b值范围对6种体部扩散模型在前列腺应用的影响评估

论文研究了不同b值采集范围对6种体部扩散模型定量参数计算的影响.研究涉及扩散模型包含单指数模型(Mono)、扩散峰度成像(DKI)、体素内非相干运动模型(IVIM)、扩散拉伸指数模型(SEM)、分数微积分模型(FROC)和随机游走模型(CTRW),b值范围0~2500 s/mm^(2).通过扩散模型参数之间的相关性、t检验以及前列腺病灶良恶性鉴别能力三个维度,评估了不同b值采集范围对参数计算的影响.结果显示与参考采样方案相比,随着最大b值降低,所得同一扩散参数感兴趣区域(ROI)均值的差异逐渐增大,但相关性降低不明显,且前列腺病灶良恶性的鉴别能力也保持相似水平.基于实验结果,建议在临床实践中采用b值范围为0~1500s/mm^(2)的采集方案.这一方案在具备较高采集效率的同时,一半以上参数与参考采样方案结果的相关性不低于0.98,且良恶性鉴别能力指标曲线下面积(AUC)值的差别小于0.01.此外,不同扩散模型对于b值方案的敏感性存在差异,其中SEM和CTRW模型的参数受b值范围的影响相对较小.

肝脏磁共振扩散加权成像方法研究进展

扩散加权成像(diffusion weighted imaging,DWI)对肝脏局灶性病变表现出的强大诊断能力主要得益于其成像方法的发展。目前DWI对于肝脏弥漫性病变的评估仍存在缺陷,所以进一步探索并优化其成像方法具有重要意义。为此,本文对近年来肝脏DWI所涉及到的定量成像、图像质量提升和加速成像等方法进行综述。首先,本文阐述了目前肝脏DWI所面对的主要挑战;然后,综述了定量成像模型、脂肪抑制技术、并行成像、压缩感知技术和多层同步成像方法在肝脏DWI中的研究现状和问题的潜在解决方法,为现有成像方法的进一步优化和新方法的引入提供可行思路;最后,对肝脏DWI方法进行了总结与展望。

基于CT影像的早期肺腺癌病理类型预测方法研究进展

肺腺癌是非小细胞肺癌中最常见的类型。由于肺腺癌发生早期并没有明显的临床症状,多数患者发现时已处于晚期,晚期肺腺癌患者的预后情况极其不理想。早发现、早诊断和早治疗是提升患者生存率最有效的措施。根据癌细胞对周围组织浸润程度的不同,可将早期肺腺癌分为微浸润性腺癌和浸润性腺癌,同时腺体前驱病变也需长期观察随访,以防进一步发展恶化。不同病理类型的早期肺腺癌术后五年无病生存率存在很大差异,准确预测肺腺癌病理类型能够辅助医师更好地制定治疗方案,进一步改善病患的预后。早期肺腺癌与磨玻璃肺结节(ground⁃glass nodule,GGN)密切相关,CT凭借无创和高分辨率的优势成为了观察GGN最主要的影像方法。现有的早期肺腺癌病理类型预测研究主要围绕人工智能技术开展:传统影像组学基于计算机高通量提取和筛选GGN的定量特征来构建分类模型;而深度学习方法则自动提取GGN的深层特征并学习其与类别之间的隐含关系,以完成类别预测任务。目前国内外研究者基于GGN的CT影像以及影像组学和深度学习模型已发表了大量的早期肺腺癌病理组织类型预测的文献。本文主要就GGN的CT影像学特征、影像组学特征及深度学习方法在预测早期肺腺癌组织学类型方面的研究进展予以综述,以期为相关研究者提供有价值的参考。

人工智能在急性缺血性脑卒中早期ASPECTS评估中的研究进展

急性缺血性脑卒中(AIS)的早期诊断和及时干预对于降低脑卒中的致死致残率具有重要意义。目前,临床上采用阿尔伯塔卒中项目早期计算机断层扫描评分(ASPECTS)来评估AIS的严重程度,但人为评估方法主观性过强且耗时耗力,极易导致漏诊、误诊。因此,近年来涌现了许多基于人工智能算法对AIS进行ASPECTS自动评分的方法研究。本文对此进行综述,以期为进一步研究探索提供参考。首先,简述ASPECTS评分的可靠性;其次,重点介绍目前基于人工智能的脑区提取及脑区评分的方法,证实计算机辅助ASPECTS评分能够有效提高对病情判断的可靠性;最后,总结现有ASPECTS自动评分方法存在的不足,并对其未来的发展趋势进行展望。

基于深度学习的超声多模态乳腺肿块良恶性分类

针对超声单模态信息量少的问题,提出基于双路神经网络的多模态乳腺肿块分类模型。收集来自上海交通大学医学院附属仁济医院2021年的96例乳腺癌患者(51例恶性,45例良性)的807张灰阶图像和807张弹性图像进行实验。首先,对传统的ResNeXt101模型进行改进,去掉最后的平均池化层和全连接层并添加注意力机制模块,以提高模型对图像重要信息的关注;然后,将病人同一病灶的灰阶图像和弹性图像分别输入至两个改进的ResNeXt101网络中;最后,将两路网络输出的特征进行拼接融合,构建全连接分类层进行良恶性鉴别。实验结果表明,使用双路网络准确率为84.27%,ROC曲线下面积(AUC)为0.932,高于单模态的准确率和AUC值。

基于软模法制备1-3型压电复合材料及高频医用超声换能器

高频医用超声成像技术因其高空间分辨率而被广泛应用于人体组织的精细结构观察,其中高频超声换能器的核心材料是1-3型压电复合材料。采用软模板法直接烧结了锆钛酸铅(PZT)压电微柱阵列,进而制备PZT/环氧1-3型压电复合材料,并对其进行了微观结构观察和电学性能表征。材料微观结构完整,机电耦合系数达到0.64。采用此复合材料制备了中心频率为20 MHz的高频超声换能器。采用脉冲回波法对换能器进行了性能和声场测试,并利用其对人体皮肤进行了超声成像,换能器的插入损耗、带宽分别为13.1 dB和84.2%。结果表明,软模法制备的1-3型压电复合材料能使高频超声换能器兼具低插入损耗和大带宽,这为高性能高频医用超声换能器提供了一种低成本、高效率的商业化制备方法。

基于深度学习的欠采样磁共振图像重建研究综述

针对加速磁共振成像(Magnetic Resonance Imaging, MRI)中,传统算法对压缩感知欠采样磁共振(Magnetic Resonance, MR)图像重建质量欠佳的问题,以基于深度学习的欠采样MR图像重建算法为研究对象,系统性地概述图像重建算法中模型驱动与数据驱动方法的工作原理,分析各自的特性与优点、缺点,对重建方法进行对比讨论,并列举了部分算法在数据集上的表现。结果表明,大部分算法在数据集上的结构相似性指标(Structure Similarity Index Measure, SSIM)为0.87-0.96。依据重建方法现存的不足与当前的研究趋势,提出3种MR图像重建算法未来的发展方向。

磁共振颅脑图像快速模糊聚类分割算法的研究

尽管模糊C 均值 (简称FCM )聚类算法已广泛应用于图象分割研究 ,但是 ,由于模糊C 均值聚类算法所固有的一些缺点 ,特别是运算开销太大造成了该算法在实际应用中难以推广使用。根据模糊C 均值聚类算法和磁共振颅脑图象的特点 ,我们提出了一种分割磁共振颅脑图象的快速模糊C 均值 (简称FFCM )聚类算法。该算法利用K 均值聚类结果指导模糊聚类的初始化 ,使模糊聚类的迭代次数明显减少 ,从而极大地提高模糊聚类的速度。实际应用表明 ,FFCM的分割速度比FCM快 6 5倍以上 。

计算机辅助诊断脑血管病的应用

脑血管病具有高死亡率、高致残率、高复发率的特点,颅内病变的早期确诊是降低其死亡率的关键。临床上,脑血管病的人工诊断效率较低,时常出现漏诊、误诊的现象,而基于人工智能(AI)的计算机辅助诊断技术通过挖掘医学影像中的特征,能够辅助医生快速、准确地定位早期病灶,提高诊断效率。首先,本研究概述了AI辅助鉴别脑卒中类型、确定脑卒中发病时间、判断脑卒中梗死病灶范围方面的应用;然后,针对AI辅助检测颅内动脉瘤、颅内动脉狭窄、脑动静脉畸形3种脑血管病变方面的研究应用分别进行综述;最后,总结AI在脑血管病临床诊断中的挑战,并对该领域的研究方向进行展望。

基于模糊K-近邻规则的多谱磁共振脑图像分割方法的研究

本文在K 近邻 (K nearestneighbor ,简称KNN)规则的基础上 ,基于模糊C 均值聚类 (FuzzyC meansclustering ,简称FCM)技术 ,提出了模糊K 近邻算法 (FuzzyK nearestneighbor ,简称FKNN) ,并利用该算法对磁共振脑图像进行分割研究。首先对磁共振颅脑图像进行预分割 ,剔除颅骨和肌肉等非脑组织 ,只保留大脑结构 ;然后利用FKNN算法对大脑结构进行分割 ,从脑组织中分别提取出白质、灰质和脑脊液。实验结果表明 ,FKNN方法能有效地从大脑结构中分割出白质、灰质和脑脊液 ,分割效果明显优于KNN方法。

CT图像肺结节计算机辅助检测与分类系统设计(英文)

近年来,肺癌已经成为癌症中的主要杀手,早期发现肺癌是降低死亡率的最有效的途径。在传统的二维胸片和三维CT片上,早期肺癌一般表现为肺结节。因此,肺癌的早期诊断归结为对肺结节的检测上面。而通过人工阅片的方式检测肺结节是非常费时费力的。计算机辅助检测技术(CAD)具有检测肺结节的潜力,它把计算机图像处理的结果作为放射科医生的辅助参考,它能够检测出放射科医生易于漏检的微、小结节。因此,利用CAD增加了早期诊断肺癌的机会。基于近年来国内外在肺结节计算机辅助诊断和检测方面的研究进展,提出了一个研发CAD的基本思想和框架。

自动分割CT图像中肺实质的方法

目的提出一种从CT图像中自动分割出肺实质的方法。方法第一步,利用灰度阈值把肺部区域从背景中提取出来;第二步,对提取出的肺部区域进一步处理,除去大气管、平滑肺部边缘;第三步,利用数学形态学方法分开左右两肺。结果利用该方法对三个病人的肺部CT图像序列进行处理,证明该方法能针对不同厚度的CT图像,自动选取合适的阈值进行分割,并能去除独立的气管/支气管,最后完整提取出肺实质。结论本文提出的方法为进一步利用计算机辅助诊断方法对肺结节进行识别和标记提供了基础。

改进的遗传模糊聚类算法及其在MR脑组织分割中的应用

为提高MR图像中脑组织分割的精度,针对目前遗传模糊聚类算法存在的问题,提出了改进的遗传模糊聚类算法。首先,通过完全改变遗传算法的编码方式、变异方式和交叉方式,对现有遗传算法进行改进,从而使遗传算法能获得最小的适应度函数值;然后,结合模糊聚类算法,最终得到改进的遗传模糊聚类算法。将改进的遗传模糊聚类算法应用于MR脑图像的分割,结果表明,改进的遗传模糊聚类算法的分割质量高于现有的遗传模糊聚类算法和快速模糊聚类算法。改进的遗传模糊聚类算法可以做为一种快速、全自动的MR脑图像分割工具。

基于CT图像的肺结节计算机辅助检测技术的研究进展

目的:通过对国内外在基于CT图像的肺结节计算机辅助检测技术(Computer-Aided Detection,CAD)领域的研究状况及其研究进展的综述,以期能对CAD研究提供借鉴。方法:根据对近年来国内外报道的CAD文献的分析和深入研究,结合作者在CAD方面的研究体会,本文对CAD国内外研究进展情况、存在的问题及可能的解决方案进行了详细的论述。结果:通过对目前国内外CAD研究中存在的问题及原因的深入分析,我们认为在建立能够描述不同类型肺结节的数学模型的基础上,基于大样本病历的数据库,设计有效的检测方法是提高肺结节检测效率的关键。结论:CAD能有效辅助放射科医生从CT图像中检测出肺结节,从而为肺癌的早期诊断奠定基础,但由于CAD研究尚存在的局限性,目前报道的CAD研究离临床的实际需要尚有较大的差距。

脑功能磁共振成像及其处理分析技术对神经科学研究的价值

目的::对近年来脑功能磁共振成像及其处理和分析技术进行了讨论和综述,以阐明图像处理和分析技术在应用脑功能磁共振成像技术进行脑科学研究的重要作用。资料来源:应用计算机检索Medline1996-01/2004-12期间与脑功能磁共振成像及其处理和分析技术相关文章,检索词为“功能磁共振成像”和“processingandanalysis,ICA,FCM”,分别组合进行检索,限定文章语言为English。同时利用yahoo搜索引擎进行检索,检索词同上。资料选择:对资料进行初审,选取那些有关脑功能磁共振成像及其处理和分析方面的文献。资料提炼:共搜集到35篇英文全文,2篇中文,这些资料在对脑功能磁共振图像的处理和分析方面均具有较新的进展性。资料综合:由于功能磁共振成像在成像原理上有其特殊性,其目的是标记(或映射)对应于大脑在执行特殊任务或受到某种刺激时脑的激活区域。在功能磁共振图像中,功能活动信号表现为微弱信号,难以用肉眼区分出哪些是功能活动区域。因此对功能磁共振成像得到的图像数据的处理和分析的目的是从图像中提取出微弱的功能活动信号,这与一般意义上的图像处理和分析有所不同。将搜集到的35篇英文文献,2篇中文文献按照处理方法是否依赖于刺激时程,把图像处理方法分成假设驱动的方法和数据驱动的方法,并分析和讨论这些方法各自的特点。结论:图像处理分析技术在利用脑功能磁共振成像对神经科学的研究中具有重要的应用价值。图像处理和分析技术在功能磁共振成像实验中占有极其重要的地位,它对于最终脑功能的精确定位是必不可少的关键步骤。

建立MRI技术实验室若干问题的思考

与其他医学成像技术比,医用磁共振成像具有众多的优点,因此,在临床上和科学研究中倍受青睐。随着近年来磁共振成像设备的装机容量逐年提高,市场对专业人才的需求也不断扩大。如何面向市场培养合格的磁共振成像技术专业人才,是医学影像工程专业面临的一个重要课题。通过对目前磁共振成像技术教学中存在问题的分析,该文就建立磁共振成像技术实验室的必要性以及如何在科研和教学中充分发挥实验室的效能等诸多问题进行了探讨。

NMR20台式磁共振成像仪及其在教学中的应用

针对目前磁共振成像技术教学中存在的问题,纽迈公司成功地开发了专门用于磁共振成像技术教学的NMR20台式磁共振教学成像仪。本文对该仪器的结构、原理、功能,及在专业教学和人才培训中的应用做了较详细的阐述。一年多的教学实践证明,NMR20台式磁共振成像仪不失为一款理想的磁共振成像教学仪器。

多用户医学图像处理与传输系统的研制

本文介绍了一种多用户医学图像处理与传输系统。该系统采用先进的计算机网络技术，能将不同医学影像设备产生的图像采集后送往系统的图像数据中心（网络服务器），实现医学图像的数字化存贮和管理。不同用户可以通过计算机网络系统调用这些图像，从而实现图像资源的共享。另外，该系统还具备丰富的医学图像处理功能，特别对质量较差的影像经处理后，能明显提高其清晰度和分辨率。

基于MR图像的脑转移瘤计算机辅助检测

根据脑转移瘤在早期诊断过程中存在的问题,提出基于3D模板匹配的脑转移瘤计算机辅助检测方法。首先,建立合适的脑转移瘤模板;然后,在MR序列图像数据中寻找与模板相似的区域,相似度较高的区域很可能就是脑转移瘤。选取脑转移瘤为8 mm以下的12个病例(共有27个脑转移瘤)对本方法进行测试,其总体检测正确率达到81.5%,假阳性率为每层图像0.037 8个。实验结果表明,所提出的方法能为脑转移瘤的早期诊断奠定良好的基础。