血小板分布宽度和血清白蛋白水平鉴别甲状腺肿瘤性质的临床进展

为观察和分析血小板分布宽度(PDW)、平均血小板体积(MPV)和血清白蛋白(Alb)水平对甲状腺癌与甲状腺良性结节的鉴别价值,选择2018年12月至2020年9月在安徽省阜阳市人民医院确诊的237例甲状腺癌患者作为研究组,并抽取在该院就诊的237例良性甲状腺结节患者作为对照组.观察2组患者PDW、MPV和Alb水平及预...     

基于优化水平集方法的CT图像肺结节检测算法

对Chan-Vese水平集图像分割方法进行分析和改进,提出了结合全局区域均值和局部边界信息的水平集改进算法,应用于肺部CT图像分割和肺结节检测。在图像分割的目标函数中,在Chan-Vese方法基础上,引入局部边界统计特性能量项,以利于提高肺部医学图像分割的准确率和分割速度。实验表明,该方法可以很好地分割出肺实质轮廓和肺结节病灶区域,在分割速度上比Chan-Vese方法有了明显的提高,检测结果不依赖于初始设置,将人工交互降至最低,有利于实现CT图像肺结节自动检测。     

基于深度学习的CT影像肺结节检测

为辅助医生检测大量肺部CT( Computed Tomography) 图像中难以发现的肺结节的问题,提出使用深度U-Net网络对肺部结节进行分割。由于U-Net 网络出自于全卷积网络( FCN: Full Convolution Network) ,特点是端到端,像素到像素,网络对每个像素点进行分类,能将深层特征抽象的特征信息和浅层特征具象的位置信息相结合得到CT 图像的分割掩膜。实验结果表明,该方法对肺结节的检测效果良好。     

新疆不同地区维吾尔族达尔文结节发生率的研究

用体质人类学目测法,在新疆维吾尔自治区内自东向西的七个地区,调查了具有典型人种分类意义的体质特征指标“达尔文结节”在不同地区维吾尔族中的分布,为深入探讨近现代维吾尔族的人种构成、人种特点及演化过程提供体质人类学依据.达尔文结节在维吾尔族成年人（18～45岁）中有较高的发生率,女性61.08％,男性64.23％,平均62.65％,同一地区维吾尔族成年男性发生率与成年女性发生率无显著差异.新疆维吾尔自治区内自东向西不同地区维吾尔族“达尔文结节”发生率有显著差异,呈自东向西明显逐渐递减的趋势,发生率最高为东部的哈密市（73.36％）,最低为西部的喀什市（51.42％）.上述现象可能因现代维吾尔族形成时人种构成的多源性所导致,主要体现来自东（蒙古人种）西（欧罗巴人种）两大人种不断融合的结果.     

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.     

面向肺部CT影像的双3D-CNN结节诊断模型

为了捕获肺部CT影像中结节的三维不规则性并提高其诊断精度,本文设计了一种由筛到诊的双三维卷积神经网络（d3D-CNN）结节诊断模型.首先,构建了一个轻型3D-CNN网络,且将它与全卷积运算相结合,利用卷积运算的高优化性,完成结节筛选并生成疑似区域;然后,利用空间-切片注意力机制自动学习疑似区域在空间和切片序列上的偏移量,设计可变形3D卷积模块,且将它与ResNet101相结合而构造成一个高精度3D-CNN结节诊断网络,用于对筛选出的疑似区域进行最终判决.对比实验结果表明,所提模型在误报率为1的情况下,召回率达到88.9%,有效地提高了肺结节良恶性诊断精度.     

两性霉素B生产菌培养基成分及发酵条件

 两性霉素B是多烯类广谱抗真菌抗生素,已广泛应用于深部真菌感染。以结节链霉菌Streptomyces nodosus ZJB15076为出发菌种,对其发酵生产两性霉素B的培养基成分进行了优化,确定了较优的碳源和氮源及最适浓度：质量分数为葡萄糖4.5%、牛肉膏4%;在此基础上继续进行发酵条件的研究,确定了较优的发酵条件：发酵初始pH值为7.0,培养温度为28℃,装液量为40 mL/250 mL,接种量（体积分数）为2%。分析了在摇瓶内添加玻璃珠对两性霉素B产量的影响,研究结果表明,添加玻璃珠后能显著改善菌丝聚集情况并显著提高两性霉素B的产量,产量与对照组相比提高了341.1%,达到4563.2 mg/L。     

一种基于CI特征的3-域均值平移聚类肺结节分割算法(英)

提出了一种有效的分割CT图像中肺结节的新算法。该算法采用均值平移（mean shift）算法和基于CI特征,共由三个步骤组成：（1）计算感兴趣区内的所有像素的CI特征;（2）把CI特征与像素的灰度值和空间位置信息结合在一起,形成3-域特征向量集;（3）利用均值平移聚类算法对特征向量集进行聚类。由于本文的算法能有效分析多高斯模型描述的包括实质性结节和亚实质性结节在内的所有结节,因此,可应用于CT图像中任何含有结节的用户感兴趣区域。实验结果证明,本文方法能更精确地分割出不同类型的结节。     

一种基于ARG的肺结节良恶性度判定方法

基于CT影像的肺结节的良恶性识别是肺癌诊断的重要环节,针对这一问题,提出一种基于属性关系图(attributed relational graph, ARG)的肺结节良恶性度判定方法.该方法以肺结节CT图像块作为输入,利用ARG构建其特征结构,并从大量ARGs中挖掘与或图(and-or graph, AoG)作为肺结节类别识别模板,即肺结节良恶性度判定的依据.此外,为提高模板挖掘效率,该方法利用马尔可夫毯(Markov blanket, MB)发现算法去除图像中的冗余特征,降低ARG节点数量.实验结果表明,该方法对恶性肺结节的识别率达到90.12%,能够帮助正确、快速辨识与分析肺结节良恶性,具有一定的实用价值.