大鼠肝肿瘤成模过程中肝组织结构变化

为了解大鼠肝肿瘤成模过程中肝组织结构变化,用二乙基亚硝胺（diethylnitrosamine,DENA）灌胃法构建大鼠肝肿瘤模型,按常规方法制备肝组织石蜡切片和镜检.建模第1周大鼠肝脏的肝小叶结构完整,肝细胞排列整齐.从第5周起肝窦扩张,肝细胞变性肿胀并有不同程度的脂肪变性,同时出现炎症细胞浸润.第8周时肝窦充血,肝细胞脂肪变性严重,并出现纤维组织增生和明显的肝细胞增生.第10周时肝小叶结构受到破坏,出现肝细胞增生性结节.第12周时门管区内有不同程度的卵圆细胞增生及结缔组织增生,伴随胆管增生.第16周时肝小叶结构消失,可见典型的假小叶结构,结节内肝细胞异常增生明显,出现“结中结”,病理性核分裂相亦较多.第17周时肝肿瘤形成,且主要是肝细胞癌,癌细胞排列为索状、腺状、实片状.根据上述结果得出如下结论：用二乙基亚硝胺灌胃法构建大鼠肝肿瘤模型方便有效,肝组织结构和病理变化有规律,易于观察分析,值得推广应用.     

融合注意力特征及动态卷积的肺结节辅助诊断

针对肺结节关键影像征象信息不易获取,部分卷积神经网络（convolutional neural networks, CNN）模型对肺结节的识别率不高的问题,提出一种结合注意力特征的动态卷积残差网络（dynamic convolutional residual networks incorporating attention features,DcANet） ,并在有效实现肺结节良恶性分类的基础上对所提模型的诊断结果进行可视化分析。此网络以适应肺结节三维小尺寸输入特点的残差网络为基本框架,在DcABlock部分使用可以自适应调整卷积参数的动态卷积以及迭代注意特征融合模块,使模型能够更准确地获取肺结节信息,提高模型的表征能力。此外,还使用类激活映射将三维图像的各层切片进行可视化分析。实验在最终测试集上的准确率为85.87%,平衡F分数（F1 ）值为82.67%,敏感度和特异性的综合指标Gmean值为85.51%。实验结果表明,该网络可以提升对肺结节良恶性分类的准确性,诊断结果具有可信性,有一定的临床应用价值。     

基于多感受野与分组混合注意力机制的肺结节分割研究

从CT图像中自动有效分割肺结节对诊断和治疗肺部肿瘤具有重要意义。鉴于肺结节在肺部所占比例很小、形态不规则、与一些邻近组织和器官在视觉上非常相似,给分割任务带来困难,本文提出一种基于多感受野与分组混合注意力机制的肺结节分割网络MRF-GMA。首先,该网络通过多感受野特征聚合模块,捕获不同尺度的结节;其次,利用分组混合注意力模块,提升对结节像素的分辨能力;最后,采用混合损失函数对训练过程进行优化,缓解了类不平衡的问题。在实验部分,本文分别将MRF-GMA与FCN、SegNet、R2U-Net和Attention U-Net等进行比较,结果表明,MRF-GMA模型在Dice相似性系数(DSC)、召回率(recall)和准确率(accuracy)等方面均表现最优,相比Attention U-Net模型,分别提高了2.25、1.19和2.98个百分点。     

基于PET/CT的孤立性肺结节的自动分割方法

为辅助医生临床诊断,提出了一种基于PET/CT(positron emission tomography/computed tomography)的孤立性肺结节的分割方法。该方法首先需要运用图像的配准算法完成相应的过程,然后分别在PET和CT中完成分割提取。在PET中获得了结节的代谢显像区域后,利用高代谢区域的中心作为种子点。使用配准算法将这些种子点映射到CT中对应的位置后,利用区域增长完成对结节结构像的提取。将该方法用于PET/CT病例数据图像分析中。实验结果表明,使用该方法可以完整地获得肺部结节的功能和结构像,从而也显示了该方法的准确性和无监督性。     

一种基于HRCT影像的肺结节计算机辅助检测方法

肺癌是威胁人类生命的第一杀手,如果肺癌能在早期被发现、诊断和治疗,将大大提高肺癌患者的生存率。提出了一种自动的基于高分辨率CT影像(HRCT)的肺结节计算机辅助检测(CAD)方法,可以分为肺实质分割、感兴趣区域(ROI)识别、肺结节特征提取与分类、三维可视化显示几个步骤,综合采用了自适应阈值分割、数学形态学、偏微分方程与不变矩分析等算法。通过对多组肺癌患者CT影像的测试,该方法可以帮助医生有效的提高对于肺癌疾病的诊断准确率。     

一种胸部X射线摄影图像中结节检测的多尺度匹配滤波器

为了提高胸部X射线摄影图像中肺结节的正确检测率,提出一种基于通道化Hotelling模型的多尺度匹配滤波算法.以X射线胸片中的正样本和负样本图像作为训练集合,用Hotelling分类器训练出不同尺度的匹配滤波器组,并与待检测的胸片图像做滤波.计算滤波输出图像的视觉检测差异,以最大差异为约束条件寻找最优尺度的滤波器,计算...     

基于稀疏组Lasso与支持向量机的肺结节CT征象自动标注简

为减少人工读片的工作量及医生对肺结节解释的差异性,提出一种基于稀疏组Lasso特征选择与支持向量机分类器的肺结节CT征象自动标注方法.首先,采用基于多专家标注的阈值概率图方法从肺部CT图像中分割肺结节,并提取专家标注的CT征象;其次,提取肺结节图像的形状、大小、灰度、纹理4种底层特征,通过稀疏组Lasso方法对4种特征进行选择;然后利用支持向量机建立选择后底层特征与CT征象之间的关系模型;最后利用此模型标注肺结节CT征象.LIDC数据库上的实验结果表明,本文方法具有较高的标注精度,能够实现肺结节CT征象的自动标注,辅助医生解释.     

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.     

孤立性肺结节CT影像的计算机视觉分析

目的:探讨电子计算机视觉分析对孤立性肺结节的诊断价值.方法:89例经手术病理证实的肺部结节电子计算机断层扫描(CT)图像经过形态学滤波以及二次图像分割,进行标准哈夫(Hough)函数变换,以提取的计算机视觉特征数据来研究孤立性肺结节的影像诊断.结果:恶性结节的最大极径(MaxRho)为(141.79±8.332),良性...