基于CT图像的身体部位自动识别方法

身体部位可划分为头部、胸部、腹部和盆腔,对各部位的自动识别可以通过其包含的代表性器官的检测实现。对原始二维Haar-AdaBoost方法进行改进,根据器官的实际物理大小使用固定图像分辨率,有效地选择关键Haar特征,减少计算量,采用一种基于正态分布拟合的方法,将二维检测结果转换为三维器官的感兴趣区域边界。测试结果表明,该方法对胸部和腹部识别的敏感度达到97%以上。

基于卷积神经网络的CT图像肺结节检测

为帮助医生降低工作强度,减少诊断错误,提升准确率,提出一种基于三维卷积神经网络的肺结节检测算法。根据肺结节在CT图像中的特点,设计改进的三维候选区域推荐网络进行结节初始检测。在此基础上,使用多尺度、多网络融合的分类网络去除初检结果中的假阳性。在LUNA16数据集上验证了所提算法的准确性和有效性,并将结果与其它算法进行比较,讨论了该肺结节检测算法的性能。

月经状态对乳腺纤维腺体组织与背景实质强化的影响

目的利用乳腺MR影像全自动量化分析法,评估不同月经状态对乳腺纤维腺体组织比(fibrograndular tissue,FGT),背景实质强化容积比(background parenchymal enhancement volume ratio,BPE_V)和程度比(background parenchymal enhancement intensity ratio,BPE_I)的影响。方法从2009年至2012年在复旦大学附属肿瘤医院做乳腺MR检查的14 033名妇女中,随机选出正常乳腺MR影像101例,其中绝经前47例,绝经后54例。绝经前再按月经周期分为:第1周8例,第2至第4周各13例。应用乳腺MR影像全自动量化分析软件测量FGT与增强后早(2 min)、中(4 min)、晚(6 min)3期的BPE_V与BPE_I,并使用Mann-Whitney U检验对绝经前后的FGT,BPE_V和BPE_I进行比较,绝经前各月经周期的比较采用Kruskal-Wallis检验。结果绝经后妇女的FGT,BPE_V与增强中晚期的BPE_I均显著低于绝经前妇女(P<0.05)。BPE_I在绝经前妇女中月经第1周最高,第2周最低(P<0.05)。FGT及BPE_V在月经第1周也最高,但与其他月经周比较差异无统计学意义。结论 FGT、BPE_V和BPE_I在绝经后均显著降低。月经第2周为乳腺MR检查的最佳时间。

基于nnU-Net的乳腺DCE-MR图像中乳房和腺体自动分割

在乳腺动态增强磁共振(DCE-MR)图像中,乳房分割和腺体分割是进行乳腺癌风险评估的关键步骤.为实现在三维脂肪抑制乳腺DCE-MR图像中乳房和腺体的自动分割,本文提出一种基于nnU-Net的自动分割模型,利用U-Net分层学习图像特征的优势,融合深层特征与浅层特征,得到乳房分割和腺体分割结果.同时,基于nnU-Net策略,所使用的模型能根据图像参数自动进行预处理和数据扩增,并动态调整网络结构和参数配置.实验结果表明,在具有多样化参数的三维脂肪抑制乳腺DCE-MR图像数据集上,该模型能准确、有效地实现乳房和腺体分割,平均Dice相似系数分别达到0.969±0.007和0.893±0.054.