深度学习细分和注册驱动的肺辅酶体体积和运动CT分析在倾斜的位置

科学领域:

• 放射学和成像学 放射学和成像学
• 肺部医学 肺部医学
• 人工智能在医学中的应用

背景情况:

• 倾斜的定位用于改善急性呼吸困扰综合征患者的氧化.
• 了解俯卧姿势期间肺膜变化对于优化患者管理至关重要.
• 深度神经网络 (DNN) 为医学图像分析提供了先进的功能.

研究的目的:

• 通过使用DNNs. 在倾斜定位期间分析肺膜的体积和运动变化.
• 为了量化肺叶扩张和斜卧和俯卧位置之间的像素移动.
• 研究肺纤维化对这些位置变化的影响.

主要方法:

• 分析了108名怀疑患有间歇性肺病的患者的胸部CT扫描.
• 一个DNN自动细分肺叶在仰卧和倾斜的位置.
• 相关和可变形的注册计算了肺体积变化和像素移动.

主要成果:

• 倾斜的定位显著增加了左和右下垂叶体积.
• 平均最大的全肺像素移动是跨轴和3D计算的.
• 患有≥30%肺纤维化的患者表现出较小的体积变化和像素移动.
• 强迫生命能力 (FVC) 与下叶叶体积增加和肺部运动相关.

结论:

• 倾斜的定位优先扩大下肺叶.
• 肺纤维化会限制躺卧时的肺部扩张.
• FVC与肺部扩张的程度和倾斜位置的运动有关.