融合密集连接与自适应加权损失的血管壁图像分割

针对传统深度神经网络在对血管壁图像分割中难以提取具有针对性有效特征的问题,提出一种融合密度连接与自适应加权损失的血管壁图像分割方法。首先通过构建密集连接的分割网络学习更多的边界和轮廓表征以促进特征复用融合;然后设计了改进的自适应加权损失和边界紧凑性损失约束训练网络,利用自适应加权损失自动调整不同区域分割产生的损失比例来引导网络向最佳方向学习;同时引入边界紧凑性损失约束以充分利用边界信息,提升对血管壁图像的分割精度;最后对包含2544张MRI的MERGE血管壁数据集进行了验证实验。结果表明,提出的改进方法能够有效提取血管壁图像的特征信息,在管腔和外壁轮廓分割中的Dice分别达到了93.65%和95.81%,设计的消融实验也充分证明了所提各个模块和网络的有效性,能够更好地实现高精度的图像分割。

血管内超声成像系统的旋转控制装置优化设计研究

为了便于医生对新血管病变做出更为全面和精准的评价,促使超声成像系统国产化及低成本化,提出一种应用于血管内超声成像系统的新型旋转控制装置的优化设计方案,设计方案提升了装置的角度检测性能和传动性能。该装置成本较低、易于操作,可实现从旋转的血管内导管及超声换能器到非旋转接收端的信号传递,同时测算出超声换能器的旋转角度实行角度检测,最后将血管内超声信号经成像系统处理后获得血管壁图像。通过搭建血管内超声成像系统来进行仿真实验,实验结果表明该装置能有效检测出血管壁图像并辅助实现血管内的超声检测,这为血管内超声成像系统国产化的发展提供了新的技术依据。