基于MicroCT多孔材料图像的3D特征分析

多孔材料的微观孔隙结构是影响其宏观物性的关键因素,对孔隙空间结构特征进行分析具有重要研究意义,然而传统方法却难以对3维孔隙结构进行定量表征。为了探讨有效、准确、客观地表征孔隙空间结构特征的方法,采用MicroCT在不破坏样品的前提下获取多孔材料2维断层序列图,将Chan-Vese(C-V)水平集方法拓展到3D空间实现3D图像分割获取多孔材料3维分析模型,在此基础上提取多孔材料3D孔隙参数,如孔体积、孔表面积、孔径、孔隙率、连通率等空间孔隙结构参数。3维孔隙参数能客观准确地描述多孔材料的孔隙结构,为表征多孔材料孔隙结构提供了新的方法。

生物电阻抗测量中的信号发生模块设计

生物电阻抗测量因其低廉的成本,丰富的信息获得了诸多研究者的关注。在生物电阻抗测量中,信号激励模块有着非常重要的作用。文中采用Xilinx FPGA连同高速DAC搭建了高速通用型生物电阻抗信号发生模块,同时使用LabView系统进行了用户软件开发。

神经网络用于各向异性生物组织弹性无创检测的研究

利用超声波速反演弹性系数为非介入式无创测量各向异性生物组织弹性系数提供了可能,该方法的关键是反演算法的研究.这类方法以弹性波场理论为基础,利用不同平面不同角度下测量到的超声波速数据,反演各向异性弹性系数矩阵.传统方法是建立并采用牛顿迭代法求解非线性方程组,主要存在两大问题:初值问题和角度依赖性.为克服这些问题,研究并提出一种基于BP网络正交各向异性反演算法,深入研究BP网络的输入参数、网络隐含层节点数.仿真实验显示,神经网络一旦训练得当,便可削弱算法对于角度的依赖,使得反演可以在角度信息不足的情况下进行,同时也可以避免初值的依赖性,结果表明,本算法对于正交各向异性材料的弹性参数反演基本解决了上述2个困扰研究者的问题.

基于多模态超声图像的深度学习在鉴别诊断肝内胆管细胞癌与肝细胞癌中的应用

目的探讨基于单独二维超声图像(B-mode)、超声造影(CEUS)图像、联合B-mode及CEUS图像所构建的不同卷积神经网络(CNN)模型对鉴别诊断肝内胆管细胞癌(ICC)与肝细胞癌(HCC)的能力。方法回顾性分析2011年1月—2018年5月在四川大学华西医院超声科进行肝脏占位性病变超声检查的病例,对所纳入的病例超声图像进行肿瘤范围感兴趣区标记、数据增强后,根据3种不同组合方式的图像输入进行CNN模型训练,从而建立鉴别诊断ICC与HCC的不同预测模型,并对模型的诊断效能进行评价。结果最终共有305例ICC和945例HCC被纳入研究,共计超声图像7427幅。结果显示,基于单独B-mode图像所建立的CNN模型诊断效能均较低,其中VGG16的诊断效能相对较高,优于其它两个模型(P<0.05),ROC曲线下面积(AUC)为0.672。基于CEUS图像的多图VGG和多图Inception预测模型对鉴别ICC与HCC的AUC分别为0.941和0.934(P=0.803),准确性分别为87.0%和89.0%,与基于联合B-mode及CEUS图像的两种CNN模型诊断效能相近(P>0.05)。结论基于多模态超声图像所建立的CNN模型能较好的用于鉴别诊断ICC与HCC。

物联网及其在健康监测领域的应用研究

简单阐述了物联网的概念、发展以及健康监护仪的发展历程,重点介绍了基于有线网和无线通信网的远程健康监护的应用研究,最后指出穿戴式健康监护仪和基于4G网络技术的健康监护系统是最近及未来一段时间内健康监护发展的必然趋势。

动态负载下音圈电机控制模式设计及应用

将Copley驱动器和音圈电机配合使用是一种常见的组合,但负载动态特性降低了音圈电机伺服控制的跟随性能,减小了电机运行的稳定性,增大了手动设置运行参数以达到理想控制目标的难度。为在动态负载下控制音圈电机按照任意轨迹或较高频率进行周期运行,以Copley驱动器的Position-Velocity-Time(PVT)和Analog Current工作模式为基础,添加了以负载作为反馈信号的自动跟踪控制方法 ,从而设计了动态负载下的音圈电机控制模式,并成功应用于人工心脏瓣膜脉动流实验装置的周期脉动发生器和血管支架疲劳试验系统的驱动装置之中。

基于卷积神经网络提取超声图像甲状腺结节钙化点的研究

超声是检测甲状腺结节的首选方法,钙化特征是甲状腺结节良恶性判别的重要特征。但是由于囊壁等结节内部结构的干扰,钙化点提取一直是医学影像处理技术中的难点。本文提出了一种基于深度学习算法的钙化点提取法,并在阿列克谢(Alexnet)卷积神经网络的基础上提出了两种改进方法:(1)通过添加逐层对应的反池化(unpooling)和反卷积层(deconv2D)使网络向着所需要的特征进行训练并最终提取出钙化特征;(2)通过修改Alexnet模型卷积模板的数量和全连接层节点的数量,使其特征提取更加精细;最终通过两种方法的结合得到改进网络。为了验证本文所提出的方法,本文从数据集中选取钙化结节图像8 416张、无钙化结节图像10 844张。改进的Alexnet卷积神经网络方法的钙化特征提取准确率为86%,较传统方法有了较大提升,为甲状腺结节的良恶性识别提供了有效的手段。

超声亚谐波无创评估门静脉压力的体外实验研究

门静脉高压(PHT)是肝硬化的常见并发症,门静脉压力(PVP)评估是研究PHT的必要手段,但目前尚无一种准确可靠的方式来实现PVP的无创评估。本文采用体外模拟装置,在低压环境下,首先采集不同超声造影剂(UCA)浓度下的超声图像和射频回波信号;然后通过超声灰阶图像重建和快速傅里叶变换(FFT)获得回波信号中亚谐波的幅度;最后基于线性回归分析亚谐波幅度(SA)和仿生门静脉压力(BPVP)的关系。结果,在7.5~45 mm Hg和8~20 mm Hg的压力区间,当UCA浓度为1∶3000时,SA和BPVP的线性相关系数(LCC)分别为0.927和0.913;UCA浓度为1∶6000时,LCC分别为0.737和0.568;将两种UCA浓度的SA同时作为BPVP的特征时,LCC分别为0.968和0.916。结果表明,SA和BPVP存在良好的线性关系;将不同UCA浓度下得到的SA同时作为BPVP的特征,能提高二者之间的线性相关性。本文为临床上通过SA来无创评估PVP提供了可靠的实验验证,而且为提高该方法的准确性提出了新方向。

Westerhof阻力器计算阻值的一种校正方法

人体血液模拟循环系统(MCS)的目标是重现心血管血流动力学的特性。Westerhof阻力器在MCS中担任层流液阻器的角色,用来模拟心血管系统的外周阻力。Westerhof阻力器的理论计算结果较实际的液阻值有较大的误差,如果将理论公式计算的液阻值当作实际的液阻值,那么精确度明显达不到设计目标和性能要求。为了减少阻力器液阻值理论计算结果与实际值之间的误差,本文提供了一种有效的Westerhof阻力器计算阻值的校正方法,并且开发了仿真模拟软件。仿真软件可以较为准确地预测毛细管数量、总长度、液阻值,降低和简化了设计阻力器的难度和复杂度,使得Westerhof阻力器制作更为精准,为各种循环模拟系统的构建提供了支持。