Uji coba pencitraan virtual mengoptimalkan CT, radiografi untuk COVID-19 – Sains Terkini

Artikel akses terbuka di ARRS ' Jurnal Roentgenologi Amerika (AJR) mendirikan dasar untuk penggunaan uji coba pencitraan virtual dalam penilaian yang efektif dan optimalisasi akuisisi CT dan radiografi serta alat analisis untuk membantu mengelola pandemi penyakit virus corona (COVID-19).

Uji coba pencitraan virtual memiliki dua komponen utama – model perwakilan dari subjek yang ditargetkan dan model realistis pemindai pencitraan – dan penulisnya AJR Artikel mengembangkan model komputasi pertama pasien dengan COVID-19, sambil menunjukkan, sebagai bukti prinsip, bagaimana mereka dapat dikombinasikan dengan simulator pencitraan untuk studi pencitraan COVID-19.


"Untuk tubuh model," penulis utama Ehsan Abadi menjelaskan, "kami menggunakan model 4D extended cardiac-torso (XCAT) yang dikembangkan di Duke University."

Abadi dan rekan-rekannya di Duke kemudian mensegmentasi fitur morfologi kelainan COVID-19 dari 20 gambar CT pasien dengan konfirmasi multidiagnostik infeksi SARS-CoV-2 dan memasukkannya ke dalam model XCAT.

"Dalam area penyakit tertentu, tekstur dan bahan parenkim paru di XCAT dimodifikasi agar sesuai dengan sifat yang diamati pada gambaran klinis," Abadi et al. dilanjutkan.

Dengan menggunakan pemindai CT tertentu (Definition Flash, Siemens Healthineers) dan simulator radiografi tervalidasi (DukeSim) untuk membantu menggambarkan utilitas, tim tersebut secara virtual mencitrakan tiga hantu komputasi COVID-19 yang dikembangkan.

"Secara subyektif," para penulis menyimpulkan, "kelainan yang disimulasikan itu realistis dalam hal bentuk dan tekstur," menambahkan hasil awal mereka menunjukkan bahwa rasio kontras terhadap kebisingan di wilayah abnormal adalah 1,6, 3,0, dan 3,6 untuk 5-, 25-, dan 50-mAs, masing-masing.


Referensi:

Bahan disediakan oleh Masyarakat Roentgen Ray Amerika. Catatan: Konten dapat diedit untuk gaya dan panjangnya.

You may also like...

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.