基于多示例学习的钼靶图像BI-RADS分类方法

目的:基于深度学习的乳腺X线图像分类模型对于所得出的决策无法给出诊断依据。本文旨在保证模型分类精度的同时,改善模型的可解释性。方法:基于多示例学习,提出一种弱监督病灶分类和定位方法,以应用于乳腺X线图像的乳腺影像报告和数据系统(BI-RADS)分级任务。为了解决传统多示例学习只能应用于二元分类任务的问题,本文利用了BI-RADS分类的有序性,引入了新的样本标签、训练方法和输出判断方法。结果:公开数据集INbreast上的实验结果表明,在使用相同的特征提取网络下,所提出的方法在分类准确性上相较传统方法提升了2.91%。模型在病灶检出上的准确率达到83.49%,真阳性率达到75.87%,具有一定的病灶定位能力。结论:在不借助病灶轮廓数据或是位置数据进行训练的情况下,所提出的深度学习模型可以展示出每一个可能存在的病变区域及其BI-RADS分类,具有较好的应用场景。

PEG包裹纳米金粒子作为新型CT造影剂的初步探索

目的探究聚乙二醇包裹纳米金粒子(PEGlatedAuNPs)作为新型CT造影剂的可行性。方法将7个不同浓度的PEGlatedAuNPs与非离子型碘造影剂碘普罗胺(Iopromide)进行体外CT扫描,比较衰减系数和成像能力;通过皮下注入和静脉注射方式进行动物体内CT的扫描,评估体内各脏器的强化特点。结果相同浓度的PEGlatedAuNPs较Iopromide衰减系数高,且随着浓度的增加两者CT值差异越来越大;在皮下形态稳定,能长时间停留而不易被吸收;在SD大鼠体内相容性较好;在体内循环时间长,主要经肝脏代谢。结论PEGlatedAuNPs是一种理想的CT分子显像造影剂。