图像配准在高频超声皮肤三维成像中的应用研究

目的:将图像配准技术应用在高频超声皮肤三维成像系统中,消除由于三维探头的振动、操作者和受试者的不自主运动等给三维数据带来的偏差,提高高频超声三维成像的精度。方法:以C++语言为基础,结合图像处理工具包ITK(insight segmentation and registration toolkit),在保持配准框架其他组成部分不变的情况下,仅改变变换函数对高频超声皮肤图像进行配准实验。通过可视化工具包VTK(visualization toolkit)观察三维数据配准前后三维重建图像的表面情况及其内部切面图,并选用相关系数、结构相似性指数、余弦相似度以及配准时间尝试对配准效果进行定量评价。结果:平移变换、刚性变换、二维相似变换以及仿射变换的配准对三维重建图像质量有明显改善,B样条可变形变换配准效果不理想。5种变换函数中,刚性变换配准效果最好;平移变换配准和刚性变换配准效果接近,且所需配准时间最少。结论:图像配准能显著提高高频超声三维重建图像的精度,在兼顾配准时间和精度的情况下,平移变换是高频超声皮肤三维成像中较为理想的图像配准方法。

基于FPGA的高频超声皮肤三维扫描控制及数据采集系统设计

目的:研制一套基于现场可编程门阵列(field-programmable gate array,FPGA)的高频超声皮肤三维扫描控制及数据采集系统,用于控制皮肤等浅表器官的高频超声三维扫描和高频超声二维图像序列的获取,并实现高频超声三维成像。方法:该系统由上位机模块、下位机模块及高频超声三维探头组成,通过精密扫描及采样控制进行数据采集。针对二维超声图像等时间间隔采样的不足,设计了等空间间隔采样方法,提高二维超声图像的质量。系统采集的高频超声图像序列通过USB接口上传至上位机进行实时显示和缓存,并基于可视化工具包VTK(visualization toolkit)对采集到的皮肤高频超声图像序列进行三维重建。结果:该系统可以得到待测部位的三维超声图像及任意角度切面图像。通过对自制超声体模三维重建结果的测量,验证了该系统的准确性;通过上臂皮肤体数据的切面可以清晰地观察到皮肤下血管的形态和走向。结论:该系统准确地实现了皮肤的三维数据采集,为皮肤等浅表器官疾病的临床诊断奠定了实验基础。

基于深度学习的前房角开闭状态自动识别

目的基于深度学习(deep learning,DL)和前房角超声生物显微镜(ultrasound biomicroscopy,UBM)图像进行前房角开闭状态的自动识别,为原发性闭角型青光眼的临床自动诊断提供辅助分析。方法数据集为天津医科大学眼科医院采集的眼科疾病患者的前房角UBM图像,由眼科专家将UBM图像分为房角开放和房角关闭两类,按照6∶2∶2的比例随机设置训练集、验证集和测试集。为提高深度学习模型的鲁棒性和识别精度,对训练集图像随机进行了旋转、平移和反转等不影响房角形态的数据增强操作。比较VGG16、VGG19、DenseNet121、Xception和InceptionV3网络模型在本文数据集上的迁移学习结果,根据迁移学习结果对VGG16进行卷积层和全连接层的微调,用微调后的VGG16模型实现前房角开闭状态的自动识别。用接收者操作特征曲线下面积和准确率等评价指标对模型识别结果进行定量评价,用类激活热力图可视化模型识别前房角开闭状态时的主要关注区域。结果类激活热力图表明微调后的VGG16模型识别前房角开闭状态的主要关注区域为房角中心区域,与眼科专家的识别依据一致。该模型的识别准确率为96.19%,接收者操作特征曲线下面积为0.9973。结论基于深度学习和前房角UBM图像能够以较高的准确率实现前房角开闭状态的自动识别,有利于原发性闭角型青光眼自动诊断技术的发展。

消化性溃疡出血的舌、脉象与证候关系

消化性溃疡病(胃、十二指肠溃疡)出血是上消化道出血最常见的原因,临床十分常见。现就消化性溃疡出血症的中医舌、脉象及证候的关系作一探讨分析。1 临床资料病例选择:本组853例均为住院患者,消化性溃疡病符合1978年全国消化系统疾病学术会议制定的诊断标准;全部病例均有...

狼疮性肾炎45例临床分析

我院自1981年～1989年6月共收治系统性红斑狼疮69例,其中符合狼疮性肾炎者45例,现报告如下。资料分析一、病例选择本组病例均符合我国1982年制定的系统性红班狼疮诊断标准,以及参照北京医科大学第一医院提出的狼疮性肾炎标准。45例中,男性5例,女性40例,年龄最小19岁,最大63岁。

道路桥梁沉降段的路基路面施工技术应用与措施

道路桥梁工程建设中,经常需要处理软弱地质条件下的施工问题,通过采用适当的施工技术和应对措施,能够有效解决各种施工风险,确保施工质量。本文结合具体案例,介绍和分析了道路桥梁沉降段在路基路面施工中遇到的风险问题及其成因,探讨了施工技术的具体应用。本文充分考虑了工程建设的实际情况,对于类似施工建设项目具有借鉴意义和参考价值。

公路工程路基路面施工技术要点分析

随着国家经济和社会的快速发展,交通基础设施建设力度也逐渐加强,对整个国家的国计民生都产生了非常积极的作用。从实际情况来看,因为不同地域的地质条件存在较大差异,使得交通土建工程中会发生各种路基路面施工问题,包括路基路面的不均匀沉降,以及路面开裂等严重的质量和技术问题。这些问题的根本解决需要从施工技术要点的分析上着手,强化施工标准和施工流程管理,使各个技术环节都能够严格按照国家和行业标准执行,充分保证整个施工质量和效率。

公路土质路基工程施工探讨

公路工程是促进城市发展的重要基础设施之一。随着社会经济的发展以及人们生活水平的提高,各种大大小小的车辆加重了公路工程的负担,致使公路工程在使用过程中出现各种问题。造成这些问题的主要原因是公路工程施工存在了问题,尤其是路基方面施工不合理,导致其质量不达标,最终存在各种各样的问题,这就需要我们在实际工作中对公路路基问题引起高度重视,采用最科学合理的方式进行施工,从而保证其质量。就公路土质路基工程的施工技术进行分析,以供参考。

浅谈沥青混凝土路面的摊铺

沥青混凝土路面是当今公路工程建设中的一种路面形式,在其施工中受到多种因素的制约,导致其施工质量不达标。这就要求我们在实际工程中对这些因素进行全面考虑,做好充分的准备工作、选择优质的施工材料、严格按照规定要求进行摊铺,以保证工程的施工质量。就沥青混凝土路面的摊铺技术进行分析,以供参考。

甚高频超声皮肤三维成像的研究与实现

目前在国内皮肤疾病的临床诊疗中,皮肤三维成像仍然是一个未被解决的问题,我们因而提出用甚高频超声对皮肤三维成像。用中心频率为50 MHz的机械三维超声探头采集正常人前臂上侧皮肤切片,用光线投射算法和可视化工具包重建前臂上侧皮肤。重建100张576x760像素的图像所需的时间为1. 1 s,三维重建图能够清晰的显示皮肤的表皮、真皮、真皮纤维和皮下组织,通过体数据的任意切面可以清晰的观察到血管的形态、走向及血管内红细胞散射斑点。甚高频超声皮肤三维成像克服了传统成像方式在皮肤成像中的不能兼顾深度和精度的缺点,对于皮肤疾病的诊断以及皮肤手术指导具有重要意义。

基于改进U-Net的皮肤超声图像自动分割算法

目的真皮和表皮可以反映人体皮肤的健康状况,是皮肤特征的一个重要评价指标。实验提出一种基于改进的U-Net网络的皮肤多类分割算法,利用U-Net深度神经网络强大的编码解码结构自动分割出人体皮肤中真皮层和表皮层区域。方法选择健康志愿者25例,其中男性15例,女性10例;年龄20~60岁,平均年龄30岁。采集部位为手背、前臂内侧、前臂外侧、面颊、额头、腹部、背部、大腿外侧、小腿内侧、脚面。利用50 MHz皮肤超声生物显微镜采集15例健康志愿者的150幅人体皮肤二维超声图像作为训练集和验证集,将另外10例健康志愿者采集得到的100幅图像作为测试集。150幅人体皮肤二维超声图像,数据来源于志愿者,皮肤状况为没有明显皮损。首先人工标注出真皮层、表皮层区域,并进行预处理操作,然后将图像输入到改进后的U-Net全卷积神经网络中进行训练,最后对测试集进行分割预测。对于U-Net网络的改进,实验提出了一种新的密集残差模块和残差空间金字塔池化模块,融合了空洞卷积结构,并加深了模型的深度。采用精确度(PRE)、灵敏度(SE)、平均交并比(MIOU)、相似性系数(DSC)、豪斯多夫距离(HD)作为评价指标。结果相比于U-Net网络,改进后的算法在皮肤图像分割中取得了良好的效果,正确识别出表皮层区域与真皮层区域,并且对于真皮层区域的下界面与结缔组织、脂肪等皮下组织分割更加精确,区域边缘更加圆滑精细。表皮层区域PRE达到97.45%,SE达到98.49%,MIOU达到95.99%,DSC达到97.94%,HD为13.45;真皮层区域PRE达到95.31%,SE达到86.44%,MIOU达到81.63%,DSC达到89.83%,HD为6.36。结论相比于原始U-Net网络,该方法有效地提升了皮肤超声图像的分割性能,证明了该方法的有效性。

基于轻量级卷积网络的视网膜病变自动检测

光学相干断层扫描技术是临床中检测视网膜病变的主要手段,但人工诊断的模式存在主观性强、效率低的问题,为此提出一种轻量级卷积神经网络用于视网膜病变的自动检测。所提网络由两种模块组成,第1种模块将空洞卷积与深度可分离卷积相结合以降低参数量;第2种模块利用分解卷积方法,通过将常规卷积层分解成多层不对称卷积的方式延展深度。两种模块交叉组合构成特征提取器,使用Softmax函数作为分类器,获得了44层深、参数量为9.2 MB的轻量级模型。所提网络在测试集上的准确率、敏感性、特异性、接收者操作特征曲线下面积分别达到0.980、0.954、0.987和0.997。可视化结果表明,模型诊断依据与眼科专家相一致。这些结果表明,所提网络能够准确地实现视网膜疾病的自动检测。