CT图像环形伪影去除方法研究现状及展望

环形伪影是各类型计算机断层扫描(CT)图像中最常见的伪影之一,通常是由于探测器像素对X射线响应不一致导致的。有效去除环形伪影能极大提高CT图像质量,提升后期诊断和分析的精度,是CT图像重建中的必要步骤。因此,对环形伪影去除(又称“环形伪影校正”)方法进行了系统梳理。首先,介绍环形伪影的表现和成因,给出常用的数据集、算法库;其次,依次介绍基于探测器校正、基于解析和迭代求解(分为投影数据预处理、CT图像重建、CT图像后处理环节)、基于深度学习(分为卷积神经网络、生成对抗网络)的环形伪影去除方法,并分析每类方法的原理、发展过程及优缺点;最后,归纳现有环形伪影去除方法在鲁棒性、数据集多样化、模型构建等方面存在的技术瓶颈,并对解决方案进行展望。

2018-2022年苏州市院前急救卒中患者特征分析

目的:分析苏州市院前急救卒中患者分布情况,调整资源布局,整体提升卒中救治能力。方法:以智慧急救平台为基础,从苏州市急救中心提取2018-2022年院前急救卒中患者病历资料,进行回顾性分析。结果:院前急救卒中患者男女比为1.67∶1,平均年龄为68.79±15.47岁;平均呼救-到院时间为38.34±17.28分钟;一年中院前急救卒中病例主要集中于冬季(10-12月),一天中的高峰时段为7-19时;主要发生区域在姑苏区、吴江区和吴中区,卒中病例既往病史分布最高的三项为高血压(58.06%)、脑部疾病(22.72%)和糖尿病(19.81%);FAST症状分布中肢体无力(68.82%)、言语不清(57.49%)、面瘫/口角歪斜(34.92%)在年龄分布方面存在显著差异。结论:院前急救卒中病例在人群、时间和区域的分布上存在一定的规律,相关部门可优化区域急救资源配置,提高院前医务人员的卒中救治水平,并针对高危因素的老龄人口进行卒中科普教育,以全面提升卒中病例的早期发现和早期救治能力。

近红外二区小动物活体荧光成像系统的研制

近年来,小动物活体荧光成像系统被广泛应用于生物医学成像研究.但是,现有的荧光成像系统存在穿透深度有限、图像信噪比低等缺点.因此,利用近红外二区(near-infrared-Ⅱ,NIR-Ⅱ,900—1880 nm)荧光成像技术在生物组织中具有的低吸收、低散射和穿透深度深等优点,研制出一套NIR-Ⅱ小动物活体荧光成像系统,提出了一种荧光图像增强校正方法,并设计生物组织模拟实验和活体动物实验测试该系统的性能和成像效果.实验结果表明,该系统具有穿透深度深、信噪比高、灵敏度高等优点.结合商用的吲哚菁绿试剂和聚集诱导发光染料,该系统可实时监测小鼠体内的血管分布情况,并对深层组织器官进行持续监测,实现活体小鼠清醒状态下的动态监测研究,有助于推动生物医学成像领域的肿瘤研究和药物开发研究等进入一个新阶段.

基于双目立体视觉测量数据的空间圆拟合方法对比

为了找出测量工程应用中最优的空间圆拟合方法,进行了基于双目立体视觉测量数据的空间圆拟合方法对比.根据相交成空间圆的平面和球面的求解次序及关联性,将现有5种拟合方法分为平面与球面共同求解、平面与球面独立求解、平面与球面关联性求解3类;利用自行研制的双目立体视觉系统,采集3组随多齿分度台做圆周运动的靶标的空间坐标作为拟合数据;以心面距、平面度、圆度为拟合精度评价指标,通过空间圆拟合试验,对比分析各拟合方法的性能及影响因素.试验结果表明:球面需要平面约束才能正确求解;先利用最小二乘平差法求解平面法向量和常系数,再利用坐标系变换法或中垂面法求解球心和半径是最优拟合方法;增加测量点数能够提高拟合精度.

一种基于先验图像的锥束CT金属伪影校正算法

为了有效抑制锥束CT(CBCT)重建中金属植入物引入的伪影,提出一种基于先验图像的金属伪影校正算法。首先对含金属伪影的重建图像进行双边滤波、金属阈值分割、组织聚类等预处理,获得金属图像和不含金属信息的先验图像;再对二者正向投影,获得金属投影区域和先验投影数据;而后利用先验投影数据及金属边界邻域的投影数据对金属投影区域插值,获得修复的投影数据;最后利用FDK算法对修复的投影数据重建,并将其与金属图像融合,获得最终的校正图像。为了验证该算法的性能,利用三维Shepp-Logan头部模型数据和临床头部CT数据开展金属伪影校正实验,结果表明:与常用的线性插值算法和图像修补算法相比,该算法的校正图像均方根误差最小、峰值信噪比最大。这说明该算法在有效保留图像边缘信息的同时,可有效地抑制金属伪影。

基于深度神经网络的个性化睡眠癫痫发作预测

现有癫痫发作预测方法存在精度较低、错误报警率较高、癫痫患者睡眠脑电特异性、致痫灶位置和类型不同导致脑电信号存在差异的问题.文中提出基于深度神经网络的个性化睡眠癫痫发作预测方法,帮助医生和患者采取及时有效的治疗措施,降低患者患并发症和猝死的概率.对原始脑电信号滤波和分段以去除噪声,保证短时间内触发警报,利用离散小波变换分解信号并提取统计特征表征脑电信号时频特征.再应用双向长短期记忆网络挖掘最具鉴别能力的特征并结合留一法分类,经过决策过程优化得到预测结果.在不同频带限制条件下的实验表明,与睡眠癫痫相关的δ频带信号是影响发作预测性能的重要因素.相比现有睡眠癫痫预测方法,文中方法性能较优.

用于乳腺超声透射断层成像的飞行时间精确计算方法

目的:针对乳腺超声透射断层成像,提出一种精确计算超声波飞行时间(TOF)的方法,用于乳腺声速图像的高质量重建。方法:利用k-wave平台设置超声透射断层扫描环境,获取两种不同复杂度的数字乳腺体模的扫描数据,分别使用提出的极值点法及常用的阈值法、过零点法和峰值法计算出TOF,并借助滤波反投影算法重建声速图像。结果:简单体模的成像实验表明,利用峰值法计算的TOF难以重建出完整的声速图像。复杂体模的成像实验表明,利用极值点法计算的TOF重建出的声速图像在均方根误差和结构相似度指数上均最优,与阈值法和过零点法相比,极值点法对应均方根误差分别减少了6.32%、1.26%,结构相似度指数分别增加了3.31%、6.63%。结论:本研究提出的极值点法能够精确计算出TOF,有助于乳腺超声透射断层成像进行高质量的声速图像重建。

一种基于CycleGAN改进的低剂量CT图像增强网络

低剂量CT是一种有效且相对安全的胸腹部疾病筛查手段,但图像中的伪影和噪声会严重影响医生的诊断。基于深度学习的图像增强方法中网络训练大多依赖于难以获取的配对数据,即同一患者相同部位像素级匹配的低剂量和常规剂量CT图像。针对非配对数据,提出了一种基于循环一致性生成对抗网络(CycleGAN)改进的低剂量CT图像增强网络,在生成器前添加浅层特征预提取模块,增强对CT图像特征的提取能力;并利用深度可分离卷积替换生成器中的部分普通卷积,减少网络参数和显存占用。该网络使用3275张低剂量CT图像和2790张非配对常规剂量CT图像进行训练,另外1716张低剂量CT图像进行测试。结果表明,该网络生成的CT图像的平均感知图像质量评价指标(PIQE)为45.53,比CycleGAN的结果降低了8.3%,更远低于三维块匹配滤波(BM3D)31.9%、无监督图像转换网络(UNIT)20.9%,且在结构细节保持、噪声和伪影抑制方面均获得了更好的主观视觉效果,是一种具有潜在临床应用前景的低剂量CT图像增强方法。

基于超声和临床特征决策树模型预测乳腺癌分子亚型

目的:建立不同亚型浸润性乳腺癌的超声决策树预测模型,并分析模型的临床价值。方法:回顾并分析420例经病理学检查证实的浸润性乳腺癌患者,其中管腔A(Luminal A,LA)型患者137例、管腔B(Luminal B,LB)型患者157例、人表皮生长因子受体2过表达(human epidermal growth factor receptor 2 over-expression,HER2+)型患者61例和三阴性乳腺癌(triple-negative breast cancer,TNBC)型患者65例。使用方差分析和Fisher精确概率检验统计分析患者的超声特征和临床特征,将差异有统计学意义的特征纳入决策树模型以预测乳腺癌分子亚型。采用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(areaundercurve,AUC)评价模型的预测效果。结果:对于4种乳腺癌分子亚型,找到7种差异有统计学意义(P<0.05)的临床和超声特征:临床分期、肿瘤最大径、肿瘤内部回声变化、肿瘤后方回声变化、钙化形态、钙化部位、有无转移性淋巴结。LA、LB、HER2+和TNBC型决策树模型的训练集AUC分别为0.731、0.708、0.722和0.877。此外,与高年资超声科医师相比,决策树模型鉴别TNBC型的灵敏度(81.0%)较高。结论:基于超声和临床特征构建的决策树模型可以准确地预测乳腺癌分子亚型。

fMRI在临床的应用

在近年的科学研究中,脑功能磁共振成像(functional MRI,fMRI)作为对大脑功能进行无创定位的方法,逐步成为一种诊断脑部疾病的重要手段,尤其在视觉、听觉、运动障碍、脑部发育障碍、记忆、心理、神经性疾病的研究,及脑部肿瘤、神经肿瘤的术前指导、术后估计等方面具有重要意义。

MRI纹理分析评价注意缺陷多动障碍

目的观察MRI纹理分析诊断注意缺陷多动障碍(ADHD)及分型的效果。方法基于纽约大学医学中心公开MRI数据选取88例ADHD患者(ADHD组)及67名健康受试者(对照组),将ADHD组分为注意力缺陷为主型(ADHD-I)亚组(n=32)和混合型(ADHD-C)亚组(n=56),提取并比较受试者脑白质和脑灰质的纹理特征差异。比较ADHD组与对照组、ADHD-I亚组与ADHD-C亚组间纹理特征差异,以Spearman相关分析剔除相关性较高的冗余特征。基于具有显著差异的纹理特征构建支持向量机(SVM)模型,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价SVM模型诊断ADHD及分型的效能。结果ADHD-I亚组、ADHD-C亚组及对照组间共12个脑灰质纹理特征及14个脑白质纹理特征差异具有统计学意义(P均<0.05)。基于24个脑灰质特征的SVM模型鉴别ADHD组与对照组的AUC为0.85,准确率为72.00%,敏感度为80.00%,特异度为60.00%;联合1个脑灰质和18个脑白质特征的SVM模型区分ADHD分型的AUC为0.81,准确率为84.00%,敏感度为93.33%,特异度为70.00%。结论MRI纹理分析可用于诊断ADHD并分型。