临床医生可通过观察眼底视网膜血管及其分支对人体是否患有疾病进行早期诊断,但由于视网膜中的血管错综复杂,模型在分割时会出现对微细血管分割精确度不足的问题。为此,提出一种结合残差模块Res2-net以及高效通道注意力机制(efficient c...临床医生可通过观察眼底视网膜血管及其分支对人体是否患有疾病进行早期诊断,但由于视网膜中的血管错综复杂,模型在分割时会出现对微细血管分割精确度不足的问题。为此,提出一种结合残差模块Res2-net以及高效通道注意力机制(efficient channel attention,ECA)的D-Linknet模型。首先,利用Res2-net代替基础模型中的残差模块Res-net以提升每个网络层的感受野;其次,在Res2-net中添加一种结合压缩激励(squeeze and excitation,SE)和门通道(gated channel transformation,GCT)的注意力机制模块,改善处于复杂背景下的血管分割效果和效率;在网络的解码层加入ECA确保模型计算的性能,避免因降维导致的精度下降;最后,融合改进的模型输出图与掩膜图细化分割结果。在公开数据集DRIVE、STARE上进行分割实验,模型准确度(accuracy,AC)分别为97.11%、96.32%,灵敏度(sensitivity,SE)为84.55%、83.92%,曲线下方范围的面积(area under curve,AUC)为0.9873和0.9766,分割效果优于其他模型。实验证明了算法的可行性,为后续研究提供科学依据。展开更多
目的探讨动态对比增强MRI(dynamic contrast-enhancement MRI,DCE-MRI)瘤周血管特征结合瘤内血流动力学参数在乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类肿瘤中的鉴别诊断价值。材料与方法回顾性分...目的探讨动态对比增强MRI(dynamic contrast-enhancement MRI,DCE-MRI)瘤周血管特征结合瘤内血流动力学参数在乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类肿瘤中的鉴别诊断价值。材料与方法回顾性分析2018年8月至2023年3月于大连医科大学附属第一医院行乳腺MRI检查为BI-RADS 4类且病理结果明确肿瘤的女性病例102例,其中良性组43例,恶性组59例。记录患者年龄、病灶最大径(dmax)、乳腺DCE-MRI基本影像学特征、瘤周血管特征及瘤内血流动力学参数值。通过单因素和多因素logistic回归分析比较两组间多参数的差异,利用受试者工作特征(receiver operating characteristic,ROC)曲线以及曲线下面积(area under the curve,AUC)分析瘤周血管特征指标与瘤内参数值联合应用对BI-RADS 4类乳腺良恶性两组肿瘤鉴别的诊断效能。应用DeLong检验对AUC进行比较。结果乳腺良性组和恶性组病例在年龄、dmax、背景实质强化(background parenchymal enhancement,BPE)、纤维腺体组织量(fibroglandular tissue,FGT)、瘤周相邻血管征(adjacent vascular sign,AVS)数目、瘤周血管最大径、患侧瘤周与健侧同一象限血管直径差值(△d)、瘤周血管出现期相以及瘤内容积转移常数(volume transfer constant,K^(trans))、速率常数(flux rate constant,K_(ep))、最大增强斜率(maximum slope of increase,MSI)和时间-信号强度曲线(time-signal intensity curve,TIC)类型的差异均具有统计学意义(P<0.05),而病变位置、信号增强率(signal enhancement ratio,SER)和血管外细胞外间隙容积比(volume fraction of extravascular extra vascular space,V_(e))差异无统计学意义(P>0.05)。通过多因素logistic回归分析结果显示,△d、dmax、MSI和K^(trans)为区分两组间的独立影响因素,其中优势比最大的是MSI值(AUC为0.923)。将瘤周血管特征△d分别与dmax、MSI和K^(trans)进行两者联合模型比较,以△d与MSI联合模型的诊断效能最高(AUC为0.933,敏感度和特异度分别为93.2%和83.7%),且△d联合MSI与△d联合K^(trans)比较的差异具有统计学意义(P=0.001);其他联合指标在两两比较时差异无统计学意义(P>0.05),联合模型高于单独MSI模型的诊断效能。结论瘤周血管特征指标(△d)联合瘤内半定量(MSI)血流动力学参数对评价BI-RADS 4类乳腺肿瘤具有较好的鉴别诊断价值。展开更多
文摘临床医生可通过观察眼底视网膜血管及其分支对人体是否患有疾病进行早期诊断,但由于视网膜中的血管错综复杂,模型在分割时会出现对微细血管分割精确度不足的问题。为此,提出一种结合残差模块Res2-net以及高效通道注意力机制(efficient channel attention,ECA)的D-Linknet模型。首先,利用Res2-net代替基础模型中的残差模块Res-net以提升每个网络层的感受野;其次,在Res2-net中添加一种结合压缩激励(squeeze and excitation,SE)和门通道(gated channel transformation,GCT)的注意力机制模块,改善处于复杂背景下的血管分割效果和效率;在网络的解码层加入ECA确保模型计算的性能,避免因降维导致的精度下降;最后,融合改进的模型输出图与掩膜图细化分割结果。在公开数据集DRIVE、STARE上进行分割实验,模型准确度(accuracy,AC)分别为97.11%、96.32%,灵敏度(sensitivity,SE)为84.55%、83.92%,曲线下方范围的面积(area under curve,AUC)为0.9873和0.9766,分割效果优于其他模型。实验证明了算法的可行性,为后续研究提供科学依据。
文摘目的探讨动态对比增强MRI(dynamic contrast-enhancement MRI,DCE-MRI)瘤周血管特征结合瘤内血流动力学参数在乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类肿瘤中的鉴别诊断价值。材料与方法回顾性分析2018年8月至2023年3月于大连医科大学附属第一医院行乳腺MRI检查为BI-RADS 4类且病理结果明确肿瘤的女性病例102例,其中良性组43例,恶性组59例。记录患者年龄、病灶最大径(dmax)、乳腺DCE-MRI基本影像学特征、瘤周血管特征及瘤内血流动力学参数值。通过单因素和多因素logistic回归分析比较两组间多参数的差异,利用受试者工作特征(receiver operating characteristic,ROC)曲线以及曲线下面积(area under the curve,AUC)分析瘤周血管特征指标与瘤内参数值联合应用对BI-RADS 4类乳腺良恶性两组肿瘤鉴别的诊断效能。应用DeLong检验对AUC进行比较。结果乳腺良性组和恶性组病例在年龄、dmax、背景实质强化(background parenchymal enhancement,BPE)、纤维腺体组织量(fibroglandular tissue,FGT)、瘤周相邻血管征(adjacent vascular sign,AVS)数目、瘤周血管最大径、患侧瘤周与健侧同一象限血管直径差值(△d)、瘤周血管出现期相以及瘤内容积转移常数(volume transfer constant,K^(trans))、速率常数(flux rate constant,K_(ep))、最大增强斜率(maximum slope of increase,MSI)和时间-信号强度曲线(time-signal intensity curve,TIC)类型的差异均具有统计学意义(P<0.05),而病变位置、信号增强率(signal enhancement ratio,SER)和血管外细胞外间隙容积比(volume fraction of extravascular extra vascular space,V_(e))差异无统计学意义(P>0.05)。通过多因素logistic回归分析结果显示,△d、dmax、MSI和K^(trans)为区分两组间的独立影响因素,其中优势比最大的是MSI值(AUC为0.923)。将瘤周血管特征△d分别与dmax、MSI和K^(trans)进行两者联合模型比较,以△d与MSI联合模型的诊断效能最高(AUC为0.933,敏感度和特异度分别为93.2%和83.7%),且△d联合MSI与△d联合K^(trans)比较的差异具有统计学意义(P=0.001);其他联合指标在两两比较时差异无统计学意义(P>0.05),联合模型高于单独MSI模型的诊断效能。结论瘤周血管特征指标(△d)联合瘤内半定量(MSI)血流动力学参数对评价BI-RADS 4类乳腺肿瘤具有较好的鉴别诊断价值。