基于图卷积网络的脑胶质瘤核磁共振图像分割

近年来基于卷积神经网络(CNN)的图像分割应用已十分广泛,在特征提取的部分取得了很大进展.然而随着卷积层数越来越深,感受野不断增大,使模型丢失局部特征信息进而影响模型性能.使用图卷积网络(GCN)处理图数据结构的信息,能够在保留局部特征同时不随层数的加深而丢失局部信息.本文主要研究将基于CNN结构的对称全卷积网络(U-Net)特征提取与基于GCN的图像分割结合,提取全局与局部、浅层与深层的多尺度特征集应用于多模态脑胶质瘤核核磁共振(MR)序列图像分割,可分为两个阶段:第1阶段利用U-Net对多模态脑核磁共振胶质瘤MR序列图像进行特征提取,通过多个池化层实现多尺度特征提取及上采样进行特征融合,其中底层输出较低级别特征,高层输出更加抽象的高级特征;第2阶段通过膨胀邻域及稀疏化处理将U-Net获得的特征图数据转化为GCN所需的图结构数据,将图像分割问题转化为图节点分类问题,最后通过余弦相似度量对图结构数据进行分类.在BraTS 2018公开数据库上的实验结果取得分割准确度0.996、灵敏度0.892的效果.相比其他深度学习模型,本方法通过多尺度特征融合,利用GCN建立高低级别特征的拓扑连接,确保局部信息不丢失以取得较好的分割效果,能够胜任临床脑胶质瘤核磁共振图像的分析需求,进而有效提高脑胶质瘤诊断精度.

联合自适应核和Transformer的脊柱磁共振成像多类别分割网络

针对脊柱磁共振成像(magnetic resonance imaging,MRI)结构复杂,存在多余组织、噪声及伪像的问题,本研究设计了一种联合自适应核和Transformer的脊柱MRI实例多类别分割网络。以Swin Transformer作为骨干网络,通过引入稠密连接模块减少前向通道的信息丢失,以更好地捕获图像中的细节和局部信息。同时,为进一步捕获复杂空间的多尺度特征,采取自注意力核选择的方式构建跨尺度稠密连接,使模型在训练过程中能自适应学习到合适的卷积核尺寸,提高模型对不同尺度信息的感知能力,提高分割性能。通过在215例受试者的T2加权MRI图像2D切片上进行验证,实验结果显示,该算法的平均交并比(mean intersection over union,mIoU)、平均召回率(mean recall rate,mRecall)和平均骰子系数(mean dice coefficient,mDice)分别为82.63%、89.37%和88.85%。结果表明,本研究算法的分割性能较好,可实现脊柱MRI中椎体及椎间盘的精准分割,为临床医生提供辅助诊断工具。

基于改进非洲秃鹫优化算法的脑MRI图像分割

针对非洲秃鹫优化算法(African vulture optimization algorithm,AVOA)在开发能力与探索能力之间存在的失衡问题,提出了一种多策略改进的非洲秃鹫优化算法(improved African vulture optimization algorithm,IAVOA)。采用佳点集初始化种群以增强多样性,引入混合对立学习以强化开发与探索,实施自适应信任度策略以动态调整搜索过程,应用高斯变异来进一步平衡算法的开发和探索能力。仿真结果显示,在12个典型测试函数上,IAVOA相较于对比算法,在收敛速度、求解精度和稳定性方面均显著提升。提出了IAVOA-FCM算法用于小样本数据集的脑磁共振成像(magnetic resonance imaging,MRI)图像分割,通过IAVOA算法强大的全局寻优能力对FCM算法进行优化。在脑MRI图像分割实验中,与其他5种先进的结合算法相比,IAVOA-FCM在分割精度、稳定性等方面均表现出显著优势。

科学研究中的蜜蜂智慧--以人工蜂群算法在大脑MRI图像分割中的应用为例

蜜蜂,一种自然界中常见的生物,然而其生理构造、生活与工作方式却充满了别样的智慧。蜜蜂的智慧被广泛运用在各领域的科学研究中。其中,在生物医学领域,以蜜蜂采蜜行为为灵感的人工蜂群算法在大脑MRI图像分割中的应用,能够极大提升分割质量,为疾病的临床诊断与相关研究提供助力。

磁共振梯度回波T_(2)^(*)加权成像参数优化在急性缺血性脑卒中患者中的临床应用价值探讨

目的探讨磁共振梯度回波T_(2)^(*)加权成像(GRE-T_(2)^(*)WI)参数优化在急性缺血性脑卒中(AIS)患者中的临床应用价值。方法选取2017年6月至2018年12月在梧州市人民医院就诊的50例AIS患者,男38例,女12例,年龄41~92(65.50±5.90)岁。利用四组参数对每例患者进行GRE-T_(2)^(*)WI检查,并获得四组图像:A组为对照组,B组在A组的基础上减少矩阵、激励次数(NEX)和重复时间(TR),C组在B组的基础上采用并行采集技术并减少TR及回波时间(TE),D组在C组的基础上进一步减少TR、TE和矩阵。对四组图像的扫描时间、图像质量评分、信噪比(SNR)及对比噪声比(CNR)进行比较。结果A组、B组、C组、D组扫描时间分别为81 s、40 s、15 s和11 s。四组参数图像质量评分、SNR、CNR差异有统计学意义(P<0.05)。A组、B组、C组、D组图像质量评分分别为(3.56±0.28)分、(3.34±0.34)分、(3.00±0.32)分、(1.68±0.40)分。C组与D组图像质量评分差异有统计学意义(P<0.05),C组与A组、B组图像质量评分差异无统计学意义(P>0.05)。D组SNR最高,C组与A组、B组SNR差异有统计学意义(P<0.05),C组与D组SNR差异无统计学意义(P>0.05)。C组CNR最高,C组与A组、D组CNR差异无统计学意义(P>0.05),C组与B组CNR差异有统计学意义(P<0.05)。结论通过采用并行采集技术以及对矩阵、NEX、TR、TE等参数的适当减少后,GRE-T_(2)^(*)WI扫描时间明显缩短,图像质量达到诊断要求,在临床上对AIS患者诊治具有较大的应用价值。

基于图像自动分割算法的MRI成像对脑小血管病患者脑白质病变的诊断分析

目的分析基于图像自动分割算法的磁共振扫描(MRI)成像对脑小血管病患者脑部病变的诊断价值。方法回顾性分析本院2021年1月~2022年4月收治的106例可疑脑小血管病患者的临床资料,构建基于图像自动分割算法的MRI成像方法对脑白质病变情况进行诊断。比较常规MRI和基于图像自动分割算法的MRI成像对脑白质病变的诊断的效能。结果106例受试者中有73例确诊为脑小血管病,余33例中有17例帕金森病、10例周围神经病、6例特发性震颤;脑白质病变常规MRI检查可见T1加权成像(T1WI)低信号,T2加权成像(T2WI)和液体衰减反转恢复序列(FLAIR)呈高信号,且可累及脑室周围、深部脑白质,早期可见散在、斑片状、大小不等病灶,晚期可见片状信号;基于图像自动分割算法的MRI成像检出脑白质病变诊断脑小血管病的灵敏度、特异度、准确度分别为89.04%、93.94%、90.57%,均高于常规MRI的68.49%、66.67%、67.92%(P<0.05),且前者的Kappa值为0.815,也高于后者的0.648。结论 基于图像自动分割算法的MRI成像可用于判断脑白质病变进而诊断脑小血管病。

基于图谱自动分割儿童颅脑MRI中皮层下核团

目的观察基于图谱自动分割儿童颅脑MRI中的皮层下核团的价值。方法回顾性分析105名0~12岁健康儿童头颅MRI资料,分别利用标准脑模板及图谱基于非线性配准算法于其中自动分割丘脑、尾状核、壳核及苍白球;对比基于图谱非线性配准与线性配准法自动分割皮层下核团效果,以组内相关系数(ICC)及Bland-Altman图评估基于图谱自动分割法与人工手动分割结果的一致性。结果基于图谱自动分割儿童颅脑MRI中的丘脑、尾状核、壳核及苍白球的戴斯相似系数(DSC)为0.80~0.93,其95%豪斯多夫距离(HD95)为1.00~8.00 mm,尤以分割壳核效果最佳(P均<0.05)。基于图谱非线性配准法自动分割皮层下核团的DSC及HD95均显著优于线性配准法(P均<0.001),且与手动分割结果具有良好一致性(ICC均≥0.80,差值多位于95%一致性界限内)。结论基于图谱可准确、快捷地自动分割儿童颅脑MRI中的皮层下核团。

磁共振成像(MRI)与CT对脑出血诊断的价值及诊断准确率分析

目的分析在脑出血诊断中应用CT与MRI两种检查方式的诊断差异。方法选取2019年5月—2022年5月期间北京市普仁医院临床初诊为疑似脑出血患者共62例,均应用CT检查及MRI检查,将DSA检测方式认定为金标准;分析比较两种检查方式的检出情况及灵敏度、特异度。结果本次研究中共纳入62例临床初诊为疑似脑出血患者,最终确诊脑出血有60例。其中MRI诊断方式下,检测符合率为96.77%(60/62)、灵敏度为98.33%(59/60)、特异度为50.00%(1/2);CT相诊断方式下,检测符合率为82.26%(51/62)、灵敏度为83.33%(50/60)、特异度为50.00%(1/2),差异有统计学意义(P<0.05)。结论在脑出血诊断中,MRI检查总准确率高于CT检查方式,掌握不同检查的影像学特征,提高检出率,具有重要的临床意义。

磁共振成像联合三维动脉自旋标记灌注对脑梗死的辅助诊断价值及与血流动力学的关系研究

目的:探讨磁共振成像(MRI)联合三维动脉自旋标记(3D-ASL)灌注在脑梗死患者中的辅助诊断价值及与血流动力学的关系。方法:选择医院收治的82例疑似脑梗死患者,所有患者均行MRI和3D-ASL灌注检查,以脑梗死临床指南确诊为“金标准”,分析MRI、3D-ASL技术及二者联合在脑梗死患者中的诊断效能;测定脑部不同部位脑血流量(rCBF)水平,采用Pearson相关性分析软件对脑梗死患者检出率、脑梗死与非脑梗死患者的血流动力学指标进行比较。结果:82例疑似脑梗死患者经脑梗死临床指南最终确诊57例,MRI联合3D-ASL灌注检查灵敏度、特异度、阳性及阴性预测值高于MRI、3D-ASL灌注检查,差异有统计学意义(x^(2)=4.192,x^(2)=6.381,x^(2)=3.963,x^(2)=5.661;P<0.05);脑梗死患者脑灰质、海马及岛叶部位血流动力学水平低于非脑梗死患者,差异有统计学意义(t=12.195,t=8.467,t=9.328;P<0.05);Pearson相关性分析显示,脑梗死患者检出率与脑灰质、海马及岛叶部位血流动力学水平呈负相关性(r=0.569,r=0.631,r=0.582;P<0.05)。结论:MRI联合3D-ASL灌注检查用于脑梗死患者中,能提高辅助诊断的灵敏度和特异度,且患者检出率与血流动力学水平存在强相关性。

基于移位窗口自注意力机制的新生儿脑区域图像分割

通过改进Swin Transformer编码解码网络,结合跳跃连接和深度监督机制,针对新生儿脑部核磁共振成像(MRI)图像分割面临的低信噪比、组织对比度差等问题,提出一种新的基于移位窗口自注意力机制的新生儿脑区域图像分割方法.该方法经过对MRI图像的预处理后,能实现新生儿脑部图像多功能区域的精确分割,并采用最大连通域算法进一步提高了分割精度.在数据集dHCP上的实验结果表明,该方法优于现有方法,为早期发现和干预新生儿脑部损伤提供了潜在的可能性.

头部磁共振成像联合外周血检测中性粒细胞与淋巴细胞比值对脑白质疏松严重程度的诊断价值分析

目的:分析头部磁共振成像(MRI)联合外周血检测中性粒细胞与淋巴细胞比值(NLR)对脑白质疏松(LA)严重程度的诊断价值。方法:选择医院接收治的98例LA患者,按照Fazekas视觉等级标准将其分为轻度组(29例)、中度组(32例)和重度组(37例)。同期选择45例非LA患者为非LA组。所有患者均行MRI检查,测量平均弥散率(MD)与表观弥散系数(ADC)值。采集患者外周血检测NLR,对比每组患者MD、ADC及NLR值,采用Logistic风险比例回归模型及受试者工作特征(ROC)曲线分析MD、ADC联合NLR检测对LA严重程度的诊断价值。结果:中度组与重度组患者NLR及MD较非LA组升高,差异有统计学意义(t_(NLR)=3.272,t=3.817;t_(MD)=7.295,t=6.883;P<0.05),重度组NLR水平高于轻度组与中度组,差异有统计学意义(t=3.780,t=2.926;P<0.05),重度组MD水平高于轻度组,差异有统计学意义(t=5.018,P<0.05)。与非LA组相比,轻度组、中度组及重度组患者ADC值提高,差异有统计学意义(t=3.784,t=3.272,t=3.817;P<0.05)。Logistic风险比例回归模型显示,ADC为预测轻度LA患者的独立危险因素(OR=18.935,P<0.05);NLR与MD均是预测中度LA的独立危险因素(OR=68.95,OR=1301853;P<0.05),进一步ROC曲线分析显示,NLR及MD联合诊断中度LA的ROC曲线下面积(AUC)为0.942,高于二者单独检测,差异有统计学意义(Z=2.513,P<0.05);NLR与MD均是预测重度LA的独立危险因素(OR=9.408,OR=1522;P<0.05),二者联合诊断重度LA的AUC为0.903,高于二者单独检测,差异有统计学意义(Z=2.996,P<0.05)。结论:NLR联合MRI的MD参数对于诊断中度、重度LA患者的效能显著高于单独诊断,NLR可为MRI提高LA诊断效能提供参考依据,帮助临床更准确的评估LA患者的病情程度,制定个性化治疗方案。

磁共振成像设备伪影的形成机制及故障案例解决方案

探讨磁共振成像(MRI)设备的静磁场伪影、运动伪影、化学位移伪影和卷褶伪影的形成机制,针对不同伪影故障和常见故障制定多种检修方式提出解决方案,分析伪影产生与主要因磁场强度异常、未优化序列和物理限度等因素有关,通过采取平面回避序列激发技术降低静磁场伪影发生率,利用螺旋桨成像技术消除运动伪影,降低氢质子信号干扰减少运动伪影出现率,扩大扫描视野方式抑制卷褶伪影,从而获得良好的共振图像效果,以降低MRI出现伪影概率,提高医疗检测检测准确率。

磁敏感加权成像与常规磁共振成像序列诊断脑海绵状血管瘤对比

目的对比磁敏感加权成像(susceptibility weighted imaging,SWI)与常规磁共振成像(magnetic resonance imaging,MRI)序列对脑海绵状血管瘤(cerebral cavernous malformations,CCM)的诊断价值。方法选取吉林市中心医2021年12月—2022年12月收治的75例CCM患者为研究对象,对所有患者进行SWI和MRI检查,对比CCM患者SWI和MRI常规序列(T1WI、T2WI)的差异。结果75例CCM患者SWI阳性率高于MRI-T1WI和MRI-T2WI,存在显著差异(P<0.05);SWI、MRI-T1WI和MRI-T2WI病灶平均直径分别为5.24、4.86、4.98 mm,SWI显示病灶平均直径的精准度高于MRI-T1WI和MRI-T2WI,具有显著差异(P<0.05)。结论SWI可反映CCM患者的具体疾病情况,提高疾病的诊断效能,更好地指导疾病的诊断和治疗。

多模态MRI脑肿瘤图像分割方法研究进展

MRI是一种非侵入性多模态成像方法,广泛应用于脑肿瘤检测和诊断。多模态MRI脑肿瘤图像分割对脑肿瘤的诊断和治疗具有重要意义。目前大部分分割工作还是由医生手动完成,效率低且主观性强,因此寻求一种高效准确的脑肿瘤自动分割方法对临床应用至关重要。本文就基于多模态MRI图像的脑肿瘤分割的研究进展进行综述,对比分析了传统分割方法和基于深度学习的分割方法,并对现有的脑肿瘤图像分割方法存在的问题进行总结并做出展望,以便该领域的研究者更好地了解目前多模态MRI脑肿瘤图像分割方法的研究进展。

基于改进U2-Net网络的多裂肌MRI图像分割算法

针对腰间盘突出患者MRI图像多裂肌病变部位分割精度较低的问题,提出一种改进的U2-Net网络的新模型,目标是使得编码和解码的子网络通过一系列嵌套的跳跃路径来相互连接.重新设计U2-Net模型中RSU-7、RSU-6、RSU-5、RSU-4中间的跳跃连接,RSU-4F部分不变,用来降低编码解码子网络中特征图的语义缺失.为了提取到高质量的多裂肌特征,加入通道注意力模块,通过学习每个通道的权重,使网络能够更好地关注对任务有贡献的通道,从而提升模型的性能.为验证模型的有效性,在多裂肌MRI图像数据集上进行实验,发现相较于U-Net、U2-Net、U-Net++网络结构,骰子系数(Dice)、豪斯多夫距离(HD)以及均交并比(MIoU)3个指标均有优化.实验结果表明,本文提出的算法对于多裂肌的MRI图像分割有较好的效果,能够辅助医生对病情做出判断.

USformer-Net:基于U-Net和Swin Transformer的脑部MRI图像质量评价方法

针对现有的脑部MRI图像质量评价方法准确率低、难以应用于实际临床环境中的问题,提出一种基于提取感兴趣区域的脑部MRI图像质量自动评价模型USformer-Net,并创建了带有主观质量评价标签的脑部MRI图像数据集。USformer-Net模型基于U-Net和Swin Transformer模型构建并针对脑部MRI图像的特殊性进行了改进。首先,利用轻量化的U-Net网络对具有临床诊断价值的大脑主要区域进行分割,提取出感兴趣区域;其次,利用Swin Transformer的串联窗口自注意力运算(W-MSA)、滑动窗口自注意力运算(SW-MSA)以及其特征融合方式,将特征金字塔(FPN)、兴趣区域匹配(ROI Align)及全连接网络(FC)结合在Swin Transformer骨干特征提取网络中进行图像质量评价。USformer-Net模型能够忽略无关噪声,准确提取出影响诊断的主要区域并进行图像质量评价。实验结果表明,在MRI图像质量评价任务中该模型准确率为87.84%,精度为91.84%,召回率为92.05%,F1-score为91.99%,相较于其他评价方法各项指标均有不同程度提升。最终结果显示该模型能够有效保证脑部MRI图像质量评价的准确性,创建的带有主观质量评价标签的数据集也为该领域的研究提供了更好的数据支持。

MRI人工智能脑分割软件测量脑梗死患者脑区体积与NIHSS评分的相关分析

目的探讨MRI人工智能脑分割软件测量脑梗死患者脑区体积与美国国立卫生研究院卒中量表(NIHSS)评分的相关性。方法选取我院诊断为脑梗死患者83例,根据入院NIHSS评分分为轻度组18例(0~4分)、中度组45例(5~15分)和重度组20例(6~42分)。入院行MRI扫描头颅和人工智能脑分割软件测量各脑区体积,包括全脑、颞叶、枕叶、额叶、顶叶、小脑以及脑室。根据T2WI序列计算梗死总体积。结果三组患者性别、年龄、体质指数、收缩压和舒张压、空腹血糖和总胆固醇水平比较,差异无统计学意义(P>0.05)。三组全脑、枕叶、顶叶、小脑以及脑室体积比较,差异无统计学意义(P>0.05)。但是中、重度组颞叶和额叶体积显著小于轻度组,梗死总体积显著大于轻度组,差异有统计学意义(P<0.05),中度与重度组比较差异无统计学意义(P>0.05)。Spearman检验显示,颞叶和额叶体积与NIHSS评分和梗死总体积呈负相关(P<0.05),而梗死总体积与NIHSS评分无明显相关性(P>0.05)。结论MRI人工智能脑分割软件能够精准定位并测量各脑区体积,颞叶和额叶体积缩小可能与脑梗死患者入院NIHSS评分增加有关,有助于病情严重程度评估。

基于空间模糊C均值算法的MRI图像分割

针对传统模糊c均值聚类(FCM)算法对磁共振成像(MRI)图像分割效果不佳的缺点,提出一种基于空间模糊C均值(SpFCM)算法的MRI图像分割新方法。通过定义概率函数设计以每个像素邻域空间信息为中心的方形邻域窗口,将空间信息转化为新的隶属度函数,为每个像素生成局部隶属度值。通过构建加权联合隶属度函数,利用局部和全局隶属度值来计算最终的隶属度值和聚类中心,有效地解决了MRI图像分割对噪声和强度非均匀性(IIH)的敏感问题。实验结果表明,SpFCM算法在抑制噪声、聚类有效性函数和组织分割精度方面具有较好的性能。

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。

基于分水岭算法的磁共振脑图像自动分割

基于分水岭算法,提出了一种新的非脑组织去除和自动的脑磁共振图像的分割方法,利用区域合并技术克服分水岭算法固有的过分割问题.通过参数的设置,可以将图像中的非脑组织去除掉;对已去除非脑组织的图像,巧妙地将分水岭算法、区域合并和k-均值算法相结合,可进行全自动地分割,效果良好.