时间域和3D方法用于电阻断层扫描中的肺 perfusion 数据集群

科学领域:

• 医疗成像医学成像
• 生理监测 生理监测
• 计算生物学 计算生物学

背景情况:

• 肺 perfusion 评估对于诊断肺部疾病至关重要.
• 电阻断层扫描 (EIT) 为监测肺功能提供了一种非侵入性方法.
• 精确的图像细分对于可靠的EIT-based perfusion分析至关重要.

研究的目的:

• 评估在肺 perfusion 研究中对 EIT 图像进行细分的聚类方法.
• 为了区分肺部像素和受心脏和肺部体积影响的混合像素.
• 确定最有效的聚类算法,以准确量化 perfusion.

主要方法:

• 利用了8头猪 (健康和受伤的,机械通风) 51次输液的数据.
• 开发了用于评估细分精度的地面真实面具.
• 对比了各种聚类方法,包括使用不同指标的k-平均值.

主要成果:

• 与相关性指标的k-means方法显示了最有效和平衡的性能.
• 获得了84%的中位敏感度和特异性.
• 有效地将假阴性最小化,防止输液值的错误归因.

结论:

• 在肺 perfusion 研究中,K-means 集群与相关性指标是 EIT 图像细分的一个有希望的工具.
• 准确的细分对于可靠地解释肺 perfusion 数据至关重要.
• 这种方法有助于区分真正的肺 perfusion 从工件在EIT成像.