在CT扫描中,用于细分附着于胸壁的肺结合性肺部的创新方法
Alessio Gnerucci1, Maurizio Bartolucci2, Guglielmo Baccani1
1Department of Physics and Astronomy, University of Florence, Italy.
概括
一个新型的半自动算法在CT图像中准确地细分肺膜和结合组织,克服了当前软件的局限性,特别是对于附着于胸壁的病理.
科学领域:
- 医学成像分析分析 医学成像分析
- 放射学和定量成像技术
- 计算解剖学的计算解剖学
背景情况:
- 在CT扫描中精确的肺部细分对于评估扩散性肺部疾病和放射学是至关重要的.
- 现有的软件在肺胸壁接口检测方面遇到困难,这些困难发生在肺密度高的病例中 (例如,ARDS,COVID-19).
- 手动细分是耗时的,容易变化.
研究的目的:
- 开发一种创新的半自动算法,用于精确的肺部细分.
- 克服当前软件在细分肺瘤方面的局限性,特别是附着于胸壁的巩固性组织.
- 为手动细分提供一个时间效率高的替代方案.
主要方法:
- 该算法基于解剖学上下文和基于像素的放射学模型使用spline函数模拟肺边缘.
- 它结合了局部密度模式和邻近的解剖信息,用于准确的边缘检测.
- 高密度病态区域使用适当的值技术进行细分.
主要成果:
- 开发的算法证明了与经验丰富的放射科医生可比的细分精度.
- 专家发现,性能至少不低于人工细分.
- 该算法成功地细分了肺膜和结合组织,而商业软件通常会失败.
结论:
- 开发了一种新的半自动算法,用于准确的肺部细分.
- 该算法有效地细分肺膜和巩固性组织,即使粘附于肺壁.
- 这项创新为特定具有挑战性的案例提供了相对于现有的商业软件的显著改进.
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
968
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
2.0K
