首页 > 文献资料
-
基于边界逼近的肺实质分割方法
肺部CT图像的分割是计算机辅助诊断系统处理的一个重要环节,其分割的结果影响到医生的诊断与进一步的分析.由于胸膜结节的灰度与肺实质外围的灰度相近,运用传统的分割方法无法正确分割出此类病灶.将胸膜结节包含肺实质一起分割出来,使计算机辅助诊断系统能够对此类病灶做进一步的分析.提出一种结合Graham算法以及边界逼近的方法,对肺实质的轮廓进行修正,进而得到修正的二值模板;将该模板与原图像做乘运算,得到包含胸膜结节的肺实质.运用所提出的方法,对公开数据库LIDC中68张含病灶的CT样本图像做处理,通过与传统方法的对比以及对算法的过分割比例、欠分割比例以及准确性的分析,得到准确率为98.5％,平均过分割比例为1.35％,平均欠分割比例为0.51％,证明了该方法的有效性.
-
CT结肠造影中息肉的自动识别
目的:通过计算机自动识别CT结肠造影中结肠息肉的方法,提高结肠息肉筛查的灵敏度及效率.方法:利用计算CT图像的偏导数得到等值面的几何形态,找到符合息肉特征的体素,通过区域生长及模糊分类完成对息肉的识别与分割,并将识别到的息肉用特殊颜色标记,在其引导下进行虚拟内窥镜重建.结果:自动识别方法对息肉的总体敏感度为68.8%,假阳性率为4.7个/病例,平均检查时间为16.3 min.同人工方法相比,检查时间平均缩短40.5%,且对5～10 mm息肉的敏感度有明显提高(P=0.046).结论:本方法具有较高的识别灵敏度,能加快息肉筛查的速度,可作为结肠息肉筛查的辅助手段.
-
医学图像计算机辅助诊断数据平台研究
缺乏统一的数据存储模型及相关研究工具,是制约计算机辅助诊断研究中数据、算法等研究成果共享的主要因素.针对计算机辅助诊断协同研究中的这一问题,提出并构建了用于医学图像计算机辅助诊断协同研究的数据平台.首先对计算机辅助诊断协同研究中的影像数据、过程数据以及“金标准”数据需求进行了分析,提出了统一的数据模型用于数据存储和表示,采用Oracle数据库实现；分析了病例获取、“金标准”标注、分割、特征提取以及算法评估等研究阶段的业务需求,设计并完成了相应的研究工具；后基于DCMTK采用VC++编程实现了数据平台.数据平台应用于肺癌和脑胶质瘤辅助诊断研究,较好地解决了医学图像计算机辅助诊断研究过程中的数据存储、病例获取、标注、研究结果存储及评估问题,达到了共享研究成果的目的,对提高计算机辅助诊断研究有很好的促进作用.
-
利用基于内容的图像检索技术的眼底图像计算机辅助诊断系统
设计并实现一个眼底图像计算机辅助诊断系统.利用基于内容的图像检索(CBIR)技术,提出一种综合考虑眼底图像颜色(灰度)直方图和明、暗区域等局部信息相混合来表示眼底特征的方法,并运用二维主成分分析法进一步提取非线性特征和降维.在相似性度量上,运用支持向量机和近邻分类算法.随机测试120个样本,系统检索错误的图片数为2张,其正确识别率为98.33％.该系统可用于异常眼底的筛查.
-
皮肤PACS系统关键技术及其临床应用研究
PACS系统(picture archiving and communication systems)从20世纪80年代开始发展到现在,在医学影像中已经得到了广泛的应用.相比其他学科(如X光、CT成像等),皮肤科医生采用图像分析等新技术辅助诊断的过程发展缓慢,目前大多采用肉眼判断.皮肤影像学是利用现代先进计算机成像手段,可以无创、原位、动态、实时的获取皮损图像的新方法.然而皮肤镜、皮肤超声显微镜、激光共聚焦显微镜等成像方法,其各有优缺点,如何更好地利用这些设备,为医生服务,提高临床诊断效率与准确率,是我们面临的新挑战.为解决这一问题,本文对皮肤镜、皮肤超声显微镜、激光共聚焦显微镜的影像进行了整合,设计研发了一套皮肤PACS系统,并在临床中取得了应用,取得了满意的效果.
-
黄色人种皮肤镜图像的自动分析与识别技术
皮肤镜是一种观察活体皮肤表面以下微细结构和色素的无创性显微图像分析技术,已经成为皮肤癌以及各种皮肤疾病的筛选和诊断的有效工具.本文针对黄色人种皮肤镜图像,提出了一套带有质量评价功能的皮肤镜图像自动分析系统.该系统首先采用预处理方法对皮肤镜图像进行质量提升;然后采用基于多模式分类的方法实现皮肤镜图像的自适应分类;后采用组合神经网络模型,实现皮损的分类识别.对180幅黄色人种皮肤镜图像进行分类结果统计,获得了87.8％的敏感度和95.8％的特异度,较其他方法具有更好的分类准确率.
-
MR结肠成像临床应用的初步探讨
目的探讨MR结肠成像(MR colonography,MRC)技术的方法及初步临床应用价值.方法对23例患者(4例结肠息肉,1例结肠腺瘤,3例溃疡型结肠炎,15例结肠癌)和8例健康志愿者行MR结肠成像.肠道准备后,经肛管注入结肠1∶100的钆喷酸葡胺水溶液约1300～1800 ml.被检查者取俯卧位和仰卧位进行扫描,将3D-FLASH数据传输到工作站进行仿真内镜 (MRVE)、半透明显示(MR-VRSV)、多平面重建(MPR)等后处理.结果 MRC能清楚显示结肠正常结构、结肠癌和大于10 mm的息肉,对小于5 mm病变的检出及定性困难.MRC显示上述病变的部位、大小及形态等与光学纤维结肠镜和X线气-钡结肠双重造影所见基本相仿.结论 MRC可作为光学纤维结肠镜和X线气-钡双重造影检查结肠的补充方法.
-
基于智能计算的自动骨龄评估及其与TW3法比较
目的 寻找新的算法以提高自动化骨龄评估(ABAA)的准确性和实用性.方法 建立基于目标的兴趣区(ROD.按照Tanner-Whitehouse(TW3)法将ROI分为RUS(包括尺桡骨及掌指骨)ROI及腕骨ROI.按离子群优化(PSO)法,每个兴趣区提取5项特征(包括大小、形态及融合或比邻状态)输入人工神经网络(ANN)分类器,ANN建立在前馈的多层网络基础上,并以反向传播算法规则训练ANN以分别处理RUS及腕骨特征.约1046份左手及腕的数字X线片被随机分成两部分,一半用以训练ANN,另一半用以ABAA,而之前全部采用TW3法有两名小儿内分泌专家人工判读骨龄.结果 不同专家判读的骨龄间比较提示:RUS骨龄的标准差大于腕骨骨龄(4.40和2.42),但二者的变异系数(CV)均
-
肺部孤立性结节定量研究
目的研究肺部孤立性结节形态参数在良恶性鉴别诊断中的应用价值.方法选择了在2000年4月至2001年5月间,经CT引导下肺穿刺活检的,且经病理证实的良恶性患者87例,其中良性18例,恶性69例.对这些病例按三个步骤进行分析:首先,应用Snake模型提取结节的轮廓线;然后,计算由轮廓线所围成的区域的Legendre 矩和傅立叶描述子(FD),并求出平均值,后,对测量结果,利用SAS软件包进行t检验计算机统计学处理.结果经过t检验,矩和傅立叶描述子两个形态学参数在良恶性肿瘤之间具有显著性意义.恶性肿瘤的矩值大于良性肿瘤,而FD值恰恰相反.应用矩、傅立叶描述子的2者组合鉴别肺部孤立性结节良恶性肿瘤具有较高的诊断价值.结论矩和傅立叶描述子能够定量描述肺部结节的形态特征.
-
基于分形特征序列的乳腺X线图像分类方法
目的 表征乳腺图像中肿块部分纹理特征,通过纹理分析实现乳腺图像中肿块部分与正常腺体部分的分类.方法 应用分形特征值表征乳腺图像纹理特征,利用多级分形特征提取法将乳腺图像分解成一系列细节图像,提取出多个分形特征值；利用分类精度、ROC曲线及曲线下面积(AUC)进行特征选择构建分形特征序列,后应用支持向量机(SVM)方法进行分类.结果 对60幅图像的可疑病变区域进行分形特征序列提取分析,SVM交叉验证分类精度达84.50％.结论 基于分形维数的乳腺图像分类方法不仅能对肿块与正常腺体进行图像分类,还可有效表征乳腺图像的纹理信息,有助于提高乳腺肿块诊断的准确率.
-
CT图像中肺实质的自动分割
目的 为解决肺实质分割中肺部结节及高密度血管易遗漏的问题,提出一种自动肺实质分割方法.方法 首先利用二维区域生长反操作、连通区域判别等方法提取肺实质区域;然后利用行扫描法定位肺区边界点;后通过对边界点参数分析,定位受肿瘤侵占的边界点,利用曲线拟合修复受损边界.结果 通过对多组胸部CT图像的分割,验证了算法的有效性;与几种常见边界修复算法对比,验证了行扫描边界修复算法的优越性.结论 本文提出的算法能将肿瘤包含到肺实质区域,确保分割的完整性、准确性、实时性.
-
基于B超图像多重分形谱的脂肪肝严重程度识别
目的 采用多重分形谱纹理分析法以及模式识别技术,建立一种识别正常肝脏和不同程度脂肪肝B超图像的计算机辅助诊断方法.方法 通过提取每幅B超图像多重分形谱曲线的奇异标度差和多重谱面积两个特征量,再结合近远场灰度比特征量,组成三维特征矢量输入BP人工神经网络进行分类识别.结果 正常肝脏正确识别率96.00%,轻度脂肪肝识别率80.00%,中度脂肪肝识别率88.00%,重度脂肪肝识别率92.00%.结论 特征矢量结合BP网络的识别方法在B超图像上能较好地识别肝脏脂肪化程度,可作为一种辅助诊断方法.
-
数字X线胸片肺结节计算机辅助检测系统与PACS的整合应用
计算机图像存储和传输系统(picture archiving and communication system, PACS)在影像学科的医疗工作中具有重要作用.计算机辅助诊断(computer-aided diagnosis, CAD)技术是医学影像学发展的前沿技术[1-2].PACS系统和医用CAD系统的整合及应用未来将是医院影像科的发展方向.笔者就我院CAD系统在PACS中的整合及应用进行了初步观察,报道如下.
关键词： 计算机图像存储和传输系统 计算机辅助诊断 -
尘肺病的计算机辅助诊断方法
尘肺病是在职业活动中长期吸入生产性粉尘并在肺内蓄积而引起的以肺组织弥漫性纤维化为主的全身性疾病,严重危害着工人的健康.
-
基于计算机辅助诊断技术的超声图像处理软件对甲状腺结节诊断效能的初步研究
目的 通过比较基于计算机辅助诊断技术(CAD)的甲状腺超声图像处理软件(安克侦)与超声医师对甲状腺结节进行甲状腺影像报告和数据系统(TI-RADS)评分的差别,初步探讨安克侦CAD软件在甲状腺结节良恶性鉴别诊断中的价值.方法 选取2015年5月至2016年10月就诊于中山大学附属肿瘤医院的194例甲状腺结节患者的病例资料.每个病例选取一个结节进行分析,所有结节均经手术或超声引导下细针穿刺活检(US-FNA)病理证实.由两位年资不同的超声医师评估结节图像,分别对结节的5个特征(成分、回声、形态、边缘、强回声)进行评分,得出总的TI-RADS评分并分类.安克侦CAD软件则通过自动分析结节图像,得出基于美国放射学会(ACR)标准的TI-RADS评分.结果 安克侦CAD软件的TI-RADS评分与高年资医师比较,差异无统计学意义(Z=0.964,P=0.335),与低年资医师比较,差异具有统计学意义(Z=5.593,P<0.001).以TR5为恶性诊断界值,安克侦CAD软件的诊断敏感度与高年资医师比较,差异无统计学意义(84.62％vs 86.54％,P=0.815),且其略高于低年资医师,但差异无统计学意义(84.62％vs 73.08％,P=0.052).安克侦CAD软件、低年资医师、高年资医师评分的诊断特异度分别为65.56％、87.78％、82.22％,安克侦CAD软件明显低于低年资和高年资医师(65.56％vs 87.78％,χ2=12.893,P<0.01;65.56％vs 82.22％,P=0.004).CAD软件的ROC曲线下面积均低于高年资及低年资医师(0.735 vs 0.921,Z=4.537,P<0.0001;0.735 vs 0.898,Z=4.033,P=0.0001).结论 安克侦CAD软件对甲状腺结节的诊断敏感度与高年资及低年资医师相比,并无显著差异,但诊断特异度及诊断准确性均低于高年资及低年资医师.其综合诊断效能仍需进一步深入研究.
-
X线乳腺摄影术及计算机辅助检测技术在乳腺癌早期诊断中的应用进展
乳腺癌是女性常见的恶性肿瘤之一.近年来,乳腺癌的发病率不断上升,发病年龄不断减小,已成为女性恶性肿瘤致死的主要原因.早期诊断和治疗是降低乳腺癌死亡率的有效方法.X线摄影是早期诊断乳腺癌的主要方法之一.
-
基于影像学的多种人工智能算法在肿瘤研究中的应用进展
随着计算机算法的不断突破以及硬件设备的不断更新,人工智能开始逐步呈现出应用在医学图像上的优势,就某些特定疾病而言,其拥有良好的诊断准确率以及医生无法匹及的诊断效率.本文归纳总结了近几年基于影像的多种人工智能算法在肿瘤研究中的应用进展,并分析其现实应用意义,以实现更好地将其从实验阶段向临床应用阶段转化.
-
基于非参数分类k邻近节点算法的多维放射诊断数据评价
目的 k近邻节点算法(k-nearest neighbor algorithm,kNN)可以将复杂的医疗信息集合成临床诊断信息(比如确定良性或恶性病变).该研究旨在分析kNN算法应用于大量临床数据集时的AUC(ROC曲线下面积).材料与方法 该研究经IRB批准,且实验选取了543例经病理证实为乳腺病灶的MR图像进行分析,所有的病灶由两名经验丰富的放射科医师用现有的描述方法进行前瞻性评估.kNN算法应用于诊断恶性与良性病变的步骤如下:首先,用递归特征消除来确定单个特征描述的重要性,将其按照重要性排列.然后,采取多类别描述方法的策略,将对照组分为4组:top-3、top-7、top-12和top-18组,相应的特征描述作为kNN算法的输入向量.后,用kNN算法对四组数据处理,对结果进行量化,比较各组数据的AUC(为了尽量消除数据模型和测试数据的偏差,运用了4倍交叉验证).病理组织学显示,实验数据组共有196个良性病变和347个恶性病变.结果 测得高的AUC为0.940 (用top-18描述).如果用top-12来描述,AUC降为0.928 (P =0.23).减少特征描述输入向量的维数会显著降低(P <0.05) kNN算法的AUC ("top-7":AUC=0.895; "top-3":AUC=0.816).结论 kNN对预测恶性肿瘤的精确度较高(AUC为0.940),由于这种描述方法对n≥12是有效的,说明kNN算法对多维数据的评估更加有效.
-
基于小波变换的超声图像纹理特征提取及前列腺癌诊断
目的 根据小波变换原理,研究了前列腺直肠超声图像中纹理特征的提取方法,并应用于前列腺癌的早期诊断.方法 本文提取出前列腺直肠超声图像中目标区域的小波变换纹理特征和边界频率特征,通过主分量分析方法(principal components analysis,PCA)对提取出的纹理特征进行选择,得到一个优的特征子集.然后分别应用K均值聚类、支持向量机(suppoa vector machine,SVM)算法和AdaBoost(a-daptive boosting)算法来对所提取出的病变区域纹理特征进行分类.结果 对比实验结果表明,本文所提取的特征比单纯的使用灰度级差矢量(gray level difference vector,GLDV)具有更好的区分良恶性图像的能力,AdaBoost算法和SVM算法都能够有效地识别病变区域,识别正确率达到94.12%和93.46%.结论 使用本文算法可以为医生诊断提供有用的辅助信息,并提高诊断效率.
关键词： 前列腺癌 小波纹理特征 SVM算法 Adaboost算法 计算机辅助诊断 -
图像特征参量分析方法及其在胎盘分级中的应用
目的针对孕妇妊娠期胎盘功能分级这一具体应用,建立自动诊断系统,并探讨图像特征提取及选择、模式识别的方法.方法应用灰度统计量分析、二维滤波器和小波分析理论等图像处理理论,从胎盘B型超声图像中提取出用以胎盘功能分级的多个特征参量,然后利用前向搜索法进行参数的有效性分析,并分别通过线性回归法和数量化理论,建立特征参量与胎盘分级之间的联系.结果前向搜索法可以较好地分析各特征参量的应用价值,而且训练集的模式识别效果好.结论在样本集较小的情况下,采用线性回归进行模式识别得到的结果有较大的临床价值.
