全肺和转移性肺结节的3D细分使用自适应区域生长和基于形状的形态学
Esha Baidya Kayal1, Shuvadeep Ganguly2, Archana Sasi2
1Centre for Biomedical Engineering, Indian Institute of Technology Delhi.
Journal of computer assisted tomography
|January 29, 2025
概括
一个新的半自动计算机辅助检测 (CAD) 系统RGLNS显示了细分肺结节的有希望的结果. 这种工具有助于肺癌患者的早期诊断和治疗计划.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 医疗保健中的人工智能
背景情况:
- 手动细分肺结节是耗时且容易出现错误的.
- 精确的细分对于肺结节的早期诊断和治疗计划至关重要.
- 现有的方法缺乏效率和一致性,凸显了对自动化解决方案的需求.
研究的目的:
- 开发和评估一个开源计算机辅助检测 (CAD) 系统,用于肺部和转移性肺结节的3D细分.
- 评估系统在放射性特征提取方面的性能.
- 为肺结节分析提供强大高效的工具.
主要方法:
- 开发了一种基于区域生长的适应性肺结节细分 (RGLNS) 工具.
- 该系统需要最小的手动输入 (种子点选择) 来进行CT图像上的结节细分.
- 分区的准确性被评估为数量 (迪斯,雅卡德) 和质量 (利克尔特尺度).
主要成果:
- 该RGLNS系统实现了肺部细分的高定量准确性 (迪斯:0.92,贾卡德:0.85).
- 结节细分的准确性在各种结节类型中也很强大 (戴斯高达0.92,贾卡德高达0.84).
- 定性评估评价肺和结节细分为良好至优秀.
结论:
- 半自动化的RGLNS系统为肺部和转移性肺结节细分提供了一个有前途的解决方案.
- 最少的手动输入使系统高效且易于使用.
- 开发的CAD系统可以帮助早期诊断和治疗规划.
