面向急性缺血性脑卒中的CT生成MRI算法

急性缺血性脑卒中病灶在计算机断层扫描(CT)上表现不明显,但在核磁共振成像(MRI)上可以清晰显示。然而,当患者体内有金属植入物等特殊情况则无法进行MRI检测,使得患者的治疗受到延误。通过CT生成MRI可在急性缺血性脑卒中的诊断和治疗中起到至关重要的作用,但现有的医学影像跨模态生成方法从CT得到的MRI缺乏病灶信息且边界模糊。为了解决上述问题,提出一种基于影像组学和扩散生成对抗网络的急性缺血性脑卒中CT生成MRI算法,通过影像组学在CT上进行病灶特征增强,突出生成MRI的病灶信息,引入梯度损失为生成图像与真实图像增加边缘感知约束,提升生成MRI的质量。在ISLES2018挑战赛数据集上的实验结果表明,该算法生成的MRI在整体上的峰值信噪比为23.051 dB,结构相似度为0.798,皮尔逊相关系数为0.969,并且病灶区域的互信息为2.075,与现有的生成模型相比,该算法的各项指标均达到最优。此外,经3名经验丰富的放射科医生在生成的MRI上确定病灶并进行阳性/阴性分类,其中生成的MRI中无错误病灶,且分类准确率可达到86.61%,可作为一种辅助工具协助医生进行诊断。

面向急性缺血性脑卒中CT到MRI的图像生成

急性缺血性脑卒中病灶很容易在磁共振成像(MRI)上表现为高信号区域。相较于MRI,计算机断层扫描(CT)成像速度快、价格低,不易受金属植入物干扰,但CT对缺血性脑卒中病灶不敏感,通常在CT上难以确定病灶的位置,且CT包含的信息量比MRI少。考虑到速度与可用性的提升以及成本的降低,为了以CT生成的MRI代替真实的MRI对急性缺血性脑卒中进行诊断,提出一种CT到MRI的跨模态图像生成算法。首先,利用影像组学在CT上确定病灶区域并提取影像组学特征,筛选出信息增益最大的特征并可视化,然后将该特征图与CT一同作为生成对抗网络的输入。生成对抗网络在pix2pix生成器中引入残差块,鉴别器采用PatchGAN。最后在损失函数中引入病灶特征相似性损失函数,更加关注病灶区域的相似性。经两名放射科医生的主观判断与评估指标的客观分析,结果表明,该算法生成的MRI与真实MRI相似性极高,且病灶位置正确,形状相似,可为医生的诊疗提供帮助。

谈小学高年级语文阅读教学的现状及对策

当今社会注重素质教育,重视全面人才的培养,学习能力作为一项重要的能力,更是被人们所看重。在学习的初期阶段,小学高年级语文阅读教学的质量显得尤为重要,同样也存在着很多问题,只有找到对应的方法将这些问题一一克服,才能更快地提高我国的教育水平。