基于领域规则的大规模乳腺超声报告结构化方法研究

乳腺超声报告蕴含丰富的医学知识,具有极高的研究价值。采用叙述性语言撰写的自由文本报告在组织结构、术语使用中存在不统一等问题,较难从中获取关键信息以实现人工智能相关研究。将文本报告转换为结构化报告,有利于推进人工智能在乳腺超声医学中的发展。文章提出了一种流水线式结构化方法,旨在利用基于深度学习的命名实体识别和基于规则的实体关系链接对大批量的乳腺超声报告进行结构化处理。在99.53%平均F1值的命名实体识别基础上,该结构化方法的准确率为97.76%。

新工科背景下医学信息工程专业建设与实践

目的/意义针对现有医学信息工程专业存在的问题,提出“过程一体化”培养模式,为建设适应新工科发展需求的医学信息工程专业提供参考。方法/过程结合四川大学医学信息工程专业本科教育及人才培养模式改革实践,分析新工科建设背景下医学信息工程专业教育存在的问题,提出专业建设措施。结果/结论“医学+”“信息+”融合模式有利于进一步完善师资遴选聘用制度和业绩考核分配制度、创新专业培养方案和课程体系、探索跨学科专业贯通式培养和一体化培养,助力四川大学建成在医学信息系统、医学信息安全及医疗器械全生命周期监管等领域极具优势的国家一流本科专业。

基于多模态超声图像的深度学习在鉴别诊断肝内胆管细胞癌与肝细胞癌中的应用

目的探讨基于单独二维超声图像(B-mode)、超声造影(CEUS)图像、联合B-mode及CEUS图像所构建的不同卷积神经网络(CNN)模型对鉴别诊断肝内胆管细胞癌(ICC)与肝细胞癌(HCC)的能力。方法回顾性分析2011年1月—2018年5月在四川大学华西医院超声科进行肝脏占位性病变超声检查的病例,对所纳入的病例超声图像进行肿瘤范围感兴趣区标记、数据增强后,根据3种不同组合方式的图像输入进行CNN模型训练,从而建立鉴别诊断ICC与HCC的不同预测模型,并对模型的诊断效能进行评价。结果最终共有305例ICC和945例HCC被纳入研究,共计超声图像7427幅。结果显示,基于单独B-mode图像所建立的CNN模型诊断效能均较低,其中VGG16的诊断效能相对较高,优于其它两个模型(P<0.05),ROC曲线下面积(AUC)为0.672。基于CEUS图像的多图VGG和多图Inception预测模型对鉴别ICC与HCC的AUC分别为0.941和0.934(P=0.803),准确性分别为87.0%和89.0%,与基于联合B-mode及CEUS图像的两种CNN模型诊断效能相近(P>0.05)。结论基于多模态超声图像所建立的CNN模型能较好的用于鉴别诊断ICC与HCC。

脂肪肝B超图像特征提取研究

为了建立适合于脂肪肝B超图象识别的最佳特征矢量,首先提取正常肝和脂肪肝B超图像的近远场灰度比特征以及灰度共生矩阵、灰度游程长度两种纹理模型中的9个特征。再用Kolmogorov-Smirnov假设检验和人工神经网络进行两次特征选择。通过特征选择,最初的10个特征矢量只有近远场灰度比以及灰度共生矩阵的角二阶矩、熵、反差分矩共4个特征被保留下来,用于脂肪肝的识别。这4个特征组成了适合于脂肪肝B超图象分析的最佳特征矢量。研究表明由这4个特征组成的最佳特征矢量对脂肪肝识别有着较好的性能。

乳腺肿瘤超声图像形态特征选择

形态特征是超声诊断乳腺良、恶性肿瘤的重要依据.拟建立最佳形态特征矢量,研究提取了似圆度、平均标准化径向长度、熵等7种形态学特征,再用Logistic回归模型对特征进行选择,最终选取似圆度和面积比率这两个特征量组成最佳特征矢量.对经病理证实的乳腺良、恶性肿瘤超声图像进行识别,恶性肿瘤的识别率为93.3%,误判率为12.5%,良性肿瘤的识别率为88.2%,误判率为6.25%.

基于非典型类数据平衡的皮肤癌智能诊断策略

皮肤癌早期诊断和筛查非常重要,但是皮肤癌识别难度较大,诊断准确度一直偏低。在国际皮肤影像协会举办的最近一次多分类竞赛ISIC2019上,冠军模型的平均准确率仅为63.6%。目前亟须性能良好的策略来提升皮肤病智能分类的准确性。经研究使用EfficientNet网络,并创新性提出非典型类数据平衡策略。用ISIC2019竞赛数据进行实验,结果显示,八分类的平均准确度高达82.4%。非典型类数据平衡策略为不均衡数据集的分类提供了一个新的方案。

造影剂超声图像的纹理与心腔内压力相关性研究

用计盒分形模型分析经静脉注射 L evovist声学造影剂后在二次谐波成像方式下的超声图像纹理变化 ,研究发现左心室区域超声图像的分形维数 D和分形辅助特征量 C( L)在连续心动周期中具有规律性变化。即分形维数 D的最大值出现在舒张末期 ,最小值出现在收缩末期 ,随着心室收缩期开始 ,D值由大变小 ,而舒张期开始 ,D值又由小变大 ;而分形辅助特征量 C( L)的最大值出现在收缩末期附近 ,最小值出现在舒张末期附近 ;从左室收缩期开始到收缩末期之间 C( L)具有由小变大的趋势 ,舒张期开始到舒张末期之间具有由大变小的趋势。它们的这种变化与左心室内压力的变化情况十分相似 ,可见造影剂超声图像的分形纹理特征与心腔内压力的变化具有相关性。

基于计算机网络的交互式多媒体CAI教室建设模型

在分析面向２１世纪的信息技术和教育发展趋势的基础上，对传统的教学模式存在的问题进行了分析，提出了“基于计算机网络的交互式多媒体ＣＡＩ教室”的建设模型。

一种评价二尖瓣偏心返流严重程度的修正PISA算法

基于彩色多普勒成像的近测等速面(PISA)算法是临床评价二尖瓣中心返流严重程度的一种常用方法,但对于偏心返流却存在极大低估。针对这一现状,从返流角度和湍流强度两个方面,对传统PISA算法的有效返流瓣口面积(EROA)进行修正。为比较首先用传统PISA算法的EROA对具有不同程度偏心返流的20例患者进行分级,结果误差较大;用改进PISA算法的EROA分级效果良好。对比实时三维超声测得的数据表明修改后的PISA算法相关性更好。

基于纹理分析的脂肪肝B超图像识别

目的为B超诊断脂肪肝建立计算机辅助诊断手段。方法通过分析正常肝和脂肪肝B超图像的纹理特征 ,包括灰度共生矩阵的角二阶矩、熵和反差分矩统计特征 ,组成特征矢量 ,再用k 平均聚类算法和自组织特征映射人工神经网络算法对特征矢量进行分类处理。结果k 平均聚类算法对正常肝的识别率为 63.6% ,对脂肪肝的识别正确率达 90 .9% ;自组织特征映射人工神经网络对正常肝的识别正确率达 84.8% ,对脂肪肝的识别正确率达 90 .9%。结论本文中建立的方法能较肉眼更精确地反映正常肝和脂肪肝B超图像的特征 ,如果再结合医生的临床经验能大大提高脂肪肝的诊断准确性。

基于人工神经网络的足月胎儿体重预测方法

对胎儿体重的预测在产科临床上具有非常重要的意义,传统上采用回归分析方法预测胎儿体重,存在可靠性差等缺点。本研究采用反向传播(BP)人工神经网络方法预测胎儿体重,实验中采用双顶径、小脑横径、腹围、肝脏长度、股骨长度、股骨皮下脂肪厚度、孕龄等参数作为BP神经网络的输入参数,网络由输入层、隐含层和输出层三部分组成。对109例临床资料进行预测,结果为:训练组预测符合率达89.77%,平均绝对误差104.22g,平均相对误差3.24%;验证组预测符合率达76.19%,平均绝对误差190.84g,平均相对误差5.60%。表明人工神经网络预测胎儿体重方法十分有效,准确性高于回归方程。

基于图像分块的边缘检测算法

Canny算子高低阈值的选取依赖图像全局梯度信息的统计,图像全局梯度信息和局部梯度信息的分布通常存在差异,导致在局部范围中较明显的边界可能被漏检。针对该问题,提出一种根据图像熵信息对图像进行分块的边缘检测改进算法,并将其用于Canny算子。实验结果证明了该方法的有效性,其检测效果优于直接运用Canny算子。

基于B超图像分析的脂肪肝辅助诊断方法研究

本研究为B超诊断脂肪肝建立计算机辅助诊断手段。通过分析正常肝和脂肪肝B超图像的图像特征,包括图像的近远场灰度比特征,以及灰度共生矩阵的角二阶矩、熵和反差分矩统计特征,组成特征矢量,再分别用κ-平均聚类算法、自组织特征映射人工神经网络和反向传播人工神经网络对特征矢量进行分类处理。κ-平均聚类算法对正常肝的识别率为100%,对脂肪肝的识别正确率为63.6%;自组织特征映射人工神经网络对正常肝的识别正确率达100%,对脂肪肝的识别正确率达93.94%;反向传播人工神经网络对正常肝和脂肪肝的识别率均为100%。本文建立的方法能较肉眼更精确地反映正常肝和脂肪肝B超图像的特征,如果再结合医生的临床经验能大大提高脂肪肝的诊断准确性。

基于各向异性扩散的超声医学图像滤波方法

目的将各向异性扩散方法应用于超声医学图像的去噪处理。方法采用基于各向异性扩散的偏微分方程,其初始值为输入图像,转化为差分格式迭代求解滤波结果,并通过修改方程中的噪声比例函数使方程更加适用于超声医学图像的滤波。结果通过与其他3种传统滤波方法比较,修正系数后的各向异性扩散滤波方法能够较好地平滑图像的噪声,并且图像的边缘和细节部分依然清晰可见。结论各向异性扩散方法是一种去除超声图像Speckle噪声的有效方法,为超声医学图像的滤波开辟了一条新途径。

基于亮度不变的医学超声图像对比度增强方法

目的探求一种基于亮度不变的医学超声图像对比度增强方法。方法在改进常规直方图均衡化算法的基础上,以最小灰度平均值误差二元直方图均衡化为基础,引入另一个有效分割点。结果实现了一种局部直方图均衡化算法亮度保持三元双向直方图均衡化。结论此算法较其他直方图增强方法更好地抑制了医学超声图像黑色背景过增强,保留了原图像细节信息,保持了原图像亮度,提高了图像对比度。

计算机网络安全问题与对策探讨

计算机网络安全问题是广泛的,又是复杂的,从其涉及的范围、影响力的大小、使用的手段或技术、产生的原因等不同角度可以划分出很多研究分支,具体的研究方式、研究手段又有所不同。从硬件环境、网络协议、操作系统、应用软件、人为管理几个方面来对目前的计算机网络安全问题进行了初步探讨,并在此基础上讨论了相应的解决策略;最后,简要介绍了当前解决策略中的几项关键技术。

基于超声射频RF信号的脂肪肝分级量化方法

采用时域、频域分析方法和模式识别技术基于肝脏超声射频信号,探讨一种新的脂肪肝分级量化方法,尤其针对目前较难鉴别的轻度脂肪肝。选取肝脏部位感兴趣区域内的超声射频信号,然后利用时域和频域分析技术,提取多个特征量,如期望值、低频小波系数均值和小波模极大值均值。并采用BP神经网络进行脂肪肝识别量化。实验结果表明,期望值、低频小波系数均值和小波模极大值可以有效地描述超声射频信号特征,其中正常肝识别率达90.0%,轻度脂肪肝识别率达86.7%,中度脂肪肝识别率达83.3%,重度脂肪肝识别率达90.0%。实验证明超声射频信号在脂肪肝的诊断中是有意义,为计算机辅助诊断脂肪肝提供了一个新的方向。

用Shear-warp算法实现超声心脏图像的快速体绘制

Shear- warp是基于物体空间扫描的一种体绘制技术 ,与传统的体绘制法相比 ,具有速度快、图像质量高的特点。本文介绍了 Shear- warp算法的原理 ,并将该算法应用到旋转扫描超声心脏图像插值结果的可视化 ,实现了心脏三维解剖结构的快速、准确重建。

旋转扫描超声心脏图像的中轴匹配与图像插值

研究旋转扫描超声医学图像多维重建中图像中轴匹配方法和插值算法。首先 ,根据图像中轴的特征点分析其时域曲线 ,实现中轴的轴向匹配 ;相似矩阵用来寻找两幅图像中轴附近匹配的像素线。自相关函数和 Fouri-er谱用来对图像中轴的匹配进行评价。其次 ,针对旋转扫描原始图像空间分布的特殊性 ,提出了分区插值法。实验结果表明 :我们提出的图像中轴匹配方法切实可行 ,插值算法快速、精确 。

超声医学图像滤波和对比度增强新方法

较低的对比度和独有的speckle噪声是影响超声医学图像质量的主要原因,本研究利用各向异性扩散滤波,在去除图像中大量噪声的同时,计算滤波过程中图像信息的丢失,从而得到对比度增强模型中的对比度函数,并利用对比度增强模型达到图像对比度增强的目的。实验结果表明,与滤波后的直方图均衡化后结果相比,不仅能够有效地去除图像中的噪声,也能明显提高图像对比度。因此,本文方法是提高超声医学图像质量的一种有效途径。