自动化气道形态量化用于评估纤维化肺疾病的评价
医学物理
2021-11-23 v1 计算机视觉与模式识别
摘要
称为牵拉性支气管扩张的异常气道扩张是特发性肺纤维化（IPF）的典型特征。容积计算机断层扫描（CT）成像捕捉了 IPF 中正常气道锥度的丧失。我们假定气道异常的自动化量化可提供 IPF 疾病范围和严重程度的估计。我们提出 AirQuant，一种自动化计算流程，它基于深度学习的气道分割将气道树系统地划分为肺叶和代级分支，并从胸部 CT 推导气道结构度量。重要的是，AirQuant 通过厚波传播防止伪气道分支的出现，并通过图搜索去除气道树中的环路，克服了现有气道骨架化算法的局限。由 AirQuant 计算的气道段间锥度（intertapering）和气道弯曲度在 14 名健康参与者和 14 名 IPF 患者之间进行了比较。与健康对照相比，IPF 患者的气道段间锥度显著降低，气道弯曲度显著增高。差异在下叶最为明显，符合 IPF 相关损伤的典型分布。AirQuant 是一个开源流程，避免了现有气道量化算法的局限，并具有临床可解释性。自动化气道测量有可能作为 IPF 严重程度和疾病范围的新型影像学生物标志物。
引用
@article{arxiv.2111.10443,
title = {Evaluation of automated airway morphological quantification for assessing fibrosing lung disease},
author = {Ashkan Pakzad and Wing Keung Cheung and Kin Quan and Nesrin Mogulkoc and Coline H. M. Van Moorsel and Brian J. Bartholmai and Hendrik W. Van Es and Alper Ezircan and Frouke Van Beek and Marcel Veltkamp and Ronald Karwoski and Tobias Peikert and Ryan D. Clay and Finbar Foley and Cassandra Braun and Recep Savas and Carole Sudre and Tom Doel and Daniel C. Alexander and Peter Wijeratne and David Hawkes and Yipeng Hu and John R Hurst and Joseph Jacob},
journal= {arXiv preprint arXiv:2111.10443},
year = {2021}
}
备注
14 pages, 8 Figures, for associated source code, see https://github.com/ashkanpakzad/AirQuant