Summary
Här presenterar vi en 5D-ultraljudsteknik som kombinerar multi-planar 3D-rekonstruktion och färgdopplerfusion, vilket möjliggör synkron visualisering av sköldkörtelns strukturella och funktionella information. Genom att minimera blinda fläckar möjliggör denna metod snabb, exakt lokalisering av lesioner för att förbättra diagnostisk noggrannhet, vilket särskilt gynnar nybörjare.
Abstract
Denna artikel föreslår en ny sköldkörtelundersökningsteknik baserad på femdimensionell (5D) synkron rekonstruktion av ultraljudsdata. De råa temporala sekvenserna rekonstrueras till volymetriska 3D-data som återspeglar den anatomiska strukturen. Triplanär visualisering från tre ortogonala plan realiseras för att ge en systematisk inspektion av hela körteln. Färgdoppleravbildning är integrerad i varje triplanär skiva för att kartlägga vaskularitetsförändringar. Denna multimodala fusion möjliggör synkron visning av strukturell, funktionell och blodflödesinformation i det rekonstruerade 5D-utrymmet. Jämfört med konventionell skanning erbjuder denna teknik fördelarna med flexibel offline-diagnos, minskat beroende av skanning, förbättrad intuitiv tolkning och omfattande utvärdering av flera aspekter. Genom att minimera tillsynsfel kan det förbättra den diagnostiska noggrannheten, särskilt för nybörjare. Den föreslagna 5D-fusionsmetoden möjliggör snabb och exakt lokalisering av lesioner för tidig upptäckt. Framtida arbete kommer att utforska integration med biokemiska markörer för att ytterligare förbättra diagnostisk precision. Tekniken har ett stort kliniskt värde för att främja sköldkörtelundersökning.
Introduction
Hashimotos tyreoidit (HT), den vanligaste autoimmuna sköldkörtelsjukdomen (AITD), är den främsta orsaken till hypotyreos i jodrika områden i världen1. Det kännetecknas av lymfocytisk infiltration och autoantikroppar mot sköldkörtelantigener, vilket leder till förstörelse av sköldkörtelarkitektur och hypotyreos2. Stadieindelning av HT syftar till att bedöma svårighetsgraden och vägleda behandlingsbeslut. Den bygger på en kombination av biokemiska markörer som sköldkörtelstimulerande hormon (TSH) och sköldkörtelautoantikroppar3, samt ultraljudsegenskaper som är synliga på sköldkörtelultraljud 4,5,6.
Vid ultraljudsundersökning visar HT karakteristiska fynd, inklusive diffust minskad ekogenicitet, heterogen ekotextur, mikronodularitet och ökat blodflöde på färgdoppler 6,7. Konventionellt tvådimensionellt (2D) gråskaleultraljud saknar dock kvantitativa metoder för att systematiskt analysera dessa egenskaper för HT-stadieindelning8. Bedömningen av vaskularitetsförändringar är också begränsad till kvalitativ visuell inspektion i 2D-läge. Sköldkörtelns komplexa tredimensionella (3D) arkitektur försvårar ytterligare en grundlig utvärdering med konventionell 2D-skivning 9,10. Dessa faktorer leder till blinda fläckar och feltolkningar, vilket resulterar i låg känslighet och specificitet, särskilt för mindre erfarna utövare11,12.
Konventionell handhållen ultraljudsskanning integrerar insamling och diagnos i realtid. Det här kopplade arbetsflödet ökar sannolikheten för tillsynsfel under genomsökningen. Bristen på rumslig lokalisering och spårning gör också identifiering och övervakning av lesioner oprecis 12,13. Dedikerade 3D-ultraljudssystem har dykt upp för att ta itu med dessa begränsningar och har visat lovande resultat14,15. De flesta 3D-ultraljudstekniker kräver dock komplexa mekaniska skanningsmekanismer och specialiserade givare, vilket leder till höga kostnader och hinder för införande.
För att övervinna begränsningarna med konventionella 2D- och 3D-ultraljudstekniker föreslår denna studie en ny 3D-rekonstruktions- och visualiseringslösning skräddarsydd för sköldkörtelundersökning. Med hjälp av allmänt tillgängligt handhållet ultraljud tas först flera 2D-svep för att skanna hela sköldkörteln. 3D-volymetrisk rekonstruktion realiseras sedan genom rumslig registrering och fusion av 2D-sekvenserna. Samtidigt samregistreras färgdopplerramar för att skapa vaskularitetskartor som visualiserar blodflödesförändringar. De rekonstruerade 3D-gråskalevolymerna och de färgade vaskularitetskartorna integreras slutligen i en enda plattform, vilket möjliggör synkroniserad visualisering av flera plan och kombinerad strukturell och funktionell inspektion.
Denna föreslagna 3D-fusionsteknik ger en systematisk och omfattande utvärdering av den komplexa sköldkörtelmorfologin ur olika aspekter. Genom att minimera blinda fläckar och möjliggöra global överblick kan det bidra till att förbättra diagnostisk noggrannhet och minska tillsynsfel, vilket särskilt gynnar nybörjare. Den multimodala visualiseringen underlättar också snabb och exakt lokalisering av lesioner, vilket är lovande för tidig diagnos och behandling av sköldkörtelknölar och tumörer. Dessutom introducerar metoden kvantitativ 3D-funktionsanalys som inte har undersökts för HT-stadieindelning tidigare. Med bred användning har det potential att standardisera och objektifiera de för närvarande erfarenhetsberoende ultraljudsdiagnosprocedurerna. Genom att synergistiskt integrera handhållen 3D-rekonstruktion, multimodal fusion, kvantitativ egenskapsanalys och flexibel visualisering i ett strömlinjeformat arbetsflöde, representerar denna billiga, lättanvända teknik ett diagnostiskt kraftfullt språng från konventionellt 2D-ultraljud för att främja sköldkörtelundersökning.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Denna studie godkändes av Institutional Review Board of Sunsimiao Hospital som är knutet till Beijing University of Chinese Medicine. Patienten rekryterades från avdelningen för sköldkörteln, Sunsimiao Hospital. Patienten genomgick en ultraljudsundersökning av sköldkörteln och gav informerat samtycke till studien. I denna undersökning användes 4D-ultraljudsdata som samlats in med hjälp av en handhållen enhet för att rekonstruera triplana vyer av sköldkörteln. Dessutom uppnåddes synkron färgdoppleravbildning i realtid. De programvaruverktyg som används i denna forskning listas i materialförteckningen.
1. Insamling och utarbetande av data
- Använd en bärbar handhållen ultraljudsenhet och placera den linjära matrisgivaren tvärs på patientens hals för att avbilda sköldkörteln i tvärsnittsplanet. Skjut sonden långsamt och stadigt längs sköldkörtelns längd samtidigt som sondens kontakt och orientering bibehålls.
- Ta en sekvens av tvärgående B-lägesbilder som visualiserar sköldkörtelmorfologi med en bildhastighet på 33 Hz.
- Applicera samtidigt färgdoppler för att detektera blodflödet i körteln och kärlen. Skanna från den övre till den nedre sköldkörtelpolen för att täcka hela körteln. Den resulterande dynamiska bildsekvensen består av på varandra följande tvärgående skivor som bildar två 4D-datauppsättningar.
- Laddning och bläddring av ultraljudsdata i 4D B-läge
- Kopiera alla DICOM-data till en anpassad arbetskatalog.
OBS: Arbetskatalogen är densamma i både operativsystemet och MATLAB. Tryck på Retur när du har skrivit varje rad för att köra kommandot i MATLAB. - Importera den amerikanska datafilen i B-läge till MATLAB med hjälp av funktionen dicomread och använd storleksfunktionen för att visa dimensionerna på data.
- Öppna MATLAB på datorn.
- I kommandofönstret skriver du:
VB0 = dicomread('fname.dcm');
Där "fname.dcm" kan ersättas med det faktiska filnamnet för DICOM-data. Detta läser i DICOM-filen och lagrar bilddata i variabeln VB0. - Om du vill visa storleken på inlästa data skriver du:
storlek (VB0),
OBS: 4D-data som importerades här hade måtten 768 pixlar x 1024 pixlar x 3 x 601 lager. 768 pixlar x 1024 pixlar x 3 motsvarar en vanlig RGB-bild, där varje pixel representeras av tre kanaler med 24-bitars djup. De 601 lagren anger det totala antalet genomsökta segment.
- Anropa funktionen US_B_Show för att konvertera 4D-matrisdata till en kontinuerlig gråskalevideosekvens som ska spelas upp kontinuerligt för detaljerad undersökning (se figur 1).
- Om du vill konvertera den här 4D-ultraljudsdatamatrisen VB0 som importerades i steg 1.4.2.2 med hjälp av dicomread-funktionen på DICOM-filerna till en kontinuerligt uppspelad gråskalevideosekvens anropar du funktionen US_B_Show genom att skriva följande kommando i MATLAB-kommandofönstret:
US_B_Show(VB0)
Där VB0 är 4D-matrisvariabeln som innehåller ultraljudsdata som importerats tidigare.
- Om du vill konvertera den här 4D-ultraljudsdatamatrisen VB0 som importerades i steg 1.4.2.2 med hjälp av dicomread-funktionen på DICOM-filerna till en kontinuerligt uppspelad gråskalevideosekvens anropar du funktionen US_B_Show genom att skriva följande kommando i MATLAB-kommandofönstret:
- GUI i figur 1 visar uppspelningsknappar för paus, framåt, bakåt, etc.
- Tryck på uppspelningsknappen för att starta kontinuerlig videouppspelning av bildsekvensen. Använd ikonerna för paus- och uppspelningskontrollverktyget för flexibel navigering av alla bildrutor. Använd knapparna för att zooma in/ut för att dynamiskt förstora eller förminska bilderna under uppspelning och standardzoomknappen för att återställa till den ursprungliga 1x-vyn.
- Klicka på knappen Inspektera pixelvärden och flytta musen över ett område för att lägga över hårkorset med pixelkoordinater och intensiteter för lokaliserad analys.
OBS: Dessa interaktiva kontroller möjliggör flexibel inspektion av ultraljudsdataegenskaper över både rum och tid.
- Kopiera alla DICOM-data till en anpassad arbetskatalog.
- Laddning och bläddring av 4D-färgdopplerultraljudsdata
- Importera färgdopplerultraljudsdatafilen till MATLAB med hjälp av dicomread-funktionen och använd size-funktionen för att view dimensionerna på data.
OBS: 4D-data som importerades här hade måtten 768 pixlar x 1024 pixlar x 3 x 331 lager. De 768 pixlarna x 1024 pixlarna x 3 motsvarar en vanlig RGB-bild, där rött och blått representerar blodflödet i olika riktningar. De 331 lagren anger det totala antalet genomsökta segment. - Använd funktionen US_C_Show för att konvertera 4D-matrisdata till en kontinuerlig färgvideosekvens som ska spelas upp kontinuerligt för detaljerad undersökning (se figur 2).
OBS: Det grafiska användargränssnittet i figur 2 har samma uppsättning interaktiva kontroller och funktioner som beskrivits tidigare i steg 1.4.4 för figur 1.
- Importera färgdopplerultraljudsdatafilen till MATLAB med hjälp av dicomread-funktionen och använd size-funktionen för att view dimensionerna på data.
2. Synkron observation av B-mode och färgdopplerultraljud
OBS: 4D B-Mode ultraljudsdata som visas i figur 1 och 4D Color Doppler ultraljudsdata som visas i figur 2 innehåller samma absoluta tidsstämplar i den fjärde dimensionen längs den tidsmässiga axeln. Det här fältet registreras i DICOM-metadata som FrameTimeVector. Baserat på tidsvärdena i detta fält kan figur 1 och figur 2 synkroniseras i realtid.
- När du har läst de två 4D-filerna med kommandot dicomread kör du funktionen Synchronize_B_C med de två 4D-matriserna som indata.
OBS: Figur 3 visar den resulterande videon som fortfarande kan spelas upp kontinuerligt. Skillnaden nu är att 4D B-Mode Ultrasound Data och 4D Color Doppler Ultrasound Data synkroniseras i realtid inom samma videoramar. Det grafiska användargränssnittet i figur 3 har samma uppsättning interaktiva kontroller och funktioner som beskrivits tidigare i steg 1.4.4 för figur 1.
3. Synkron triplanär rekonstruktion för sköldkörteln
OBS: För att möjliggöra mer exakt lokalisering och kvantifiering av lesioner utförde denna studie triplanär rekonstruktion av sköldkörteln från erhållna 4D-ultraljudsdata, med interaktivitet i realtid. Detta gör det möjligt för läkare att snabbt och exakt lokalisera lesioner, vilket lägger en solid grund för efterföljande kvantifiering av de drabbade regionerna.
- Anropa thyroid_triplanar-funktionen med 4D B-läges ultraljudsdata från figur 1 som indata för att härleda de tre ortogonala planen (korona, sagittal och axiell) som visas i figur 4.
- Hårkorsinteraktionen i figur 4 möjliggör realtidsinspektion av olika delar av sköldkörteln. Klicka och dra i mitten av hårkorset för en godtycklig 3D-undersökning av sköldkörtelns anatomi rekonstruerad från ultraljud.
OBS: GUI i figur 4 möjliggör också justering av gråskaleintensitetsområdet, kontrast och ljusstyrka för triplanar views. - Tryck och dra vänster musknapp över valfri region i bilderna för att ändra ljusstyrka och kontrastnivåer i realtid. Släpp musknappen för att bekräfta och slutföra justeringarna.
4. Synkron triplanär rekonstruktion för 3D-blodflödesfält
OBS: Rekonstruktion av de synkrona triplanära vyerna för 3D-blodflödesfältet baserat på 4D-färgdopplerultraljudsdata är också kliniskt viktigt för att karakterisera Hashimotos tyreoidit (HT).
- Anropa thyroid_3D_blood-funktionen med 4D C-mode ultraljudsdata från figur 2 som indata för att härleda de tre ortogonala planen (korona, sagittal och axiell) som visas i figur 5.
- Hårkorsinteraktionen i figur 5 möjliggör realtidsinspektion av olika delar av sköldkörteln. Klicka och dra i mitten av hårkorset för en godtycklig 3D-undersökning av sköldkörtelns anatomi rekonstruerad från ultraljud.
OBS: GUI i figur 5 möjliggör också justering av gråskaleintensitetsintervallet, kontrasten och ljusstyrkan för triplanar views. - Tryck och dra vänster musknapp över valfri region i bilderna för att ändra ljusstyrka och kontrastnivåer i realtid. Släpp musknappen för att bekräfta och slutföra justeringarna.
5. Synkronisering av B-läge triplana vyer och färg Doppler triplanar vyer
OBS: Med utgångspunkt i de triplanära vyerna som visas i figur 4 skulle synkronisering av motsvarande färgdopplerflödesbilder till lesionsplatserna utan tvekan underlätta diagnosen och kvantifieringen av den patologiska progressionen i Hashimotos tyreoidit (HT).
- Dra hårkorsinteraktionen i figur 4 för att lokalisera intresseområdet och utför US_B2C för att få motsvarande plats i färgdopplern triplanar views.
- Dra hårkorsinteraktionen i figur 5 för att hitta intresseområdet och utför US_C2B för att få motsvarande plats i B-läge triplanar views.
OBS: Figur 6 lägger en solid ultraljudsgrund för exakt lokalisering och definitiv diagnos av Hashimotos tyreoidit (HT) lesioner.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Som visas i det grafiska användargränssnittet (GUI) i figur 1 och figur 2 kan ultraljudsskanningssekvensen kontrolleras kontinuerligt. Denna tvådimensionella undersökning är dock starkt beroende av sköldkörtelläkarens anatomiska kunskap för att mentalt rekonstruera lesionens läge, vilket är utmanande för nybörjare och resulterar i brist på kvantitativ konsistens. Figur 3 kombinerar gråskalan i B-läge med färgdopplerflödesbilder för att möjliggöra mer välgrundad inspektion av 2D-skanningarna.
För att underlätta en omfattande och tillförlitlig bedömning av sköldkörtelrubbningar visar figur 4 den rumsliga 3D-fördelningen av B-lägesintensiteter, medan figur 5 visar 3D-vaskularitetskartan rekonstruerad från färgdopplerdata. Som illustreras i GUI (figur 6) realiseras synkroniserad visualisering av strukturell och funktionell information längs tre ortogonala plan. Läkare kan kontinuerligt inspektera de multiplanära tvärsnitten av sköldkörtelns gråskalebilder och motsvarande blodflödesbilder. Denna sömlösa integration av komplementära modaliteter kan spela en avgörande roll för att exakt lokalisera och bestämma svårighetsgraden av sköldkörtelpatologier.
Om 3D-gråskalevolymerna och 3D-färgdopplervolymerna i huvudsak är 4D-data som spänner över de rumsliga och patologiska dimensionerna, kan en koppling av deras interaktion över de två synkroniserade triplanarvisualiseringarna ge sköldkörtelläkaren möjlighet att snabbt lokalisera lesioner i ett enhetligt 5D-utrymme och leverera exakta diagnoser baserat på ledintensiteten och flödesmönstren.
Figur 1: Tvärgående ultraljudsvideoslingor i B-läge. Konsekutiva B-lägesramar som förvärvats genom kontinuerlig tvärgående skanning visar sköldkörtelmorfologi. Klicka här för att se en större version av denna figur.
Figur 2: Tvärgående färgdoppler-ultraljudsvideoslingor. Konsekutiva färgdopplerramar erhållna genom tvärgående skanning avslöjar blodflödesegenskaper hos sköldkörtelvävnaden. Klicka här för att se en större version av denna figur.
Figur 3: Synkroniserat B-läge och Doppler-ultraljud. Integrerad video som synkront visar sköldkörtelstruktur (gråskala) och blodflöde (färgat överlägg). Färgdoppleröverlägget visar flödesriktningen och hastigheten med hjälp av en färgskala-röd indikerar flöde mot givaren; Blått indikerar flöde bort från givaren. Klicka här för att se en större version av denna figur.
Figur 4: Triplanarvyer extraherade från ultraljud i B-läge. Ortogonala koronala, sagittala och axiella plan rekonstruerade från 4D B-lägesskanningar med hjälp av triplanär visualisering. Klicka här för att se en större version av denna figur.
Figur 5: Triplanarvyer extraherade från Doppler-ultraljud. Ortogonala koronala, sagittala och axiella plan rekonstruerade från 4D Doppler-skanningar för att kartlägga blodflödesegenskaper hos sköldkörtelvävnaden. Klicka här för att se en större version av denna figur.
Figur 6: Synkroniserade triplanära vyer som smälter samman struktur- och vaskularitetsdata. Sammansmält multipla rekonstruktion som synkroniserar B-mode och Doppler-data för att möjliggöra kombinerad morfologisk och funktionell inspektion. Klicka här för att se en större version av denna figur.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Kritiska steg i protokollet
Även om figur 1 och figur 2 har värde för inspektion och diagnos, kräver bestämning av lesionens placering och vyer från andra perspektiv experterfarenhet. För diagnosen Hashimotos tyreoidit (HT) är synkronisering av figur 1 och figur 2 i realtid också ett viktigt och kritiskt steg. Protokollsteg 3.3 är ett av de viktigaste stegen där, som visas i figur 4, den behandlande läkaren interaktivt kan undersöka godtyckliga tvärsnitt av 3D-sköldkörtelns anatomi. Detta är avgörande för att lokalisera lesioner och identifiera onormala vävnadsregioner. Traditionellt ger handhållen ultraljudsskanning endast 2D-tvärgående vyer. Detta leder oundvikligen till förbiseende av 3D-patologiska detaljer på grund av blinda fläckar. På samma sätt genererar protokollsteg 4.3 3D-blodflödeskartan, vilket också är avgörande för att lokalisera lesioner. Protokollsteg 5.1 och 5.2 synkroniserar de strukturella och funktionella sköldkörtelbilderna, vilket utrustar läkare med kraftfullare digitala intelligenta verktyg för att hantera komplexa tillstånd.
Modifieringar och felsökning
Om rekonstruktionsartefakter uppstår kan omfattningen av förvärvssvepet vara otillräcklig. Upprepad skanning med utökad täckning kan övervinna detta. Parametrar som segmentavstånd och pixelstorlek kan också justeras.
Metodens begränsningar
Även om handhållen ultraljudsskanning kan få tidsstämplar för synkronisering av olika lägen, saknar den 3D-sondlokalisering i realtid. Därför är det bara de tvärgående dimensionerna som rekonstrueras exakt i sköldkörtelmodellerna. Kvantitativa mätningar på tvärplan är för närvarande korrekta, medan koronala och sagittala vyer hjälper patologisk lokalisering men har för närvarande otillförlitliga kvantitativa skalor.
Betydelse i förhållande till befintliga metoder
Denna 5D-ultraljudsteknik förbättrar konventionell 2D-skanning genom att möjliggöra strukturell undersökning i flera plan i kombination med blodflödeskartläggning i ett panoramiskt visualiserat utrymme. Det övervinner begränsningar som operatörsberoende, blinda fläckar och diagnostisk tvetydighet som kvarstår i 2D-ultraljud. Det föreslagna arbetsflödet lägger en robust grund för att standardisera och omvandla de nuvarande erfarenhetsberoende metoderna för ultraljudsdiagnostik av sköldkörtelsjukdomar.
Potentiella tillämpningar
Denna metod kan användas för att exakt lokalisera och kvantifiera sköldkörtelknölar, tumörer och inflammatoriska lesioner såsom Hashimotos tyreoidit. Det ger radiologer och kirurger förbättrade visuella perspektiv för att utvärdera patologi. Tekniken har stor potential att underlätta diagnos, behandlingsplanering och kirurgisk vägledning. Dessutom planerar studieteamet att införliva biokemiska markörer med denna 5D-analyspipeline för att realisera AI-bemyndigad precisionsdiagnos och kvantifiering för sköldkörtelsjukdomar.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Mjukvaruverktyget för precisionskvantifiering av sköldkörtelsjukdomar, listat i materialtabellen för denna studie som Thyroid Disease Precision Quantification V1.0, är en produkt från Beijing Intelligent Entropy Science & Technology Co., Ltd. De immateriella rättigheterna för detta programvaruverktyg tillhör företaget. Författarna har inga intressekonflikter att redovisa.
Acknowledgments
Denna publikation fick stöd från Shaanxi Provincial Key Research and Development Plan: 2023-ZDLSF-56 och Shaanxi Provincial "Scientist + Engineer" Team Construction: 2022KXJ-019.
Materials
| Name | Company | Catalog Number | Comments |
| MATLAB | MathWorks | 2023B | Computing and visualization |
| Tools for Thyroid Disease Precision Quantification | Intelligent Entropy | Thyroid-3D V1.0 | Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for Thyroid Disease |
References
- Ragusa, F., et al. Hashimotos' thyroiditis: Epidemiology, pathogenesis, clinic and therapy. Best Pract Res Clin Endocrinol Metab. 33 (6), 101367 (2019).
- Ralli, M., et al. Hashimoto's thyroiditis: An update on pathogenic mechanisms, diagnostic protocols, therapeutic strategies, and potential malignant transformation. Autoimmun Rev. 19 (10), 102649 (2020).
- Soh, S., Aw, T. Laboratory testing in thyroid conditions - pitfalls and clinical utility. Ann Lab Med. 39 (1), 3-13 (2019).
- Cansu, A., et al. Diagnostic value of 3D power Doppler ultrasound in the characterization of thyroid nodules. Turk J Med Sci. 49, 723-729 (2019).
- Haugen, B. R., et al. 2015 American Thyroid Association Management Guidelines for adult patients with thyroid nodules and differentiated thyroid cancer: The American Thyroid Association Guidelines Task Force on Thyroid Nodules and Differentiated Thyroid Cancer. Thyroid. 26 (1), 1-133 (2016).
- Acharya, U. R., et al. Diagnosis of Hashimoto's thyroiditis in ultrasound using tissue characterization and pixel classification. Proc Inst Mech Eng H. 227 (7), 788-798 (2013).
- Zhang, Q., et al. Deep learning to diagnose Hashimoto's thyroiditis from sonographic images. Nat Commun. 13 (1), 3759 (2022).
- Huang, J., Zhao, J. Quantitative diagnosis progress of ultrasound imaging technology in thyroid diffuse diseases. Diagnostics. 13 (4), 700 (2023).
- Gasic, S., et al. Relationship between low vitamin D levels with Hashimoto thyroiditis. Srp Arh Celok Lek. 151 (5-6), 296-301 (2023).
- Sultan, S. R., et al. Is 3D ultrasound reliable for the evaluation of carotid disease? A systematic review and meta-analysis. Med Ultrason. 25 (2), 216-223 (2023).
- Arsenescu, T., et al. 3D ultrasound reconstructions of the carotid artery and thyroid gland using artificial-intelligence-based automatic segmentation-qualitative and quantitative evaluation of the segmentation results via comparison with CT angiography. Sensors. 23 (5), 2806 (2023).
- Krönke, M., et al. Tracked 3D ultrasound and deep neural network-based thyroid segmentation reduce interobserver variability in thyroid volumetry. PLoS One. 17 (7), e0268550 (2022).
- Hazem, M., et al. Reliability of shear wave elastography in the evaluation of diffuse thyroid diseases in children and adolescents. Eur J Radiol. 143, 109942 (2021).
- Herickhoff, C. D., et al. Low-cost volumetric ultrasound by augmentation of 2D systems: design and prototype. Ultrasound Imaging. 40 (1), 35-48 (2017).
- Seifert, P., et al. Optimization of thyroid volume determination by stitched 3D-ultrasound data sets in patients with structural thyroid disease. Biomedicines. 11 (2), 381 (2023).
