基于深度学习的CT影像预测胃癌HER2状态

目的:构建并验证一个深度学习模型,旨在全自动流程地对胃癌病灶进行检出并预测胃癌患者人表皮生长因子受体(HER2)状态。方法:回顾性收集经手术病理证实为胃癌及明确HER2状态的135例胃癌患者CT及临床数据(HER2阴性88例;HER2阳性47例),随机分为训练集(n=95)和验证集(n=40)。基于级联nnUNet神经网络建立胃分割模型和胃癌自动检出模型,选择合适区域,以此建立基于ResNet网络的HER2状态预测模型,并验证模型的预测性能。结果:胃分割模型五折交叉验证的Dice系数为91.4%。胃癌检出模型在训练集和验证集中检出率分别为96.8%和97.5%。HER2预测模型敏感度训练集为78.1%,95%置信区间(CI)(61.2%,88.9%);验证集为71.4%,95%CI (45.4%,88.3%)。特异性训练集为67.9%,95%CI (54.8%,78.6%);验证集为69.2%,95%CI (50.0%,83.5%)。ROC曲线下面积(AUC)训练集为84.0%,95%CI (76.4%,90.7%);验证集为78.6%,95%CI (65.9%,90.0%)。结论:本...     

基于视觉定位的非确定轨迹CT系统

计算机断层成像(CT)系统需要精确和确定的扫描轨迹来获得高质量的图像。如果机械系统无法实现高精度的扫描轨迹,CT图像的质量将受到影响。该文提出了一种CT系统,通过视觉定位来实现非确定扫描轨迹下的CT成像。其中视觉定位系统通过对待测物体位移和转角的测量来获得实际扫描过程中射线与物体的精确几何关系。针对这种数据条件,提出了一种改进的滤波反投影(FBP)算法,实现非确定轨迹的CT图像重建。该方法将滤波反投影算法的适用范围从标准轨迹扩展到了通用轨迹。模拟数据计算和实验结果验证了该系统的可行性。此方法很大程度上为CT系统的设计提供了便利。     

基于标记的肝脏CT图像智能提取

针对腹部CT图像所含脏器多且复杂的特点,结合解剖学知识,提出了一种新的基于多尺度梯度的医学图像分割方法。结合图像的灰度直方图的梯度变化,对图像进行内外标记,而后利用强制最小技术对多尺度梯度进行修改。在修改后的梯度图像中直接进行全局阈值分割,并结合解剖学知识再进行相应的形态学处理,最终可以较好的将肝脏从腹部图像中提取出来,适合用于肝脏的智能提取。     

基于倾斜影像颜色信息的建筑物点云提取

针对建筑物点云提取不完整问题,笔者采用一种组合方法从影像密集匹配获得的多视图像(MVS)点云中提取建筑物点云.首先运用布料模拟滤波(CSF)算法进行地面点滤波,去除MVS点云中的地面点;然后根据MVS点云的颜色信息,利用过绿指数(EXG)和植被密集成块特性将植被点云剔除;最后使用密度聚类从剩余的点云中分割出建筑物点云....     

基于CT数据的股骨三维有限元建模方法

实现一种基于计算机断层成像(CT)数据的股骨三维有限元建模方法,用于生物力学研究。可视人计划(VHP)男性标本的冷冻CT序列图像分割后,用移动立方体算法三维重建股骨几何模型并转换为有限元网格,有限元网格设置各向同性和正交各向异性材料特性建立两个有限元模型,有限元模型施加双腿站立情况的边界条件进行有限元分析。结果表明,这两个股骨有限元模型能很好地和股骨解剖结构相符合。基于CT数据的建模方法可以快速并精确地建立各种骨骼的三维有限元模型。     

基于CT数据的股骨三维有限元建模方法

实现一种基于计算机断层成像(CT)数据的股骨三维有限元建模方法,用于生物力学研究。可视人计划(VHP)男性标本的冷冻CT序列图像分割后,用移动立方体算法三维重建股骨几何模型并转换为有限元网格,有限元网格设置各向同性和正交各向异性材料特性建立两个有限元模型,有限元模型施加双腿站立情况的边界条件进行有限元分析。结果表明,这两个股骨有限元模型能很好地和股骨解剖结构相符合。基于CT数据的建模方法可以快速并精确地建立各种骨骼的三维有限元模型。     

基于半监督阶梯网络的肝脏CT 影像分割

针对医学影像数据中标记样本较少且人工标记成本高的问题, 提出一种基于半监督阶梯网络的肝脏CT(Computed Tomography)影像分割模型。首先, 利用超像素分割对数据进行预处理减少数据量, 并以像素点为中心提取子图像(patch)放入半监督模型进行训练。最后, 利用训练模型进行肝脏分割。实验结果表明, 该模型利用少量的标记图片得到了与监督学习相近的结果。     

基于CT图像的自动肺实质分割方法

在肺癌、肺气肿等肺部疾病计算机辅助诊断方法中,肺实质分割是最核心的步骤.提出一种基于三维CT图像序列的新的自动肺实质分割方法,综合利用了阈值分割、区域增长及数学形态学等算法,并在特定体层通过图搜索算法精确定位左右肺前后连接线狭窄区域,有效解决了肺实质边缘结节易分割遗漏及左右肺分离的难题.通过多组胸部CT序列图像的实验证明,该方法对于肺实质分割非常精确有效.     

基于CT图像的全髋关节置换辅助诊断算法

计算机辅助诊断算法是医学图像处理领域的研究热门。全髋关节置换前医生需要手动对比CT与股骨柄图像进行诊断。提出了一种基于CT图像的人工髋关节置换辅助诊断算法。首先统一CT图像与人工髋关节图像的度量,然后通过图像处理提取CT中股骨头中心与股骨干轴线作为内部基准,最后根据基准对人工髋关节图像进行几何变换,与CT图像融合后以模拟植入后效果,辅助医生诊断。实验结果表明,该算法能够准确地将人工髋关节图像与CT图像配准。     

基于NSCT与形状特征的遥感影像道路提取

提出一种基于非抽样Contourlet变换（NSCT）与形状特征的遥感影像道路提取算法.首先对图像进行非抽样Contourlet变换,得到不同尺度、不同方向上的变换系数,对变换系数进行增强处理并通过反变换得到增强图像;然后对增强图像进行分割处理,利用道路形状特征对分割结果进行道路提取;最后利用光谱特征对提取的道路进行判断,并利用形态学方法对道路网进行规整.对比实验结果表明：该算法取得了较好的高分辨率遥感影像道路提取效果.     

利用脊波变换对牙片中根管图像的增强方法

基于牙片图像的特点及脊波变换能保持线型结构的特性, 提出一种基于脊波变换的边缘检测方法. 以Radon变换作为脊波和高斯小波间的桥梁, 通过脊波域内灰度均值的比较对牙根管区域进行定位, 得到了定位准确、 连续的根管图像边缘. 该检测方法抗噪性好, 定位准确, 更益于医生诊治.     

基于小波变换的纹理特征提取

提出了一种利用小波分解图像来提取图像纹理特征的方法,指出该方法有效提高了检索准确性,且检索效果较好。     

一种基于形态中值金字塔的线特征提取方法

基于掌纹的身份识别技术是基于人体参数身份识别技术的重要内容,如何选择合适的掌纹图象及其线特征,如何提取这些线特征是该项技术的关键所在,传统的边缘检测方法易产生双边缘,。易出现位置偏移,易受噪声影响,因此不适于掌纹线特征的提取,本文提出的一种基于形态中值金字塔的多分辨率线特征提取方法,借鉴多分辨率分析的思想,结合掌纹图象的特点及其相关知识来提取线特征,取得了较理想的实验结果。     

仿生种植牙模型的三维有限元分析与结构优化

目的:研究不同弹性模量和厚度的仿生牙周膜对仿生种植牙模型骨界面应力分布的影响,优化仿生种植牙模型的结构.方法:对仿生种植牙三维有限元模型施加100N的载荷,应用三维有限元方法,分别对6种不同弹性模量和5种不同厚度的仿生牙周膜的仿生种植牙三维有限元模型的骨界面进行应力分析.结果:当仿生牙周膜弹性模量为689MPa、膜厚0.25mm左右时,骨界面上的应力最小且分布均匀.结论:在仿生种植牙模型中,取仿生牙周膜厚为0.25mm、弹性模量为689MPa时,能达到模型的结构优化.     

基于数据网格的肝脏CT图像感兴趣区域分割

通过图像分割获取医学图像感兴趣区域是医学图像处理与分析要解决的首要问题及技术难点。为了获取肝脏CT图像中的感兴趣区域,针对肝脏CT图像的自身特点,提出了一种基于数据网格和改进的区域生长法相结合的肝脏CT图像感兴趣区域分割方法。首先利用数据网格对肝脏CT图像做粗分割,最大程度地去除骨骼及背景对后期分割的影响。其次,利用先验知识,确定区域生长的种子点,做基于改进的区域生长法的二次分割。实验结果表明,能较完整的分割出CT图像的肝脏区域。实验结果为进一步的医学肝脏图像的处理与分析奠定了基础。     

基于KCPA提取特征和RVM的图像分类

为了得到更理想的图像分类结果,提高图像分类的效率,提出一种核主成分分析与相关向量机(RVM)相融合的图像分类算法.首先采集大量图像,建立图像数据库,并提取图像特征;然后采用核主成分分析对图像进行选择和降维,减少图像特征数量,消除作用较小的特征;最后通过相关向量机的训练构建图像分类器.采用3个图像数据集进行图像分类实验,实验结果表明,对于3种标准图像数据库的图像,该算法的图像分类正确率大于95%,远高于其他算法的图像分类正确率,且图像分类速度可以满足图像的实际应用要求.     

采用局部相位的Nonlocal低剂量CT图像去噪

通过引入局部相位特征,提出了一种新的基于NL-means的低剂量CT图像去噪算法.在非局部滤波器中引入局部相位,设计新的图像子块相似性测度函数,用于低剂量CT图像的去噪.通过与其他4种流行的去噪算法进行模拟图像数值比较,并对真实图像去噪进行临床评价,结果表明：所提出的方法在对低剂量CT图像去除噪声的同时,能保留具有重要诊断价值的CT图像特征,如边界、囊肿区及低密度区等.量化及临床实验结果表明所提出的算法能有效地滤除低剂量CT图像中的噪声并保留图像中有用的诊断信息.     

基于梯度下降法的双能CT双物质分解算法

基物质分解是双能CT重建的重要步骤,其中双物质分解是常用的分解模型之一,该模型的核心关键是计算分解系数投影.为了更快计算它,提出了基于误差反馈梯度下降的双能CT双物质分解算法和基于Armijo-Goldstein梯度下降的双能CT双物质分解算法.由于计算了梯度下降步长,这两种方法能快速迭代求解基物质分解系数投影.同时他们有效地解决了双能CT重建的非线性问题.仿真实验结果显示,与传统查表匹配法相比,这两种算法稳定收敛,计算速度快,重建精度高,对临床应用有重要的意义.在重建结果精度近似的情况下,基于Armijo-Goldstein梯度下降的算法采用不精确线性搜索步长,因此它的运行速度更快.     

基于Geant4的多相流CT系统优化设计

针对多相流CT系统,利用基于蒙特卡洛方法的高能粒子输运仿真软件工具包Geant4分析,构建了多相流CT系统5源、7源和9源仿真模型.分析多相流CT系统的数学模型,并利用LBP、FBP以及ART算法进行了图像重建.基于散射光子比和重建图像质量等优化指标分析,进行了多相流CT成像系统的优化设计.实验表明,优化设计后的CT系统使层流、环流和泡状流的散射光子比分别降低到5.32%、5.33%和5.29%,有效抑制了光子散射,明显改善了再构图像质量.     

基于CT图像构建听骨链三维有限元模型

目的:初步探讨中耳听骨链传声机制的力学特点。方法:采用1例听力正常者CT图像,建立中耳的三维有限元模型,进行中耳力学分析,观察不同频率下中耳主应变、主应力和位移的变化。结果:低频和中频中耳主应变、主应力变化较大,而在高频阶段变化并不明显,其中200 Hz和在1 000~2 000 Hz阶段变化最为明显,中耳主应力与主应变变化趋势相一致。当刺激音高于2 000 Hz时,中耳听骨链没有位移产生。结论:通过中耳有限元模型可以无创性地研究听骨链传声机制,有利于术前及术后对听骨链进行临床评估。