首页 > 文献资料
-
CAD在肺部结节诊断中的应用
CAD在医学中的应用可追溯到20世纪50年代,当时数学模型首次被引入到临床医学[1],奠定了计算机辅助检测(computer-aided detection)技术的雏形,以后逐步发展,衍生出了计算机辅助诊断(computer-aided diagnosis)的概念[2],后者涵盖了临床资料的采集、医学影像信息的处理、统计结果分析,直至后得出诊断,近些年随着临床需求的增加,CAD更是获得了长足的发展.
-
"计算机辅助检测在尘肺病动态诊断中的应用研究"课题通过专家验收
2009年7月22日上海市科委组织专家对"计算机辅助检测在尘肺病动态诊断中的应用研究"课题进行验收.
-
计算机断层成像(CT)结肠镜:结肠息肉直径和体积的自动测量与手工测量技术的比较--体外研究
[目标]:研究不同和相同读片人对息肉直径进行体外自动测量时所得结果的一致性.[方法]:用16排CT扫描两个模型(QRM和Whiting模型),两个模型都包含有直径和体积已知的模拟息肉.两位读片人用三种方法来估计息肉的直径:软件测量(手工)、手工边界识别(半自动)及自动软件分割(全自动).[结果]:对同一读片人,当使用全自动方法时,95%一致性极限范围小(QRM范围:0.39mm～0.48mm;Whiting范围:0.24mm～0mm).手工估计测量的极限范围大约比全自动方法要大10倍(QRM范围:3.57mm～3.21mm,Whiting范围:3.2mm～2.02mm).全自动方法对体积的估计范围小(范围:24.2mm3～24.1mm3;而半自动测量的范围为97.9mm3～102.9mm3).对不同读片人,当使用全自动方法时,测得直径的一致性范围小(QRM范围:0.12mm;Whiting范围:0.16mm),而使用手工方法的一致性范围大约是全自动方法的18倍(QRM范围:2.87mm; Whiting范围:2.18mm).[结论]:通过全自动方法来测量息肉直径和体积在技术上是可行的,可使不同和相同读片人的测量结果实现更高的一致性.
-
呈增长趋势的计算机辅助检测市场
计算机辅助检测(Computer aided detection, CAD)是一套算法,它运用模式识别法指出图像上的感兴趣区(ROI),即显示可能的病变区或异常区,目的是帮助放射医学专家或临床医生识别.CAD 自从在乳腺X 线照相术中作为一种补充工具问世以来,已经有一段时间,现在它的应用范围已经扩展,在医学各个分科中的应用正在被广泛接受,尽管CAD 的流行只有20 多年.
-
上海交通大学MED-X研究院举办医学影像信息学系列讲座
2010年5月17～20日,上海交通大学MED-X研究院举办医学影像信息学系列讲座.本次讲座特聘请美籍华裔学者黄焕庆教授(美国南加州大学放射与生物医学工程系资深教授)担任主讲.内容涵盖:多媒体电子病历系统;数据挖掘与知识发现;计算机辅助脊柱手术;计算机辅助检测(CAD)与PACS的整合等.
-
计算机辅助检测市场呈增长趋势
计算机辅助检测(CAD)是一套算法,主要用的是模式识别法,目的是帮助放射学医生或临床医生找出感兴趣区(ROI),即向放射学医生或临床医生指出可能的病变区或异常区.CAD 作为乳腺X 线摄影术中的补充工具已有一段时间,现在它的应用领域已经扩大,在各个医学门类中的应用正在被广泛接受,虽然它的流行时间也就20 多年.
-
CT图像肺结节计算机辅助检测技术研究进展
根据近年来国内外计算机辅助检测(computer-aided detection,CAD)技术在CT图像肺结节检测中的研究进展情况,本文对比分析了目前检测流程中6个阶段(图像采集、预处理、肺实质分割、感兴趣区域提取、特征提取与优化、检测分析与降低假阳性率)各自所运用的研究方法及问题,并提出肺结节检测准确率的提高,依赖于各步骤算法的优化和大样本标准病例数据库的建立,需要在研究针对单一类型结节分类算法的基础上,设计通用的结节分类算法.
-
胸片计算机辅助检测的研究进展
随着医学影像数字化的发展,对影像的智能化理解成为一种必然趋势,计算机辅助检测(computer-aided detection,CAD)系统已经成为了医学影像学研究的热点之一,并逐步进入了医学临床应用,这对于提高诊断准确率、减少漏诊有着非常积极的作用.文章在介绍CAD系统基本概念的基础上,重点阐述了CAD系统在胸片疾病诊断中的基本工作流程,包括病灶区域增强、肺区分割、可疑区域选择、病灶筛选和病灶特征的进一步分析,以及CAD系统在肺部结节检测、肺间质性病变检测、利用时间减影检测间期病理变化等方面的应用,并讨论了其发展趋势.
-
基于MRI图像纹理特征的膀胱肿瘤浸润深度检测
对膀胱肿瘤浸润深度进行无创检测,为膀胱肿瘤的检测及分期判断提供参考.基于膀胱MRI图像,利用尿液和膀胱壁的天然密度对比,结合统计分析,得到在肿瘤及膀胱壁组织有统计差异的纹理特征.通过提取肿瘤及周围膀胱壁组织的均值、均匀度、标准差、粗糙度、自协方差系数和对比度等特征,再经分类器判断,得到感兴趣区域肿瘤浸润情况的伪彩图.就16位患者MRI扫描数据及术后病理分析结果,用于测试的56幅图像中,判断准确率为82.1%;15位患者的标记结果与病理分期相符,正确率为93.8%,与病理分析吻合较好.利用分类器和纹理特征判别肿瘤区域的属性,实现了膀胱肿瘤浸润深度标记和边界的初步划分,为膀胱肿瘤的无创检测提供了新的可能手段.
-
独立分量分析在乳腺钼靶X片感兴趣区域提取中的应用
为乳腺癌早期诊断和乳腺X线影像微钙化点计算机辅助检测的前期预处理,本研究提出基于独立分量分析(ICA)的自动提取新算法并且将其应用于乳腺图像感兴趣区域的自动提取.其具体思路是:(1)将乳腺区域图像提取成等大的子图像作为待测乳腺图像感兴趣区域;(2)将ICA应用于乳腺图像感兴趣区域得到基图像;(3)将待识别乳腺图像感兴趣区域在基图像所构成的子空间进行投影求得待测乳腺图像感兴趣区域的特征矢量;(4)用人工神经网络分类方法进行乳腺图像感兴趣区域的模式判别.对临床实际病例的试验结果表明,该方法的检出率为91%,与同类研究检出率相当.本研究方法简单有效,并具有较高的智能性,为ROI的自动提取提供了新的研究思路.
-
虚拟结肠镜的计算机辅助检测研究
虚拟结肠镜计算机辅助检测是利用息肉与正常组织形态以及其他特征的差异、由计算机实现结肠息肉自动检测的技术手段,与直接使用VC检查相比,基于CAD的VC系统能够提供更客观一致的检测结果,提高检测速度,从而促进VC在普查与检测方面的临床应用.经过数年的发展,CAD技术已形成基本的设计流程,其敏感度和特异度不断提高,以满足临床检测的需要.对CAD系统的关键技术及临床性能进行分析综述,并对存在的问题及发展进行了讨论.
-
基于CT的计算机辅助检测与诊断肺结节技术研究进展
随着低剂量薄层CT在肺癌筛查与诊断中的广泛应用,肺结节的检出不断增多,在提供丰富影像信息的同时,也使阅片工作量大幅增加,导致放射科医师疲劳和漏检、误判.计算机辅助系统有助于减少肺结节漏检、缓解放射科医师压力,提高诊断效率和准确率.本文对基于CT的计算机辅助检测与诊断技术流程及其在肺结节中的应用进行综述.
-
计算机辅助检测在CT结肠成像中的应用
CT结肠成像(CTC)已广泛应用于结肠疾病的诊断.计算机辅助检测(CAD),可自动检测可疑病变,供读片者进一步诊断,提高放射科医生对肿块的检出能力,并降低不同读片者间诊断能力的差异.本文对CAD的原理、对结肠疾病的诊断价值、局限性、面临的挑战和未来发展趋势予以综述.
-
计算机辅助检测技术辅助低年资医师诊断急性肺栓塞的诊断效能
目的 评价计算机辅助检测(CAD)技术提高低年资医师在CT肺血管造影(CTPA)检查中诊断急性肺栓塞能力的价值.方法 连续收集2010年7-12月间接受CTPA检查的可疑肺栓塞或下肢深静脉血栓患者.以3名高年资放射科医师做出的一致性诊断作为参考标准,另由2名缺乏经验的低年资医师(低年资医师组)共同记录栓子的位置、数目.3个月后,此2名低年资医师借助CAD(低年资医师+CAD组)对患者重新进行评估.分别从患者数和栓子数两方面比较低年资医师组和低年资医师+CAD组诊断急性肺栓塞的差异.结果 共267例患者纳入研究.高年资医师诊断急性肺栓塞患者81例,检出栓子555个.低年资医师组检出患者67例,栓子493个,在肺动脉各级(肺动脉主干、叶、段、亚段)的敏感度分别为100％(26/26)、98.63％ (72/73)、89.76％ (228/254)和82.67％(167/202),特异度分别为100％(775/775)、99.80％(1526/1529) 、99.55％(5063/5086)和99.50％ (10426/10478);低年资医师+CAD组检出患者75例,栓子523个,在肺动脉各级的敏感度分别为100％(26/26)、100％(73/73)、92.12％(234/254)和94.06％(190/202),特异度分别为100％(775/775)、99.74％(1525/1529)、99.47％(5059/5086)和99.32％(10407/10478).结论 借助于CAD,低年资医师诊断肺栓塞的准确性得到显著提高,尤其是对于检出亚段肺动脉栓子.
-
计算机辅助检测系统对数字化乳腺X线图像检测的可重复性
目的 观察计算机辅助检测系统(CAD)检出全数字化乳腺X线图像中良恶性肿块及钙化灶的可重复性.方法 454例乳腺疾病患者经手术病理证实,其中67例乳腺癌患者于3个月内接受两次乳腺X线检查.比较数字化图像直接获得的CAD结果(CAD1)与两次重新回输原始数据生成的CAD结果(CAD2、CAD3)的一致性,评价CAD系统短期内对乳腺X线图像检测结果的可重复性.结果 CAD1、CAD2、CAD3在肿块及钙化灶检出的数目及所标记的位置上完全相同.67例短期内两次乳腺X线检查病例中,32例病灶大小、密度未见变化,初次和再次CAD发现恶性病灶的敏感度分别为87.50％(28/32)和90.63％(29/32).结论 对于相同的数字化图像,CAD标记的重复率为100％.对于相同乳腺短期内两次X线检查图像,CAD系统检出乳腺癌具有较高的可重复性.
-
数字胸片多频域后处理对计算机辅助检测系统肺结节检测的影响
目的 评价数字胸片多频域后处理对计算机辅助检测(CAD)系统肺结节检出的影响.方法 对经CT证实的54例肺结节病例及54例正常者的数字胸片选择三种不同的structure preference参数进行多频域后处理,在1次曝光的条件下各得到标准图像、高通过图像及低通过图像三组图像,然后,采用计算机辅助检测系统(IQQATM-Chest V1.2)进行阅片,首先由2名观察者共同根据CT结果客观分析并记录CAD检出的结节数及假阳性数.其次,由另外4名观察者(高年资及低年资放射医师各2名)应用CAD系统所提供的肺结节的智能质量和数量分析功能,对CAD 输出图像独立进行分析,并记录检出结节数及假阳性数,采用受试者操作特征(ROC)曲线分析观察结果.结果 三组图像中,低通过组图像的平均ROC曲线下面积大,人-机交互前、高年资及低年资人-机交互后的平均ROC曲线下面积分别为0.77、0.81、0.80.高通过组图像的平均ROC曲线下面积为小,人-机交互前、高年资及低年资人-机交互后的平均ROC曲线下面积分别为0.57、0.67、0.71.三组图像的平均ROC曲线下面积存在差异(P<0.01).结论 数字胸片多频域后处理影响计算机辅助检测系统肺结节的检出.
-
对角线剖面分析引导的全自动肺CT图像分割
目的 提出一种基于对角线剖面分析的全自动肺CT图像分割方法.方法 首先构造待分割图像的对角线剖面图,然后自动分析该剖面,得到各组织结构的位置信息和像素值信息,引导区域增长算法分离患者身体和背景,再利用灰度阈值算法分离胸壁与肺区,再用数学形态学算法修正肺边缘,得到肺区掩模图像,后利用肺区掩模图像与原图像运算提取肺区.结果 利用从不同数据库选取的51幅CT图像检验提出的方法,所得结果与诊断医师手工分割结果进行比较,计算重叠率指标(OR),低OR为95.86％,高OR为99.25％,平均OR为97.85％.结论 对角线剖面分析方法能高效地实现全自动肺CT图像分割.
-
数字化X线胸片计算机辅助检测对肺结节检出率的影响
目的 探讨计算机辅助检测(CAD)系统对X线胸片肺结节检出率的影响.方法选取经CT检查的肺内结节患者70例和100名正常者的数字化胸片,由2名专家组医生参照CT片,阅读相应胸片并标记结节部位,意见达成一致后得出结论,将该结论与CAD系统产生的假阳性结节组合模拟成三类敏感度已知(50%、75%和 100%)的CAD检测结果.另外6名放射科医生(2名高年资,4名低年资)分别在不用和应用CAD辅助的情况下阅读胸片,并得出结论.结果 应用CAD系统后,所有医生的检测敏感性均得到显著提高;低年资医生检测敏感性提高的幅度大于高年资医生;不同敏感度的CAD系统对医生检测敏感性的提高程度有显著差异,但多重比较结果表明100%与75%敏感度的CAD系统对医生检测敏感性提高的影响无显著区别.结论 CAD可显著提高影像诊断医生的检测敏感性.CAD系统存在一个敏感度临界点,提高CAD系统的敏感度并不一定能够显著提高医生的检测敏感性.
-
计算机辅助检测乳腺疾病的稳定性
目的评估计算机辅助检测(CAD)对乳腺良、恶性肿块及钙化灶检出的稳定性.方法对经病理证实的207例乳腺肿块患者乳腺钼靶X线片行三次CAD扫描,与影像诊断及病理结果进行对照.结果三次CAD扫描在肿块及钙化灶检出部位上存在差异.CAD检出Ⅲ级的恶性及良性病灶分别为75.7%和58.2%;对良、恶性钙化灶的稳定性分别为46.1%和67.2%;CAD一次扫描与三次扫描的真阳性率无显著性差异(x2=0.96,P＞0.05).结论CAD对恶性肿块检出稳定性较良性病变为高;对恶性钙化灶检出敏感性较高,但稳定性较低.
-
乳腺钼靶摄影结合CAD诊断乳腺癌的价值
目的: 评价乳腺钼靶摄影结合计算机辅助检测(CAD)诊断乳腺癌的作用.材料和方法: 101个经CAD辅助诊断的病灶得到病理证实为乳腺癌,计算CAD的检出率;比较1名医生使用CAD前、后与医生双读片对乳腺癌的检出率;比较医生使用CAD前、后对于乳腺癌的诊断率.结果: CAD对于乳腺癌的检出率为89.1%,使用CAD后早期乳腺癌的检出率提高了16.3%,与医生双读片的检出率无显著性差异;使用CAD后乳腺癌诊断的假阴性率下降16.8%.结论: CAD可以替代双读片,提高早期乳腺癌的检出率,并降低乳腺癌诊断的假阴性率.
