Key points are not available for this paper at this time.
Die genaue Segmentierung kleiner pulmonaler Knötchen (SPNs) in thorakalen CT-Bildern ist eine wichtige Technik zur Schätzung der volumetrischen Verdopplungszeit und zur Merkmalscharakterisierung für die Diagnose von SPNs. Die meisten der bisher vorgestellten Algorithmen zur Segmentierung von Knötchen wurden entwickelt, um solide pulmonale Knötchen zu handhaben. Allerdings beeinflussen SPNs mit glasklarer Opazität (GGO) ebenfalls die Diagnose. Daher haben wir einen automatisierten volumetrischen Segmentierungsalgorithmus für SPNs mit GGO in thorakalen CT-Bildern entwickelt. In diesem Papier präsentieren wir unseren Segmentierungsalgorithmus mit mehreren festen Schwellenwerten, einer Template-Matching-Methode, einer Distanztransformationsmethode und einer Wasserscheidungsmethode. Für die quantitative Bewertung der Leistung unseres Algorithmus verwendeten wir den ersten Datensatz, der vom NCI Lung Image Database Consortium (LIDC) bereitgestellt wurde. In der Bewertung verwendeten wir die Überlappungsrate, die sowohl mit dem computerbasiert segmentierten Bereich eines SPN als auch mit den bereitgestellten Übereinstimmungswahrscheinlichkeitskarten (pmap) von LIDC berechnet wurde. Das Ergebnis von 23 Fällen ergab eine durchschnittliche totale Überlappungsrate von 0,507 +/- 0,219. Aus diesen Ergebnissen schlossen wir, dass unser Algorithmus nützlich ist, um SPNs mit GGO und solidem Muster sowie eine Vielzahl von SPNs in Größe zu extrahieren.
Tachibana et al. (Thu,) haben diese Frage untersucht.