首页 > 文献资料
-
基于新型深度全卷积网络的肝脏CT影像三维区域自动分割
肝脏分割对于肝肿瘤肝段切除及肝移植体积测量具有重要的临床价值.由于在CT影像中肝脏与邻近脏器的灰度值相似性很高,因此对肝脏区域的三维自动分割是一项具有挑战性的难题.为解决精准肝脏分割的问题,提出一种新型的深度全卷积网络结构3 DUnet-C2.该结构充分利用肝脏CT图像的三维空间信息,并有效结合肝脏区域的浅层特征和深层特征.特别地,还提出一种新的3DUnet-C2网络训练策略,通过选取清晰图像,并从图像中截取肝脏区域作为样本进行训练的方式,得到初步3DUnet-C2模型权重,并使用该权重来初始化3DUnet-C2的网络参数,从而使网络达到收敛.后,针对3DUnet-C2网络分割肝脏边界不精准的问题,在原有3DUnet-C2网络模型的基础上,运用三维条件随机场构建3DUnet-C2-CRF模型来优化肝脏分割边界.为了验证所提出三维分割模型的性能,从ISBI2017 Liver Tumor Segmentation Challenge的数据集中选取100张CT图像用于训练、验证和测试,3DUnet-C2-CRF模型在随机选取的20张测试集上的分割准确率的Dice系数为96.9％,高于3DUnet和Vnet模型的Dice系数.实验结果表明,3DU net-C2-CRF模型具有更好的特征表达能力以及更强的泛化性能,从而可提升模型的分割准确率.
-
联合肝脏分割和门静脉结扎的分期肝切除术大鼠模型的建立
目的 建立联合肝脏分割和门静脉结扎的分期肝切除术(ALPPS)大鼠模型并观察术后肝功能变化.方法 50只健康雄性SD大鼠,随机分为实验组(ALPPS组)和对照组(PVL组).对照组单纯行大鼠肝左叶、左中叶、乳突叶、右叶门静脉分支结扎,保留肝右中叶分支;实验组在此基础上联合行左右中叶肝实质离断.分别于术后1、3、7、10、14天处死5只大鼠,称取大鼠体重及肝右叶重量,收集外周血及肝脏标本,检测血清丙氨酸转氨酶(ALT)、天冬氨酸转氨酶(AST)、血清白蛋白(Alb)及总胆红素(TBil)水平,观察肝叶病理损伤程度.结果 两组大鼠术后体重均出现先递减后递增趋势,术后第1天开始降低,第3天达到低值.PVL组于术后第7天恢复至术前体重,ALPPS组仍低于术前体重,分别为(3.7±2.7)％和(-3.0±1.9)％(P＜0.05).术后第3、7、10、14天,ALPPS组右叶增生明显快于PVL组(P＜0.05).术后第1天,两组大鼠血清ALT、AST均急剧升高,且ALPPS组明显高于PVL组(P＜0.05),随后均逐渐下降.其他时间点两组大鼠肝功能变化无统计学差异.术后第1、3天,ALPPS组血清白蛋白明显低于PVL组,分别为(25.4±1.7) g/L比(31.4±1.5)g/L(P ＜0.05)和(25.0±2.0)g/L比(31.8±1.5) g/L(P ＜0.05).两组术后各时间点血清总胆红素水平无统计学差异.肝脏病理表现:ALPPS组术后第1天左中叶出现大量灶状坏死,明显多于PVL组.结论 本实验成功建立大鼠ALPPS术式模型,且证实ALPPS术后剩余肝体积(FLR)快速增生及术后早期肝细胞损伤加重.该模型的建立为进一步研究ALPPS术后增生机制、肿瘤复发以及探讨ALPPS术后不同并发症的发生原因提供了良好的基础,对推动ALPPS的广泛应用具有重要意义.
-
联合肝脏分割和门静脉结扎的分阶段肝切除术治疗直肠癌肝转移一例
我院采用联合肝脏分割和门静脉结扎分阶段肝切除术(ALPPS)治疗1例直肠癌多发肝转移患者.本文报道该病临床诊治经验,特别是ALPPS的手术方式及术后近期效果.患者2014年5月入院.术前三维重建评估行扩大右半肝切除术后剩余肝脏体积占标准肝体积的23.11％.采用开腹ALPPS方案,第1步手术后12天再次计算剩余肝脏体积占标准肝体积的34.8％.于第1步手术后13天行第2步手术.患者术后并发大量腹水,予以充分引流及补充白蛋白后痊愈.1个月后复查未见复发.ALPPS治疗CRLM患者安全可行,近期手术效果良好.
-
联合肝脏分割和门静脉结扎的分阶段肝切除术的护理配合
目的：总结联合肝脏分割和门静脉结扎的分阶段肝切除术手术护理配合体会。方法对6例联合肝脏分割和门静脉结扎的分阶段肝切除术术中护理配合进行回顾性分析。手术中游离血管及劈裂肝脏时容易出血，巡回护士术中密切关注手术进展和病情变化，准确评估记录出入量，及时供给手术台上所需物品，着重体位及维持体温的管理。器械护士要在了解手术步骤的基础上，紧跟医生的步伐，严格执行无瘤技术操作。结果6例联合肝脏分割和门静脉结扎的分阶段肝切除术顺利完成，术中护理配合紧密。结论术前充分的准备，术中熟练的配合，是手术顺利实施的必备条件。
-
基于3D卷积神经网络的肝脏自动分割方法
原发性肝脏恶性肿瘤是我国高发且危害极大的恶性肿瘤.肝脏手术(如肿瘤切除、活体肝移植等)是各种常见肝脏良恶性疾病的主要治疗方法之一.从医学影像中将肝脏组织准确地分割出来,是计算机辅助肝脏疾病诊断与手术规划中一个基础且至关重要的步骤.针对肝脏分割的特异性及分割难点,提出3D卷积神经网络(3DCNN)肝脏自动分割算法模型.3DCNN基于对体数据的训练能很好地学习到肝脏图像平面与空间信息.通过将深度监督机制无缝地整合到3DCNN中,能够有效解决梯度消失或爆炸的优化问题,加快收敛速度的同时提高分辨能力.后,将初始分割结果作为先验信息,采用基于多星凸约束的图割算法做进一步的分割优化.实验结果表明该分割模型能够将肝脏组织从腹部CT图像中精确分割.
-
基于超限学习机的腹部CT序列图像肝脏自动分割
目的:针对腹部CT序列图像因邻近器官对比度低以及肝脏形状不一致等造成的肝脏分割困难问题,提出一种基于超限学习机的腹部CT序列图像肝脏自动分割方法.方法:首先,在预处理阶段利用阈值法和形态学操作去除肌肉、脂肪、肋骨和脊椎;然后,对预处理结果图像求取均值、标准差和距离变换,提取有效的训练特征;后,将3个特征归一化处理后作为超限学习机的输入层,并进行学习终得出分割结果.结果:通过对9个腹部CT序列图像进行肝脏分割实验,并与其他3种方法进行比较,本文算法具有明显优势.结论:本文算法能对腹部CT序列图像中的肝脏进行准确有效地分割.
-
基于统计信息及个体信息的统计形状模型的肝脏分割
目的 提出一种精确有效的分割CT图像中的肝脏区域的算法.方法 在统计形状模型的基础上加入灰度模型,其中灰度模型包含了训练集中图像的统计灰度信息和测试集中病人的特异性信息.既从整体上对肝脏组织分割进行控制,又从边缘细节上加以优化.结果 对测试集中的10个数据进行测试,相较于传统方法,OE和ASD有明显的提高.结论 提出有效的灰度模型不仅提高了分割的精度,而且增强了稳定性.
-
基于图像序列上下文关联的肝脏器官分割方法
针对现有二维分割方法人工干预较多及存在分割缺陷、三维分割方法对突变异常肝脏分割错误等问题,本文提出一种基于图像序列上下文关联的肝脏器官半自动分割方法.利用肝脏器官组织图像序列上下文的相似性先验知识,结合区域生长和水平集模型,并以少量人工干预辅助应对肝脏突变情况来进行肝脏的半自动分割.实验结果表明,本文方法分割肝脏精度高,适应能力强,对变异性较大的肝脏分割效果较好,可较好地满足临床应用需求.
-
基于层次上下文活动轮廓的三维CT肝脏图像分割
本文提出一种新的活动轮廓算法,即层次的上下文活动轮廓(HCAC),并将其应用于三维CT肝脏全自动分割.HCAC是一种基于机器学习的算法,可以分为两个阶段:第一阶段,即学习阶段,给定一套腹部三维CT训练图像以及对应的手动肝脏分割结果,利用上下文特征将每次的自动分割结果向手动参考分割结果映射,迭代学习得到一组纠错分类器;第二阶段,即分割阶段,首先将待分割图像用基本的活动轮廓进行分割,分割结果输入第一个纠错分类器,输出第一个形状模型,然后结合图像信息和当前形状模型,采用上下文活动轮廓(CAC)进行再一次分割,得到的分割结果输入第二个纠错分类器,输出第二个形状模型,结合图像信息和当前形状模型,再次采用CAC进行分割.如此迭代分割,随着形状模型的逐步精确,终我们可以取得准确的肝脏分割.本文实验结果表明,随着迭代的深入,我们取得越来越好的分割结果.在三维CT肝脏图像分割中,我们通过6次迭代,就可以取得较好的肝脏分割.
关键词： 肝脏分割 活动轮廓 上下文特征 层次的上下文活动轮廓 形状模型
