基于深度学习建立颈椎病MR诊断模型研究

目的:探索利用深度学习方法在建立颈椎病MR诊断模型的可行性。方法:回顾性搜集本院2020年10月-2023年3月诊断为颈椎病患者的MR图像514例,使用已有颈椎分割模型在轴面T 2WI上分别预测硬膜囊、脊髓、椎间盘、后纵韧带和黄韧带,在矢状面T 1WI和T 2WI上预测颈椎椎体和椎间盘。由一位低年资放射科医生(阅片经验2年)修改标注,另一位高年资放射科医生(阅片经验≥15年)对低年资医师的标注进行复核。按照颈椎病的不同诊断要点分别进行3D或2D深度学习分类模型训练,包括①颈椎椎体增生模型;②颈椎椎体滑脱模型;③颈椎间盘突出分类模型;④后纵韧带增厚模型;⑤黄韧带增厚模型。将模型输出结果导入R软件进行混淆矩阵分析及ROC曲线绘制,采用正确率、灵敏度、特异度、阳性预测值、阴性预测值以及ROC曲线下面积等评价5种模型的分类效能。结果:5种分类模型中诊断效能最好的是颈椎间盘突出分类模型,正确率0.90,灵敏度0.95,特异度0.85,ROC曲线下面积0.982。颈椎椎体增生和滑脱的正确率分别为0.81和0.80,灵敏度为0.74和0.76,特异度为0.84和1.00,ROC曲线下面积分别为0.855和0.905。后纵韧带和黄韧带增厚的模型正确率分别为0.82和0.77,灵敏度为0.78和0.84,特异度为0.86和0.70,ROC曲线下面积分别为0.902和0.929。结论:本部分研究采用深度学习方法建立了颈椎病MR的自动分类诊断模型,对颈椎椎体增生、滑脱、椎间盘突出、后纵韧带及黄韧带增厚进行了分类模型训练,证明深度学习方法可以用于颈椎病MR的辅助诊断,为未来进一步探索建立颈椎病MR自动诊断模型及结构化报告的植入奠定了基础。

基于深度学习模型实现颈椎MR图像上各结构的自动分割

目的:探讨3D U-Net模型自动分割颈椎矢状面T_(1)WI和T_(2)WI图像上颈椎各结构的可行性。方法:回顾性搜集拟诊为颈椎病的92例患者的矢状面T_(1)WI和T_(2)WI图像资料,由两位影像医师在每例患者的2个序列图像上分别人工标注颈椎各结构,包括椎体、椎间盘、硬膜囊、脊髓和椎间孔。将178个序列的图像随机分为训练集(n=138)、调优集(n=20)和测试集(n=20)。采用训练集的数据训练3D U-Net分割模型,在调优数据集中微调参数,在测试集中采用定量指标(Dice相似系数,DSC)和定性指标(主观评分)评价模型的分割效能,并比较各结构的DSC值在3组内及3组间是否存在统计学差异。结果:在测试集中3D U-Net模型分割颈椎椎体、椎间盘、硬膜囊、脊髓和椎间孔的DSC值分别为0.87±0.03、0.85±0.04、0.87±0.04、0.82±0.05和0.57±0.08,分割颈椎各解剖结构的总体DSC值为0.80±0.13。各结构的DSC值在3组内及组间均有统计学差异(P<0.001)。主观评价显示3D U-Net模型分割颈椎各结构获得的图像均符合临床测量要求。结论:基于矢状面T_(1)WI和T_(2)WI序列的3D U-Net模型对颈椎各结构的分割可达到较高的准确性。

使用U-Net深度学习网络对腰椎矢状T_(2)WI图像自动分割的可行性研究

目的:研究训练U-Net模型自动分割腰椎矢状面T_(2)WI图像中各结构的可行性。方法:回顾性搜集腰椎矢状面T2WI图像数据,共获得80个矢状面T_(2)WI序列。由2位影像医师手工标注矢状面腰椎椎体、椎间盘、椎间孔、椎管/硬膜囊、脊髓及马尾神经。将数据随机分为训练集、调优集和测试集,使用U-Net网络分两步(coarse-to-fine)训练腰椎矢状T_(2)WI分割模型。模型评价指标包括客观评估(Dice系数)和主观评估。结果:11例测试集数据中U-Net模型预测腰椎5个解剖部位分割的Dice值分别为椎体0.82~0.9(平均0.864)、椎间盘0.86~0.92(平均0.898)、椎管/硬膜囊0.76~0.87(平均0.837)、椎间孔0.6~0.76(平均0.67)、脊髓及马尾神经0.55~0.9(平均0.669)。主观评估各解剖部位分割满意率分别为椎体97.5%、椎间盘97.9%、椎管/硬膜囊86.4%、椎间孔76.7%、脊髓及马尾神经78.6%。结论:基于U-Net深度学习网络对腰椎矢状T_(2)WI图像的解剖结构进行自动分割是可行的。

影像组学方法在软组织肿瘤中的应用研究进展

影像组学方法是医学影像学、计算机视觉和机器学习等多学科交叉的产物,能在宏观影像水平间接反映肿瘤微观水平基因或蛋白质的变化,并且不完全依赖于影像医师的专业技能、临床经验及主观因素,所提供的是医学影像相对客观的定量信息,具有传统影像方法难以做到的独特优势。对于软组织肿瘤而言,肉眼从影像上获取的信息十分有限,明确诊断非常困难,而影像组学方法可以辅助影像医生对其进行诊断,进而帮助影像医生和临床医生更全面、更深入、更透彻地认识和理解软组织肿瘤。本文介绍了影像组学方法在软组织肿瘤中应用研究的流程,并对目前影像组学方法在软组织肿瘤良恶性鉴别、术前预测软组织肉瘤分级、评价软组织肉瘤治疗及预后方面应用研究的进展进行综述。

基于Hadoop技术的挖泥船大数据平台架构研究

基于大数据背景下对海量疏浚历史数据进行高效存储、提取和处理的目的,采用了Hadoop技术,通过建立挖泥船大数据平台并结合数据挖掘算法,完成了对疏浚大数据的采集、存储和分析。以挖泥船疏浚实例为应用背景,通过使用Hadoop平台的数据挖掘工具Mahout对疏浚工艺点进行了聚类研究,并根据聚类结果给出了初步的疏浚性能评估。结果表明,实现基于Hadoop技术的挖泥船大数据平台对于海量挖泥船疏浚历史数据进行高效存储、提取和处理具有重要的现实意义。

表观扩散系数直方图分析在肿瘤中的应用进展

表观扩散系数直方图分析是一种MR影像分析方法,与传统影像分析方法相比具有丰富的描述性参数,有助于评估肿瘤的整体异质性,在肿瘤诊断和治疗中发挥了越来越重要的作用。近年来,ADC直方图分析广泛用于肿瘤研究,特别是在鉴别肿瘤良恶性和评价肿瘤疗效方面。对ADC直方图分析方法及其在肿瘤鉴别诊断、术前预测组织病理学分级、评价疗效及预后方面应用的研究进展作一综述。

辽宁葫芦岛上喂牛场西山铅锌多金属矿地质特征及找矿标志

上喂牛场西山铅锌多金属矿行政隶属于葫芦岛市连山区沙河营乡,处于杨家杖子—八家子构造岩浆活动带内。区域上构造活动强烈,主要为断裂构造,燕山期的岩浆活动也很强烈,区域矿产资源丰富。由于构造及虹螺山岩体岩浆热液作用,区内蚀变、矿化程度较强,具有较好的成矿条件。矿体主要赋存于岩浆岩及地层的接触带(矽卡岩带)内,区内矿床类型主要为矽卡岩型。蚀变破碎带、矽卡岩化等是主要的找矿标志。