CBCT结合不同分割方法测量骨缺损体积的准确性及效率比较

评估CBCT结合人工分割(MS)和半自动分割(SAS)两种分割方法测量根尖大囊样病变骨缺损体积的准确性。方法 利用猪下颌骨中的天然骨腔制备骨缺损27例。CBCT扫描后,使用MS和SAS方法分别测量骨腔体积VMS和VSAS并记录测量的平均时间TMS、TSAS。用硅橡胶法获得物理体积Vp作为实际体积。将VMS和VSAS与Vp值相比较,以验证CBCT测量体积的准确性,并比较TMS、TSAS的差异。结果 CBCT 结合不同分割方法测量的骨缺损体积与实际体积的差值均无显著性(P=0.093, P=0.107)。测量时间TSAS显著小于TMS(t=6.6779,P<0.05)。结论 CBCT结合不同分割方法测量大囊样根尖周病变骨缺损体积的准确性均较高,其中SAS所用时间更短,效率更高。

放射组学图像分割法研究进展

放射组学是一门新兴的定量影像学,利用先进的图像处理流程提取纹理特征,客观、定量地描述肿瘤表型。放射组学特征应用于癌症疗效和对遗传表型的潜在预测方面对于个性化和精准医疗至关重要。图像分割作为放射组学实际应用的重要一步,对结果的稳健性至关重要。在这篇技术综述中,主要论述了放射组学图像分割常用方法,并探讨了各方法应用范围和技术问题,以及如何选择放射学图像分割法才对结果更为稳健、高效。

基于最大信息熵阈值红外图像分割方法研究

红外图像技术是在飞机检测中使用广泛的图像之一,其最大信息熵阈值分割方法拥有易行、简单、有效的优点,在使用中比较广泛。为了有效分割出实际拍摄的红外目标信号,传统最大信息熵阈值分割方法所求出的最佳阈值和手动切分阈值点存在着一定的偏差。本文提出一种新的预处理方法,使得最大信息熵阈值分割结果在计算最终阈值能更加接近手动分割阈值。

人工智能辅助CT肺结节良恶性鉴别的研究进展

肺癌属于临床常见的恶性肿瘤之一,当前胸部CT是进行早期肺癌鉴别的重要方式,但是因其存在"异病同影"等情况,加之受到临床经验等因素影响,在病灶良恶性鉴别方面有较大差异,极易出现误诊或漏诊情况。近年来人工智能被逐渐应用于临床,其在肺结节良恶性鉴别方面也发挥着一定作用。本文从人工智能评估肺结节良恶性的基本过程、人工智能模型在鉴别肺结节良恶性方面效能、人工智能诊断肺结节效能的影响因素、问题及展望方面进行分析,以期提升人工智能辅助CT鉴别肺结节良恶性效果。