基于条件分割对抗网络的超声甲状腺结节分割

提出一种基于条件分割对抗网络(conditional segmentation adversarial network, cSegAN)的超声甲状腺结节分割模型。模型由分割器网络和判别器网络两个部分组成，其中分割器网络设计使用一种多扩张率卷积块联合对结节区域进行准确定位，通过学习提取结节深度和浅层特征信息，获得结节区域二值掩膜；判别器网络对比分割结果与金标准之间的差距对分割结果进行评估。经多次对抗训练，实验结果表明，本文所提模型像素精度达到0.953 1,优于其他分割模型，可以更加准确地实现超声甲状腺结节分割。     

融合KFCM与改进DRLSE模型的甲状腺结节图像分割

针对超声甲状腺结节图像分割问题,提出一种融合模糊核(KFCM)聚类算法与改进距离正则化水平集演化(DRLSE)模型的分割算法,解决了DRLSE模型对初始轮廓敏感、演化参数需要人工设定及分割弱边缘能力较差的问题.该算法先利用KFCM聚类算法粗分割出结节区域并二值化作为水平集初始演化轮廓,然后利用初始演化轮廓围成的区域自动计算出水平集演化参数,最后采用高斯正则化规则演化水平集分割出甲状腺结节区域.对比实验结果表明,该算法提高了甲状腺结节的分割精度,在噪声干扰下也能准确地分割出结节区域.     

改进LIC模型的甲状腺结节超声图像分割算法

针对传统LIC(Local Intensity Clustering)模型在分割灰度不均匀图像时速度慢、精度不高且对初始轮廓位置敏感的缺点,提出了改进的LIC模型并将其用于甲状腺结节超声图像的分割.结合高斯概率分布引入局部方差变量构建新的局部灰度描述形式,将水平集演化设置在窄带范围内,以提高分割精度和速度;将标记分水岭算法获得的分割结果作为改进模型的初始轮廓,克服传统模型对初始轮廓敏感的缺点.对比实验结果表明,该改进模型能实现对甲状腺结节超声图像的快速自适应分割,并且在精度与分割速度上都较传统LIC模型有很大提高.     

基于多模态融合和自适应剪枝Transformer的脑肿瘤图像分割算法

脑肿瘤是目前世界上最致命的肿瘤之一,所以脑肿瘤图像的自动分割在临床诊疗中变得日益重要.近年来,基于CNN和Transformer的脑肿瘤分割方法在医学图像分割领域取得了令人欣喜的成就.然而,大多数方法没有充分利用脑肿瘤多模态间的互补性和差异性,并且模型中的Transformer在捕获远程依赖性的同时,忽略了其较大的计算复杂性、冗余依赖性等问题.针对此问题,提出一种基于多模态融合和自适应剪枝Transformer的脑肿瘤图像分割方法（MF-MAPT Swin UNETR）,其中多模态融合模块可以充分学习性质相近的模态间信息和不同模态不同尺度的特征变化,为后续分割提供了充分的准备;基于多模态的自适应剪枝Transformer可以降低计算复杂度,对提升性能有一定的帮助,将MF-MAPT Swin UNETR模型在两个公共数据集上进行了实验验证,结果表明,该模型较最先进的方法整体具有突出的分割性能.     

超声弹性成像与常规超声在甲状腺良恶性结节临床诊断中的对比分析

目的:分析超声弹性成像与常规超声在甲状腺良恶性结节临床诊断对比情况.方法:选取某院收治的78例甲状腺结节患者分为观察组和对照组.给予对照组常规超声检测,观察组在对照组的基础上实施超声弹性成像检测.结果:观察组检测误差为1例,检测准确率为94.11%,对照组检测误差为6例,检测准确率为64.71%,观察组高于对照组,差异具有统计学意义(P0.05).观察组特异性为93.24%,对照组特异性为75.61%,观察组与对照组在诊断检查结果对比上的差异具有统计学意义(P0.05).结论:通过对超声弹性成像与常规超声在甲状腺良恶性结节临床诊断中的对比研究,发现超声弹性成像能够提高甲状腺良恶性结节临床诊断的准确率,具有一定的临床应用价值.     

基于TI-RADS分类的桥本甲状腺炎合并结节危险因素分析

目的:基于甲状腺影像报告和数据系统(TI-RADS)分类探讨桥本甲状腺炎(HT)合并结节的恶变危险因素,辅助临床诊断,同时为早期防治和患者的自我健康管理提供依据.方法:回顾性分析了2016年1月至2018年12月某省级三甲医院内分泌科就诊的所有HT合并结节患者基线特征、超声检查及实验室检查结果.基于TI-RADS结果将...     

一种全局隶属度和小波能量相结合的活动轮廓模型

计算机化X射线体层照相(computeried tomography, CT),图像中的磨玻璃型肺结节,由于其具有模糊的轮廓,且肺结节区域与其邻域的亮度值相差很小等特性,一般的图像分割算法很难对其进行精准地分割。针对该问题,提出一种全局隶属度和小波能量相结合的活动轮廓模型。首先,利用全局隶属度函数调整初始活动轮廓曲线,使之与目标边界的距离更接近,且形状更相似;同时,基于全局隶属度的边界停止函数能快速收敛于目标边界,使得预测曲线更加贴合待分割目标;其次,基于小波能量的局部活动轮廓模型数据项增强了目标与背景之间的对比度,进而能更精准地分割在低对比度和亮度非均匀场景中的目标轮廓。将该模型应用于全实质及部分实质磨玻璃型肺结节的CT图像中,实验证明了本文算法的优越性。     

融合Swin Transformer的虫害图像实例分割优化方法研究

【目的】为了实现对虫害的精准监测，提出了一种融合Swin Transformer的图像实例分割优化方法，以期有效解决复杂真实场景下多幼虫个体图像识别分割困难的问题。【方法】选用Swin Transformer模型，改进Mask R-CNN实例分割模型的主干网部分，对黄野螟幼虫虫害图像进行识别分割。针对不同结构参数的Swin Transformer模型与ResNet模型，调整各层的输入输出维度，将其分别设置为Mask R-CNN的主干网进行对比实验，从定量与定性两个角度分析不同主干网的Mask R-CNN模型对黄野螟幼虫的识别分割精度与效果，确定最佳模型结构。【结果】(1)该方法在虫害识别框选方面的测度(F1)分数可达89.7%,平均精度(A_P)可达88.0%;在虫害识别分割方面的F1分数可达84.3%,A_P可达82.2%。相较于Mask R-CNN,在目标框选与目标分割方面分别提升8.75%与8.40%。(2)对于小目标虫害识别分割任务，该方法在虫害识别框选方面的F1分数可达88.4%,A_P可达86.3%;在虫害识别分割...     

超声弹性成像对甲状腺良恶性结节鉴别诊断价值

探讨超声弹性成像在甲状腺良恶性结节鉴别诊断中的应用价值。将2015年3月~2016年10月期间于甘肃省高台仁济医院进行检查的甲状腺结节患者135例作为本次研究观察对象,所有患者均进行常规超声检查、超声弹性检查以及临床病理检查,将病理检查结果作为检验金标准,比较两种检查方法的良性预测值、恶性预测值、敏感度以及特异性。135例甲状腺结节患者病理检查结果显示良性结节114例,恶性结节21例,超声检查显示良性105例,恶性30例,超声弹性成像检查结果显示良性111例,恶性24例。两种检查方法良性预测值、恶性预测值、敏感度、特异性等各项结果比较,超声弹性成像检查均明显优于超声检查,差异具有统计学意义(P0.05)。应用超声弹性成像对甲状腺良恶性结节进行鉴别诊断,效果显著,准确性高,敏感度及特异性好,值得临床推广。     

弱边缘医学超声图像目标区域的自动定位与分割

医学超声图像分割是图像处理中的一项关键技术.以胆结石超声图像为例,介绍一种新的弱边缘超声图像分割算法.首先采用基于直方图凹度分析的阈值分割方法确定Snake模型的初始蛇,再基于Snake模型结合贪婪算法对图像进行目标分割.实验结果表明该算法对弱边缘现象较为严重的医学超声图像进行目标分割时,定位准确,且分割效果良好.     

基于改进主动形状模型的前列腺超声图像分割算法

为了提高前列腺超声图像的分割精度,提出了一种基于改进主动形状模型的前列腺超声图像分割算法.首先,提取前列腺超声图像的特征集合,该特征集合由Gabor纹理特征和局部二值模式(LBP)特征组成.然后,通过利用k均值算法对提取的特征集合进行聚类分析,得到超声图像的聚类表示图.最后,在聚类表示图上应用ASM获取超声图像中前列腺的形状信息.结果表明,该算法可以准确地定位前列腺边界信息,与医生手动标记的前列腺轮廓相比,平均绝对距离仅为1.559 6 mm,戴斯相似度系数最高可达93.88%.利用超声图像的聚类表示图可以获得更加精确的前列腺轮廓信息,可用于海扶高聚焦超声(HIFU)手术中的精准导航.     

彩色多普勒超声在甲状腺肿瘤良恶性鉴别诊断中应用的价值

研究彩色多普勒超声在甲状腺肿瘤良恶性鉴别诊断中应用的价值。回顾性分析2014年1月~2015年4月到就诊的76例甲状腺肿瘤患者临床资料,采用彩色多普勒超声仪鉴别甲状腺肿瘤良恶性,并将诊断结果与病个诊断相比,计算诊断符合率。98个甲状腺结节中,良性76个,恶性22个。76个良性甲状腺结节中,多结节59、单结节17;有包膜15,有声晕23,颈部淋巴结3个。22个恶性甲状腺结节中,多结节17,单结节5;有包膜9,有声晕7,颈部淋巴结5个。总体诊断符合率87.76%,误诊率12.24%,灵敏度81.82%,特异度89.47%。彩色多普勒超声在甲状腺肿瘤良恶性鉴别诊断中有一定意义,应该结合血流分布、内部回声、淋巴结肿大特征、钙化情况综合分析。     

基于高效通道注意力的UNet肺结节CT图像分割

肺癌是全球死亡率最高的癌症之一,肺结节作为肺癌早期诊断的重要依据,对其进行精准分割格外重要。为了帮助医生诊断肺部病变,本文提出一种改进的UNet肺结节分割方法。首先,在特征提取部分引入高效通道注意力网络(efficient channel attention for deep convolutional neural networks, EcaNet),提高UNet分割效果,使其具有良好的泛化能力。接着,为了降低模型参数量、提升算法分割性能,提出一种基于深度可分离卷积的特征融合模型,用深度可分离卷积代替传统卷积完成特征融合。然后,针对肺结节图像特点,将基于重叠度损失函数(dice loss)与加权交叉熵(weighted cross entropy, WCE)结合作为新的损失函数。最后,为验证所提算法Eca-UNet的有效性,在LIDC-IDRI肺结节公开数据集上进行评估。结果表明：Eca-UNet算法在DICE相似系数、MIOU上比UNet分割算法分别提高10.47、7.34个百分点;同时在训练速度上提升了10.10%,预测速度提升了11.56%。     

基于相位的C-V模型乳腺超声图像分割方法

为了提高乳腺超声图像分割的准确率,提出了一种基于相位特征的C-V模型超声图像分割方法.首先,采用LOG-Gabor滤波器对超声图像进行6个不同方向的滤波,提取最大能量所对应的相位信息,得到超声图像的相位特征.然后,采用SRAD方法对超声图像降噪,并将降噪后的图像与相位特征点乘,增强图像目标与背景的对比度.最后,运用C-V模型的分割算法识别图像中的目标区域,并采用腐蚀方法使目标区域边缘完整、平滑.实验结果表明,与基于灰度的C-V模型、GAC模型以及基于相位特征的人工神经网络方法相比,利用该方法分割乳腺超声图像,分割的精确度明显提高,达到92.40%.     

92例甲状腺单发结节的超声鉴别诊断

目的:探讨二维及彩色多普勒超声在甲状腺单发结节鉴别诊断中的价值.方法:回顾分析经手术及病理证实的92例甲状腺单发结节,共分3组,其中甲状腺腺瘤组16例,结节性甲状腺肿组59例,甲状腺癌组17例.比较以上3组的二维及彩色多普勒声像图并与相应病理对照分析.结果:[1]在二维声像图上:对3组病例的甲状腺形状、边界、周边回声、晕环、囊变、钙化及颈部淋巴结肿大进行比较,其差异均有显著性意义(P＜0.05).[2]在彩色多普勒血流成像(CDFI)显示上:对3组病例的结节内部及周边血流的分布进行比较,其差异均有显著性(P＜0.05).[3]超声诊断甲状腺腺瘤的敏感度为100%,特异度为64.5%;诊断结节性甲状腺肿的敏感度为52.5%,特异度为100%;诊断甲状腺癌的敏感度为82.4%,特异度为94.7%.结论:病灶微小钙化和颈部淋巴结肿大的存在提示恶性后果,囊变的存在提示良性结果,二维及彩色多普勒超声对甲状腺腺瘤、单发性结节性甲状腺肿、甲状腺癌的鉴别诊断有帮助.但是单发性结节性甲状腺肿较易误诊为甲状腺腺瘤.     

用频域分析最佳阈值的方法进行超声医学图像分割

超声图像的分割问题是超声图像分析和理解中的一大难题.由于超声图像背景较暗,光照不均的特点,传统的分割方法在超声图像中不能得到很好的分割效果,本文在频域范围基于相位的相关性讨论图像的最佳阈值,通过选取适合超声图像的参数获得最佳阈值并对其进行自动分割,实验证明,针对超声图像,本文的方法优于传统的在灰度域讨论最佳阈值的方法.     

均值漂移带宽选取新方法及其在分割肺结节中的应用

针对肺结节与周围组织相连且边缘模糊造成分割困难的问题,提出一种新的均值漂移(meanshift)带宽自动选取方法并采用均值漂移算法解决结节分割.与基于统计分析规则的带宽选择方法相比,该方法时间复杂度低,且能得到符合实际问题的正确带宽参数.应用带宽选择定理确定带宽参数的初始值,利用尺度空间滤波聚类理论的最稳定尺度准则确定最佳的自适应带宽参数.该方法对毛玻璃型、粘连血管型、贴胸壁型和各向异性型进行评估实验,都取得了正确的分割结果.结果表明,该方法对分割结节是有效的.     

基于多尺度改进的V-Net肺结节分割方法研究

近年来基于深度模型分割已成为肺结节分割的主要方法,但多数深度模型的精度与轻量性难以共存,且大模型不利于方便部署.为了得到一种轻量级且尽可能不损失精度的模型,提出了一种基于M-VNet的肺结节分割方法.该网络总体设计继承V-Net结构,并添加了不同深度路线平衡细节信息和语义信息,使用路线注意力机制进行高效融合.M-Blo...     

基于曲线波的超声图像分割

为了提高前列腺超声图像分割的准确率,提出一种基于曲线波的半监督超声图像自动分割方法.首先,采用对微小波动敏感度高的Riemann-Liouville (RL)分数阶微分算子,突出模糊边界并增强超声图像的纹理;其次,运用曲线波变换对超声图像进行频域中的分解,获得不同子带分量以表达超声图像特征;然后,基于Adaboost的分类算法识别出超声图像中的病灶区和非病灶区;最后,采用中值滤波和腐蚀的方法使病灶区域边缘完整、平滑.实验表明,与运用共生矩阵及二进小波作纹理分析的分割结果比较,所提出的方法在准确率上有了很大的改进,分割超声图像效果更佳.     

基于模糊集与区域生长算法的胎儿下腔静脉血管超声分割

本方研究了胎儿下腔静脉血管在B型超声图像中的分割问题.B型超声使用方便,在临床中有广泛使用,但其图像有噪声多、对比度差的缺陷.为了有效地在B型超声图像中分割血管,提出了一种基于模糊集与区域生长算法的分割算法;该算法预先使用模糊集算法处理,以提高图像对比度;并使用基于梯度改进的自适应区域生长算法进行分割.实验以医生的手工分割结果作为金标准,并与阈值分割和水平集算法进行了对比.实验表明,该方法的准确度和稳定性高于阈值分割和水平集分割方法结果.