医学图像分割的研究进展

医学图像是医生对患者进行病情诊断和治疗规划的有力工具。现今对于医学图像的分割不再局限于手工分割方法,通过传统方法与深度学习方法来实现医学图像分割已经取得更好、更准确的结果。本文基于近年来一些较为出众的医学图像创新分割方法进行综述,通过阐述深度学习方法如SAM、SegNet、MaskR-CNN和U-NET以及传统方法如活动轮廓模型、阈值分割模型创新等,对比各种图像分割方法的异同点,对医学图像分割方法做出总结与展望。以此来帮助学者们更好地了解目前的研究进展与未来的发展趋势。

基于标记点结构体积比确定原始等中心纵向位置的方法研究

目的 针对放疗标记点出现在两层CT图像的情形,提出一种基于标记点结构体积比(Volume Ratio,VR)确定标记点中心纵向位置,进而确定放疗原始等中心纵向位置的方法,并进行测试和初步应用。方法 使用一台西门子CT模拟机,选取放疗盆腔扫描协议RT_Pelvis,扫描水模体及其上的一个金属标记点,层厚和层间距均为5 mm。根据不同的重建初始位置偏移(ΔBegin),以间隔0.1 mm重建50套不同的CT图像序列,对应标记点中心的50个标称纵向位置偏差(ΔLNGm)。对标记点出现在2层图像上的CT序列,通过勾画得到2个标记点结构并计算出标记点VR,研究VR随标记点中心ΔLNGm的变化规律。最后,选取20例盆腔肿瘤患者,应用上述变化规律,计算得到ΔLNGm值,进而得到相应的原始等中心纵向位置数据。结果 ΔBegin的值从1.9 mm到3.7 mm的19个CT图像序列,标记点出现在两层CT图像上。随着ΔLNGm从1.6 mm逐渐增加到2.5 mm,VR的值也从接近0逐渐增加到1。使用公式:VR=a+b×ΔLNGm+c×ΔLNGm2进行拟合,得到a、b和c的数值分别为0.7334、-1.4277 mm-1和0.6129 mm-2。对选取的20例盆腔肿瘤患者通过勾画标记点结构计算得到VR的值,分别通过手工查表和使用公式求解方程两种方式,计算得到ΔLNGm,两种方式的结果一致。结论 对放疗标记点出现在两层CT图像的情形,标记点结构VR随标记点中心的ΔLNG有一定的变化规律,利用该规律可以计算出标记点中心的纵向位置,进而计算出放疗原始等中心的纵向位置,为物理师确定放疗原始等中心的精确位置提供了有益的参考。

基于电子射野影像系统的光栅位置和剂量验证研究

目的 使用基于电子射野影像系统(electronic portal imaging device,EPID)的质控系统,在Primus和VenusX加速器上实现光栅位置及剂量验证。方法 通过灰度值最大梯度方法计算光栅位置,评估偏差。使用剂量标定和剂量计算相结合的算法对EPID采集的图像进行剂量重建,将EPID和MapCheck/PTW得到的数据,分别与计划系统剂量进行γ通过率分析。结果 VenusX加速器光栅误差小于1 mm,Primus重新标定后误差明显减小。重建的剂量,在3%/3 mm,阈值10%和2%/2 mm,阈值10%的2种标准下,Primus加速器γ平均通过率分别为98.86%和91.39%;VenusX加速器γ平均通过率分别为98.49%和91.11%。结论 基于EPID的质控系统,可提高加速器质控效率,减轻物理师工作负担。

控制扫描法对头颈部肿瘤患者精确CT定位扫描的效果研究

目的:研究控制扫描(CS)法精确确定放疗标记点CT层面的位置对头颈部肿瘤患者放疗的应用效果。方法:基于CS法制作标记点层面位置(MSP)计算程序,用于位置计算的企业微信程序,以及头颈部肿瘤患者(层厚3 mm)的CT定位扫描中。选取2020年10月至2022年3月南京医科大学附属南京医院收治的60例头颈部位肿瘤患者,将使用CS法行CT定位扫描的患者纳入观察组,使用常规方法行CT定位扫描的患者纳入对照组,每组30例。对两组CT定位扫描中3个金属标记点同时显示在同1层面的例数及含标记点CT图像的层数等进行对比分析。结果:观察组和对照组患者3个标记点同时显示在同1层面上的例数分别为26例和13例,观察组比对照组增加了13例(占43.4%),差异有统计学意义(χ^(2)=12.382,P<0.05);观察组和对照组含标记点CT图像仅1层的例数分别为4例和0例,观察组比对照组增加4例(占13.3%),差异有统计学意义(χ^(2)=2.411,P<0.05)。结论:使用CS法辅助头颈部肿瘤患者的放疗CT定位扫描,可精确计算得到CT定位扫描的目标起始位置,从而使放疗患者3个金属标记点的影像尽可能出现在同1个CT层面,具有较好的应用效果。能够有效提高放疗的便捷性和工作效率。

增强现实在医学领域中的应用现状研究

增强现实(Augmented Reality,AR)技术因其独特的虚实结合、实时交互等优点对医学领域起到很大的帮助,已成为辅助医学治疗的新兴手段。本研究介绍了AR技术的特征及关键技术,以及在医学中的应用现状,具体包括AR在医学教育中、临床手术导航、康复治疗、放射治疗中的应用。尽管AR在各个领域发展的程度不一,随着科学技术的不断进步,相信AR技术将与医学更好的结合来造福人类。

多模态MRI脑肿瘤图像分割方法研究进展

MRI是一种非侵入性多模态成像方法,广泛应用于脑肿瘤检测和诊断。多模态MRI脑肿瘤图像分割对脑肿瘤的诊断和治疗具有重要意义。目前大部分分割工作还是由医生手动完成,效率低且主观性强,因此寻求一种高效准确的脑肿瘤自动分割方法对临床应用至关重要。本文就基于多模态MRI图像的脑肿瘤分割的研究进展进行综述,对比分析了传统分割方法和基于深度学习的分割方法,并对现有的脑肿瘤图像分割方法存在的问题进行总结并做出展望,以便该领域的研究者更好地了解目前多模态MRI脑肿瘤图像分割方法的研究进展。

深度学习脑肿瘤MRI图像分类研究进展

大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源,同时人工智能技术的发展促进深度学习应用水平不断提升,推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分,第一部分针对目前主流的深度学习MRI图像分类模型:卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述。首先,阐述了各模型的历史沿袭、最初针对的问题及主要思想;其次,概括了模型的网络架构并探讨其在MRI图像分类上的最新应用;然后,分析了模型的特点、目前存在的局限及各自发展趋势。第二部分论述了一些影响分类性能的关键因素;第三部分提出了一些广泛使用的性能增强技术;文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制,并对未来研究方向进行展望。本文的结果可为研究人员提供一个全面的比较,以及各种深度学习模型的有效性,有望促进脑肿瘤研究的进展。

肺癌立体定向放射治疗中的运动管理研究现状

立体定向放射治疗作为治疗临床上不适合手术或拒绝手术的早期非小细胞肺癌患者的首选方式,是一种分割次数较少、单次放疗剂量大的大分割放射治疗方法。因此,对靶区位置的精度及重复性具有较高要求。针对此,临床上采用影像引导技术、合适的固定装置以及呼吸运动管理技术等辅助治疗来减小呼吸运动造成的影响。本文总结了这几种技术的研究现状,并基于各技术存在的问题对未来的研究方向进行了展望。

宫颈癌调强计划Portal Dosimetry剂量验证中拼接野的应用分析

目的提出一种生成Portal Dosimetry(以下简称PD)分野的拼接野(以下简称PD拼接野)方法,并对宫颈癌计划的PD拼接野进行分析研究。方法选取20例宫颈癌患者的七野调强治疗计划进行研究,治疗计划中每个大野分成1对分野。首先制作仅含分野的PD剂量验证计划,然后使用直线加速器出束执行。通过矩阵拼接和矩阵叠加,分别得到每对PD分野对应的PD拼接野和PD大野。使用PD软件模块,得到PD拼接野和PD大野的伽玛通过率,分别记为Gp和Gd。使用Gm表示每对PD分野的平均伽玛通过率值。对Gp、Gd和Gm进行统计分析和比较研究。结果所有140个射野的Gp、Gd和Gm的值分别为98.78%±0.70%、97.34%±1.25%和98.87%±0.51%。两两比较结果显示,Gp和Gd差异具有统计学意义(P<0.05);Gp和Gm的数据差异较小。对每个PD验证计划,计算所有同一类射野对应的计划验证通过率(Gplan)。对Gplan数据进行统计分析显示,PD拼接野和PD大野差异具有统计学意义(P<0.05),PD拼接野和PD分野的数据差异较小。结论本文提出的PD拼接野概念为评价PD剂量验证结果提供了有益的参考信息。

基于标定和计算的电子射野影像系统剂量重建

提出了一种基于标定和计算的电子射野影像系统(EPID)剂量重建算法。首先,对连续采集模式的EPID原始数据进行暗场校正和增益校正,然后通过亮场灰度特征确定射野边界。其次,对EPID数据进行MU标定、离轴标定和射野大小标定,并根据标定后的叠加通量和加速器机头蒙特卡罗模型进行剂量重建。最后,选取9例IMRT计划,分别使用EPID和MapCheck对计划进行验证测量,并在不同γ标准下比较两种验证工具的通过率。针对选取的1例计划病例,两种标准下使用MapCheck对多个病例验证的通过率分别为99.02%±1.28%、90.84%±4.49%;使用EPID重建模型的平均通过率分别为98.86%±1.19%、91.39%±4.80%。本文提出的标定和剂量计算相结合的EPID重建算法,与主流剂量验证软件MapCheck相比,对IMRT计划的验证通过率没有统计学差异(P>0.05),符合剂量验证的临床要求。

基于超声深度学习影像组学的乳腺癌新辅助化疗疗效预测

目的开发一种结合超声影像组学、深度学习和临床特征的综合模型,以预测乳腺癌新辅助化疗(Neoadjuvant Chemotherapy,NAC)后的病理完全缓解(Pathological Complete Response,pCR)。方法共纳入117例乳腺癌患者,按照7∶3的比例随机划分为训练集和验证集。采用Mann-Whitney U检验、随机森林递归消除算法和最小绝对收缩和选择算子进行特征筛选及影像组学/深度学习标签构建。对患者的临床参数进行单/多因素分析,以选择有效特征构建临床模型。然后利用逻辑回归算法将临床特征与影像组学、深度学习标签相结合,构建临床-影像组学-深度学习综合模型。从预测效果、校准能力和临床实用性方面评估模型性能。结果临床-影像组学-深度学习综合模型相比于单独的临床、影像组学和深度学习模型在训练集和验证集中均显示出最高的曲线下面积(训练集:0.949 vs.0.788 vs.0.815 vs.0.928;验证集:0.931 vs.0.643 vs.0.778 vs.0.901)。校准曲线和决策曲线证实综合模型具有良好的预测性能。结论与单一模型比较,综合模型对术前预测乳腺癌患者NAC后的pCR状态具有更高价值。

机器人在放射治疗中的应用

放射治疗(以下简称“放疗”)作为一种主流的癌症治疗手段,其精准度、安全性和疗效一直是临床研究的重点。近年来,机器人技术在放疗领域的应用已取得显著成果,尤其在患者定位、肿瘤跟踪以及剂量传递等关键环节展现出其独特优势。本文综述机器人在放疗领域的研究进展,全面系统地探讨机器人在外照射放疗、内照射放疗、放疗辅助摆位以及图像引导放疗的最新研究成果,以期为机器人在放疗中的应用和发展提供参考。

DeepViewer软件自动勾画乳腺癌保乳术后肿瘤靶区的初步研究

目的评估DeepViewer软件自动勾画乳腺癌保乳术后患者肿瘤靶区的可行性和准确性。方法选取20例乳腺癌保乳术后患者进行研究,其中左侧乳腺癌12例,右侧乳腺癌8例。将20例患者的定位CT图像从Eclipse治疗计划系统传输至DeepViewer软件,使用DeepViewer软件自动勾画靶区,然后将勾画好的结构文件传输并导回Eclipse治疗计划系统。比较该软件自动勾画和手工勾画靶区的体积差异、形状一致性和勾画时间,并进行统计学分析,评价DeepViewer软件对放疗靶区勾画的可行性和准确性。结果对20例乳腺癌患者的数据进行统计分析。自动和手工勾画两种方式心脏结构的百分体积差异(△V%)为(-21.43±15.29)%,相似性指数(DSC)值为(0.68±0.11),总位置差异(ΔL)为(1.76±1.23)cm。独立样本t检验的结果显示,左右两侧数据没有统计学差异(P>0.05)。结论使用DeepViewer软件进行乳腺癌保乳术后靶区的勾画,可以达到基本满意的效果,后期还有待进一步优化和完善。

不同放疗定位CT扫描条件对气管支架图像质量影响的研究

目的比较不同扫描条件下气管支架的定位CT图像,探讨适合含有气管支架的放疗病人的模拟定位CT扫描条件。方法将气管支架放入自制的泡沫管套中,一起放入非均匀模体中进行CT定位扫描,扫描条件为80kV/120mAs、120kV/80mAs、120kV/120mAs,扫描方式为轴向扫描和螺旋扫描,扫描层厚分别为0.6、1、2、3mm,扫描完成后传到治疗计划系统,两名有经验的放疗科医生对各组图像进行评分,使用Matlab8.3数据处理软件读取各组图像同一层面支架的CT值。结果相同条件下轴向扫描比螺旋扫描图像更清晰;扫描层厚越小,图像伪影越少,图像越清晰;管电流对支架CT值没有影响,管电压越小,支架CT值越大。结论在条件允许情况下,含有气管支架的肿瘤病人放疗CT定位时扫描方式选择螺旋扫描,扫描层厚选择1mm,选择固定的管电压。

锥形束CT扫描角度及中心位置对模体靶区的影响

目的观察锥形束CT(CBCT)扫描机架角度及中心位置对模体中植入物体积及CT值的影响。方法于非均匀模体中插入均匀圆柱棒,以其中心为扫描中心,机架旋转360°扫描模体,分别在X、Y、Z方向上移动将扫描中心2.5、5.0、7.5和10.0 cm,或机架分别沿顺时针和逆时针方向旋转20°,间隔20°,于180°~360°进行重复扫描。重建图像,比较各组图像中植入物体积或CT值。结果植入物体积随扫描中心在X方向偏移距离增大而增大,Y方向偏移距离增大而缩小(P均<0.05),随Z方向偏移距离而变化(F=2919.88,P<0.01)。各扫描角度植入物体积不同,360°图像植入物体积大于其他角度(P均<0.05)。360°图像CBCT图像中植入物均大于其他角度(P均<0.05)。结论CBCT扫描时机架旋转角度及扫描中心与靶区的相对关系对模体靶区体积及CT值存在一定影响,机架旋转360°进行扫描,并以扫描中心即计划中心为靶区中心为计划设计的最佳选择。

医疗超声机器人的研究进展

医疗超声机器人作为一种新兴的医疗机器人,可以帮助医生获取高质量超声图像并减少医生的工作压力。协作机器人凭借其较高的精度、灵活性、安全性和可重复性,非常适合与医学影像领域相结合。目前,超声医生的数量与整体水平均不能很好地满足医疗需求,医疗超声机器人的出现将在一定程度上解决医疗资源短缺的问题。机器人超声这一技术正逐渐成为提高医疗水平的重要手段,本文介绍了医疗领域超声机器人的主要应用方向,内容包括超声机器人的优点以及超声机器人在手术、放射治疗、远程诊断中的应用。虽然该领域发展较晚,但是随着机器人技术和通信技术的不断进步,医疗超声机器人将拥有极大的发展潜力与广阔的应用空间。

绝对剂量的变化对鼻咽癌调强放疗计划大野Portal Dosimetry剂量验证的影响

目的 研究加速器绝对剂量的变化对鼻咽癌调强放疗(Intensity Modulated Radiotherapy,IMRT)计划大野Portal Dosimetry(PD)剂量验证结果的影响。方法 选取12例行IMRT计划的鼻咽癌患者进行研究。每例治疗计划中,选择机架角为0°的射野(记为AA0),该射野是大野,由两个分野组成。对AA0野,制作相应的PD剂量验证计划并在一台Clinac iX加速器上执行。通过两个PD分野的矩阵相加,得到大野AA0的PD剂量分布矩阵。通过使用不同的系数与AA0射野的测量剂量分布矩阵相乘,模拟加速器绝对剂量的变化。采用3 mm/3%的Gamma分析参数,使用PD软件模块分析得到不同绝对剂量变化情况下AA0大野的Gamma通过率(G值)。使用dp表示加速器绝对剂量变化的相对百分比。对dp在-5.0%~5.0%范围内以间隔0.5%取值,分析G(dp)的变化。对G(dp)的数据使用四次多项式拟合,由拟合公式计算得到G值的最大值(G_(max))以及G≥95%对应dp值的变化范围(R95)。结果 12个AA0射野的G(0)均>95%(96.91%~99.38%)。当dp向正负方向偏离时,总体上G值呈下降趋势,但是G(0)不是G(dp)的最大值,G值随dp的变化呈拱形形状。G_(max)值的范围为97.08%~99.41%,R95值的范围为6.3%~12.0%。当-1.5%≤dp≤2.3%时,所有12个AA0野的G值均≥95%。平均G_(max)对应的dp为0.6%。结论 加速器绝对剂量的变化对鼻咽癌IMRT计划大野的PD剂量验证结果有一定影响,为了获得较好的PD剂量验证结果,应将加速器绝对剂量的变化控制在合理的范围内。本研究为评估大野的PD剂量验证结果以及测量校准加速器绝对剂量的质控工作,提供了有益的数据参考。

层厚对使用CT/SIM Check模体联合iQA软件检测CT模拟机的影响

目的探讨层厚大小对使用CT/SIM Check模体联合iQA软件检测放疗CT模拟机数据结果的影响。方法对1台西门子Sensation Open CT模拟机,使用6种放疗扫描协议扫描1套CT/SIM Check模体,扫描完成后重建1.5、2、3、4和5 mm共5种层厚的CT图像序列。使用iQA软件对这些CT图像序列进行自动分析并生成报表,对报表上的质控数据结果进行分析和比较。结果通过对报表数据进行分析,得到了6种扫描协议和5种层厚情形下22种参数的质控数据,对5种不同层厚的数据计算得到了相应的四分位数间距值。由数据结果可见,HU均一性和插件4内标准差的数据随层厚的增加而减小;扫描中心纵向坐标的数值随层厚的增加有下降的趋势;线宽比-灵敏度截面的数据随层厚的增加而变大。结论使用CT/SIM Check模体联合iQA软件检测CT模拟机,层厚对HU均一性、插件4内标准差、扫描中心纵向坐标和线宽比-灵敏度截面的质控数据结果有较大影响,对其他参数的数据也有不同程度的影响。本研究为物理师使用CT/SIM Check模体联合iQA软件检测放疗CT模拟机的质控工作,提供了有益的数据参考。

3种软件在头颈部肿瘤患者脑干结构自动勾画中的应用比较

目的 比较PVMED-iCurve、AccuContour和DeepViewer 3种国产软件自动勾画头颈部肿瘤患者脑干结构的准确性。方法 选取2021年1月至2022年10月收治的20例头颈部肿瘤患者为研究对象,分别使用PVMED-iCurve、AccuContour以及DeepViewer3种软件自动勾画头颈部肿瘤患者脑干结构。以手动勾画作为参考标准,通过对比上述3种自动勾画的体积差异(△V%)、Hausdorff距离(Hausdorff Distance,HD)和Dice相似性系数(Dice Similarity Coefficient,DSC),评估3种软件自动勾画脑干结构的效果。结果 PVMED-iCurve、AccuContour和DeepViewer 3种软件自动勾画头颈部肿瘤患者脑干结构的ΔV%分别为6.01%±17.77%、-2.49%±9.33%以及-9.68%±11.17%;HD分别为(7.74±3.05)、(2.83±1.18)、(4.00±2.16)mm;DSC分别为0.81±0.05、0.89±0.05以及0.85±0.06。3种软件两两比较,DSC差异均有统计学意义(P<0.05)。结论 3种软件自动勾画头颈部肿瘤患者脑干结构,均能达到较好的勾画效果。3种软件比较,AccuContour在自动勾画脑干的体积、位置和形状方面最好。

循环生成对抗网络基于颅脑MR图生成伪CT图模型

目的采用改进循环生成对抗网络(UCycleGAN)基于颅脑MR图映射模型生成伪CT图。方法对50例鼻咽癌颅脑MR图与CT图进行配准及预处理;以U-net网络并添加L1距离函数替换原始循环GAN(CycleGAN)模型生成器的深度残差网络。随机选取40例图像作为训练数据对UCycleGAN模型进行训练,将剩余10例用于测试;比较生成伪CT图与原始图像质量的差异,并与以ResNet、U-net的CycleGAN以及Pix2Pix生成的图像进行对比。结果相比其他模型,以UCycleGAN模型生成的伪CT图与原始CT图更为接近,体素平均绝对误差(MAE)为(81.45±3.87)HU,峰值信噪比(PSNR)为(34.13±3.28)dB,结构相似性(SSIM)为0.87±0.03。采用UCycleGAN模型生成的伪CT图的MAE小于、而SSIM明显大于其他3种模型(P均<0.05);UCycleGAN伪CT图的PSNR大于CycleGAN_ResNet图像(P<0.05)。结论利用UCycleGAN可基于颅脑MR图生成伪CT图;改良后CycleGAN模型的准确性更高。