传统方法和深度学习用于不同模态心脏医学图像的分割研究进展

随着老龄化加剧,心血管疾病患病人数逐年增加,借助医学图像实现心脏功能的评估在诊疗过程中起着重要作用.心脏分割是评估心脏功能的前提,一直受到临床医生和科学研究者的密切关注.本文从传统方法和深度学习方法角度梳理了近十年以来关于心脏分割研究的文献.重点介绍了基于主动轮廓和图谱模型的传统分割方法,以及基于U-Net和全卷积神经网络(FCN)的深度学习算法.其中针对通过增加局部模块、优化损失函数、强化网络结构等方式改进深度学习网络以实现心脏特定区域精准分割这一主题进行了详细展开,并从心脏磁共振、X射线计算机断层扫描(CT)和超声3种成像模态对上述方法进行总结.最后总结了该领域目前的研究现状并对未来研究方向进行了展望.

基于心脏磁共振电影图像的压缩激励残差U形网络左心肌分割

左心肌分割对心脏疾病诊疗具有重要意义.但左心肌内部毗邻乳头肌、小梁,外部与周围组织灰度相近,是分割难点.本文首先对心脏磁共振电影图像数据进行感兴趣区域提取等预处理;其次,搭建融合了压缩激励模块和残差模块的U形网络(SERU-net)分割左心肌;最后,利用75例数据训练SERU-net网络,对18例数据进行预测.基于本文方法的分割结果相对于金标准的Dice系数与豪斯多夫距离均值分别是0.902、2.697 mm;利用本文方法分割得到的舒张末期、收缩末期左心室心肌质量与金标准的相关系数和偏差均值分别是0.995、0.993和3.784 g、2.338 g.结果表明,本文方法与金标准匹配程度较高,有望辅助诊断心脏疾病.

基于Web的医学图像处理系统的设计

为了更方便地集成医学图像处理算法,通过分析医学图像处理的特点和结合临床应用的基本需求,文中设计了一套基于Web的医学图像处理系统。该系统主要基于Python语言、Kotlin语言、TypeScript语言、Spring Boot框架、Celery框架和DICOMWeb规范开发,通过将处理任务分解为计算作业实现人工介入操作,并通过对计算作业进行合理的分组实现算法运行环境的隔离。该系统具有易扩展、易部署、易维护和可伸缩的优点,可以方便地构建需要人工介入的医学图像处理任务,在算法足够成熟的时候也能够快速将该流程完全自动化。

基于COLLATE融合多图谱的心脏电影MRI右心室分割

右心室分割对肺动脉高压等疾病的心功能分析具有重要的临床意义.然而,右心室心肌薄、易变且不规则,其传统的医学图像分割方法仍然未能取得突破性进展.本文提出基于COLLATE(Consensus Level, Labeler Accuracy and Truth Estimation)的多图谱分割方法,首先以归一化互信息为相似测度对目标图像和图谱集进行B样条配准以获取粗分割结果;然后利用COLLATE对粗分割结果进行融合;最后采用基于形状约束的区域生长算法修正出现错误的数据.10例临床心脏磁共振短轴电影图像被用于算法验证.本文还将使用基于COLLATE的多图谱分割方法得到的结果与深度学习算法及手动分割进行了比较.结果显示与深度学习算法比较,使用本文算法得到的射血分数(Ejection Fraction, EF)与手动分割更加一致和相关,表明该算法的分割结果有望辅助临床心脏功能诊断.

“医学影像设备管理学”课程建设

随着医学影像技术不断更新、装机量不断扩大,社会对具备医学影像设备管理专业知识的本科人才的需求越来越大。因此,加强“医学影像设备管理学”课程建设,对提高教学质量、培养合格的医学影像设备管理人才非常必要。从教学内容设置、教材建设、课程网站建设、教师队伍建设、教学方法改革等多个方面详细讨论了“医学影像设备管理学”课程建设。通过课程建设,要求学生能够运用专业知识,从设备的选购、安装调试、维修保养以及日常应用管理等方面,科学地管理医学影像设备,提高医学影像设备在临床诊疗中的效能。

同步内隐／外显序列学习：事件相关的fMRI的初步研究

本文利用事件相关fMRI研究探讨对于内隐和外显学习在脑区激活上的差异。实验采用同步内隐/外显学习序列,以有色的形状作为刺激材料,要求被试对于刺激的颜色做选择反应,并在颜色消失后找出形状的内在规则。颜色和图形序列分别采用两个独立的马尔可夫链,即下一个图形的颜色或者形状有70%的可能服从序列规则。行为数据显示被试习得了外显和内隐的规则,fMRI成像主要比较内隐和外显学习在学习过程和知识运用上脑区激活的差异。结果发现,与内隐学习相比,外显学习在额叶的激活更为显著。而且,内隐学习和外显学习在视觉皮层的激活出现分离,内隐学习中枕叶的激活减弱,而外显学习中枕叶的激活增加。

基于灰度积分投影与模糊C均值聚类的肺实质分割

提出一种基于灰度积分投影与模糊C均值聚类的肺实质分割算法,用于CT图像的快速自动分割。首先,对原始肺部CT图像分别在水平和垂直方向上进行灰度积分投影;然后,选用平滑样条曲线拟合平滑原始图像的积分投影曲线,并提取拟合平滑前后曲线的极大值点,确定肺实质初始边界;最后,利用模糊C均值聚类算法对边界内区域进行分割,结合滚动小球法修复边界区域,获得肺实质区域。选取LIDC(肺部图像数据库联盟)数据库中20组图像(平均每组图像包含120幅CT图像)进行实验,平均分割精度为95.66%,平均每幅图像花费时间为0.77s。实验结果表明,该方法可以用于CT图像肺实质分割,具有全自动、高精度、鲁棒性等特点。

基于弥散张量成像技术构建人脑结构网络的研究进展

脑网络是复杂网络理论在神经科学研究中的重要应用,脑网络的构建与分析为脑疾病的预测、诊断及预后评价等提供了新的视角。弥散张量成像技术作为一种无创性展现脑白质纤维束形态的成像技术,现已被应用于脑网络的研究中。本文基于弥散张量成像技术构建大脑结构网络的研究进展做一综述。

医学成像设备学课程设计的教学研究

医学成像设备学是医学影像技术专业的核心课程。其中医学成像设备学课程设计是该课程的重要实践教学环节,兼具理论性与工程实践性的特点。随着医学影像设备的不断更新,社会对医学影像技术类本科专业人才的需求不断增大,探索该实践课程的教学变得越来越重要。医学影像技术专业实验室条件有限,实践教学课程的学时数较少,致使创新实践类教学远远达不到预期的效果。通过增加认知实践、利用微视频和电路设计仿真工具改进课程设计内容、创新实验报告形式等方面讨论了医学成像设备学课程设计的教学新模式,提高了学生在专业基础课的认知能力和实践创新能力,有助于推动医学影像技术专业的发展。

口腔全景锥形束CT图像重建算法

在利用口腔锥形束CT的三维图像数据自动重建全景图时,如果锥形束CT图像中病人上、下颌骨的咬合平面不能保持水平,已有的算法将不能重建口腔全景图。为解决这一问题,本文提出一种新的全自动方法。仿照传统口腔X线全景机的成像机制,首先,在沿冠状轴的最大密度投影图像中计算出偏差角度,再旋转三维数据场;然后,在沿垂直轴的最大密度投影图像上分割牙弓区域,根据该牙弓区域就能拟合出重建全景图所需的牙弓线;最后,离散化牙弓线并沿垂直轴扩展,得到离散化的牙弓曲面,再采样合成全景图。实验结果表明本文方法较好地解决了因上、下颌骨的咬合平面不能保持水平而引起的几何畸变,从而很好地重建出口腔全景图。

基于心脏磁共振短轴电影图像的右心室分割新进展

右心室分割对肺动脉高压、法洛四联症等疾病的心脏功能评估具有重要意义.然而,右心室结构复杂,变动性大、心肌薄且毗邻脂肪,实验全自动分割一直是难点.心脏磁共振短轴电影图像时空分辨高,常用于临床右心室分割及功能评价.本文基于心脏磁共振短轴电影图像对右心室分割方法进行了综述,首先回顾了传统右心室分割算法,然后重点介绍了基于多图谱和深度学习算法的右心室分割进展,并介绍了右心室分割结果常用的评估指标.通过上述回顾发现,基于深度学习算法的分割方法是今后临床应用的右心室分割的主要方法,对心脏相关疾病的诊断及预后十分重要,而且可大大提高医生的工作效率.

基于三维结构张量的CT肺血管树增强

目的:针对肺血管树分支多、结构细小、对比度低等特点,提出将基于三维结构张量的图像增强方法应用于CT肺血管树的增强。方法:首先构建序列图像的三维结构张量,并计算其特征值和对应的特征向量;然后构建三维扩散张量进行各向异性扩散滤波,对3种不同扩散方法进行理论分析与实验对比,包括边缘增强扩散、一致增强扩散及基于连续转换的混合扩散,最后通过Med Vis Lab软件进行血管树三维可视化定性评价和基于峰值信噪比和平均结构相似度的定量评价。结果:定性评价结果表明,肺血管树的细小分支结构得到显现,血管树分支变多,血管断裂处得到连接,血管表面变平滑;定量评价结果表明,峰值信噪比和平均结构相似度明显增大。结论:基于三维结构张量的图像增强方法可以有效增强CT肺血管树,一致增强扩散和基于连续转换的混合扩散效果优于边缘增强扩散。

三维快速场回波序列在先心病患儿气管支气管树MRI中的应用

目的对比分析三维快速场回波(3D-TFE)序列、三维平衡快速场回波(3D b-TFE)序列以及对比增强MR血管成像(CE-MRA)3种序列在显示气道时影像质量,探讨3D-TFE序列在先心病患儿气管支气管树成像中的应用价值。方法连续收集2016年9月—12月间我院62例经超声心电图确诊的先心病患儿,其中男32例,女30例,年龄2～141个月,中位年龄为12.7个月。在1.5 T MR扫描设备上进行常规心脏MRI检查,常规扫描序列3D b-TFE、CE-MRA主要显示大血管病变,3D TFE进行气管支气管成像,测量气管支气管影像信噪比(SNR)及信号强度(SI),客观评价影像质量及气管边界清晰度。由2位医生采用双盲5分法评价影像噪声及影像质量,并采用Kappa分析对2位医生的评分结果行一致性评价。采用单因素方差分析比较3种序列影像的SNR、SI、气管边界清晰度和影像质量主观评分。结果 3D-TFE序列在显示气道的SNR、SI、气管边界清晰度及其影像质量主观评分均分别高于3D b-TFE和CE-MRA序列(均P<0.05)。2位医生对3种序列影像质量的主观评分的结果一致性极好,κ值均>0.80。结论 3D-TFE序列显示气管支气管树的影像质量优于3D b-TFE和CE-MRA序列,可应用于心脏MRI检查时辅助观察有无先心病伴随的气道异常,是先心病心脏MRI检查中不可缺少的辅助序列,可为先心病患儿术前评估提供更多信息。

基于新型支持向量机的影像组学在肝脏结节分类中的应用

肝癌是最常见的恶性肿瘤之一,亚洲地区最为常见的肝癌演变过程为肝炎-肝硬化结节-异型增生结节-肝细胞性肝癌.判断肝脏结节在演变过程所处分期,并采取干预措施,对降低肝癌的发生率非常关键.本文针对影像组学提出了更精确的支持向量机(SVM)分类算法——LFOA-F-SVM,用于对120名患者的腹部动态增强磁共振图像的肝脏结节进行四分类.该算法利用了考虑半径与几何间距的F-SVM,并结合莱维飞行策略(LF)的果蝇优化算法(FOA)寻求超参.为了验证方法的有效性,本文另外添加了5个UCI分类数据集(心脏、帕金森疾病、虹膜、葡萄酒和动物园),并与SVM、PSO-SVM、FOA-SVM、F-SVM进行比较.结果表明,在6个分类数据集(包括肝脏结节数据集和5个UCI分类数据集)中,相对于其他分类算法,LFOA-F-SVM的分类准确率最高,在肝脏结节数据集中的四分类精确率和查全率也较高.

肺部CT图像气管树分割技术研究进展

肺部气管是人体与外界进行气体交换的唯一通路;其解剖结构信息可用于诊断呼吸系统疾病。计算机断层扫描技术(CT)是检测呼吸系统疾病的主要手段,但因就诊人数多、图像数据量大等因素;导致人工阅片费时费力。而肺部气管树的自动提取与分割;是实现自动化定量分析与呼吸系统疾病辅助诊断的前提。首先对肺部气管树分割技术的背景及意义进行介绍;然后分析对比传统分割技术、基于管状结构检测的分割技术以及基于机器学习的分割技术所运用的研究方法和存在的问题。最后指出提高肺部气管树分割效果;依赖于将气管分割技术与泄漏剔除技术相互结合;需要在尽可能分割出多数气管树分枝的基础上;消除分割结果中存在的伪气管区域。

基于密集多尺度U-net网络的电影心脏磁共振图像右心室自动分割

右心室分割对心脏功能评估具有重要意义.然而,右心室结构复杂,传统分割方法效果欠佳.本文提出一种密集多尺度U-net(DMU-net)网络用于分割右心室,首先对56例数据进行归一化、增强及感兴趣区域提取的预处理;然后结合多尺度融合和嵌套密集连接结构搭建网络;最后利用预处理后的数据对DMU-net网络进行训练和验证,并对15例仅提取感兴趣区域的数据进行测试.本文方法与手动分割的Dice系数和豪斯多夫距离平均值分别为0.862和4.44 mm,优于文献中其它分割效果较好的方法;舒张末期容积、收缩末期容积、射血分数及每搏输出量的相关系数为0.992、0.960、0.987和0.982.结果表明,使用本文方法的分割结果与手动分割结果重合度高、差异性小,有望为心脏疾病诊断提供参考.

基于特征矢量化的肺结节特征选择算法

针对肺结节良/恶性分类模型中特征选择过程无法避免特征多样性不受破坏的问题,提出一种将肺结节特征矢量化处理的特征选择方法。假设每个肺结节特征都是由数据、类型构成的一个矢量,按照特征类型添加特征到相应的特征子集,并分别利用Relief算法评价特征、特征子集的分类重要性。通过动态阈值的方式筛选得到优化后的特征子集。在150个肺结节样本的分类实验中,采用提出的算法所取得的敏感性为94.7%、特异性为93.7%、虚警率为5.2%、受试者工作特性曲线下面积为97.3%。分析表明,提出的算法几乎不破坏肺结节特征的多样性,能够显著提高肺结节良/恶性分类的准确性。

影像组学及分析工具浅谈

影像医学已成为疾病检出与定性、治疗方案建立、疗效观察和预测全诊疗程中的主要方法。基于医学影像的影像组学(radiomics)展现出广阔的临床应用前景,主要步骤包括图像采集、感兴趣区勾画、特征提取及选择、统计分析及建模。如何快速有效地进行影像组学研究并应用于临床已成为研究者们关心的热点问题。文章介绍了影像组学的概念、分析流程(获取影像数据、感兴趣区分割、特征提取、特征选择、模型建立与结果分析)、分析工具(分割工具、特征提取工具、建模工具)和质量评估及挑战,提出量大、高质的数据集和共享能提高研究的有效性,也是影像组学的发展方向。联合计算机领域或生物医学工程背景的专业人员进行相关软件的开发,以提高模型的鲁棒性,不断为实现精准医疗和临床实践而努力。

融合t-分布随机邻域嵌入与自动谱聚类的脑功能精细分区方法

本文针对目前脑功能分区不够准确的问题,基于静息态功能磁共振数据,提出了一种融合t-分布随机邻域嵌入(t-SNE)与自动谱聚类(ASC)的人脑功能精细分区的算法.首先,基于静息态功能磁共振图像,对需功能划分的脑区与全脑的时间序列作相关分析,得到需划分脑区的功能连接模式;然后,利用t-SNE算法提取高维功能连接模式特征;最后,通过基于本征间隙的ASC算法自动确定聚类数目,并对降维后的脑区特征分类,得到精细划分的脑亚区.模拟种子区域上的实验结果表明,相较谱聚类算法,以及结合主成分分析的谱聚类算法,本文方法对脑功能体素划分更优.进一步将本方法应用到真实人脑的功能分区中,成功地将海马旁回分为左右半球各3个亚区.本研究表明使用t-SNE与ASC融合的算法可提高脑功能分区准确性,是脑功能精细分区、进而构建脑功能图谱的一种有效方法.

基于位移流U-Net和变分自动编码器的心脏电影磁共振图像左心肌运动追踪

心血管疾病(cardiovascular diseases,CVDs)的高发病率和高死亡率已经严重影响了人类的生存质量.如何评估心脏功能、辅助临床CVDs诊疗和预后评估,是一个迫切需要解决的问题.针对这个问题,本文在前期心脏电影磁共振(cardiac cine magnetic resonance,CCMR)图像左心肌分割的基础上,提出一种基于位移流U-Net(DispFlow_UNet)和生物力学变分自动编码器(variational autoencoder,VAE)的左心肌运动追踪方法:DispFlow_UNet_VAE.主要研究内容有:1)搭建压缩激励残差U-net网络精准分割左心肌,根据分割结果计算心室体积、心肌质量等,评估心脏整体功能;2)根据DispFlow_UNet_VAE估计CCMR图像连续帧之间的左心室运动,结合左心肌分割掩膜得到左心肌密集位移场;3)利用模拟数据真实位移场、临床数据集对追踪结果进行对比和评估.结果表明,本文追踪算法具有较高的精度和泛化能力.