不同金属材质假牙对舌癌放疗患者肿瘤靶区的剂量学参数影响

目的探讨舌癌放疗患者植入的不同金属材质假牙对肿瘤靶区(GTV)的剂量学影响。方法建立由组织补偿膜、牙齿和标准固体水组成的模体,获取镍铬合金、二氧化锆和钴铬合金3种金属假牙组成的模体CT图像。在假牙后方设置不同深度、半径为1.9 cm的GTV,并设计单射束开野照射计划和容积旋转调强放疗(VMAT)计划。计算CT下不同假牙的靶区剂量分布,分析不同假牙对靶区剂量学参数的影响。结果与正常牙齿比较,镍铬合金、二氧化锆和钴铬合金3种金属假牙引起的最大剂量(D_(max))和平均剂量(D_(mean))计算偏差均<3%,其中二氧化锆假牙对靶区剂量影响最大。当GTV深度为5.9 cm时,金属假牙导致的靶区剂量偏差最大。结论金属假牙产生的CT伪影可影响舌癌放疗的靶区剂量。当GTV离金属假牙较近时,需要考虑拔除假牙或使用伪影修正算法对定位CT图像进行伪影修正。

基于虚拟仿真系统的精准放疗技术实践教学探索研究——以福建医科大学为例

以福建医科大学为例,针对放射治疗学实践教学存在实践机会少、时间短等问题,搭建基于虚拟仿真系统的精准放疗技术实践教学平台,综合运用案例式教学、翻转课堂和场景模拟等教学法进行教学,并分析教学效果。研究结果显示,基于虚拟仿真系统的精准放疗实践教学使理论知识与临床实践相结合,能激发学生学习兴趣,提高学习效率,为放射治疗学教学提供实践路径。

超声图像颈动脉内中膜提取方法

颈动脉粥样硬化扰乱正常血流循环，会引起如中风等的严重血管疾病。超声检查具有无损性，对早期检测颈动脉粥样硬化有很好的效果。颈动脉的管径厚度（LD）和内中膜厚度（IMT）是超声检查中判断颈动脉是否硬化的两个重要指标。

影像组学的前沿研究与未来挑战

影像组学指从医学影像中提取、分析大量高级定量影像特征,从而对疾病进行诊疗。这一概念诞生不足5年,但已成为全球临床医学和生物医学工程的研究热点,涉及多类肿瘤的筛查、诊断、治疗和评估,并取得了相当乐观的结果。今后影像组学会基于多中心研究,进一步获取标准、稳定的特征并完成验证,从循证医学角度应用于肿瘤的精准医疗。该研究系统全面地阐述了影像组学的过去、现在与未来。

模拟与数字电路基础实验教学改革与探索

模拟与数字电路基础实验是高校电子信息类专业的核心基础实验课程。目前,实验课程存在内容陈旧,验证性实验多,综合性和设计性实验少的问题,难以激发学生的学习兴趣和创新意识。该文分析了基础实验教学的现状,从教学体系、方法和内容3个方面,对实验教学进行了探讨,提出了有效的改革措施。实践表明,这些措施对提高实验教学质量,培养学生的理论应用能力和研究创新能力具有重要意义。

“医学成像技术”课程教学与实验改革探索

本文根据理工科学生特点,从"医学成像技术"课程的教学内容、方式和实验三方面进行改革。注重基本物理原理与系统结构,结合临床实践和最新科研成果,增加医学图像处理内容与实验。教学改革有效激发学生的学习兴趣,加强对课程内容的理解与掌握。

选择性集成学习方法提取超声心动图的心内膜

针对超声心动图特点,提出了一种选择性集成学习方法心内膜提取算法。先在超声心动图中根据形状先验知识确定感兴趣区域(ROI);然后对ROI中的每个候选像素点,提取多个不同性质的特征参数;将其输入选择性集成学习算法,得到模糊分类结果;最后将分类结果作为活动轮廓算法的外能,进一步获得光滑完整的心内膜边缘。对超声心动图分别采用本文方法和其他边缘提取方法进行比较实验。结果表明,相对于传统活动轮廓模型,本文方法分割图像的最小距离绝对差减少了2.56个像素点,面积重叠百分比提高了17.80%。可见,本文方法对噪声和初始轮廓不敏感,提取的心内膜边缘与医生手工勾画边缘最接近,性能优于现有算法。

基于启发式A^＊算法的超声图像颈动脉内膜提取

从超声图像准确提取颈动脉内膜,为基于颈动脉超声图像判断动脉粥样硬化服务。方法提出一种基于启发式A*算法从超声图像中提取颈动脉内膜边缘的方法。先使用图像分割法区分血管腔和血管壁,再采用结合图像灰度值特点的A*算法准确地提取颈动脉内膜边缘。结果通过对临床采集的32幅颈动脉超声图像的分析研究,表明本方法自动提取的结果与医生手工描绘的结果基本吻合。结论本方法有望应用于超声图像颈动脉内膜的自动提取。

两种自动勾画方法对T3分期鼻咽癌靶区勾画结果对比分析

目的:比较和分析基于常规图谱集(Atlas)自动勾画方法和深度学习自动勾画方法对T3分期鼻咽癌靶区的勾画结果。方法:回顾性选取本院T3分期鼻咽癌患者138例,由一名高年资医生在CT上勾画GTV和CTV,勾画结果经另外两名高年资医生审核。建立3D-Unet模型,随机选取110例病例作为训练集,28例病例作为测试集。比较3D-Unet模型与Atlas模型的优劣性。结果:与医生勾画结果相比,3D-Unet模型的GTV和CTV平均勾画结果如下所示,平均表面距离:3.01和1.84 mm,95%豪斯多夫距离:16.05和7.70 mm,Dice相似性系数:0.71和0.83,Jaccard相似性系数:0.56和0.71,精确率:0.70和0.85,召回率:0.76和0.81,各项参数均显著优于Atlas模型(P<0.05)。结论:与Atlas自动勾画技术相比,基于3D-Unet模型的自动勾画方法对鼻咽癌靶区的勾画准确率明显提升。

GSM—R系统中通知响应过程的改进与设计

GSM—R协议中的延迟指配方案对组呼信道进行动态管理,系统在组呼小区没有用户时不分配信道,由MS发起通知响应请求,触发系统分配组呼信道以加入呼叫。该方案存在的问题是:多个移动台同时发起通知响应时,部分MS响应失败,无法及时直接加入呼叫。为此提出分别在MSC,MS侧修改通知响应过程的2种改进措施:在MSC侧,以FIFO方式延迟处理重复的通知响应,当1个通知响应过程成功分配信道后,同一小区其他通知响应均按失败处理,并通知发起通知响应的MS新分配组呼信道信息,以便其加入呼叫;在MS侧,当重复通知响应失败后,MS不立刻进入空闲状态,而是在固定时限内监听通知信道,在发现系统分配了该组的呼叫信道时MS自动加入呼叫,从而使通知响应失败的MS也能够成功加入呼叫。

基于高通量特征与BoF特征的肺结节诊断信息分级

肺结节诊断信息对判断肺结节的良恶性有重要意义,因此,提出一种基于高通量特征与BoF特征的肺结节诊断信息分级方法。该方法首先对肺部图像影像数据集(LIDC)数据集中604例患者的肺部计算机断层扫描(CT)图像进行筛选,得到含有肺结节的肺部CT图像2803幅,并由有经验的医生勾画相应的肺结节轮廓。然后使用影像组学的方法设计并提取96个高通量特征,同时提取肺结节图像的SIFT(scale invariant feature transform)特征并使用K-means聚类方法得到相应的BoF特征。最后,将高通量特征与BoF(bag of feature)特征输入基于支持向量机的多类分类器进行诊断信息的分级。实验结果表明,基于高通量特征与BoF特征的分析方法可以有效地对肺结节诊断信息进行分级,每类诊断信息分级的准确率、灵敏性、特异性均在83%、70%、86%以上,可为临床诊断提供有价值的参考建议。

基于影像组学的肺结节恶性程度预测

目的:探讨基于影像组学的肺结节恶性程度预测。方法:对肺部图像影像数据库(The Lung Image Database Consortium,LIDC)-IDRI(Image Database Resource Initiative)中604例肺结节患者的CT图像进行分析,其中含肺结节的CT图像共2 803幅,医师手工勾画肺结节轮廓。根据肺结节诊断标准,共提取96个灰度、形态和纹理高通量特征,输入基于随机森林的多类分类器进行恶性程度预测。恶性程度分为5级,以数字1~5表示。随机选取1 000幅CT图像作为训练样本,剩余的1 803幅CT图像作为测试样本,实验重复10次。结果:对于单个肺结节,5类恶性程度的平均预测准确率为77.85%。对于每一类预测,曲线下面积(area under curve,AUC)均在0.94以上。对于每例患者,肺结节恶性程度的预测准确率为75.16%。结论:该研究提出的基于影像组学的方法对肺结节恶性程度的预测性能良好,可为临床诊断提供可靠的辅助信息,以利于早期发现病灶。

信号类课程的教学团队建设

教学团队建设是进行教学改革和提高教学质量的一项有效措施。本文根据信号类课程的特点,介绍了本教学团队在课程设置、教学大纲制订、教材和课程网站建设、教学方法研讨和团队活动形式等方面所进行的实践及其体会。实践表明,首席教师的作用和有效的保障机制,是教学团队高效运作的关键。笔者针对前期实践的经验,展望了教学团队下一步的建设内容。

论公司清算制度的完善

公司清算是终结公司的法律关系,消灭公司法人资格的行为。我国存在着多种公司破产后不清算的情形,这些情形造成公司债权人利益受损、国家税收流失等后果,并严重危害到市场交易安全。鉴于此,应在借鉴国外立法及司法实践经验的基础上,结合我国的实际情况,明确清算中公司的地位,完善清算人制度,增设特别清算制度,完善公司的清算程序和破产救济机制,从民事、刑事、行政角度构建清算责任追究机制。

信息世界中的图像和感知——信息类通识核心课程建设的实践探索

当前理工科特别是信息类的通识核心课程缺乏系统的建设,普遍没有教学团队的支持,理工科教师在承担通识类课程的时候通常注重传授知识,而较少深入思考,缺少整体性、综合性和广博性。文章在探讨跨学科的信息类通识核心课程组织、教学目标的基础上,指出教学模式应变"教"为"导",营造互动的课堂氛围,坚持将课程内容和现实问题相结合,以生动形象的影像资料配合课堂教学,并使用动手实验强化学习效果,开设小班讨论扩展学生思维。结果表明:革新后的信息类通识核心课程能有效增强学生逻辑思维能力,帮助学生领会信息技术所蕴涵的科学思想要点。

myQA SRS新型半导体平台在立体定向放射外科锥形准直器质量保证中的应用

目的探讨myQA SRS新型半导体平台在立体定向放射外科(SRS)锥形准直器质量保证中的应用。方法测量4~20 mm锥形准直器的照射野大小、半影宽度、照射野中心剂量和输出因子。将测量结果与基于水箱测量的基准值进行比较。结果myQA SRS测量的照射野大小和半影宽度与基准值基本一致,照射野大小和半影宽度的最大偏差分别为0.5、0.3 mm。myQA SRS测量的输出因子也与基准值基本一致,最大相对偏差为2.60%。结论myQA SRS新型半导体平台可以快速、准确测量锥形准直器特性,有助于SRS的质量控制和剂量验证。

基于ADC图的三维卷积神经网络模型在判断直肠癌T分期的应用

目的利用三维卷积神经网络与磁共振弥散加权成像(DWI)序列的ADC图对直肠癌患者肿瘤T分期进行分类判断,提高分期准确度。方法回顾性分析183例直肠癌病例,其中训练集160例,测试集23例(T1/T2期13例,T3/T4期10例)。训练集图像采用水平、垂直翻转等方式进行4倍扩充。基于三维卷积神经网络进行训练,采用十折交叉验证方法降低模型过拟合程度。根据测试结果数据绘制受试者工作特征(ROC)曲线,并计算曲线下面积(AUC),分析卷积网络模型的准确性与可靠性。结果测试集测试结果显示,卷积网络模型判断肿瘤T分期的准确率为82.6%,ROC曲线的AUC为0.850,敏感度和特异度分别为84.6%和80.0%。结论基于卷积神经网络模型与ADC图自动判断直肠癌肿瘤T分期相比人工分期提高了准确性与效率。

基于增强CT图像的肾上腺肿瘤分类

基于增强计算机断层扫描图像,提出肾上腺肿瘤的计算机辅助诊断与分类算法。先读入肾上腺肿瘤的DICOM图像;然后利用基于局部区域的水平集方法分割肿瘤,解决边界模糊和区域不均匀的问题;在图像分割基础上,自动提取肿瘤的形态和纹理特征;最后利用支撑向量机进行分类并输出诊断结果(肾上腺皮质肿瘤或髓质肿瘤)。实验使用318幅增强计算机断层扫描图像,结果表明该算法具有良好的分类性能,其中准确性为95.28%、特异性为96.49%、敏感性为94.61%、阳性预测率为97.97%和阴性预测率为90.91%。因此,本文提出的计算机辅助诊断算法能够有效地对肾上腺肿瘤做出正确定位和定性诊断,可为临床的治疗和手术方案提供重要的参考。

超声影像组学对浸润性乳腺癌激素受体表达预测价值的探索性研究

目的:探讨超声影像组学定量特征对浸润性乳腺癌激素受体表达的预测价值。方法:回顾性分析204例浸润性乳腺癌患者的术前超声图像及术后病理结果。根据雌激素受体(estrogen receptor,ER)、孕激素受体(progesterone receptor,PR)及人表皮生长因子受体2(human epidermal growth factor receptor 2,HER-2)表达,将患者分为两组:激素受体阳性组(ER^+、PR^+、HER-2^-),激素受体阴性组(ER^-、PR^-、HER-2^-)。两名具有5年以上临床经验的超声科医师对乳腺癌肿块超声图像进行回顾性特征分析与评估,评估内容包括肿块的形态、边缘、内部回声、后方回声改变及钙化。然后,对同一个肿块利用基于相位信息的动态轮廓模型进行边缘分割。通过t检验,筛选出与激素受体相关性最强的特征参数,通过支持向量机分类器,运用径向基核函数进行分析与研究。为减少偏倚,采用留一法对分类性能进行验证。结果:激素受体阳性组与阴性组在形态、边缘毛刺成角、内部回声及后方回声改变等二维特征方面存在显著统计学差异(P<0.05)。定量分析选出54个定量特征,对激素受体表达具有较高准确率(准确率67.7%,曲线下面积73.2%)。此外,边缘、内部回声、后方回声及钙化等定量特征在激素受体阳性与阴性组之间均存在显著统计学差异(P<0.05)。结论:超声影像组学定量特征分析降低了传统超声影像的主观性,在预测浸润性乳腺癌激素受体表达方面具有较大优势,其在提高超声影像学特征对乳腺癌精准诊断及生物学行为预测方面的价值仍需进一步研究。

影像组学在甲状腺癌应用的初步研究

目的:探索影像组学在甲状腺癌中的应用价值。方法:选择于复旦大学附属肿瘤医院手术的77例甲状腺乳头状癌单灶患者的病灶超声图像,进行影像组学特征研究并判断有否淋巴结转移,并与病理结果进行比较。结果:77例患者中,淋巴结转移27例,超声术前发现4例;淋巴结未转移50例,超声术前发现47例。通过影像组学方法判断病灶淋巴结有无转移,对照病理结果,准确率为73.1%,灵敏度为71.4%,特异度为74.0%。结论:影像组学在判断甲状腺乳头状癌淋巴结转移中有明确价值和极大潜力。