基于深度学习的临床靶区与危及器官自动勾画方法在宫颈癌中的应用

目的探讨基于深度学习的临床靶区(CTV)与危及器官(OAR)自动勾画方法在宫颈癌中的应用,并评估其勾画精度,为临床提供参考。方法选取2021年1月至2022年12月中国人民解放军总医院第一医学中心130例宫颈癌患者的CT图像,由放疗医师统一勾画CTV及OAR。将其中100例患者的CT图像传至Manteia AccuLearning自主学习平台进行模型训练,并将训练好的模型导出至AccuContour自动勾画平台,对剩余30例患者进行CTV及OAR的自动勾画,与放疗医师手工勾画的结构进行比较。通过Dice相似系数(DSC)、95%Hausdorff距离(HD95)和对称位置的平均表面距离(ASSD)指标评价勾画效果。结果CTV的平均DSC为0.793,平均HD95为3.309 cm,平均ASSD为5.420 mm;对于OAR,除十二指肠和肠道外,左右肾、膀胱、左右股骨头、脊髓和直肠的平均DSC均≥0.836,平均HD95均≤3.323 mm,平均ASSD均≤1.881 mm。结论基于自主深度学习训练平台的OAR勾画方法可较为准确地实现宫颈癌患者CTV及OAR的自动勾画,提高工作效率。高度集成、流程化的深度学习自主训练平台可简便高效地完成对数据的清洗、参数调试与模型训练,大大提高临床应用的方便性,满足临床使用需求。

基于DICOM格式医学图像处理软件的设计与实现

基于DICOM格式序列图像,使用可视化工具包(visualization toolkit)和MFC类库,以面向对象的方法在Visual Studio 6.0环境中开发医学图像处理系统。该软件实现了对DICOM格式序列图像的读取、文件基本信息显示、窗宽窗位的调节、特定区域勾画、注释及三维重建显示功能,为病理诊断提供直观、全面、准确的图像信息。

甲骨拓片图像的目标自动定位算法

为了解决当前图像目标定位算法难以自动定位发生形变的目标,且定位时间耗时长等不足,提出一种基于稀疏活动轮廓模型的甲骨拓片图像的目标自动定位算法.对甲骨拓片图像进行分块,对每一块进行形状估计,在目标形状估计约束下,利用共同勾画算法学习图像目标轮廓模型,在待定位图中扫描出与模型匹配数值最高的区域,将其作为定位结果,利用基于距离约束的霍夫变换,精确定位结果.实验结果表明,所提算法可以有效克图像目标尺度变化大的问题,提高了目标自动定位精度,减少了定位耗时.

图像处理技术在平面设计中的应用研究

采用前景目标提取的图像风格化绘制算法实现平面设计过程中,没有采用卷积线条的方式模拟真实铅笔线条的绘画过程,缺乏真实感,平面设计效果差。文中研究平面设计中图像处理技术的应用过程,采用OpenCV软件提供的转换函数将RGB图像转换为YUV图像后,变换并重新整合YUV色彩空间的色度信息与亮度信息,在此基础上使用长度合理的直线卷积核卷积图像梯度图,生成平面设计的铅笔画草图。以真实的铅笔绘画纹理为基础构建铅笔滤镜数学模型,采用该模型与铅笔滤镜算法生成平面设计的铅笔画滤镜,美化平面设计的铅笔画草图创作过程。实验结果表明,所研究的图像处理技术创作的平面设计作品与铅笔手绘效果接近,平均创作5幅平面设计的铅笔画的耗时约为3.0s,是一种可靠、高效的平面设计技术。

F-35战斗机气动及隐身特性分析

以F-35战斗机为研究目标,对目标体进行三维外形重建,并对重建后的模型进行气动及隐身特性的计算和分析,首先采用了基于飞机三视图进行轮廓线提取来重建F-35全机理论外形的方法,引入了基于草图跟踪的CATIA三视图的标定,大大地提高了模型重建的精度。其次采用非结构网格对F-35的计算区域进行网格划分,采用EULER方程完成了F-35在亚声速、跨声速及超声速等飞行条件下的流场计算,分析了不同状态下的升力、阻力和大迎角气动特性。最后利用曲面像素法对F-35全机高频雷达目标特性进行了计算,提出了一种基于IGS数据转换格式的隐身计算网格生成方法,比较了不同俯仰角及方位角下的RCS特性曲线,分析了对RCS影响比较大的部件。

胸部MRI精确勾画靶区对肺癌治疗的价值分析

目的:探讨胸部MRI精确勾画靶区对于治疗肺癌的价值。方法:选取2011年8月至2015年2月在我院诊治的45例非小细胞肺癌患者,在放疗前选择胸部CT扫描和MRI扫描,积极进行肿瘤靶区的勾画,并对影响因素进行分析。结果:所有患者都完成CT与MRI的扫描定位,CT难以鉴别肺癌造成的气肺组织病变,MRI成像显示肿瘤部分均呈高信号,肿瘤与周围正常组织的界限变得比较清晰。同时CT确诊为边界区分20例,而MRI确诊为边界区分25例;CT确诊为淋巴结转移36例,MRI确诊为淋巴结转移40例,CT与MRI肿瘤靶区的边界区分与淋巴结转移诊断对比差异均有统计学意义(P<0.05)。单因素Logistic回归分析结果显示病理类型和肺不张是CT与MRI肿瘤靶区勾画差异的影响因素(P<0.05),而多因素Logistic回归分析结果显示肺不张为主要的影响因素(P<0.05)。结论:相对于CT,肺癌放疗过程中胸部MRI精确勾画靶区能提高靶区定位的精确性,有利于判断淋巴结转移情况,避免肺不张的影响,确保放疗的精确性。

胸部MRI精确勾画靶区对肺癌治疗的价值分析

目的:探讨胸部MRI精确勾画靶区对于治疗肺癌的价值。方法:选取2011年8月至2015年2月在我院诊治的45例非小细胞肺癌患者,在放疗前选择胸部CT扫描和MRI扫描,积极进行肿瘤靶区的勾画,并对影响因素进行分析。结果:所有患者都完成CT与MRI的扫描定位,CT难以鉴别肺癌造成的气肺组织病变,MRI成像显示肿瘤部分均呈高信号,肿瘤与周围正常组织的界限变得比较清晰。同时CT确诊为边界区分20例,而MRI确诊为边界区分25例;CT确诊为淋巴结转移36例,MRI确诊为淋巴结转移40例,为此CT与MRI肿瘤靶区的边界区分与淋巴结转移诊断对比差异都有统计学意义(P<0.05)。单因素Logistic回归分析结果显示病理类型和肺不张是CT与MRI肿瘤靶区勾画差异的影响因素(P<0.05),而多因素Logistic回归分析结果显示肺不张为主要的影响因素(P<0.05)。结论:相对于CT,肺癌放疗过程中胸部MRI精确勾画靶区能提高靶区定位的精确性,有利于判断淋巴结转移情况,避免肺不张的影响,确保放疗的精确性。

以DNA双螺旋结构为例浅析Solidworks随形阵列功能

以DNA双螺旋结构建模过程为例,向So lidW orks软件的用户介绍了其随行阵列特征中的线性随行阵列功能的使用方法和操作技巧。对于特征随形状变化的阵列特征,随形阵列可以大大简少建模的步骤,同时提高所建立模型的精度,为阵列特征的使用提供了一个更快捷,更强大的手段。而随行功能的核心内容就是建立阵列特征随形状变化的约束条件。

基于神经正切核草图的多核学习方法

为提高多核学习对大规模及分布不均衡问题的处理能力,提出一种基于神经正切核草图的多核学习方法(neural tangent kernel sketch multiple kernel learning, NS-MKL)。应用神经正切核代替单层核函数作为多核学习基核函数,提高多核学习方法表示能力;使用神经正切核草图算法对神经正切核进行近似,减少神经正切核的特征数量和特征维度,提高多核学习方法计算效率;使用核目标对齐计算每个近似神经正切核的基核权重,根据权重进行多核线性组合,得到多核决策函数。在3个UCI数据集上对神经正线核(neural tangent kernel, NTK)核支持向量机(support vector machine, SVM)与传统核SVM进行比较分析,NTK核SVM比传统核SVM预测准确率最低提高1.9%,精度最低提高2.0%,召回率最低提高2.0%。在3个UCI数据集上对NS-MKL与传统核MKL进行比较分析,NS-MKL比应用传统核MKL预测准确率最低提高2.0%,运行时间最低减少9 s。NS-MKL能提高预测准确率,降低计算速度。