基于四阶累积量极性迭代的自适应动态谱线增强快速算法

针对最小均方 (LMS)算法抑制高斯噪声效果差和高阶累积量计算量大等问题 ,研究了四阶累积量递推算法与计算量的关系 ,提出了基于四阶累积量对角切片极性迭代的自适应动态谱线增强快速算法。并用水下目标辐射谱线的实测数据进行了动态仿真。理论分析和仿真结果表明 :该算法的计算量比基于四阶累积量对角切片非极性迭代的自适应谱线增强算法减少约 5 0 % ;该算法抑制高斯噪声的性能优于基于LMS算法的自适应谱线增强算法。因此 。

基于二级自适应滤波的水下目标动态谱线增强算法研究

为了从非高斯噪声环境中有效提取水下目标辐射的线谱信号,以提高水下探测系统检测水下目标的能力,提出了基于二级自适应滤波的水下目标动态谱线增强算法,该算法用基于高阶累积量能量幂函数变步长极性迭代的自适应谱线增强器作为第一级,用传统的自适应谱线增强器(ALE)作为第二级,实行串级联接。用输入信号的峭度定义了峭度信噪比,并用此分析了该算法的性能。用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究。结果表明:当环境噪声为瑞利噪声或混合噪声(包含均匀分布、瑞利分布和拉普拉斯分布的噪声成分)时,该算法与ALE算法相比,有良好的抑制抑高斯噪声或非高斯噪声、提高信噪比和跟踪时变信号的性能。

动态增强能谱CT参数与肝细胞癌Ki-67高表达的相关性分析

目的探讨基于动态增强能谱CT参数与肝细胞癌(HCC)中Ki-67高表达的相关性。方法横断面研究。回顾性分析2017年12月至2023年3月在厦门市中医院和厦门大学附属中山医院就诊并病理证实的101例HCC患者的临床资料,其中男84例,女17例,年龄[M(Q_(1),Q_(3))]为59.0(49.0,66.0)岁。根据患者肿瘤组织免疫组化Ki-67的表达情况将患者分为高表达组(Ki-67阳性率>20%,n=59)和低表达组(Ki-67阳性率≤20%,n=42)。分别测量两组HCC患者的动脉期及门静脉期病灶70 keV、140 keV单能量CT值(HU_(70 keV-a)、HU_(140 keV-a)、HU_(70 keV-p)、HU_(140 keV-p))和水密度值(D_(water-a)、D_(water-p)),并计算相应参数门静脉期和动脉期的差值(ΔHU_(70 keV)、ΔHU_(140 keV)、ΔD_(water))和比值(HU_(70 keV)比值、HU_(140 keV)比值、D_(water)比值)。采用Spearman相关分析评估CT能谱参数与Ki-67表达的相关性。采用多因素logistic回归模型来确定Ki-67高表达的相关因素。采用受试者工作特征(ROC)曲线下面积(AUC)表示动态增强能谱CT各参数评估HCC中Ki-67高表达的效能。结果与Ki-67低表达组比高表达组甲胎蛋白更高、肿瘤直径更大、肿瘤形态更不规则,差异均有统计学意义(均P<0.05)。Spearman相关分析显示,HU_(140 keV-p)、D_(water-p)、HU_(70 keV)比值、HU_(140 keV)比值、D_(water)比值、ΔHU_(70 keV)、ΔHU_(140 keV)、ΔD_(water)与Ki-67阳性率呈正相关(r:0.31~0.50,均P<0.05)。Ki-67高表达组的HU_(70 keV-p)、HU_(140 keV-p)、D_(water-p)及其相应的比值和差值均高于低表达组,差异均有统计学意义(均P<0.05)。多因素logistic回归模型显示,D_(water-p)(OR=1.16,95%CI:1.05~1.29,P=0.005)、ΔHU_(140 keV)(OR=1.39,95%CI:1.20~1.62,P<0.001)和肿瘤形态不规则(OR=5.25,95%CI:1.61~17.12,P=0.006)是HCC中Ki-67高表达的相关因素。HU_(140 keV)比值和ΔHU_(140 keV)单独评估HCC中Ki-67高表达的AUC最高,均为0.82(95%CI:0.74~0.90),灵敏度均为61.0%,特异度分别为88.1%和85.7%;D_(water-p)、ΔHU_(140 keV)和肿瘤形态不规则联合评估HCC中Ki-67高表达的AUC为0.88(95%CI:0.81~0.95),灵敏度为84.7%,特异度为78.6%。结论动态增强能谱CT参数与HCC中Ki-67的表达正相关,可以提供一种新的无创方法评估HCC肿瘤细胞的增殖情况,结合能谱CT参数和肿瘤形态学特征的多变量分析可以提高评估效能。