在COVID-19中用于纵向胸部CT图像的非刚性注册方法
Yuma Iwao1,2, Naoko Kawata3,4,5, Yuki Sekiguchi4
1Center for Frontier Medical Engineering, Chiba University, 1-33, Yayoi-cho, Inage-ku, Chiba-shi, Chiba, 263-8522, Japan.
Heliyon
|September 17, 2024
概括
一种新的深度学习方法准确地将肺部CT扫描与COVID-19肺炎分析对齐. 这种非严格的注册保护了病变的完整性,使可靠的时间序列形态变化评估成为可能.
科学领域:
- 医学成像分析分析 医学成像分析
- 深度学习在放射学中的应用.
背景情况:
- 分析COVID-19肺炎的形态变化需要精确的肺部注册.
- 现有的方法难以应对呼吸系统变异和病变变形.
研究的目的:
- 开发和验证用于COVID-19肺炎CT分析的非刚性注册技术.
- 为了确保精确跟踪肺部变化而不会变形病变区域.
主要方法:
- 基于深度学习的非刚性注册方法 (VoxelMorph) 用于肺场对齐.
- 预处理涉及到用于初始匹配的经典注册.
- 进行了定量 (图像相似性,特征分析) 和定性 (医生视觉评估) 评估.
主要成果:
- 该方法在509名患者的数据集中实现了高图像相似性.
- 分析证实在注册后保存了组图特征和病变特征.
- 医生评估验证了肺部领域和病变的自然变形.
结论:
- 开发的深度学习非刚性注册对于对COVID-19肺炎肺部变化的定量时间序列分析是有效的.
- 这种技术为监测疾病进展和治疗反应提供了可靠的工具.
更多相关视频
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
549
05:56Author Spotlight: Enhancing Diagnostic Strategies and Biomarker Development for Comprehensive Lung Function Analysis
Published on: August 9, 2024
1.1K
