生成对抗网络在医学图像处理中的应用

深度学习算法现在已经成为医学图像处理的最成功的模型,生成对抗网络将神经网络与对抗训练的思想相结合,已经开始应用于医学图像处理。该文主要介绍了几种典型的生成对抗网络,回顾了生成对抗网络在医学图像处理中的应用,包括图像的生成、转换、重建、分割等任务,并对生成对抗网络在智能诊断中的作用、目前存在的问题和未来的发展方向做了讨论。

基于磁共振T1图像的正常人脑组织体积量化研究

目的 通过手动分割和自动分割得出正常人脑的总体积、脑脊液体积、灰质白质体积,分析不同性别的差异和随年龄变化的模式,同时给出可以得到较优结果的软件和参数。方法 通过软件自动分割得到粗略的脑掩模后进行手动精细分割,然后用FSL-FAST分为灰质、白质和脑脊液,最后用SPSS 25. 0。软件进行统计学分析。结果 中国正常成人脑总体积约1263. 24 ml,男性脑总体积(1313. 84 ml)大于女性脑总体积(1173. 11 ml),差异有统计学意义。不同年龄的脑总体积、灰质、白质和脑内脑脊液体积差异有显著性。灰质白质比与年龄无相关性。男性脑总体积、灰质、白质体积均大于女性,三者随年龄增大而降低的模式相似。女性脑总体积、灰质、白质体积随年龄变化的模式相似,在约50岁时达到最大值,随后体积逐渐减小。结论 不同性别人脑体积及灰质、白质、脑脊液体积随年龄变化作为鉴别正常脑体积变化与疾病导致的脑体积变化的依据。

基于多任务学习的非小细胞肺癌亚型分类研究

肺癌是对人群健康和生命威胁最大的恶性肿瘤之一,发病率仅次于女性乳腺癌,死亡率居于所有恶性癌症之首。在临床应用中,准确的肺癌病理分型对确定合理的治疗方案具有重要意义。本文提出了一种新的多任务学习框架,用于非小细胞肺癌CT图像的亚型分类,该框架由2个子网络组成:用于分割的编解码器网络和用于分类的轻量级卷积神经网络,2个子网络共享部分特征提取层,同步训练并优化2个网络。本项研究采用CT图像,划分为训练数据和测试数据。仅利用单任务的轻量级的卷积神经网络进行非小细胞肺癌亚型分类的准确性为0.6522,影像组学方法的分类准确性是0.7681,利用经ImageNet预训练过ResNet18网络得到的分类准确率是0.8116。

基于定量磁化率图像的早期帕金森病相关脑结构研究

本文应用3T磁共振T1加权图像和定量磁化率图像(QSM)分析早期PD患者深部灰质核团体积的变化,探究深部灰质核团磁化率值在早期PD患者和健康对照者(HC)之间的差异,探讨磁化率值在早期PD诊断中的意义,以及QSM对于黑质小体1的显示情况。纳入早期PD患者和年龄、性别、教育程度匹配的健康对照者,分割双侧尾状核、壳核、苍白球、黑质和红核,测量核团的体积和平均磁化率值,使用SPSS20.0对数据进行统计分析,并对磁化率值进行逻辑回归。

基于柔顺控制的智能神经导航手术机器人系统设计

机器人辅助微创手术,因其低侵袭性而变得越来越普遍。然而,因定向障碍和缺乏导航信息限制了其在经自然腔道手术的进一步应用。自然腔道解剖结构复杂,机器人末端的手术器械易损伤周围血管和神经。本研究设计了一种智能控制导航手术机器人系统,使用可靠和安全的定位技术、7自由度机械臂以及避免关节角度限制的逆运动学控制策略,以实现高灵活度的机械臂控制。基于患者术前影像进行手术导航与手术规划,并通过阻抗柔顺控制将患者与手术器械的接触力限制在一定范围内,实现保护患者的正常组织。为了提高手术精度并缓解医生的手术强度,智能语音控制实现术中手术器械位置和姿态的微小调整。基于体模和尸头实验进行系统的有效性验证。结果显示,本系统的定位误差小于1 mm,轨迹追踪角度误差小于2.5°,术中导航可进行实时手术靶点与器械跟踪,阻抗柔顺控制可将手术器械与患者之间的接触力降低在1.2 N以下,基于语音识别的精细调控可以满足术中对手术器械运动控制的要求。本研究的结果初步表明,所设计的手术机器人系统在机器人辅助微创手术中具有潜在的应用前景。

骨桥蛋白和骨连结蛋白在冠状动脉粥样硬化斑块中的表达及与钙化的关系

目的 :探讨骨桥蛋白 (Osteopontin ,OPN)和骨连结蛋白 (Osteonectin ,ON)在冠状动脉粥样硬化斑块中的表达情况及与钙化的关系。方法 :从 1 3例压力灌注固定后的心脏标本中分离 2 6支冠状动脉 ,取其中的 2 60个血管段进行组织切片 ,HE染色。用LF1 2 3、LF3 7、CD68、α actin抗体分别对OPN、ON、巨噬细胞、平滑肌细胞进行免疫组化染色 ,Leica图像分析仪观察斑块的OPN、ON以及钙化和两种细胞的染色程度。结果 :钙化斑块内均有OPN表达 ,OPN的表达程度随钙化加重而增加 (x2 =3 5 0 .0 79,P <0 .0 0 1 ) ;ON在正常和粥样硬化的冠状动脉基本不表达或少数弱阳性 ;OPN的表达程度与CD68和α actin的表达水平之间有显著关联性 ,即随着OPN表达程度的增加 ,CD68的表达显著增强 ,巨噬细胞数增多 (x2 =1 82 .83 9,P <0 .0 0 1 ) ,α actin的表达显著减弱 ,平滑肌细胞数减少 (x2 =5 8.875 ,P <0 .0 0 1 )。结论 :OPN参与冠状动脉钙化的调节 ,其主要来源于巨噬细胞和巨噬细胞源性的泡沫细胞。

基于网络的颅面部计算机三维重建和虚拟解剖

目的:研究基于网络重建颅面部组织的三维图像,并进行虚拟解剖。方法:2例人头面部 Light-Speed CT扫描的原始数据,经对原始图像传输,读取后,兴趣区选择,利用Java编制基于网络运行的三维重建软件对其进行重建和解剖虚拟。结果:重建出的颅面部图像逼真,分层显示,能任意角度旋转,任意厚度多次切割和恢复。同时能三维显示切除的组织结构。结论:实现了颅面部组织在Interner网上的重建和解剖虚拟,为计算机辅助解剖提供一条新的软件系统。

颞骨岩部CT和MRA的融合与重建

目的：利用计算机图像融合技术,探讨对颞骨岩部、颈内动脉、骨迷路等结构进行多模态医学图像的配准、融合与重建,为经岩骨入路手术术前计划的设计与模拟提供形态学基础.方法：收集患者头颅CT、MRA导航序列图像,利用复旦数字医疗自行研发的神经外科手术导航系统软件,进行影像数据的配准和融合,分别基于CT图像重建出颅骨和骨迷路,基于MRA图像重建出颈内动脉.结果：重建后的图像可单独或多结构融合显示颞骨岩部、颈内动脉和骨迷路的形态;三类结构用不同的伪彩色、透明度进行区别显示,能快速、直观地反映相互之间的位置和毗邻关系;能够根据手术入路,在三维空间中任意角度旋转观察.结论：利用头颅CT和MRA导航序列图像,经配准、融合和重建,显示颞骨内颈内动脉、骨迷路等复杂结构,为颅底外科解剖训练和手术计划提供一种新的方法和有效的信息补充.

点匹配空间配准中三种误差之间的关系

目的基于标记点的点匹配方法普遍应用于计算机辅助手术的空间配准当中。点匹配中有标记点定位误差、标记点配准误差和靶点配准误差等三种误差定义方法,本实验着重研究这三种误差之间的关系及其对应用的影响。方法我们选择患者头颅CT数据进行空间配准的模拟试验,研究上述三种误差之间的关系。实验中我们使用几种不同的标记点数量,并且模拟了一个高斯分布和一个非高斯分布两种标记点定位误差模型。结果相同的标记点数量,标记点配准误差和靶点配准误差,都随着标记点定位误差的增加而增加。在相同的标记点定位误差分布模型下,标记点配准误差随着标记点数量的增加而增加,但是靶点配准误差随着标记点数量的增加而降低。在标记点定位误差符合相同高斯分布的情况下,标记点配准误差与靶点配准误差没有相关性,但是在标记点定位误差符合相同非高斯分布的情况下,两者之间表现出一定的相关性。结论在标记点数量不同的情况下,标记点配准误差不能用来衡量空间配准的情况。在标记点数量相同的情况下,标记点配准误差能否反应空间配准情况,则依赖于标记点定位误差的分布情况。

基于磁共振T1成像的帕金森病相关脑结构体积差异性分析

目的应用3.0T磁共振T1成像分析帕金森病(PD)患者脑结构如尾状核、壳核、苍白球、中脑、背侧丘脑、海马、杏仁核体积的变化,探讨MRI体积测量在PD引起形态学改变的应用及在早期诊断上的意义。方法采用3.0T MRI对40例早中期PD患者和年龄匹配的32名正常人进行扫描,分别测量出全脑体积、双侧尾状核、双侧壳核、双侧苍白球、中脑、双侧背侧丘脑、双侧海马、双侧杏仁核的体积,对体积值标准化处理后,使用SPSS22.0软件对数据进行统计学分析。结果比较早中期PD患者和正常对照组发现,PD患者的全脑、双侧尾状核、双侧海马、双侧杏仁核的标准化体积和正常人比较差异无显著性(P>0.05);双侧壳核、双侧苍白球、双侧背侧丘脑、中脑标准化体积差异有显著性(P<0.05)。结论基于MRI测量尾状核、壳核、苍白球、中脑、背侧丘脑、海马与杏仁核的体积的变化能为PD的辅助诊断提供一定帮助。

基于磁共振影像组学特征分类胶质瘤和单发性脑转移瘤

目的应用临床常规3T磁共振T1、T2和液体衰减反转恢复(FLAIR)成像分析胶质瘤和单发性脑转移瘤的影像组学特征差异,探讨肿瘤区域不同方向以不同角度构建的纹理特征对区别两种肿瘤的意义,寻找一种可行的胶质瘤和单发性脑转移瘤高精度分类方法。方法 43例胶质瘤患者和年龄、性别匹配的45例单发性脑转移瘤患者,从肿瘤区域轴状面、冠状面和矢状面方向的每1层构建不同角度的影像组学灰度共生矩阵,计算相应的纹理空间关系特征(包括对比度、相关性、能量和同质性);使用Wilcoxon秩和检验选择特征并降低冗余;所选特征经SVM线性核分类器分类,实现两种肿瘤的诊断。结果在分类胶质瘤和单发性脑转移瘤时,多模态多方向组合特征的精确性、召回率、F1分值和准确性分别是0.8857、0.9114、0.8944和0.8922;该组合特征在SVM线性核分类器下的受试者工作特征曲线下面积为0.9602;并将45例单发性脑转移瘤患者中的40例正确分类;43例胶质瘤患者中的39例正确分类。结论肿瘤区域的多模态多方向组合特征经SVM线性核分类器分类,可以鉴别胶质瘤和单发性脑转移瘤,这可作为第2意见,有效协助医生做出诊断。

基于FPFH-PointNet的术中膝关节软骨表面点云自动提取

目的机器人辅助膝关节置换术导航系统采用激光扫描仪获取术中软骨点云,并与术前模型配准,实现自动非接触空间注册。术中患者膝关节病变点云包含大量的肌肉、肌腱、韧带及手术器械等无关背景点云。手动去除无关点云会因人机交互而占据手术时间,因此,本研究提出一种新颖的膝关节软骨表面点云自动提取方法,以便快速精准实施术中注册。方法PointNet因缺乏软骨表面和几何局部信息的充分描述,不能高精度地提取软骨点云。本研究提出了一种结合快速点特征直方图FPFH-PointNet方法,该方法有效地描述了软骨点云表观,实现了软骨表面点云的自动高效分割。结果本研究以从不同角度扫描10例尸体膝关节标本和1例人腿模型的股骨远端软骨点云为数据集。PointNet和FPFH-PointNet分割软骨点云的准确率分别为0.94±0.003和0.98±0,平均交并比(mIOU)分别为0.83±0.015和0.93±0.005。FPFH-PointNet相比于PointNet,准确率和mIOU分别提高了4%和10%,而耗时仅约为1.37 s。结论FPFH-PointNet能够精准地自动提取术中膝关节软骨点云,满足了术中导航的性能需求。

基于完全融合集成网络候选框的肋骨骨折检测方法

目的提出一种新型的肋骨骨折检测网络Rib-Net,探讨其进行肋骨骨折检测的可行性与准确性,以减少骨折漏诊案例。方法采用公开数据集RibFrac Dataset,其数据集划分为训练集(420例)、验证集(80例)及测试集(160例)。Rib-Net由目标检测集成网络ED-Net、完全候选框融合算法(CBF)与分割模型3D Unet构成。首先,集成Retina Unet、UFRCNN+与Mask RCNN组成ED-Net,预测肋骨骨折候选框;其次,设计全新的CBF,融合存在重叠的骨折候选框,生成定位精准、置信度准确的候选框;最后,利用Unet对肋骨骨折进行分割,实现肋骨骨折的进一步精确定位。结果在“MICCAI 2020 RibFrac Challenge:Rib Fracture Detection and Classification”挑战赛平台上,Rib-Net检测结果达到了最优成绩,其召回率、无限制接受者操作特性曲线(FROC)值及Dice相似指数分别为92.3%,0.859和0.61。结论Rib-Net网络可高效精准地对胸部CT影像进行肋骨骨折检测定位,有效协助医生做出准确诊断。

早期帕金森病相关脑结构的定量磁化率成像

目的应用3T磁共振T1加权成像和定量磁化率成像分析早期帕金森病(PD)患者深部灰质核团体积的变化,探究深部灰质核团磁化率值在帕金森病患者和健康对照者之间的差异,探讨磁化率值在早期PD诊断中的意义,以及定量磁化率成像对于黑质小体-1的显示情况。方法30例早期PD患者和27例年龄、性别、教育程度匹配的健康对照者,分割双侧尾状核、壳核、苍白球、黑质和红核,测量核团的体积和平均磁化率值,使用SPSS20.0软件对数据进行统计学分析,并对磁化率值进行逻辑回归。结果早期PD患者组和健康对照组上述核团标准化体积之间差异无显著性;早期PD患者组右侧苍白球、左侧黑质和右侧黑质的磁化率值显著高于健康对照组(P<0.05);上述核团磁化率值经逻辑回归变换后得到的受试者工作特征曲线下面积为0.93;在21例健康对照者和1例早期PD患者的定量磁化率图像上看到了黑质小体-1。结论定量磁化率图像在诊断早期PD中具有很高的应用价值;大部分健康对照者的黑质小体-1在定量磁化率图像上可以显示,但更精确的研究需要<1mm分辨率的定量磁化率图像。