基于HIFU回波信号和多尺度模糊熵的生物组织变性识别研究

为了解决高强度聚焦超声(HIFU)治疗中的监测问题,在无需引入其他监测源的情况下,通过研究HIFU回波基波与二次谐波的多尺度模糊熵(MFE),提出了一种生物组织变性辨析新方法。HIFU回波信号通过谱减法去噪后,利用信息散度优化的变分模态分解(KLD-VMD)提取其基波与二次谐波分量,然后结合基波与二次谐波的MFE对组织进行变性识别,并使用等错误概率(EER)评价了该方法的有效性。最后,研究还比较了KLD-VMD与VMD、经验模态分解(EMD)和固有时间尺度分解(ITD)等其他分解方法,结合MFE分析了其辨析变性组织的能力。试验结果表明:基于KLD-VMD和MFE的组织变性识别其EER达到5.1%,相较于其他方法表现出了更好的识别效果;结合基波和二次谐波的识别结果比使用单一特征参数更好。该研究为HIFU治疗提供了一种新的监测方法,具有潜在的实际应用价值。

梅尼埃病中西医治疗疗效观察

梅尼埃病（原名梅尼尔氏综合征）是一种多发病,特别是中年女性发病率高达20%以上,严重影响患者的身心健康与生活质量。因其真正发病机理尚不清楚,治疗上尚无特效方法,采用蔓葛饮治疗,取得了一定疗效。现报告如下。

桥头铝电5号炉引风机高压变频器控制在I/A’S系统中的实现

文章详细介绍桥头铝电5号炉引风变频改造在FOXBORO I/A’S控制系统中的实现以及利用炉膛压力对引风变频实现控制的方案。

结合潜在扩散模型和U型网络的HIFU治疗目标区域提取

目的 由于数据采集限制和隐私保护造成高强度聚焦超声(high intensity focused ultrasound, HIFU)治疗超声监控图像数据量过少,导致现有的强监督分割方法提取治疗目标区域不佳。因此,提出了一种结合潜在扩散模型(latent diffusion)和U型网络的HIFU治疗目标区域提取方法。方法 生成阶段利用潜在扩散模型和自动筛选模块,实现超声监控图像数据的扩充。目标区域提取阶段提出新型U型分割网络(novel U-shaped segmentation network,NUNet),在编码器端结合空洞空间金字塔池化(atrous spatial pyramid pooling, ASPP),扩大网络的感受野;设计双注意力跳跃连接模块(dual attention skip connection,DAttention-SK),降低边缘纹理信息丢失的风险;引入多交叉熵损失提高网络的分割性能。结果 实验结果表明,与其他生成模型相比,本文使用潜在扩散模型生成的超声监控图像在FID(Fréchet inception distance)和LPIPS(learned perceptual image patch similarity)上获得更优的指标(分别为0.172和0.072);相较于先进的PDF-UNet(U-shaped pyramid-dilated network),在HIFU临床治疗子宫肌瘤超声监控数据集中,本文分割算法的MIoU(mean intersection over union)和DSC(Dice similarity coefficient)分别提高了2.67%和1.39%。为进一步探讨所提算法的泛化性,在乳腺超声公共数据集(breast ultrasound images dataset,BUSI)上进行了验证。相较于M2SNet(multi-scale in multi-scale subtraction network),本文算法MIoU和DSC分别提升了2.11%和1.36%。结论 本文算法在一定程度上解决了超声监控图像中数据量过少的问题,实现对监控超声图像中目标区域的精确提取。代码开源地址为https://github.com/425877/based-on-latent-diffusion-model-for-HIFU-treatment-target-region-extraction。