基于不同体型的三维模型自动分割方法研究

对不同体型的人体点云数据进行三维模型分割是三维人体测量的难点问题,提出了一种基于不同体型的人体三维模型自动分割方法。针对人体不同连接部位的形态特点差异,将近似凸包边最大距离分割法、轮廓部位曲线迭代拟合分割法和躯干切面特征点分割法相结合,实现人体表面曲率结构特征和截面轮廓特征融合的分割方法。分割结果表明,本方法具有自动、快速和易操作等特点,既保证了分割位置的准确性,也实现了人体模型分割的普适性要求。

计算机断层扫描影像组学在小胰腺癌筛查中的应用

目的开发一种基于腹部CT平扫图像的小胰腺癌(肿瘤最大径≤2 cm)辅助诊断工具。方法回顾性分析在海军军医大学(第二军医大学)第一附属医院收治并经病理证实的206例小胰腺癌患者和268例胰腺正常者的影像学资料,并按时间顺序分成训练集(2014年1月至2019年12月收治的143例小胰腺癌患者和188例胰腺正常者)和验证集(2020年1月至2021年12月收治的63例小胰腺癌患者和80例胰腺正常者)。由2位影像医学科医师通过nnU-Net自动分割模型在腹部CT平扫图像上对胰腺整体进行自动勾画,提取影像组学特征。依次采用方差分析、Spearman相关分析和ROC曲线进行特征的降维和选择,构建极端梯度提升(XGBoost)预测模型。通过ROC曲线评估XGBoost预测模型的诊断效能,采用决策曲线分析法(DCA)评价模型的临床适用性。结果206例小胰腺癌的大小为(1.69±0.77)cm。在训练集中,XGBoost预测模型诊断小胰腺癌的AUC值、灵敏度、特异度、阳性预测值和阴性预测值分别为0.99、0.92、0.97、0.91和0.98;在验证集中,AUC值、灵敏度、特异度、阳性预测值和阴性预测值分别为0.99、0.94、0.96、0.93和0.97。DCA分析提示患者可从该模型中受益。结论基于对腹部CT平扫图像的影像组学分析构建的XGBoost预测模型能准确鉴别小胰腺癌患者和胰腺正常者,有望成为筛查小胰腺癌的辅助工具。