेजिंग पर हमारे संस्थान में किए गए अध्ययनों के लिए, हमने हार्वर्ड विश्वविद्यालय द्वारा उत्पादित एक फ्रीवेयर सॉफ्टवेयर 3डी स्लाइसर को अपनाया, और वातित फेफड़ों, ग्राउंड ग्लास ऑपेसिटी और कंसोलिडेशन के तेज और सटीक विभाजन को प्राप्त करने के लिए पेंट ब्रश उपकरणों के साथ दहलीज को संयुक्त किया। जटिल मामलों का सामना करते समय, इस विधि को अभी भी उचित मैनुअल समायोजन के लिए काफी समय की आवश्यकता होती है, लेकिन आगे के विश्लेषण के लिए उपयोग करने के लिए खंडों को परिभाषित करने के लिए एक अत्यंत कुशल मतलब प्रदान करता है, जैसे प्रभावित फेफड़ों के परेंचिमा के प्रतिशत की गणना या जमीन ग्लास क्षेत्रों की बनावट विश्लेषण।
Introduction
चालू वर्ष में, दुनिया एक स्वास्थ्य आपातकाल का सामना कर रही है, उपन्यास कोरोनावायरस, सार्स-CoV2 की वजह से महामारी । यहां तक कि अगर, वर्तमान तारीख तक, COVID-19 संक्रमण के फिजियोपैथोलॉजी के बारे में कई पहलुओं अभी भी स्पष्ट नहीं हैं, यह अपने “पूर्वजों” SARS1 और मर्स के साथ कई विशेषताओं के शेयरों । विशेष रूप से, यह साबित हो गया है कि विरियंटिन स्पाइक प्रोटीन एंजाइम टाइप-2 को परिवर्तित करने वाले एंजियोटेंसिन के साथ बातचीत करते हैं, जो एक रिसेप्टर अच्छी तरह से अल्वोलार एंडोथेलियल कोशिकाओं पर प्रतिनिधित्व करता है, लेकिन मानव जीव में सर्वव्यापी है, इस प्रकार प्रणालीगत लक्षण देने की क्षमता है1।
निदान के लिए, वर्तमान मानक वास्तविक समय रिवर्स ट्रांसक्रिप्टेज-पॉलीमरेज चेन रिएक्शन (आरटी-पीसीआर) है, जो फरेंगल झाड़ू पर किया गया परीक्षण है। यद्यपि रेडियोलॉजिकल इमेजिंग आधिकारिक तौर पर रोग का पता लगाने के लिए नैदानिक पथ में मान्यता प्राप्त नहीं है, उच्च संकल्प गणना टोमोग्राफी (एचआरसीटी) प्रभावित रोगियों के नैदानिक और महामारी विज्ञान प्रबंधन के लिए एक मूल्यवान सहायता साबित हुई, आरटी-पीसीआर की अपेक्षाकृत कम संवेदनशीलता के कारण, विशेष प्रयोगशालाओं और आवश्यक अभिकर्मकों की वर्तमान कमी, और उच्च ऑपरेटर-निर्भरता।
रेडियोलॉजिकल सोसायटी ऑफ नॉर्थ अमेरिका (आरएसएनए) ने एक आम सहमति बयान जारी किया, जिसका समर्थन थोरेसिक रेडियोलॉजी सोसायटी और अमेरिकन कॉलेज ऑफ रेडियोलॉजी (एसीआर) द्वारा किया गया था, जो रिपोर्टिंग को मानकीकृत करने के लिए COVID19 की सीटी उपस्थिति को चार श्रेणियों में वर्गीकृत करता है, अंतर-विशिष्ट निमोनिया पैटर्न को “विशिष्ट”, “असामान्य”, “अवर्णित”, और “नकारात्मक”2।
“विशिष्ट” पैटर्न को गोल आकार के ग्राउंड ग्लास ओपेसिटी (जीजीओ) की उपस्थिति की विशेषता है, आमतौर पर पृष्ठीय बेसल खंडों पर एक उप-pleural स्थान के साथ। जीजीओ को गाढ़ा सेप्टा, या निमोनिया के आयोजन के अन्य संकेतों के “पागल फ़र्श” क्षेत्रों से जोड़ा जा सकता है। “अनिर्धारित” पैटर्न को “विशिष्ट” पैटर्न निष्कर्षों की अनुपस्थिति की विशेषता है, जिसमें एक पेरिहिएलर वितरण के साथ या बिना समेकित क्षेत्रों के साथ फैलना जीजीओ क्षेत्र हैं। “असामान्य” पैटर्न को या तो “विशिष्ट” या “अनिर्धारित” संकेतों की अनुपस्थिति और लोबार समेकन, “कली में पेड़” की उपस्थिति, सेप्टा और प्ल्युरल एफफ्यूजन की चिकनी मोटाई की विशेषता है; इस प्रस्तुति में कोई जीजीओ पता लगाने योग्य नहीं हैं। “नकारात्मक” पैटर्न उपरोक्त रोग निष्कर्षों की अनुपस्थिति की विशेषता है।
साहित्य के अनुसार, कुछ रोगियों को COVID-19 के एक उच्च नैदानिक संदिग्ध के साथ मौजूद हो सकता है महामारी विज्ञान के मापदंड और नकारात्मक आरटी-पीसीआर3,4के साथ इमेजिंग खोज द्वारा समर्थित । दूसरी ओर, यह बताया गया है कि सकारात्मक आरटी-पीसीआर और विचारोत्तेजक नैदानिक निष्कर्षों वाले रोगी एचआरसीटी5पर पैथोलॉजिकल निष्कर्ष प्रस्तुत नहीं करते हैं ।
आजकल, इस बीमारी की विशेषताओं का मात्रात्मक अध्ययन करते समय छवि विश्लेषण तकनीकों को लागू करना वैज्ञानिक समुदाय के लिए सर्वोपरि रुचि है। हाल ही में एक अध्ययन ने COVID-19 से प्रभावित रोगियों में वातित फेफड़ों के प्रतिशत की पहचान करने के लिए फेफड़ों के परेंचिमा की स्वचालित विभाजन तकनीक लागू की है, जो पूर्वानुमान के साथ इस मूल्य को सहसंबद्ध करती है, और यह प्रदर्शित करती है कि फेफड़ों की अधिक गंभीर भागीदारी वाले रोगियों ने गहन देखभाल इकाई (आईसीयू) में भर्ती होने का अधिक जोखिम प्रस्तुत किया, और बदतर परिणाम6।
विभाजन एचआरसीटी जैसी इमेजिंग तकनीक के माध्यम से प्राप्त मात्रा के अंदर ब्याज के क्षेत्रों (आरओआई) का समोच्च है। मैनुअल, अर्ध-स्वचालित और स्वचालित: यह गतिविधि हालांकि तीन तरीकों को अंजाम दिया जा सकता है। मैन्युअल विभाजन, एक प्रशिक्षित रेडियोलॉजिस्ट के अनुभव के लिए धन्यवाद, पैथोलॉजिकल क्षेत्र से संबंधित वोक्सल लेबलिंग के होते हैं। इस विधि के मुख्य नुकसान बड़ी मात्रा में आवश्यक समय हैं और तथ्य यह है कि यह ऑपरेटर-निर्भर है।
अर्ध-स्वचालित तरीके विभाजन को गति देने की अनुमति देते हैं क्योंकि ऑपरेटर छवि प्रसंस्करण के क्लासिक तरीकों (उदाहरण के लिए, पिक्सेल तीव्रता, क्लस्टरिंग आदि पर सीमा) के माध्यम से प्राप्त एक विभाजन मुखौटा को संशोधित कर सकता है। हालांकि, इन तकनीकों को नैदानिक अभ्यास में लागू करना आसान नहीं है क्योंकि उन्हें सबसे जटिल मामलों में व्यापक मैन्युअल हस्तक्षेप की आवश्यकता होती है18।
वर्तमान में सीमित उपयोग के स्वचालित विभाजन विधियां, आरओआई प्राप्त करने के लिए कृत्रिम बुद्धि को नियोजित करती हैं। विशेष रूप से, हाल ही में किए गए एक अध्ययन का उद्देश्य COVID-19 मध्यवर्ती निमोनिया19से पीड़ित रोगियों में ग्राउंड ग्लास क्षेत्रों की मात्रा में स्वचालित विभाजन का उपयोग करना है । एचआरसीटी छवियों पर रोग क्षेत्रों के लिए एक विभाजन प्रोटोकॉल की परिभाषा बाद में रेडियोमिक्स विश्लेषण की ओर वास्तविक पहला कदम है, ताकि उन सुविधाओं की पहचान की जा सके जो बीमारी के फिजियोपैथोलॉजी को और अधिक समझने में मदद कर सकती हैं, और संभावित रूप से उपचार को प्रभावित करने वाले सटीक शकुन कारक के रूप में काम करती हैं।
यह पेपर “3डी स्लाइसर”7,8,9,10का उपयोग करके COVID-19 निमोनिया के रोग निष्कर्षों का प्रतिनिधित्व करने वाले सटीक और कुशल खंडों को प्राप्त करनेकेलिए एक गाइड प्रदान करता है।
Protocol
Representative Results
Discussion
विभाजन आधुनिक मात्रात्मक रेडियोलॉजी अध्ययन करने के लिए एक मौलिक कदम का प्रतिनिधित्व करता है, और रेडियोमिक्स या बनावट विश्लेषण तकनीकों को लागू करने के लिए आवश्यक है। फेफड़ों में पैथोलॉजिकल निष्कर्ष ?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
बोलोग्ना विश्वविद्यालय के रेडियोलॉजी विभाग से फंडिंग कर इस काम को सपोर्ट किया गया।
Materials
| CT Scanner | General Electrics Healthcare | 64-MDCT VCT lightSpeed | The CT scanner used for HRCT acquisitions |
| Desktop Computer | ThinkCentre | The computer used to download the DICOM files and run 3D Slicer |
References
- Zheng, Y., et al. COVID-19 and the cardiovascular system. Nature Reviews Cardiology. 17, 259-260 (2020).
- Simpson, S., et al. Radiological Society of North America Expert Consensus Statement on Reporting Chest CT Findings Related to COVID-19. Endorsed by the Society of Thoracic Radiology, the American College of Radiology, and RSNA. Radiology: Cardiothoracic Imaging. 2, 2 (2020).
- Xie, X., et al. Chest CT for Typical 2019-nCoV Pneumonia: Relationship to Negative RT-PCR Testing. Radiology. , 200343 (2020).
- Huang, P., et al. Use of Chest CT in Combination with Negative RT-PCR Assay for the 2019 Novel Coronavirus but High Clinical Suspicion. Radiology. 295 (1), 22-23 (2020).
- Fang, Y., et al. Sensitivity of Chest CT for COVID-19: Comparison to RT-PCR. Radiology. , 200432 (2020).
- Colombi, D., et al. Well-aerated Lung on Admitting Chest CT to Predict Adverse Outcome in COVID-19 Pneumonia. Radiology. , 201433 (2020).
- . 3D Slicer [software] Available from: https://www.slicer.org (2020)
- Kikinis, R., Pieper, S. D., Vosburgh, K., Jolesz, F. A. 3D Slicer: a platform for subject-specific image analysis, visualization, and clinical support. Intraoperative Imaging Image-Guided Therapy. 3 (19), 277-289 (2014).
- Kapur, T., et al. Increasing the impact of medical image computing using community-based open-access hackathons: The NA-MIC and 3D Slicer experience. Medical Image Analysis. 33, 176-180 (2016).
- Fedorov, A., et al. 3D Slicer as an Image Computing Platform for the Quantitative Imaging Network. Magnetic Resonance Imaging. 30 (9), 1323-1341 (2012).
- . Chest Imaging Platform [software] Available from: https://chestimagingplatform.org (2020)
- Wang, J., Li, F., Li, Q. Automated segmentation of lungs with severe interstitial lung disease in CT. Medical Physics. 36 (10), 4592-4599 (2009).
- Lanza, E., et al. Quantitative chest CT analysis in COVID-19 to predict the need for oxygenation support and intubation. European Radiology. , (2020).
- Yao, G. Value of window technique in diagnosis of the ground glass opacities in patients with non-small cell pulmonary cancer. Oncology Letters. 12 (5), 3933-3935 (2016).
- Kauczor, H. U., et al. Automatic detection and quantification of ground-glass opacities on high-resolution CT using multiple neural networks: comparison with a density mask. American Journal of Roentgenology. 175 (5), 1329-1334 (2000).
- Funama, Y., et al. Detection of nodules showing ground-glass opacity in the lungs at low-dose multidetector computed tomography: phantom and clinical study. Journal of Computed Assisted Tomography. 33 (1), 49-53 (2009).
- Hansell, D. M., et al. Fleischner Society: glossary of terms for thoracic imaging. Radiology. 246, 697-722 (2008).
- Heye, T., et al. Reproducibility of Dynamic Part II. Comparison of Intra- and Interobserver Variability with Manual Region of Interest Placement versus semiautomatic lesion segmentation and histogram analysis. Radiology. 266, 812-821 (2013).
- Zhang, H. T., et al. Automated detection and quantification of COVID-19 pneumonia: CT imaging analysis by a deep learning-based software. Nuclear Medicine and Molecular Imaging. 14, 1-8 (2020).
- Alhazzani, W., et al. Surviving Sepsis Campaign: guidelines on the management of critically ill adults with Coronavirus Disease 2019(COVID-19). Intensive Care Medicine. 46 (5), 854-887 (2020).
