卵巢囊腺癌PCNA、P53蛋白表达及AgNORs图像分析临床意义

目的 研究卵巢囊腺癌组织中PCNA、P 5 3蛋白表达及AgNORs图像分析的临床意义以及彼此间的相关性。方法 应用真空负压LSAB免疫组化法检测 95例患者的卵巢囊腺肿瘤组织 (其中恶性 5 4例 ,交界性 18例 ,良性的 2 3例 )的PCNA表达、P 5 3蛋白表达 ,行AgNORs染色并图像分析其数目 (NOR N)和面积 (NOR A)。结果 良性、交界性及恶性肿瘤组织的PCNA增殖指数 (PI)、NOR N和NOR A间差别均有显著性意义 (P <0 0 1) ;囊腺癌P 5 3蛋白阳性表达率为 5 3 6 9%,其中浆液性为 6 6 6 7%,粘液性为 37 5 0 %,二者的阳性表达率间的差别有显著性意义 (P <0 0 5 ) ;PCNA (PI) ,P 5 3蛋白及AgNORs (NOR N和NOR A)与囊腺癌淋巴结转移呈正相关 (P <0 0 5 ) ,与术后生存时间呈负相关 (P <0 0 5 ) ,与肿瘤的临床分期无关 (P >0 0 5 ) ;PCNA (PI)与AgNORs(NOR N和NOR A)呈正相关 (r=0 732 ,r =0 6 84) ;PCNA表达强度与P 5 3蛋白表达强度呈正相关 (Rs =0 80 6 )。结论 PCNA与AgNORs及抑癌基因P 5 3之间呈正相关 ,P 5 3基因可能通过基因突变增强囊腺癌细胞的增殖活性 ,三者对卵巢囊腺癌的诊断及预后有重要价值。

肝针吸良、恶性细胞核内AgNORs图像分析的定量研究

应用真彩色图像分析技术对肝针吸细胞中的２０例肝癌及５例增生肝细胞核内ＡｇＮＯＲｓ进行了定量研究。结果显示，肝针吸肝癌细胞核内ＡｇＮＯＲｓ的平均面积、平均积分光密度、颗粒直径及平均颗粒数均明显高于增生肝细胞（Ｐ＜００１）；ＡｇＮＯＲｓ图像定量分析可为肝针吸癌细胞和增生肝细胞的鉴别诊断提供一种新的定量指标；ＡｇＮＯＲｓ在形态、数量及分布上的不同特征也可作为鉴别两者的重要依据。

AgNORs图像分析在睾丸畸胎瘤鉴别中的应用

我们应用银染和图像分析技术，对睾丸正常组织、畸胎瘤、畸胎癌细胞进行了研究，结果发现：正常睾丸及畸胎瘤的ＡｓＮＯＲｓ颗粒呈圆形、规则、边界清楚、大小均匀，位于胞核偏中或边缘部位；畸胎癌的颗粒呈圆形或卵圆形、欠规则、边界欠清、大小较不一致，偏中或散在分布于核内。畸胎癌的ＡｓＮＯＲｓ数目、面积、大颗粒数、平均面积、圆度比正常及畸胎瘤的大（Ｐ＜０．０１），前三项参数在畸胎瘤比正常组大（Ｐ＜０．０１）。故我们认为ＡｇＮＯＲｓ图像分析对睾丸良恶性畸胎瘤的鉴别是有意义的，可为临床提供一项较为客观的指标。

PCNA表达及AgNORs图像分析定量研究对卵巢交界性囊腺瘤的诊断及预后

为探讨肿瘤细胞增殖活性卵巢囊腺瘤增殖细胞核抗原（ＰＣＮＡ）表达和ＡｇＮｏＲｓ定量分析的相关性及对交界瘤的诊断意义，采用真空负压ＬＳＡＢ免疫组化法和ＡｇＮＯＲｓ图像分析技术，比较研究了７５例良性、交界性和恶性类型的卵巢浆液性和粘液性囊腺瘤的ＰＣＮＡ增殖指数（ＰＩ）、ＡｇＮＯＲｓ数目（ＮＯＲ·Ｎ）和面积（ＮＯＲ·Ａ），发现两类交界瘤的ＰＩ、ＮＯＲ·Ｎ和ＮＯＲ·Ａ与良性、恶性组存在极显著性差异（Ｐ＜００１）；ＰＩ、ＮＯＲ·Ｎ和ＮＯＲ·Ａ与囊腺癌术后生存时间呈负相关，术后３ａ内死亡率明显高于存活５ａ以上者（Ｐ＜００５），与淋巴结转移有关，ＰＣＮＡ表达（ＰＩ）与ＡｇＮＯＲｓ图像分析结果（ＮＯＲ·Ｎ和ＮＯＲ·Ａ）呈明显正相关（γ＝０７３２，γ＝０６８４，Ｐ＜００１），表明ＰＩ、ＮＯＲ·Ｎ和ＮＯＲ·Ａ对交界瘤的诊断及囊腺癌预后判断有意义。

增殖细胞核抗原表达与AgNORs图像分析在涎腺粘液表皮样癌中的研究

目的 :研究涎腺粘液表皮样癌增殖细胞核抗原 (PCNA)表达、Ag NORs图像分析与其组织学分级及预后的关系。方法 :应用免疫组化 S- P法及 Ag NORs图像分析 ,检测 5 9例涎腺粘液表皮样癌和 10例正常涎腺组织。结果 :PCNA增殖指数(PI)与 Ag NORs数 /核存在明显的相关性 (r =0 .8831,P <0 .0 1) ,二者均与涎腺粘液表皮样癌的分级有关 ,并随癌分化程度的增高而减小 ,术后存活 5年以内者二者明显大于 5年以上者 (P<0 .0 1)。结论 :PCNA的表达和 Ag NORs图像分析有助于涎腺粘液表皮样癌的分级和预后的判断。

AgNoRs图像分析与儿童NHL预后的关系

本实验用图像分析技术测定了儿童ＮＨＬ３３例石蜡包埋组织标本的ＡｇＮＯＲｓ参数（数量和面积），探讨了ＡｇＮＯＲｓ参数与临床特征、工作分类及生存的关系。结果显示：１．ＡｇＮＯＲｓ与生存、工作分类及年龄之间差异有统计学意义（Ｐ＜０．０５），ＡｇＮＯＲｓ数量多，面积大，生存时间短，反之结果相反。２．ＡｇＮＯＲｓ的中位数可做为预测患儿预后更客观直接的指标，大于中位数，生存期短，小于中位数，生存期长。因此，ＡｇＮＯＲｓ可成为儿童ＮＨＬ重要的预后指标。

基于图像分析的掘进工作面粉尘颗粒检测方法

基于光散射原理测定粉尘质量浓度只能定时定点手动检测,实时性差,且只能检测出粉尘质量浓度,并不能给出粒径分布范围。目前基于图像分析的粉尘颗粒检测研究主要是针对粉尘质量浓度或粒径分布进行单方面研究,并不能实现粉尘质量浓度和粒径分布范围的同时检测。针对上述问题,提出了一种基于图像分析的掘进工作面粉尘颗粒检测方法,探究图像特征与粉尘质量浓度、粒径分布间的关系。通过粉尘样本收集及图像采集装置,采集粉尘颗粒图像并获取采集图像时的粉尘质量浓度。编写粉尘样本图像处理算法,提取图像的灰度特征、纹理特征、几何特征相关参数。对提取的图像特征与实测粉尘质量浓度进行相关性分析,选取相关性较大的图像特征作为参数建立回归数学模型。提取粉尘颗粒对象像素点个数,结合转换系数,基于几何当量等效面积径计算粉尘粒径大小及分布范围。实验结果表明:实测粉尘质量浓度与建立的图像特征多元非线性回归模型数学模型计算值间的平均相对误差为12.37%,标准实测粒径与几何当量等效面积径得到的粒径分布间的最大相对误差为8.63%,平均相对误差为6.37%,验证了基于图像特征的粉尘质量浓度回归数学模型和基于几何当量等效面积径分布数学模型的准确性。

基于多形态学成分分析的图像融合

将多尺度分解与稀疏表示相结合,提出了一种基于多形态学成分分析(MCA)的图像融合算法。采用基于联合稀疏表示(JSR)的方法融合卡通子图像中的冗余和互补信息,并利用基于方向特征的方法融合具有更多细节信息和噪声的纹理子图像。结果表明,提出的图像融合算法在主观视觉效果和客观评价指标上均优于先进的图像融合算法。

肝素、5-羟色胺和白介素-1对NIH/3T3成纤维细胞AgNORs影响的图像分析

应用核仁组成区相关蛋白银染技术（ＡｇＮＯＲｓ）结合图像分析观察了肝素、５－羟色胺和白介素质（ＩＬ－１）对体外培养的ＮＩＨ３Ｔ３成纤维细胞ＡｇＮＯＲｓ的影响。结果表明：（１）加入０．１－０．４ｍｇＬ浓度的肝素培养后第３天，成纤维细胞嗜银蛋白颗粒面积（Ａｇ－ａ）、积分光密度（Ａｇ－ｉｏｄ）和嗜银相关蛋白面积与核面积的百分比（Ａｇ－ａ／Ｎａ）均出现升高，其中以０．１０和０．２０ｍｇＬ浓度的肝素刺激作用最强，三个指标的均值分别为对照值的１．４７、１．５４和１．９４倍（Ｐ＜０．０１）；（２）加入不同浓度５－羟色胺后ＡｇＮＯＲｓ的三个参数呈现出类似的升高趋势，而以１．０和２．０×１０－６ｍｏｌＬ浓度的５羟色胺显示出较强的促进作用，成纤维细胞ＡｇＮＯＲｓ的三个指标相当于对照值的１．５３、１．５７和２．４２倍；（３）在所观察的ｌＬ－１四种浓度范围内，以１００和２００×１０３ｕＬ浓度的ｌＬ－１对成纤维细胞的促增殖作用最强，三个指标的均值分别为对照值的１．６０、１．８４和２．４２倍。

深度学习对膝骨关节炎MRI图像智能分割和测量分析的作用及意义

背景:MRI对诊断早期膝骨关节炎有重要意义。利用深度学习方法进行膝骨关节炎的MRI图像识别和智能分割,是目前人工智能在影像诊断方面的研究热点。目的:通过对膝骨关节炎病例MRI图像的深度学习,能够全自动分割膝关节的股骨、胫骨、髌骨、软骨、半月板、韧带、肌肉及关节积液,并测量膝关节积液体积和肌肉含量。方法:筛选出100个正常膝关节和100个膝骨关节炎患者数据,按照8︰1︰1的比例随机分为训练集(traindataset,n=160)、调优集(validation dataset,n=20)和测试集(test dataset,n=20)。采用Coarse-to-Fine序贯训练的方法训练3D-UNET网络深度学习模型,先训练一个膝关节矢状面MRI粗略分割模型,将得到的粗略分割结果作为掩膜(mask),再训练精细分割模型。输入膝关节矢状面T1WI、T2WI图像和各结构的标注文件,运用DeepLab v3,分割骨、软骨、韧带、半月板、肌肉、积液,最后显示三维重建,显示自动测量结果(肌肉的含量、积液的体积),完成深度学习的应用程序。再筛选出26例正常人和38例膝骨关节炎患者的膝关节MRI数据进行测试验证。结果与结论:①26例正常人中女13例,男13例,平均年龄(34.88±11.75)岁,膝关节中肌肉含量平均值(1051322.94±2007249.00)mL,均值中位数为631165.21 mL;积液的体积平均值(291.85±559.59)mL,均值中位数0 mL。②38例膝骨关节炎患者中女30例,男8例,平均年龄(68.53±9.87)岁;肌肉含量平均值(782409.18±331392.56)mL,均值中位数689105.66 mL;积液的体积平均值(1625.23±5014.03)mL,均值中位数178.72 mL。③正常人的肌肉含量与膝骨关节炎患者的相差不大,差异无显著性意义;而膝骨关节炎患者积液的体积高于正常人,差异有显著性意义(P<0.05)。④提示通过深度学习对膝骨关节炎MRI图像进行智能分割,可摒弃以往手工分割的缺陷;对膝骨关节炎的评估需要更加精细化,将图像分割处理得更加精细,以提高结果的精度。

人工智能在OCTA图像分析和眼部疾病诊断中的应用指南(2024)

光学相干断层扫描血管成像(OCTA)是一种无创成像技术,可提供三维、信息丰富的血管图像。大量研究表明,OCTA技术在影像生物标志物量化、诊断和监测方面具有独特的优势,因此在实验及临床研究中得到了迅速的应用。图像分析工具可快速、准确地量化OCTA的血管和病理特征,从而大大提高了OCTA成像的价值。近年来,人工智能(AI)已成为最强大的图像分析方法,特别是基于深度学习的图像分析可提供各种情况下的精确测量,包括不同的疾病和眼部区域。在此,中国医药教育协会眼科影像与智能医疗分会和国际转化医学会眼科专业委员会组织专家总结了国内外AI在OCTA图像分析和疾病诊断中的应用,其中包括脉络膜新生血管等病变的准确检测、视网膜灌注的精确量化以及可靠的疾病诊断,并分析目前面临的挑战和发展方向,经过多轮讨论和修改,形成了AI在OCTA图像分析和眼部疾病诊断中的应用指南,该指南旨在为临床提供新的见解和参考。

基于鲁棒性主成分分析的低照度图像增强算法

由于低照度图像对比度和信噪比低,传统图像增强算法在提高图像对比度的同时容易造成噪声放大。针对该问题,提出基于鲁棒性主成分分析(RPCA)的低照度图像增强算法。算法依据Retinex理论将图像分解为照度分量和反射分量,使用伽马矫正对照度分量进行增强。将增强后的照度分量与反射分量合成为最终的增强图像。其中图像分解采用RPCA方法实现,因为该方法可以有效地将照度信息与噪声分离,从而避免增强照度分量时放大噪声。为了提高计算效率,算法采用非精确增广拉格朗日乘子法(Inexect-ALM,IALM)求解RPCA分解问题。实验结果表明,该算法在增强图像对比度的同时避免了放大噪声,其主观评价与客观指标都优于几种经典的图像增强算法,有较好的视觉效果和较低的计算复杂度。

基于深度学习的医学图像分析域自适应研究

深度学习技术的广泛应用有力推动了医学图像分析领域的发展,然而大多数深度学习方法通常假设训练集和测试集是独立同分布的,这个假设在模型临床部署时很难保证实现,因此常出现模型性能下降、场景泛化能力不强的困境。基于深度学习的域自适应技术是提升模型迁移能力的主流方法,其目的是使在一个数据集上训练的模型能够在另一个没有或只有少量标签的数据集上也获得较好结果。由于医学图像存在着样本获取和标注困难、图像性质特殊、模态差异等情况,这给域自适应技术带来很多现实挑战。首先介绍域自适应的定义及面临的主要挑战,进而从技术角度分类总结了近年来的相关算法,并对比分析其优缺点;然后详细介绍了域自适应常用的医学图像数据集以及相关算法结果情况;最后,从发展瓶颈、技术手段、交叉领域等方面,展望了面向医学图像分析的域自适应的未来研究方向。

结合多特征与线性判别分析的图像检索

卷积神经网络的全连接层特征缺乏对图像底层信息的描述,导致部分样本无法被成功检索。并且全连接层特征维度高,检索效率低下。针对这种情况,提出一种结合线性判别分析和多层特征的图像检索方法。该方法利用卷积神经网络提取卷积层和全连接层特征,并融合HSV特征,使用线性判别分析对融合特征降维。多层特征能增加图像的区分度,提升识别准确率。与其他算法的实验结果表明,该方法在检索精度和检索速度上有一定的提高。

甲状腺肿瘤细胞核DNA含量及AgNORs的图像定量分析

甲状腺肿瘤细胞核ＤＮＡ含量及ＡｇＮＯＲｓ的图像定量分析余力，区士欢，肖莎本文作者通过图像分析技术对３８例甲状腺肿瘤患者的肿瘤细胞核面积、ＤＮＡ含量及ＡｇＮＯＲｓ进行定量分析，现将结果报告于下。１材料与方法甲状腺腺癌３０例，其中乳头状腺癌２２例，滤泡状...

基于主成分分析的光伏热斑红外图像混合噪声去噪方法

为了解决光伏板热斑故障检测时受噪声影响的红外图像分辨率低而导致热斑区域难以识别的问题,提出一种基于主成分分析的红外图像混合噪声自适应去噪方法。该方法通过自适应窗口预处理算法将获取的热斑红外图像进行初步去噪,滤除图像中的低密度椒盐噪声,减小噪声信号对后续选取降噪训练集时所造成的影响;然后,采用基于块匹配的主成分分析法对预处理后的图像信息进行降维处理,提取信号的主要特征,降低噪声滤除时的计算复杂度;最后,使用线性最小均方误差估计对图像进行二次去噪处理,滤除残余噪声;此外,在二次去噪之前重新计算图像噪声水平,使最终的去噪图片获得了更好的视觉效果。实验结果表明:该方法能够有效去除光伏热斑红外图像中的混合噪声,客观评价指标显示噪声较小时,图像结构相似性可保持在0.9,在高密度噪声影响下,峰值信噪比相较于修正的阿尔法均值滤波算法平均提高2 dB,实际视觉效果中保留了图像细节特征,可以明显观测到热斑区域。

基于BLOB区域和边缘特征分析的准直图像双光学目标识别方法

针对光路对接准直目标识别算法对双目标粘连状态无法判别的问题,提出了基于二进制大对象(Binary Large Object,BLOB)区域和边缘特征分析的准直图像双光学目标识别方法。首先,对二值化图像进行数字形态学处理,计算全图各BLOB区域的面积、中心、轴长、区域、有效BLOB区域个数等信息。其次,对有效BLOB区域个数大于1的完全分离双目标准直图像,统计各BLOB区域中心分别为位于两个面积最大的BLOB区域内的BLOB数量,数量小的候选BLOB区域为主激光目标,数量大的候选BLOB区域为模拟光目标。然后,对于有效BLOB区域个数等于1的待识别图像,从左、右、上、下4个方向分别提取模板边缘图像的有效坐标序列和待识别边缘图像坐标序列,搜索有效坐标序列和待识别边缘图像坐标序列的最大相关系数对应的有效坐标序列。当4个方向的相关系数全部大于0.95时,待识别图像为模拟光目标;当4个方向的相关系数都小于0.95时,待识别图像为主激光目标;否则待识别图像为粘连图像。实验结果表明:提出的双光学目标识别算法,不仅能够识别完全分离的模拟光目标和主激光目标,误差小于3个像素,处理时间小于1 s,而且能够判别处于粘连状态的光学目标和单个独立的光学目标,满足光路对接准直图像识别算法对于自适应性、精度和效率的要求。

基于深度学习和图像多样化分析技术的货物类型识别技术研究

该文采用云端EasyDLAI开发平台,通过工作机终端外接网络摄像头系统架构,设计了一个基于机器深度学习的货物检测与类型识别系统。该系统采用B/S架构模式设计,充分利用人工智能技术和机器深度学习特征,实现通过摄像头捕捉的实时图像,自动与深度学习后的图像集进行快速比对后查验识别物体及类别,应用在仓储、物流等企业,能够减少人力与时间资源的成本投入,大大提高货物识别及统计效率。

用图像分析系统进行甲状腺良恶性病变AgNORs定量分析

用图像分析系统进行甲状腺良恶性病变ＡｇＮＯＲｓ定量分析５１０２８２广州第一军医大学珠江医院余力，区士欢，肖莎中国图书资料分类号Ｒ５８１．３用图像分析仪对细胞核银染核仁组织区（ＡｇＮＯＲｓ）进行定量分析具有结果准确、定量参数多等优点。常用的ＡｇＮＯＲｓ...

皮肤图像分析技术在白癜风诊断中的应用

探讨皮肤图像分析技术在白癜风诊断中的应用。方法 筛选2022年9月-2023年9月于我院的局限性色素减退斑患者208例,通过皮肤影像处理系统皮肤图像分析技术对皮损的颜色、微观形态以及特征进行观察,临床和实验室共同确诊所有花斑藓,病理活检确诊其余病例。结果 入选患者中确诊患者情况如下:31例花斑藓患者,115例白癜风皮损者,14例白色糠疹者,9例老年性白斑者,贫血痣3例,无色素痣和特发性滴状色素减退症5例,炎症后色素减退26例。115里白癜风患者存在皮损情况,其中包含41例稳定期患者和74例进展期患者,而近期存在治疗史的皮损患者均发生毛细血管扩张情况,相较于稳定期,进展期患者发生皮周色素加深几率更低,且进展期白癜风患者皮损出发生毛细血管扩张、周围色素加深以及毛周色素残留情况的几率更高(P<0.05)。结论 白癜风早期诊断中皮肤图像分析技术应用优势明显,可以为临床干预方案的选择提供切实有效的依据,值得推广应用。