Unsere Forschung befasst sich mit der nicht-invasiven Beurteilung von Lungenknoten. Durch die multivarietale Spektrenanalyse von CT-Bildern wollen wir beantworten, warum die multivarietären Merkmale zuverlässig zwischen gutartigen und bösartigen Knoten unterscheiden können, was möglicherweise den Bedarf an invasiven diagnostischen Verfahren reduziert. Zu den jüngsten Fortschritten gehören KI-basierte radiale Mix-Ansätze für die Charakterisierung von Knötchen, die sich jedoch in der Regel entweder auf das pathologische Bild oder die morphologische Analyse allein konzentrieren.
Unsere multifraktale Spektrenanalyse schlägt eine Brücke zwischen der Bildgebung und dem pathologischen Befund. Wir zeigten, dass Lungenknoten in verschiedenen Stadien ein ausgeprägtes multifraktales Spektrum aufweisen, wobei Knoten im späteren Stadium einen breiteren Skalenbereich und höhere Extrempunkte aufweisen, was eine quantitative Differenzierung der Malignität ermöglicht. Unser Protokoll bietet eine nicht-invasive quantitative Beurteilung der Malignität von Knötchen durch gleichzeitige Analyse der morphologischen Merkmale und der Gewebeheterogenität, wodurch die Abhängigkeit von invasiven Biopsien reduziert wird.
Diese Ergebnisse ermöglichen ein präziseres Staging von Lungenknoten und die Früherkennung von Malignitäten, was die klinische Entscheidungsfindung und die Patientenergebnisse in der Lungenonkologie verbessern kann. Zu Beginn erhalten Sie die Computertomographie- oder CT-Scandaten des Patienten als DICOM-Dateien und generieren eine 3D-Volumenmatrix in MATLAB. Visualisieren Sie die Bildsequenz mit der MATLAB-Slice-Viewer-Funktion.
Verwenden Sie die Bildlaufleiste am unteren Rand der grafischen Benutzeroberfläche, um durch die verschiedenen Schichten in der CT-Sequenz zu blättern. Identifizieren Sie das Vorhandensein von bösartigen Lungenknoten in der Lunge am entsprechenden Rahmen. Suchen und verwenden Sie die Symbole zum Vergrößern, Verkleinern und Zurückkehren zur globalen Ansicht.
Aktivieren Sie das Datentipp-Symbol, um die Pixelkoordinaten des ausgewählten Bereichs zu markieren. Klicken Sie mit der rechten Maustaste auf die Farbleiste, um die übliche graue Farbkarte zu verwenden, und wählen Sie die entsprechende Option aus. Wenn der Filtereffekt nicht zufriedenstellend ist, ziehen Sie mit der linken Maustaste in der Mitte der Figur nach oben und unten, um die Fensterebene anzupassen.
Ziehen Sie nach links und rechts, um die Fensterbreite anzupassen, und der entsprechende genaue Filterbereich wird in der Farbleiste angezeigt. Identifizieren Sie die Pixelkoordinaten des Knötchens, nachdem Sie seine Kanten markiert haben, und notieren Sie sich die X- und Y-Koordinaten, die im Popup-Fenster mit dem Datentipp angezeigt werden. Nachdem Sie den Interessenbereich (ROI) definiert haben, verwenden Sie den Befehl MATLAB, um ein 3D-Oberflächendiagramm zu erstellen.
Beobachten Sie die 3D-Graustufenintensität des Lungenknotens. Suchen und verwenden Sie die Werkzeuge zum Vergrößern, Vergrößern, Drehen und Wiederherstellen der Ansicht, um eine detaillierte Inspektion durchzuführen. Rufen Sie die Funktion pic_size auf, fractal_dimension gleich PN_fractal_feature M ist, mit der zuvor erhaltenen M-Matrix als Eingabe.
Dadurch werden die fraktalen Dimensionen in verschiedenen Maßstäben berechnet. Visualisieren Sie das multifraktale Spektrum des Lungenknotens mit Hilfe des Codes. Berechnen Sie das multifraktale Spektrum für einen anderen gutartigen Lungenknoten mit den gleichen Schritten.
Plotten Sie die Ergebnisse im selben Koordinatensystem mit einer anderen Farbe für den Vergleich, um den multifraktalen Spektrumsvergleich zwischen verschiedenen Lungenknoten zu generieren. Verwenden Sie schließlich das Datentipp-Tool, um die Koordinaten der wichtigsten Extrempunkte zu markieren, um einen präzisen Vergleich verschiedener gutartiger und bösartiger Lungenknoten zu ermöglichen. Die fraktale Dimension maligner Knötchen zeigte ein multifraktales Spektrum mit höheren Extrempunkten und breiteren Skalenbereichen im Vergleich zu gutartigen Knötchen.
Lungenadenokarzinom-Knötchen im Frühstadium wiesen einen engeren fraktalen Skalenbereich und niedrigere Extrempunkte im multifraktalen Spektrum auf als Knötchen im späten Stadium.
