使用归一化连接计数的胸部CT成像:预测CanCOLD研究中的肺气肿进展| 文献速递-AI辅助的放射影像疾病诊断

news2024/9/20 12:27:53

Title

题目

CT Chest Imaging Using Normalized Join-Count: Predicting Emphysema Progression in the CanCOLD Study

使用归一化连接计数的胸部CT成像:预测CanCOLD研究中的肺气肿进展

Background

背景

Pre-existing emphysema is recognized as an indicator of future worsening in patients with chronic obstructive pulmonary disease (COPD) when observed through CT imaging. However, it remains uncertain whether additional factors, such as the spatial compactness of CT emphysema, might also serve as predictors of disease progression.

通过CT成像观察到的既存肺气肿被认为是慢性阻塞性肺病(COPD)患者未来病情恶化的指标。然而,尚不确定是否还有其他因素,如CT肺气肿的空间紧凑性,也可能作为疾病进展的预测指标。

Method

方法

This secondary analysis uses data from the prospective Canadian Cohort Obstructive Lung Disease (CanCOLD) study, examining CT images obtained in participants with and without COPD at baseline and a 3-year follow-up time point (November 2009 to November 2018). Measurements of forced expiratory volume in first second of expiration (FEV1 ) and diffusing capacity of lung for carbon monoxide (DLco) were collected. The normalized join-count (NJC) measurement from baseline CT images and lung density (LD) changes were analyzed. Emphysema progression was defined as an annualized LD change of less than half an SD below the mean of the participants without COPD with no smoking history. Multivariable linear and logistic regression models were used to assess the association between baseline CT NJC measurements and the annualized change in LD, FEV1 , DLco, and emphysema progression versus nonprogression.

这项次级分析使用了前瞻性加拿大阻塞性肺病队列研究(CanCOLD)的数据,检查了基线和3年随访时点(2009年11月至2018年11月)在有COPD和无COPD参与者中获得的CT图像。收集了第一秒呼气量(FEV1)和一氧化碳弥散能力(DLco)的测量值。分析了基线CT图像的归一化连接计数(NJC)测量值和肺密度(LD)变化。肺气肿进展被定义为年均LD变化低于无COPD且无吸烟史参与者平均值半个标准差。使用多变量线性和逻辑回归模型评估基线CT NJC测量值与年均LD变化、FEV1、DLco以及肺气肿进展与非进展之间的关联。

Conclusion

结论

The spatial distribution, or “compactness,” of CT emphysema voxels predicted emphysema progression in individuals with  and without COPD.

CT肺气肿体素的空间分布或“紧凑性”预测了有COPD和无COPD个体的肺气肿进展。

Results

结果

A total of 524 participants (mean age, 66 years ± 10 [SD]; 293 male) (FEV1 percent predicted, 88% ± 19; FEV1 /FVC, 67% ± 9; DLco percent predicted, 105% ± 25) were analyzed, 187 (36%) of whom had COPD. CT NJC was associated with the annualized change in LD (P < .001), FEV1 (P = .02), and DLco (P = .01). Additionally, CT NJC predicted emphysema progression versus nonprogression (odds ratio, 2.24; 95% CI: 1.37, 3.50; P < .001).

共分析了524名参与者(平均年龄66岁±10 [SD];293名男性)(预测的FEV1百分比,88% ± 19;FEV1/FVC,67% ± 9;预测的DLco百分比,105% ± 25),其中187名(36%)患有COPD。CT NJC与年均LD变化(P < .001)、FEV1(P = .02)和DLco(P = .01)相关。此外,CT NJC预测了肺气肿进展与非进展(比值比,2.24;95% CI:1.37, 3.50;P < .001)。

Figure

图片

Figure 1: Flowchart shows study inclusion and exclusion. CanCOLD = Canadian Cohort Obstructive Lung Disease, COPD = chronic obstructive pulmonary disease.

图1:流程图显示了研究的纳入和排除标准。CanCOLD = 加拿大阻塞性肺病队列研究,COPD = 慢性阻塞性肺病。

图片

Figure 2: Partial regression plots show annualized change (Δ) in lung density (LD), forced expiratory volume in first second of expiration (FEV1 ), and diffusing capacity of lung for carbon monoxide (DLco) with respect to continuous normalized join-count (NJC) (top) and quintiles of NJC (bottom). Dotted lines represent 95% CIs of the regression line (top). Bars represent means and error bars represent SDs of a given measurement (bottom).

图2:部分回归图显示了肺密度(LD)、第一秒呼气量(FEV1)和一氧化碳弥散能力(DLco)的年均变化(Δ)相对于连续归一化连接计数(NJC)(顶部)和NJC的五分位数(底部)。虚线表示回归线的95%置信区间(顶部)。柱状图表示给定测量值的平均值,误差线表示标准差(底部)。

图片

Figure 3: Three-dimensional reconstructions of CT lung volume in participants with (A–C) emphysema nonprogression and (D–F) emphysema progression. Those with progression of emphysema show increased “compactness” of CT emphysema voxels (red) compared with those without progression. Normalized join-count (NJC) and lung density (LD) values for each reconstruction are as follows: (A) NJC = 0.14%, LD = 49 g/L; (B) NJC = 0.15%, LD = 53 g/L; (C) NJC = 0.18%, LD = 59 g/L; (D) NJC = 1.28%, LD = 36 g/L; (E) NJC = 1.73%, LD = 34 g/L; (F) NJC = 2.19%, LD= 38 g/L.

图3:在参与者中的CT肺体积的三维重建图显示了(A–C)肺气肿无进展和(D–F)肺气肿进展。与无进展者相比,肺气肿进展者显示出CT肺气肿体素(红色)的“紧凑性”增加。每个重建图的归一化连接计数(NJC)和肺密度(LD)值如下:(A)NJC = 0.14%,LD = 49 g/L;(B)NJC = 0.15%,LD = 53 g/L;(C)NJC = 0.18%,LD = 59 g/L;(D)NJC = 1.28%,LD = 36 g/L;(E)NJC = 1.73%,LD = 34 g/L;(F)NJC = 2.19%,LD = 38 g/L。

图片

Figure 4: Axial CT images in participants with (A, B) nonprogression and (C, D) progression of emphysema. Those with progression of emphysema show increased “compactness” of CT emphysema voxels (red) compared with those without progression of emphysema. Normalized join-count (NJC) and lung density (LD) values are as follows: (A, B) NJC = 0.18, LD = 47 g/L; (B, C) NJC = 0.57, LD = 38 g/L. Images are shown at a window level of −800 HU and window width of 800 HU.

图4:参与者的轴向CT图像中显示(A,B)肺气肿无进展和(C,D)肺气肿进展。与无进展者相比,肺气肿进展者显示出CT肺气肿体素(红色)的“紧凑性”增加。归一化连接计数(NJC)和肺密度(LD)值如下:(A,B)NJC = 0.18,LD = 47 g/L;(B,C)NJC = 0.57,LD = 38 g/L。图像显示在-800 HU的窗位和800 HU的窗宽下。

Table

图片

Table 1: Participant Demographics, Lung Function, and Imaging Measurements

表1:参与者的人口统计、肺功能和影像测量

图片

Table 2: Multivariable Linear Regression Models for Annualized Change in LD, FEV1 , and DLco with the Baseline CT NJC Measurement Split into Quintiles

表2:基线CT NJC测量值分为五分位数的年均LD、FEV1和DLco变化的多变量线性回归模型

图片

Table 3: LD and Annualized Change in LD in Healthy Participants with No Smoking History

表3:无吸烟史健康参与者的LD及LD年均变化

图片

Table 4: Multivariable Logistic Regression Models for Progression and Nonprogression of Emphysema as Defined by LD and NJC

表4:由LD和NJC定义的肺气肿进展和非进展的多变量逻辑回归模型

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1974808.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【C++】------继承(一)

目录 前言 一、概念与定义 Ⅰ、是什么&#xff1f; Ⅱ、定义 1.定义格式&#xff1a; 2.继承方式和访问限定符 3.基类&#xff08;父类&#xff09;成员访问方式的变化 二、父类与子类的赋值转化 基本认识 原理 三、 继承中的作用域 四、子类(派生类)的默认成员函…

Spring中是如何实现IoC和DI的?

前言&#xff1a;在前一篇文章中对于IoC的核心思想进行了讲解&#xff0c;而本篇文章则从Spring的角度入手&#xff0c;体会Spring对于IoC是如何实现的。 如果对IoC还有不太了解的可以阅读上一篇文章&#xff0c;相信一定会带来全新的收获&#xff1a;什么是IoC&#xff08;控制…

5.5软件工程-系统测试

系统测试 意义和目的原则测试过程测试策略测试方法练习题 测试用例设计黑盒测试等价类划分边界值分析错误推测因果图 白盒测试逻辑覆盖循环覆盖基本路径测试法 练习题 调试软件度量练习题 考点少&#xff0c;知识点多 意义和目的 系统测试的意义&#xff1a;系统测试是为了发现…

浅谈Redis集群架构与主从架构

目录 1. Redis集群1.1 集群概念1.2 集群分片1.3 重新分片 2. 集群的主从模型2.1 主从模型2.2 主节点选举 1. Redis集群 1.1 集群概念 面试官&#xff1a;我看你简历写了Redis集群&#xff0c;你说一说&#xff1f; Redis主从架构和Redis集群架构是两种不同的概念&#xff0c;大…

【Spring成神之路】从源码角度深度刨析Spring循环依赖

文章目录 一、引言二、循环依赖出现的场景2.1 有参构造导致的循环依赖问题2.2 属性注入出现的依赖问题2.3 Spring IOC创建Bean的流程2.4 有参构造为何失败2.5 属性注入为何能成功2.6 AOP导致的循环依赖 三、Spring循环依赖源码刨析四、Spring循环依赖案例刨析 一、引言 循环依…

【MATLAB源码】数学建模基础教程---初步认识数学建模

系列文章目录在最后面&#xff0c;各位同仁感兴趣可以看看&#xff01; 什么是数学建模 含义1.区分数学模型和数学建模2. 建立数学模型的注意事项3.数学建模流程图解4.数学建模模型分类5.论文常用套路6.最后&#xff1a;总结系列文章目录 含义 所谓数学建模&#xff0c;简言…

Python 中实现聊天客户端库

在 Python 中实现一个简单的聊天客户端库可以通过使用 socket 模块来处理网络通信。我们可以构建一个基于 TCP 的简单聊天系统&#xff0c;其中包括一个服务器和一个客户端。 1、问题背景 假设您正在尝试编写一个 Python 库&#xff0c;用于实现某个聊天协议的客户端。在连接…

c++入门基础(下篇)————引用、inline、nullptr

引用 引用的概念和定义 引⽤不是新定义⼀个变量&#xff0c;⽽是给已存在变量取了⼀个别名&#xff0c;编译器不会为引⽤变量开辟内存空间&#xff0c; 它和它引⽤的变量共⽤同⼀块内存空间。 类型& 引用别名 引用对象; 就像孙悟空也叫齐天大圣 猪八戒也叫天蓬元帅。…

正点原子imx6ull-mini-Linux驱动之Linux 自带的 LED 灯驱动实验(16)

前面我们都是自己编写 LED 灯驱动&#xff0c;其实像 LED 灯这样非常基础的设备驱动&#xff0c;Linux 内 核已经集成了。Linux 内核的 LED 灯驱动采用 platform 框架&#xff0c;因此我们只需要按照要求在设备 树文件中添加相应的 LED 节点即可&#xff0c;本章我们就来学习如…

Level3答案

突然发现&#xff0c;忘记公布了Level3答案&#xff1a; 1、 (1)heker.h HeiKe.h (2)Make_Text() (3)3 (4)heker.h 2、 (1)ArtText.h Maker_World.h (Maker_Game头文件组) (2)5.0 附加题、 我把标题截了张图&#xff01; 这是我们 Cookie Maker工作室 新出来的 “无标题技术”…

JavaScript基础——JavaScript数据及数据类型

JavaScript中数据的分类 数据是指设备、浏览器可以识别的内容。在JavaScript中&#xff0c;数据可分为基本数据类型&#xff08;值数据类型&#xff09;和引用数据类型。 console.log()函数 浏览器中按下F12或者右击检查&#xff0c;可以打开控制台。 在JavaScript中&#xff0…

微服务通过X-Forwarded-For获取客户端最原始的IP地址

文章目录 引言I 通过转发IP列表获取用户的IP地址II 存储真实IP字段到MDC中2.1 自己存储真实IP字段,方便获取。2.2 feign 传递MDC数据(将MDC中数据传入header)III 处理真实IP(应用)3.1 从MDC获取存储到日志系统中3.2 logback获取MDC数据(IP、追踪码)3.3 打印接口的请求IP引…

教你用python代码写一个中国象棋游戏

编写一个完整的中国象棋游戏是一个复杂的项目&#xff0c;因为它涉及到图形用户界面(GUI)的设计、游戏规则的实现、AI对手的开发等多个方面。不过&#xff0c;我可以提供一个简化的框架和一些基本思路&#xff0c;帮助你开始这个项目。 由于这里不能完整地实现一个图形化的象棋…

三十六、MyBatis-Plus(2)

&#x1f33b;&#x1f33b; 目录 一、CRUD 扩展&#xff08;1)1.1 Insert1.2 主键生成策略1.2.1 源码解释1.2.2 Twitter的snowflake算法 (雪花算法)1.2.3 主键自增&#xff1a;AUTO 我们需要配置主键自增1.2.4 手动输入&#xff1a;INPUT 就需要自己写 id 1.3 Update1.4 自动填…

2024杭电多校第五场

第一题&#xff1a;开关灯 直接暴力找规律。 发现如果n2&#xff08;mod3&#xff09;那么就是2的n-1次方。否则直接是2的n次方。 暴力代码 #include<bits/stdc.h> using namespace std; #define int long longsigned main() {int temp[100];temp[0] 1;for (int i …

SOMEIP_ETS_001:数组长度超过消息长度允许的范围

测试目的&#xff1a; 验证DUT&#xff08;Device Under Test&#xff0c;被测设备&#xff09;在接收到数组长度超过SOME/IP协议允许的最大长度时&#xff0c;是否能够返回错误消息。 描述 本测试用例旨在检查DUT在接收到一个SOME/IP消息时&#xff0c;如果该消息中的数组长…

Java学习:今日成果,明日挑战

阅读指南&#xff1a;[题目] - 精选摘要 题目1.面向对象编程意味着2.以下哪项不是 Java 关键字&#xff1f;3.基础数据类型在堆栈上分配&#xff1f;4.以下代码将导致&#xff1a;5.以下输出是什么 &#xff1f;6.如果我们声明&#xff1a;7.Java 使用按值调用。 以下方法调用传…

S7-1200PLC 和8块欧姆龙温控表MODBUS通信(完整SCL代码)

1、如何提升MODBUS-RTU通信数据的刷新速度 提升MODBUS-RTU通信数据刷新速度的常用方法_modbus rtu通讯慢-CSDN博客文章浏览阅读1.2k次。SMART PLC的MODBUS-RTU通信请参考下面文章链接:【精选】PLC MODBUS通信优化、提高通信效率避免权限冲突(程序+算法描述)-CSDN博客MODBU…

MATLAB预测模型(1)

一、前言 在MATLAB中&#xff0c;解决和预测微分方程通常涉及到使用数值方法&#xff0c;因为许多微分方程的解析解是难以找到的。MATLAB提供了多种函数和工具箱来处理这类问题&#xff0c;其中ode45是最常用的一个&#xff0c;用于求解非刚性微分方程的初值问题。 二、实现 以…

Linux中DHCP服务器配置和管理

文章目录 一、DHCP服务1.1、DHCP的工作流程1.2、DHCP的工作模式1.3、dhcp的主要配置文件 二、安装DHCP服务2.1、更新yum源2.2、安装DHCP服务软件包2.3、配置DHCP服务2.4、启用DHCP服务&#xff08;解决报错&#xff09;2.4.1、查看dhcpd服务的状态和最近的日志条目2.4.2、查看与…