X光胸片的一种肺区识别方法

根据肺区的解剖形态特点，把肺区轮廓表示成为几段抛物线和直线的组合，在提取若干特征点的基础上，确定有关线段的参数，实现Ｘ光胸片的肺区自动识别，整个过程采用由粗到细，逐步求精的技术方法，计算量较小。本方法已经成功地应用于实际系统之中。

一种X光胸片心胸比率自动计算方法

提出一种基于心肺轮廓提取的传统X光胸片心胸比率(CTR)自动计算方法。首先利用活动形状模型(ASM)提取心肺轮廓。对于肺部轮廓的提取,在ASM建立之前,先用神经网络进行干扰结构抑制,比直接应用ASM效果更好。然后利用已提取的心肺轮廓计算CTR,改变了已有的只依据规则提取部分轮廓来计算CTR的方法。仿真实验表明,本方法不仅能够准确计算CTR,而且得到的心肺轮廓为医生进行更深入的参数分析提供了可靠的数据依据。

基于柔性形态学与聚类算法的X光胸片肺部分割

近年来,在医学领域里,计算机辅助诊断(CAD)技术以其高效的实用性已备受人们关注。对于X光胸片来说,肺部区域的分割是计算机辅助检测胸腔疾病的首要步骤。本研究提出一种自动的肺部分割方法。首先采用柔性形态学滤波进行初始分割,然后用结合先验知识的聚类算法进行二次分割。通过在两组不同图像(计算机X线摄影、传统X光胶片)中仿真测试,平均灵敏度和特异性可达89.39%和92.82%,该方法在保持高分割灵敏度的同时,提高了分割的特异性。

基于解剖结构知识的X光胸片中肺部肋骨边缘检测

目的检测X光胸片中肺部区域上肋骨的边缘,定位肋骨所在的区域,为进一步计算分析肋骨间或肋骨上的病灶提供依据。方法根据肋骨的特殊解剖结构特点,划分每条肋骨大致所在的区域,选用双抛物线模型,分别在各区域中用Hough变换方法定位肋骨的上下边缘。结果引进局部区域定位,采用特定的模型,使用Hough变换,能快速检测到肋骨的边缘。结论该算法与传统的算法相比较,两者都具有较高的准确度,但前者简化了过程,提高了计算速度。

60例肺癌的CT表现与X光胸片对比浅析

目的与方法：本文分析60例肺癌患者的CT所见，并与X光胸片进行对比。结果：60例在CT均有阳性所见，CT比胸片异常表现增多者15例，与胸片所见相似者45例，其中6例在胸片上阴性。结论：CT对发现微小和隐蔽部位病灶的能力，对显示肿瘤与周围结构之间关系的能力，判断侵犯隔和胸膜情况的能力，判断术后肿瘤有无复发，确定下一步治疗方案有很大帮助。

X光胸片肺部肋骨边缘临床检测解刨结构分析

目的随着影像学科技的发展,CT,核磁已介入临床应用,普通X光进一步数字化,胸片肺部肋骨边缘临床检测.探讨分析解剖结构知识下X光胸片中肺部肋骨边缘的临床检测,确定肋骨位置,为进一步确定肋骨病症提供参考。方法根据肋骨的特殊解剖结构知识,将肋骨的大致位置划分,并应用双抛物线模型和Hough变换定位肋骨边缘的位置。结果应用特定模型和Hough变换能够对局部位置进行准确定位,并对肋骨边缘进行快速检测。结论应用特殊模型和Hough变换定位肋骨边缘的位置快速有效,相较于传统算法有明显的进步。

改良婴幼儿X光胸片的投照方法

婴幼儿因不能配合，给投照造成一定困难。正因为如此，一般采取拍照仰卧前后位全胸片。在长期实践中，我对小儿胸片的投照方法进行不断的改进，得到了非常满意的效果。下面介绍二种简便，而照片质量优良的方法。

X光胸片肺部肋骨边缘临床检测解剖结构分析

探究X线光胸片肺部肋骨边缘临床检测解剖结构。方法 基于肋骨解剖结构相关知识,划分肋骨大致位置,使用双抛物线模型以及Hough变换将肋骨边缘位置确定下来。结果 使用特定模型与Hough可以使局部位置定位更准确,提高检查效率,节省检测时间。结论 使用特殊模型与Hough变换定位的方法检测肋骨边缘位置是一种快速有效的方法,值得临床采用。

X光胸片图像分割和特征识别技术研究

目的:研究X光胸片图像分割和特征识别技术。方法:总结肺部分割的典型方法和多分辨率模型,分析其不足后研究一种综合的的区域分割方法,评价新方法的灵敏度与精确度。结果:典型肺部分割方法存在轮廓获取不合格、不清晰的问题,多分辨率模型的训练时间较长,搜索结果获取时间较久,噪音处理步骤繁琐;基于神经网络的主动形状模型的肺部分割灵敏度、特异性、精确度均明显高于Snake,灵敏度明显高于多分辨率主动形状模型,计算时间明显短于Snake、形态学与聚类算法、多分辨率主动形状模型,各组对比差异均显著(P<0.05)。结论:基于神经网络的主动形状模型在X光胸片图像分割中可发挥较高的应用价值,值得临床推行与应用。

你会看X光片吗？

在医院的门诊大厅里，老谭东张西望地似乎在找什么人。 一位走过他身旁的医生问他有什么困难，老谭愁眉苦脸地告诉医生，昨天他拍了X光片，但苦于读不懂X光胸片报告单，

一种全新的基于胸片计算机辅助检测肺结节方案

针对目前基于胸片肺结节计算机辅助检测系统的检出率低,且检测结果有大量假阳性的问题,提出一种全新检测方案.该方案首先引入基于活动形状模型的算法分割肺区,在肺区中选取大量可疑结节,然后为每个可疑结节提取基于分割结果的27个特征,最后引入线性分类器对可疑结节进行分类,给出最终检测结果.方案中,由于两步结节增强技术的引入,使得只有少量真实结节在可疑结节选取过程中丢失.特征提取时,引入分水岭算法分割可疑结节,基于分割结果提取能够有效区分可疑结节中真实结节和假结节的形状特征、灰度统计特征、曲面特征和梯度特征等,并利用可疑结节分割结果与感兴趣区域中Canny算子边缘检测结果的相关性来降低假阳性.本文选择日本放射技术学会提供的公共数据库测试系统的肺结节检测性能,系统在平均每幅图4.5个假阳性水平下检测出72.2%的结节.对非常不明显和极其不明显结节,系统的检测性能在4.5个假阳性水平下达到了52.7%.

基于小波变换的多神经网络胸片骨骼分离

胸片中,因大量肺结点被锁骨或肋骨遮挡而被放射科医生忽略。为了从胸片图像中分割出骨骼结构,提出了一种基于小波变换的多分辨率人工神经网络,以获取去除骨骼结构的虚拟软组织胸片。该方法可有效保证肺结点与血管的清晰度,且分离出骨骼和软组织可有效地帮助放射医生检测肺结点。

基于U-Net的胸片肋骨影像抑制算法

由于X光图像只有二维信息,骨骼结构会和人体器官在图像中重叠,对医生和肺结节智能检测系统造成不利影响,抑制图像中的肋骨结构可以一定程度上改善上述情形.我们将肋骨视为图像中的噪声信息,使用图像去噪的方法来完成肋骨抑制的任务.本文采用深度卷积网络作为基础模型,分析并尝试多种策略来提升模型性能,最终我们采用Unet网络结构,通过跳跃连接以及残差学习策略增强网络细节表现能力.实验证明,我们的方法能够有效抑制肋骨结构在X光图片中的不利影响,对肺结节检测任务的性能有一定的提升.

CLAHE融合边缘细节增强算法的X光图像处理

针对某些医疗器械设备在图像采集过程中,因人体结构和组织的复杂性以及噪声、X线散射等不可抗因素导致X光图像质量差、对比度低的问题,利用限制对比度直方图均衡算法结合边缘细节增强算法对胸部X光图像进行增强操作。首先,使用对比度直方图均衡算法对灰度图像进行图像增强,有效地增强了图像清晰度并抑制了噪声的放大,然后在图像灰度值跳变部分通过卷积的原理对图像进行细节增强,最后利用信息熵、平均梯度、标准差等指标对图像增强效果进行客观评价。实验表明,该方法在胸片图像增强上有显著效果,增强后的图像纹理特征和细节对比明显,图像质量得到很大提高。

采用改进Snake模型的胸片肺野自动分割方法

为了解决传统Snake模型应用于X光胸片肺野分割时,对人工初始化轮廓的选择敏感、对凹陷区域分割不准确等问题,提出一种基于自动初始化Snake模型的X光胸片肺野自动分割方法.该方法首先通过Otsu法对原始图像进行二值化,得到包含肺野、背景区域的二值图像,并经过图像取反和连通域处理,运用形态学方法,得到只含有肺野区域的二值图像;然后,通过边界提取,完成对Snake模型轮廓的自动初始化;最后通过Snake模型的演化,得到分割结果.实验结果表明:该方法能摆脱Snake模型对人工初始化轮廓的依赖,提高分割的鲁棒性,同时对凹陷区域的分割更准确,具有更好的分割效果.

基于改进Inception-v3网络的肺炎检测方法

在Inception-v3网络的基础上提出了一种有效的改进方法以提升X光胸片肺炎诊断的准确度.在原始Inception-v3网络结构中引入了残差连接以减轻网络加深带来的梯度消失问题.使用空间注意力与通道注意力机制提升模型的特征提取能力,同时通过通道混洗(Channel Shuffle)促进不同通道特征图之间的信息融合.最终改进模型的分类准确率为94.64%,较原始Inception-v3网络提升了4.33%,且对于新型冠状病毒感染具有更高的召回率,达到99.72%.实验结果表明,引入注意力机制的Inception-v3网络在四类肺炎检测分类任务(正常、普通病毒性肺炎、新型冠状病毒感染、其他肺部感染)中具有更高泛化能力与鲁棒性.

巨大胸腺脂肪瘤1例報導

患者、女性、28歲、已婚,住院號168413。1987年因咳嗽劇烈,X光胸片發現右肺下葉肺炎及心包積液,經治療後肺炎消失,但心影仍增大。此後,患者雖無心跳或氣促等心臟病的症狀,但外院胸片見心臟陰影逐年增大,並一直以‘心臟擴大’的診斷而給予治療。