点云算法在医学领域的研究进展

点云作为一种重要的3维数据,能够直观地模拟生物器官、组织等的3维结构,基于医学点云数据的分类、分割、配准、目标检测等任务可以辅助医生进行更为准确的诊断和治疗,在临床医学以及个性化医疗器械辅助设计与3D打印有着重要的应用价值。随着深度学习的发展,越来越多的点云算法逐步由传统算法扩展到深度学习算法中。本文对点云算法在医学领域的研究及其应用进行综述,旨在总结目前用于医学领域的点云方法,包括医学点云的特点、获取途径以及数据转换方法;医学点云分割中的传统算法和深度学习算法;以及医学点云的配准任务定义、意义,以及基于有/无特征的配准方法。总结了医学点云在临床应用中仍存在的限制和挑战:1)医学图像重建的人体器官点云分布稀疏且包含噪音、误差;2)医学点云数据集标注困难、制作成本高,可用于训练深度学习模型的公开数据集非常稀少;3)前沿的点云处理算法大都基于自然场景点云数据集训练,这些算法在医学点云处理中的鲁棒性和泛化能力还有待验证。随着医学点云数据集质量和数量的提升,医学点云处理算法的研究将会吸引更多的研究者。

帕金森病患者基底节核团体积的磁共振成像研究

目的探讨帕金森病患者磁共振成像上基底节结构的改变及其与临床之间的相关性，筛选辅助早期诊断和病情监测的影像学生物标志物。方法应用3D－T1WI及T2WI序列对2012年12月至2015年5月于我院神经内科就诊的54例帕金森病患者和体检中心招募的35名健康对照者进行扫描，并根据起病症状将帕金森病患者组分为震颤组（n＝35）及强直－少动组（n＝19），利用基于体素的形态学分析方法，对研究对象的基底节核团体积进行分析。结果帕金森病患者的基底节核团体积[尾状核：左侧（5.99±1.78）mm^3，右侧（6.11±1.65）mm^3；壳核：左侧（4.99±1.50）mm^3，右侧（5.56±1.68）mm^3；苍白球：左侧（3.12±0.72）mm^3，右侧（3.23±0.72）mm^3]较健康对照组[尾状核：左侧（6.94±1.00）mm^3，右侧（6.93±0.88）mm^3；壳核：左侧（5.64±0.69）mm^3，右侧（6.03±0.86）mm^3；苍白球：左侧（3.49±0.26）mm^3，右侧（3.60±0.25）mm^3]萎缩，双侧尾状核（左侧：t＝2.871，P＝0.005；右侧：t＝3.045，P＝0.003）、左侧壳核（t＝2.773，P＝0.007）及双侧苍白球（左侧：t＝3.439，P＝0.001；右侧：t＝3.493，P＝0.001）基底节核团体积差异有统计学意义。在疾病早期即出现上述改变，早期以左侧壳核（t＝2.136，P＝0.038）及苍白球萎缩（左侧：t＝2.683，P＝0.010；右侧：t＝2.637，P＝0.011）明显，随病情进展尾状核萎缩（左侧：t＝3.260，P＝0.002；右侧：t＝3.089，P＝0.003）明显。震颤组基底节核团体积与强直－少动组相比未见明显差异。帕金森病患者的双侧基底节核团体积与性别、年龄、MMSE评分、左旋多巴等效剂量、病程、改良Hoehn－Yahr分期、统一帕金森病评定量表第三部分评分、汉密尔顿抑郁量表和汉密尔顿焦虑量表评分未见明确相关。结论帕金森病患者基底节核团体积有萎缩现象，通过磁共振成像测量基底节的结构改变对于帕金森病的早期诊断及病情监测具有一定的提示意义。