基于多影像中心磁共振成像数据的半监督膝盖异常分类

针对大量数据手工标记的繁重性和单一影像中心磁共振成像(MRI)数据的有限性问题,提出了一种利用多影像中心有标签与无标签MRI数据的用于磁共振的半监督学习(MRSSL)方法,并将其应用在膝盖异常分类任务中。首先,运用了数据扩增方法来提供模型所需的归纳偏置;接着,融合了分类损失项和一致性损失项来约束人工神经网络并使之从数据中提取出具有辨别力的特征;然后,将这些特征用于MRI膝盖异常分类。此外,也提出了对应的仅利用有标签数据的完全监督学习(MRSL)方法。在给出同样的有标签样本时,将MRSL与MRSSL进行了比较,结果表明MRSSL的模型分类性能与泛化性能明显优于MRSL。最后,将MRSSL与其他半监督学习方法进行了比较。结果表明数据扩增在性能提升中起到了重要作用,并且MRSSL凭借更强的MRI数据包容性取得了最优的膝盖异常分类性能。

食管癌磁共振波谱的相关研究

食管癌是人类常见的死亡原因之一,其预后与确诊时的分期密切相关。早期食管癌病人术后通常生存率很高,而中晚期食管癌的5年生存率明显下降。因此,食管癌的早期确诊意义重大。近年来,磁共振技术发展迅速,特别是磁共振波谱(MRS)技术的应用,可用来检测体内多种微量代谢物,通过检测活体组织的器官能量代谢、生化信息改变以及化合物的定量分析,可以较早地探测到肿瘤以及组织代谢异常,精确地判定肿瘤的进展程度。国内外文献报道的MRS实验越来越多地应用在对在体或离体的肿瘤大体标本及分泌物进行肿瘤代谢物的检测,就近年来MRS在食管癌研究方面的应用予以综述。

SPM与AFNI在功能磁共振成像数据处理中的应用与比较

功能磁共振成像(fMRI)在脑功能研究方面应用广泛。目前用于fMRI数据处理与分析的软件很多,以统计参数图(SPM)与功能神经影像分析(AFNI)软件应用最为广泛。本文就SPM和AFNI在fMRI中的应用及二者间的差异作一综述。

磁共振波谱分析在肿瘤细胞株方面的相关研究

磁共振波谱成像(MRS)可用来检测体内多种微量代谢物,通过检测在体组织的器官能量代谢、生化信息改变以及化合物的定量分析,可以较早地探测到肿瘤以及周围组织代谢异常,精确地判定肿瘤的浸润范围。肿瘤的磁共振波谱实验可通过在体或离体的大体标本进行肿瘤代谢物的检测,近年来磁共振波谱分析在肿瘤细胞株方面的研究优势愈加明显。就MRS用于肿瘤细胞株中的对肿瘤诊断、治疗以及一些肿瘤机制的研究作一综述。

基于改进U-Net的关节滑膜磁共振图像的分割

为了准确诊断滑膜炎患者病情,医生主要依靠手工标注和勾画的方法来提取磁共振图像(MRI)中的滑膜增生区域,该方法耗时长、效率低,具有一定的主观性且图像信息利用率低。针对这一问题,提出了一种新的关节滑膜分割算法,即2D ResU-net分割算法。首先,将残差网络(ResNet)中的两层结构的残差块融入到U-Net中,构建2D ResU-net;然后,将样本数据集分为训练集和测试集,而后对训练集进行数据增广;最后,将增广后的所有训练样本用于网络模型的训练。为了检测模型的分割效果,选取测试集中含滑膜炎的断层图像进行分割测试,最终平均分割精度指标可达到:Dice相似系数(DSC)69.98%,交并比(IOU)指标79.90%,体积重叠误差(VOE)系数12.11%。与U-Net算法相比,2D ResU-net算法的DSC系数提升了10.72%,IOU指标升高了4.24%,VOE系数降低了11.57%。实验结果表明,该算法对于MRI图像中的滑膜增生区域可以实现较好的分割效果,能够辅助医生对病情做出及时诊断。

脑功能成像在甲状腺功能减退症所致脑功能障碍中的应用及意义

甲状腺功能减退症及亚临床甲状腺功能减退症病人存在精神运动性迟滞、记忆力损伤、注意障碍,甚至抑郁情绪等认知缺陷及情绪损伤。脑功能成像技术在甲状腺功能减退症病人脑血流灌注、脑代谢及认知改变方面的研究已成为当今的一大热点。就脑功能成像技术特别是单光子发射计算机断层显像、正电子发射计算机断层显像、功能磁共振成像及磁共振波谱成像等在甲状腺功能减退症所致脑功能障碍中的应用及意义作一综述。

事件相关fMRI在重度抑郁症奖赏刺激反应中的研究进展

对奖赏刺激反应性减弱是重度抑郁症(MDD)的重要表现。功能性磁共振成像(fMRI)在抑郁症奖赏的脑影像学研究中发挥着重要作用。本文就事件相关fMRI在MDD奖赏刺激反应中的研究进行综述。

PET和fMRI对肝性脑病的研究进展

肝性脑病是各种严重肝脏疾病所致的中枢神经系统功能失调综合征。目前运用脑功能成像技术尤其是PET、fMRI来研究肝性脑病脑功能代谢及认知功能的改变已经成为一大热点。本文就PET和fMRI在肝性脑病中的研究做一综述。

事件相关fMRI在广泛性焦虑症情绪刺激反应中的研究进展

对负性情绪刺激反应出现脑区活动异常是广泛性焦虑症(GAD)的重要表现。功能MRI(fMRI)在焦虑症情绪刺激的脑影像学研究中发挥着重要作用。对事件相关fMRI的特点及焦虑症fMRI常用的刺激范式和刺激材料予以简单介绍,并主要就事件相关fMRI在各年龄段GAD情绪刺激条件下脑功能改变及相关脑区之间联系的研究进行综述。

医学影像人工智能辅助诊断的样本增广方法

针对不同领域人工智能(AI)应用研究所面临的采用常规手段获取大量样本时耗时耗力耗财的问题,许多AI研究领域提出了各种各样的样本增广方法。首先,对样本增广的研究背景与意义进行介绍;其次,归纳了几种公知领域(包括自然图像识别、字符识别、语义分析)的样本增广方法,并在此基础上详细论述了医学影像辅助诊断方面的样本获取或增广方法,包括X光片、计算机断层成像(CT)图像、磁共振成像(MRI)图像的样本增广方法;最后,对AI应用领域数据增广方法存在的关键问题进行总结,并对未来的发展趋势进行展望。经归纳总结可知,获取足够数量且具有广泛代表性的训练样本是所有领域AI研发的关键环节。无论是公知领域还是专业领域都进行样本增广,且不同领域甚至同一领域的不同研究方向,其样本获取或增广方法均不相同。此外,样本增广并不是简单地增加样本数量,而是尽可能再现小样本量无法完全覆盖的真实样本存在,进而提高样本多样性,增强AI系统性能。

基于深度学习的胸部数字X线质量控制方法

针对人体摆位姿势影响胸部数字X线成像(DR)质量的这一问题,提出了一种基于深度学习的质量控制方法。首先通过YOLOv3模型实现影响DR胸片图像质量的肩胛骨区域的自动定位;然后,将检测到的肩胛骨区域输入到基于残差网络的深度学习模型对肩胛骨是否推出肋骨外进行自动判断;最后,根据网络输出的结果指导拍片技师进行相应的调整,拍摄质量合格的胸部数字X线成像。实验结果表明,使用YOLOv3模型进行肩胛骨位置检测时,当交并比(IoU)设为0.8时,右侧肩胛骨检测的平均精确率(AP)为98.75%,左侧肩胛骨检测的AP为98.86%,检测结果精确,可用于后续的分类模型。分类网络利用左右肩胛骨区域图像进行分类,在测试集上,接受者操作特性曲线(ROC)下与坐标轴围成的面积(AUC)为0.855。当阈值取0.45时,约旦指数最大,此时准确率为0.789,敏感性为0.801,特异性为0.783,阳性预测率为0.672,阴性预测率为0.876。由此可见,所提出方法可以有效地对肩胛骨是否推出肋骨外进行自动判断,辅助医生对胸部数字X线的图像质量进行控制。