医学图像分割的研究进展

医学图像是医生对患者进行病情诊断和治疗规划的有力工具。现今对于医学图像的分割不再局限于手工分割方法,通过传统方法与深度学习方法来实现医学图像分割已经取得更好、更准确的结果。本文基于近年来一些较为出众的医学图像创新分割方法进行综述,通过阐述深度学习方法如SAM、SegNet、MaskR-CNN和U-NET以及传统方法如活动轮廓模型、阈值分割模型创新等,对比各种图像分割方法的异同点,对医学图像分割方法做出总结与展望。以此来帮助学者们更好地了解目前的研究进展与未来的发展趋势。

基于超声深度学习影像组学的乳腺癌新辅助化疗疗效预测

目的开发一种结合超声影像组学、深度学习和临床特征的综合模型,以预测乳腺癌新辅助化疗(Neoadjuvant Chemotherapy,NAC)后的病理完全缓解(Pathological Complete Response,pCR)。方法共纳入117例乳腺癌患者,按照7∶3的比例随机划分为训练集和验证集。采用Mann-Whitney U检验、随机森林递归消除算法和最小绝对收缩和选择算子进行特征筛选及影像组学/深度学习标签构建。对患者的临床参数进行单/多因素分析,以选择有效特征构建临床模型。然后利用逻辑回归算法将临床特征与影像组学、深度学习标签相结合,构建临床-影像组学-深度学习综合模型。从预测效果、校准能力和临床实用性方面评估模型性能。结果临床-影像组学-深度学习综合模型相比于单独的临床、影像组学和深度学习模型在训练集和验证集中均显示出最高的曲线下面积(训练集:0.949 vs.0.788 vs.0.815 vs.0.928;验证集:0.931 vs.0.643 vs.0.778 vs.0.901)。校准曲线和决策曲线证实综合模型具有良好的预测性能。结论与单一模型比较,综合模型对术前预测乳腺癌患者NAC后的pCR状态具有更高价值。

机器人在放射治疗中的应用

放射治疗(以下简称“放疗”)作为一种主流的癌症治疗手段,其精准度、安全性和疗效一直是临床研究的重点。近年来,机器人技术在放疗领域的应用已取得显著成果,尤其在患者定位、肿瘤跟踪以及剂量传递等关键环节展现出其独特优势。本文综述机器人在放疗领域的研究进展,全面系统地探讨机器人在外照射放疗、内照射放疗、放疗辅助摆位以及图像引导放疗的最新研究成果,以期为机器人在放疗中的应用和发展提供参考。

增强现实在医学领域中的应用现状研究

增强现实(Augmented Reality,AR)技术因其独特的虚实结合、实时交互等优点对医学领域起到很大的帮助,已成为辅助医学治疗的新兴手段。本研究介绍了AR技术的特征及关键技术,以及在医学中的应用现状,具体包括AR在医学教育中、临床手术导航、康复治疗、放射治疗中的应用。尽管AR在各个领域发展的程度不一,随着科学技术的不断进步,相信AR技术将与医学更好的结合来造福人类。

深度学习脑肿瘤MRI图像分类研究进展

大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源,同时人工智能技术的发展促进深度学习应用水平不断提升,推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分,第一部分针对目前主流的深度学习MRI图像分类模型:卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述。首先,阐述了各模型的历史沿袭、最初针对的问题及主要思想;其次,概括了模型的网络架构并探讨其在MRI图像分类上的最新应用;然后,分析了模型的特点、目前存在的局限及各自发展趋势。第二部分论述了一些影响分类性能的关键因素;第三部分提出了一些广泛使用的性能增强技术;文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制,并对未来研究方向进行展望。本文的结果可为研究人员提供一个全面的比较,以及各种深度学习模型的有效性,有望促进脑肿瘤研究的进展。

肺癌立体定向放射治疗中的运动管理研究现状

立体定向放射治疗作为治疗临床上不适合手术或拒绝手术的早期非小细胞肺癌患者的首选方式,是一种分割次数较少、单次放疗剂量大的大分割放射治疗方法。因此,对靶区位置的精度及重复性具有较高要求。针对此,临床上采用影像引导技术、合适的固定装置以及呼吸运动管理技术等辅助治疗来减小呼吸运动造成的影响。本文总结了这几种技术的研究现状,并基于各技术存在的问题对未来的研究方向进行了展望。

基于双次梯度联合改进Criminisi算法去除超声图像中的人工标记并修复图像的可行性

目的观察基于双次梯度联合改进Criminisi算法去除超声图像中人工标记并修复图像的可行性。方法选取30幅二维声像图,图中均包含十字、箭头和/或文字标记,以20幅无标记图像作为参考。算法由标记提取模块及图像恢复模块两个部分组成,前者采用双次梯度最大连通面积方法,后者采用改进重加权Criminisi算法;以峰值信噪比(PSNR)和结构相似性(SSIM)作为指标评价修复图像的质量。结果基于双次梯度联合改进Criminisi算法可准确检出超声图像中的人工标记并生成掩模,用于去除标记、恢复图像。相比无标记图像,30幅超声图像提取的标记掩模的平均检测精度和平均错误发现率分别为0.96和0.63,修复图像的平均PSNR及SSIM分别为46.78 dB和0.99。结论基于双次梯度联合改进Criminisi算法可有效去除超声图像中的人工标记并修复图像。

基于卷积神经网络生成虚拟平扫CT图像

目的针对增强CT图像,采用U-Net卷积神经网络(CNN)方法生成虚拟平扫CT图像,比较其与增强CT和实际平扫CT图像的差异。方法纳入50例于同次检查中接受平扫及增强CT扫描患者,记录其容积CT剂量指数(CTDIvol)。以40例CT数据为训练集,输入增强CT图像后,以对应的平扫CT图像作为输出,用于训练U-Net神经网络;以其余10例数据作为测试集,通过训练完成的U-Net生成虚拟平扫CT图像。比较虚拟平扫CT与实际平扫及增强CT的图像及参数差异。结果50例平扫CT平均CTDIvol为(11.67±0.51)mGy,增强CT平均CTDIvol为(13.46±0.76)mGy;采用虚拟平扫CT图像可使平均辐射剂量减少46.44%。增强与平扫CT图像的平均绝对偏差(MAE)为(32.28±2.64)HU,结构相似度(SSIM)为0.82±0.05;虚拟平扫CT与平扫CT图像的MAE为(6.72±1.31)HU,SSIM为0.98±0.02。虚拟平扫CT与平扫CT图像所示主要组织的CT值差异均无统计学意义(P均>0.05)。结论针对增强CT基于U-Net神经网络生成的虚拟平扫CT图像与实际平扫CT图像的一致性较好,可由此减少CT扫描次数、降低辐射剂量。

MRI技术用于恶性肿瘤放射治疗进展

现代MRI技术已参与放射治疗流程的各个环节,有助于定性、定位乃至定量诊断肿瘤,并将在实施放射治疗和评估治疗反应中发挥重要作用。本文围绕MRI勾画肿瘤靶区以及多模态功能MRI、基于MRI数据合成CT、四维MRI(4D-MRI)等在放射治疗中的应用进展进行综述。

锥形束CT扫描角度及中心位置对模体靶区的影响

目的观察锥形束CT(CBCT)扫描机架角度及中心位置对模体中植入物体积及CT值的影响。方法于非均匀模体中插入均匀圆柱棒,以其中心为扫描中心,机架旋转360°扫描模体,分别在X、Y、Z方向上移动将扫描中心2.5、5.0、7.5和10.0 cm,或机架分别沿顺时针和逆时针方向旋转20°,间隔20°,于180°~360°进行重复扫描。重建图像,比较各组图像中植入物体积或CT值。结果植入物体积随扫描中心在X方向偏移距离增大而增大,Y方向偏移距离增大而缩小(P均<0.05),随Z方向偏移距离而变化(F=2919.88,P<0.01)。各扫描角度植入物体积不同,360°图像植入物体积大于其他角度(P均<0.05)。360°图像CBCT图像中植入物均大于其他角度(P均<0.05)。结论CBCT扫描时机架旋转角度及扫描中心与靶区的相对关系对模体靶区体积及CT值存在一定影响,机架旋转360°进行扫描,并以扫描中心即计划中心为靶区中心为计划设计的最佳选择。

基于超声影像组学联合临床病理学特征预测乳腺癌Ki-67表达状态

目的探讨基于超声影像组学联合临床病理学特征预测乳腺癌患者肿瘤增殖细胞核抗原67(Ki-67)表达状态的可行性。方法回顾性分析2018年1月至2022年2月在南京医科大学附属常州第二人民医院接受二维超声和Ki-67检查的乳腺癌患者。其中来自城中院区的427例患者按照8∶2的比例随机划分为训练集和验证集, 来自阳湖院区的229例患者作为独立的外部测试集。从二维超声图像的感兴趣区域提取影像组学特征, 采用Mann-WhitneyU检验、递归特征消除以及最小绝对收缩和选择算子进行特征降维并建立影像组学评分(Rad-score)。随后, 采用单/多因素逻辑回归分析, 根据Rad-score和临床病理学特征构建联合预测模型。使用ROC曲线下面积(AUC)、校准曲线和决策曲线分析以评估模型性能和实用性。结果联合模型在训练、验证和测试集中预测乳腺癌Ki-67表达状态的AUC分别为0.858、0.797、0.802, 均优于影像组学(0.772、0.731、0.713)和临床模型(0.738、0.750、0.707)。校准曲线和决策曲线分析表明联合模型具有良好的校准度和临床价值。结论基于超声影像组学和临床病理学特征的联合模型能够有效预测乳腺癌Ki-67表达状态, 有望成为Ki-67检测的非侵入性工具, 并为临床医生提供重要的辅助诊断和治疗决策依据。

基于多深度相机的三维重建技术在放疗中的应用

目的评估基于多深度相机的三维重建技术用于放射治疗患者日常定位的可行性。方法使用3个Intel RealSense D435i相机,经过感兴趣区域提取、滤波、配准、拼接等过程,实时融合点云,重建患者的真实光学3D表面。重建后的表面与定位CT体表外轮廓配准以完成定位。本文使用多个模体验证系统可行性,以及头颈部患者5例、胸部患者10例、骨盆部患者5例验证临床可行性。采用配对t检验分析各组数据。结果系统运行时间为0.475 s,可达到临床上实时监测要求。模体实验中配准六维误差分别为左右(1.00±0.74)mm、头脚(1.69±0.69)mm、腹背(1.36±0.87)mm、偏转角0.15°±0.14°、俯仰角0.25°±0.20°、翻滚角0.13°±0.13°。在实际患者摆位中平均摆位误差为左右(0.77±0.51)mm、头脚(1.24±0.67)mm、腹背(0.94±0.76)mm、偏转角0.61°±0.41°、俯仰角0.69°±0.55°、翻滚角0.52°±0.35°,平移误差在2.8 mm以内,其中骨盆区域摆位误差最大。结论多深度相机实时三维重建技术适用于放疗患者定位,该方法定位准确,可检测患者位置的微小移动,满足放疗要求。

深度学习在近距离放射治疗中的应用

近距离放射治疗是与外部放射治疗相对应的一种放疗方式,因其可以对病灶区域实现更高的放射剂量并更好地保护危及器官而得到广泛应用。但近距离放射治疗工作流程耗时较长,可能会造成患者的不适、施源器或插值针的位移、器官的变化。近年来,深度学习技术在医学领域取得了巨大的成功,为实现近距离放射治疗自动化、提高放疗精度、确保放疗计划安全有效提供了新的思路。本文综述了深度学习在近距离放射治疗中的分割、图像配准、施源器重建、剂量预测和计划优化以及质量保证方面的研究进展,以供临床工作参考。

光学体表引导放射治疗研究现状

光学体表引导放射治疗(Surface guided radiation therapy,SGRT)是一种无创无辐射的图像引导放疗技术,在患者治疗期间全程监控,提供连续、实时成像。本文对SGRT技术的特征、应用代表产品、目前临床上的研究和治疗应用以及质量控制进行概括。SGRT作为一种新兴的技术,在患者接受更加精确、安全、舒适的放射治疗方面发挥了越来越重要的作用。

CT截断区域对食管癌患者放疗计划剂量学影响

目的探讨CT图像截断区域对胸中段食管癌容积调强计划(VMAT)中靶区和危及器官的剂量学影响。方法选取15例胸中段食管癌患的CT图像,设置圆形掩膜使得截断区域体积占手臂体积的10%、20%、30%和40%,得到相应的截断CT,真实CT记为CT0。在CT0上制作2组放疗计划,一组为采用全弧的VMAT_1F,一组为采用避开手臂的三弧VMAT_3F,并将计划复制至4种截断CT。使用Wilcoxon符号秩检验比较不同计划的剂量学差异。结果与CT0中VMAT_1F相比,CT0中VMAT_3F降低肺的Dmean和V_(5),但增加了脊髓的D_(max)、心脏的Dmean和肺的V_(20)。VMAT_3F中,4种截断CT中的剂量学参数与CT0中的没有统计学差异(均P>0.05)。VMAT_1F中,除均匀性指数HI和脊髓D_(max)外,4种截断CT中的剂量学参数与CT0中的均有统计学差异(P<0.05),且剂量学差异随着截断区域体积比的增加而增大。结论临床中应采集完整的CT数据,必要时设置避开截断区域的射野,降低其对剂量学的影响。

三维可视化引导放疗摆位系统的研发及临床应用

目的开发一种三维可视化技术辅助放疗患者摆位,并对比分析其在乳腺和盆腔放疗中与传统摆位方法的差异。方法选取2020年6月至2021年4月常州第二人民医院40例放疗患者作为研究对象,其中乳腺、盆腔患者各20例。利用患者定位CT数据进行三维可视化重建,并将三维可视化模型与真实治疗环境融合,通过交互操作使得三维可视化模型位于加速器等中心点,并以此为依据进行实际患者的摆位。每例患者每周先进行传统摆位、再进行三维可视化引导放疗摆位,分3周采集,所有患者共240次摆位数据,以锥形束CT(CBCT)引导的摆位作为金标准进行比较。结果乳腺患者和盆腔患者三维可视化引导摆位x、y、z轴摆位误差绝对值后分别为(1.92±1.23)、(2.04±1.16)、(1.77±1.37)mm和(2.07±1.08)、(1.33±0.88)、(1.99±1.25)mm,各轴精度较传统摆位分别提高了38.83%、52.40%、33%和36.84%、54.04%、52.58%,y、z轴上的差异具有统计学意义(t=2.956~5.734,P<0.05)。同时,对于乳腺患者,两种摆位方法y方向误差分布具有统计学意义(χ^(2)=7.481,P<0.05),对于盆腔患者,两种摆位方法在各轴的误差分布差异均有统计学意义(χ^(2)=5.900、6.415、7.200,P<0.05)。结论三维可视化技术引导放疗摆位方法有效提高了乳腺和盆腔患者的摆位精度,具有潜在的临床应用价值。

四维超声对前列腺运动靶体积分辨能力的研究

目的探究四维(4D)超声对运动靶体积分辨能力。方法选用前列腺超声模型,分组对比研究应用4D超声在不同运动振幅(A)及运动周期(T)下勾画前列腺靶区,模拟A值分别设置为0.5、1.0、2.0、3.0、4.0、5.0 mm,t值设为1、2、3、4 s。分别计算模体前列腺靶体积,并以靶区静止时超声图像作为对照,分析两者间差异。结果模体静止时超声靶体积与CT靶体积大小有较高一致性(P>0.05)。A值为0.5、1.0 mm,t值为1~4 s时的体积与静止时超声靶体积相近(均P>0.05);A值为2.0、3.0 mm,t值为1~3 s时靶体积与静止时超声靶体积不同(均P<0.05)。A值为2.0 mm,t值为4 s时靶体积与静止时超声靶体积相近(P=0.710),组内极差为6.7 cm^(3),标准差为1.15 cm^(3);A值为3.0 mm,t值为4.0 s时靶体积重复性差,组内极差为14.4 cm^(3);A值为4.0、5.0 mm,t值为1~4 s时组内极差分别为3.27~17.63 cm^(3)、6.51~21.02 cm^(3)。各周期下靶体积重复性很差,不能满足临床要求。结论4D维超声可在患者运动周期1~4 s内、运动幅度≤1 mm内为患者靶区勾画提供可靠参考数据,探头初始位置无影响。

放射治疗中肺部肿瘤运动轨迹预测研究现状

在放射治疗过程中,由于患者的呼吸作用,肺部肿瘤会发生位移,导致放射线难以精准照射靶区。这不仅会对周围健康组织的生理结构造成损伤,还会降低治疗的效果。因此,精确预测肿瘤的运动轨迹并实时调整治疗束的位置显得尤为重要。目前,预测肺部肿瘤运动轨迹的方法主要分为两大类:基于标记物的预测和无需标记物的预测。本综述将讨论这两种预测方法的研究进展,分析其基本原理、应用场景、当前面临的挑战以及未来的发展趋势。期望能够为相关领域的研究人员和临床医生提供一个较为全面的视角,以推动肺部肿瘤放射治疗的改进和优化。