面向医学图像融合的多尺度特征频域分解滤波

多模态医学图像融合技术可以实现不同模态数据反映的组织结构与病变信息的融合,为后续医疗诊断、手术导航等临床应用提供更为全面和准确的医学图像分析.针对现有融合方法中存在的部分光谱退化、黏连病变侵袭区域边缘和细节缺失和色彩还原不足等问题,提出一种在多尺度特征频域分解滤波域内实现图像多特征增强和色彩保留的多模态医学图像融合方法.该方法将源图像分解为平滑、纹理、轮廓和边缘这4个特征层,分别利用特定融合规则并通过图像重构产生融合结果.特别地,鉴于平滑层所含潜在特征信息,提出视觉显著性分解策略,多尺度多维度地挖掘平滑层图像能量、部分纤维纹理等特征,提升源图像信息利用率;在纹理层中,提出纹理增强算子,通过空间结构和信息度量提取细节及其层次信息,解决现有融合方法中对黏连病变区域侵袭状态难以区分等问题.此外,针对缺乏公开腹部数据集的问题,配准403组腹部图像可供公开访问和下载.在Atlas公开数据集和腹部数据集上与6种基准方法对比及消融实验结果表明,所提方法相较于最先进的方法在融合图像与源图像相似度提升22.92%,边缘保持度提升35.79%,空间频率提升28.79%,对比度提升32.92%,并在视觉和计算效率方面有较好的效果,明显优于其他方法.

基于高低频特征分解的深度多模态医学图像融合网络

多模态医学图像融合旨在利用跨模态图像的相关性和信息互补性,以增强医学图像在临床应用中的可读性和适用性。然而,现有手工设计的模型无法有效地提取关键目标特征,从而导致融合图像模糊、纹理细节丢失等问题。为此,提出了一种新的基于高低频特征分解的深度多模态医学图像融合网络,将通道注意力和空间注意力机制引入融合过程,在保持全局结构的基础上保留了局部纹理细节信息,实现了更加细致的融合。首先,通过预训练模型VGG-19提取两种模态图像的高频特征,并通过下采样提取其低频特征,形成高低频中间特征图。其次,在特征融合模块嵌入残差注意力网络,依次从通道和空间维度推断注意力图,并将其用来指导输入特征图的自适应特征优化过程。最后,重构模块形成高质量特征表示并输出融合图像。实验结果表明,该算法在Harvard公开数据集和自建腹部数据集峰值信噪比提升8.29%,结构相似性提升85.07%,相关系数提升65.67%,特征互信息提升46.76%,视觉保真度提升80.89%。

常规MRI联合扩散峰度成像的影像组学模型对脑胶质瘤分级的预测

目的:利用常规MRI联合扩散峰度成像(DKI)建立多参数影像组学模型,预测脑胶质瘤术前病理分级。方法:回顾性分析51例脑胶质瘤患者的术前常规MRI及DKI资料,DKI经后处理得到平均峰度(MK)参数图。将DICOM格式图像上传至放射组学云平台,手动勾画肿瘤ROI,进行特征提取及筛选。使用支持向量机算法建立脑胶质瘤分级预测模型,以5折交叉验证的方法对预测模型进行验证。绘制ROC曲线,在约登指数最大时作为最佳截止值,得到预测模型的敏感度和特异度。计算AUC以评价模型的预测效能。结果:每个MRI序列分别提取1409个影像组学特征。T1WI、T2WI、T2 FLAIR、CE-T1WI及MK序列在测试集中得到的AUC值依次为0.686、0.818、0.800、0.843及0.864,以MK序列预测效能最高,其敏感度、特异度和约登指数分别为0.800、0.857、0.657。联合多序列建立组合模型,其中由T1WI+T2 FLAIR+CE-T1WI+MK构成的组合序列效能最高,AUC值为0.995,敏感度、特异度和约登指数分别为0.867、0.905、0.772。结论:常规MRI联合DKI的多参数影像组学模型可准确鉴别高、低级别脑胶质瘤,提高预测效能。

利用CRISPR/Cas9技术构建AEG-1基因敲除U251细胞系并探讨其转移行为的特点

星形胶质细胞上调基因-1（astrocyte elevated gene-1,AEG-1）在多种肿瘤中过表达,参与肿瘤的形成、转移等过程。本实验利用CRISPR/Cas9技术敲除AEG-1基因并研究其在胶质瘤细胞转移过程中的作用。首先设计构建sgRNA/Cas9二合一表达载体并转染到人胶质瘤U251细胞中,通过TA克隆测序鉴定sgRNA的活性;然后筛选建立稳定的AEG-1敲除U251细胞系,并利用Western blot实验检测AEG-1的敲除效率;最后利用Transwell小室、划痕实验评价AEG-1敲除后对肿瘤细胞迁移能力的影响。结果显示,成功构建靶向敲除AEG-1基因的sgRNA/Cas9二合一表达载体,所构建的载体与实验设计相一致,通过TA克隆测序鉴定sgRNA有活性;成功建立稳定的AEG-1敲除U251细胞系,Western blot实验结果表明敲除效率高达98%; Transwell小室实验、划痕实验结果表明AEG-1敲除U251细胞系的转移能力明显降低。