检索结果-南通市图书馆

注意力引导多任务学习的前列腺癌盆腔淋巴结转移预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

上海交通大学学报 2023年

作者：张志远胡冀苏张跃跃钱旭升周志勇戴亚康徐州医科大学医学影像学院中国科学院苏州生物医学工程技术研究所苏州大学附属第二医院

基于前列腺癌原发灶的术前磁共振影像定量特征预测盆腔淋巴结转移（pelvic lymph node metastasis， PLNM）是治疗方案制定的重要参考。然而，现有预测方法对肿瘤原发灶内部的异质性信息提取不充分，导致提取的图像定量特征与PLNM预测... 详细信息

基于前列腺癌原发灶的术前磁共振影像定量特征预测盆腔淋巴结转移（pelvic lymph node metastasis， PLNM）是治疗方案制定的重要参考。然而，现有预测方法对肿瘤原发灶内部的异质性信息提取不充分，导致提取的图像定量特征与PLNM预测的关联性不足。针对以上问题，提出一种肿瘤分割任务作为辅助任务的注意力引导多任务学习网络用于PLNM预测。首先，在肿瘤分割网络中提出多分支各向异性大核注意力模块，通过不同分支、各向异性大卷积核获得更大的感受野从而有效获取肿瘤的局部和全局信息。然后，在PLNM预测网络中提出多尺度特征交互融合注意力模块，对多尺度特征进行层次化融合筛选。在320例数据集上的实验显示，所提方法的AUPRC值（85.44%±2.04%）和AUROC值（91.86%±2.18%）优于经典的单任务分类方法和多任务方法。

关键词：前列腺癌盆腔淋巴结转移多任务学习多分支各向异性大核注意力模块多尺度特征交互融合注意力模块多参数磁共振

基于联合学习和多级小波金字塔的MRI-TRUS图像配准方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：蒋宏贵胡冀苏钱旭升郑毅周志勇戴亚康徐州医科大学医学影像学院中国科学院苏州生物医学工程技术研究所

磁共振图像和经直肠超声图像的配准是将术前磁共振图像配准术中超声图像上，结合两种模态图像的优势，快速的定位病灶区域，在辅助诊断、穿刺、术中导航等医学手术问题中起重要作用。由于这两种图像模式之间固有的表征差异，具有显著的... 详细信息

磁共振图像和经直肠超声图像的配准是将术前磁共振图像配准术中超声图像上，结合两种模态图像的优势，快速的定位病灶区域，在辅助诊断、穿刺、术中导航等医学手术问题中起重要作用。由于这两种图像模式之间固有的表征差异，具有显著的强度失真和变形，因此在这两种图像模式之间寻找精确的密集对应仍然是一个挑战。针对以上挑战，提出了一种基于联合学习和多级小波金字塔的弱监督可变形配准网络框架来对磁共振图像和经直肠超声图像进行对齐。联合学习是基于预训练的半监督分割网络和配准网络组成的框架，在联合学习框架中分割网络和配准网络继续交替训练，分割网络为配准网络提供前列腺标签约束全局配准，有效的解决了配准网络中标签不足的问题；多级小波金子塔是采用多分辨小波构成的配准网络，小波金子塔生成的多尺度图像过滤了噪声并减小了两种模式图像之间的表征差异，提高配准网络学习多尺度特征的能力，并在配准网络中设计多尺度特征融合模块对特征进行更进一步筛选，为配准提供局部密集对应。此外配准网络提供的形变分割图像和分割标签混合原有的人工标注标签和图像及其分割网络生成的伪标签和其图像放入分割网络继续训练，进一步提高多模态图像分割的性能。在642例公开前列腺磁共振图像和经直肠超声图像活检数据集上的实验结果显示，提出的配准方法达到最优的DSC值、Hd95值、MI值和SSIM值，分别是81.05%±1.77%、12.83±1.49（mm）、18.12%±4.63%和27.12%±4.63%，优于对比的传统配准方法和先进的深度学习配准方法。此外提出方法的平均配准时间为0.18（±0.02）s，比传统的方法提升了近400倍。实验结果证明了提出的配准算法能够准确实时的估计前列腺磁共振图像和经直肠超声图像之间的形变场，具有更高的配准精度和配准速度。

关键词：联合学习多级小波金字塔可变形配准多尺度特征融合模块半监督分割

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2021年第11期55卷 2033-2044页

作者：刘清清周志勇范国华钱旭升胡冀苏陈光强戴亚康中国科学技术大学生命科学与医学部生物医学工程学院(苏州) 江苏苏州215163 中国科学院苏州生物医学工程技术研究所江苏苏州215163 苏州大学附属第二医院江苏苏州215000 济南国科医工科技发展有限公司山东济南250000

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法.该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块(scSE-block+)的3D scSE-UNet作为分割网络.scSE-bl... 详细信息

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法.该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块(scSE-block+)的3D scSE-UNet作为分割网络.scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息.在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度.在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性.当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941.结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.

关键词：半监督学习自训练 3D UNet 注意力模块全连接条件随机场

同方期刊数据库

基于双参数MRI的深度学习-临床混合模型对临床显著性前列腺癌诊断价值的研究

在线全文

学校读者我要写书评

暂无评论

磁共振成像 2024年第2期15卷 90-96页

作者：胡尘翰乔晓梦胡冀苏包婕曹昌浩王希明苏州大学附属第一医院放射科苏州215006 中国科学院苏州生物医学工程技术研究所苏州215006

目的比较基于双参数MRI的深度学习模型和临床模型对临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的诊断价值,并联合深度学习模型和临床指标建立混合模型,探讨混合模型对csPCa诊断效能的提升价值。材料与方法回顾性... 详细信息

目的比较基于双参数MRI的深度学习模型和临床模型对临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的诊断价值,并联合深度学习模型和临床指标建立混合模型,探讨混合模型对csPCa诊断效能的提升价值。材料与方法回顾性分析本院2017年2月至2022年5月共531例因临床怀疑前列腺癌而行术前MRI并行后续穿刺和/或手术病理检查患者的临床及影像资料,其中csPCa 319例,非csPCa 212例。按照8∶2比例随机划分为训练集(425例)和测试集(106例)。手动勾画T2加权成像(T2-weighted imaging,T2WI)、扩散加权成像(diffusion-weighted imaging,DWI)及表观扩散系数(apparentdiffusion coefficient,ADC)图像的感兴趣区后采用DenseNet网络建立深度学习模型,采用单因素和多因素逻辑回归筛选出临床特征后建立临床模型,并使用逻辑回归联合深度学习模型和临床特征建立深度学习-临床混合模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型性能,使用DeLong检验比较曲线下面积(area under the curve,AUC)。结果逻辑回归分析显示年龄、前列腺特异性抗原(prostate specific antigen,PSA)及前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)评分为csPCa的独立危险因素。在测试集中,深度学习模型的AUC值为0.90[95%置信区间(confidence interval,CI):0.85~0.96],临床模型的AUC值为0.85(95%CI:0.78~0.92),两者间差异无统计学意义(P=0.245)。深度学习-临床混合模型的AUC值为0.93(95%CI:0.88~0.98),优于临床模型(P=0.034)和深度学习模型(P=0.048)。结论深度学习模型对csPCa的诊断效能与临床模型相当;深度学习-临床混合模型对csPCa的诊断效能最高,具有良好的应用价值,可作为临床诊断csPCa的辅助工具。

关键词：前列腺癌磁共振成像深度学习机器学习诊断效能

SE-Mask-RCNN:多参数MRI前列腺癌分割方法

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2021年第1期55卷 203-212页

作者：黄毅鹏胡冀苏钱旭升周志勇赵文露马麒沈钧康戴亚康中国科学技术大学生物医学工程学院(苏州) 江苏苏州215163 中国科学院苏州生物医学工程技术研究所江苏苏州215163 苏州大学附属第二医院江苏苏州215000

为了从多参数磁共振(mp-MRI)的前列腺区域中自动提取前列腺癌病灶区域,提出新的深度卷积神经网络模型SE-Mask-RCNN.在特征图上搜索定位包含病灶的候选区域,基于候选区域实现病灶的精细分割.为了利用mp-MRI中的互补信息,通过2个并行卷积... 详细信息

为了从多参数磁共振(mp-MRI)的前列腺区域中自动提取前列腺癌病灶区域,提出新的深度卷积神经网络模型SE-Mask-RCNN.在特征图上搜索定位包含病灶的候选区域,基于候选区域实现病灶的精细分割.为了利用mp-MRI中的互补信息,通过2个并行卷积网络分别提取表观扩散系数(ADC)和T2加权(T2W)图像的特征图后进行融合,使用挤压与激励块自动提升融合特征图中的有效特征并抑制无效特征.在收集得到的140例数据上进行实验.结果表明,使用SE-Mask-RCNN得到前列腺癌病灶分割Dice系数为0.654,敏感度为0.695,特异度为0.970,阳性预测值为0.685.与U-net、V-net、Resnet50-U-net和Mask-RCNN等模型相比,SE-Mask-RCNN能够有效提升mp-MRI中前列腺癌病灶区域的分割精度.

关键词：前列腺癌深度学习挤压与激励块(SE-block) Mask-RCNN 多参数磁共振成像(mp-MRI)

基于深度学习的CT-MR图像联合配准分割方法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2023年第9期49卷 234-245页

作者：洪犇钱旭升申明磊胡冀苏耿辰戴亚康周志勇南京理工大学电子工程与光电技术学院南京210094 中国科学院苏州生物医学工程技术研究所江苏苏州215163

医学图像配准和分割是医学图像分析中的两项重要任务,将其相结合可以有效提升两者的精度,但现有的单模态图像联合配准分割框架难以适用于多模态图像。针对以上问题,提出基于模态一致性监督和多尺度邻域描述符的CT-MR图像联合配准分割框... 详细信息

医学图像配准和分割是医学图像分析中的两项重要任务,将其相结合可以有效提升两者的精度,但现有的单模态图像联合配准分割框架难以适用于多模态图像。针对以上问题,提出基于模态一致性监督和多尺度邻域描述符的CT-MR图像联合配准分割框架,包含一个多模态图像配准网络和两个分割网络。联合配准分割框架利用多模态图像配准产生的形变场在两种模态的分割结果之间建立对应的形变关系,并设计模态一致性监督损失,通过两个分割网络互相监督的方式提升多模态分割的精度。在多模态图像配准网络中,构建多尺度模态独立邻域描述符以增强跨模态信息表征能力,并将该描述符作为结构性损失项加入配准网络,更加准确地约束多模态图像的局部结构对应关系。在118例肝脏CT-MR多模态图像数据集上的实验结果表明,在仅提供30%分割标签的情况下,该方法的肝脏配准Dice相似系数(DSC)达到94.66(±0.84)%,目标配准误差达到5.191(±1.342)mm,CT和MR图像的肝脏分割DSC达到94.68(±0.82)%和94.12(±1.06)%,优于对比的配准方法和分割方法。

关键词：多模态图像配准分割模态一致性监督多尺度邻域描述符

基于深度学习的肝脏CT-MR图像无监督配准

在线全文

学校读者我要写书评

暂无评论

计算机工程 2023年第1期49卷 223-233页

作者：王帅坤周志勇胡冀苏钱旭升耿辰陈光强纪建松戴亚康中国科学技术大学(苏州)生物医学工程学院生命科学与医学部江苏苏州215163 中国科学院苏州生物医学工程技术研究所江苏苏州215163 苏州大学附属第二医院江苏苏州215000 丽水市中心医院浙江丽水323000 济南国科医工科技发展有限公司济南250000

多模态配准是医学图像分析中的关键环节,在肝癌辅助诊断、图像引导的手术治疗中具有重要作用。针对传统的迭代式肝脏多模态配准计算量大、耗时长、配准精度低等问题,提出一种基于多尺度形变融合和双输入空间注意力的无监督深度学习配准... 详细信息

多模态配准是医学图像分析中的关键环节,在肝癌辅助诊断、图像引导的手术治疗中具有重要作用。针对传统的迭代式肝脏多模态配准计算量大、耗时长、配准精度低等问题,提出一种基于多尺度形变融合和双输入空间注意力的无监督深度学习配准算法。利用多尺度形变融合框架提取不同分辨率的图像特征,实现肝脏的逐阶配准,在提高配准精度的同时避免网络陷入局部最优。采用双输入空间注意力模块在编解码阶段融合不同水平的空间和文本信息提取图像间的差异特征,增强特征表达。引入基于邻域描述符的结构信息损失项进行网络迭代优化,不需要任何先验信息即可实现精确的无监督配准。在临床肝脏CT-MR数据集上的实验结果表明,与传统的Affine、Elastix、VoxelMorph等算法相比,该算法达到最优的DSC值和TRE值,分别为0.926 1±0.018 6和6.39±3.03 mm,其平均配准时间为0.35±0.018 s,相比Elastix算法提升了近380倍,能准确地提取特征及估计规则的形变场,具有较高的配准精度和较快的配准速度。

关键词：深度学习无监督配准多模态配准形变融合结构信息损失空间注意力

同方期刊数据库

基于机器学习的肺部CT图像非刚性配准误差预测方法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2023年第6期40卷 1850-1856,1869页

作者：刘宇航胡冀苏陈文建钱旭升戴亚康周志勇南京理工大学电子工程与光电技术学院南京210094 中国科学院苏州生物医学工程技术研究所江苏苏州215163

配准误差评估通常由人工完成,耗时费力;常用的Dice测度只关注组织边缘的配准误差,难以评估组织内部配准结果。针对以上问题,提出一种基于机器学习的肺部CT图像非刚性配准误差预测方法(PREML)。该方法首先构建形变场统计特征、形变场物... 详细信息

配准误差评估通常由人工完成,耗时费力;常用的Dice测度只关注组织边缘的配准误差,难以评估组织内部配准结果。针对以上问题,提出一种基于机器学习的肺部CT图像非刚性配准误差预测方法(PREML)。该方法首先构建形变场统计特征、形变场物理保真度特征和图像相似性特征三类特征,然后通过池化方法扩充特征数量,最后使用随机森林回归方法预测非刚性配准误差,并且使用自适应随机扰动方法模拟肺部配准误差空间分布,进一步提升形变场统计特征的配准误差表征能力。在三个肺部CT图像数据集上进行训练与测试,其配准误差预测结果与金标准之间的平均绝对差异为1.245±2.500 mm,预测性能优于基线方法。结果表明,PREML方法具有预测精度高、鲁棒性强的特点,可提升配准算法在临床应用的有效性和安全性。

关键词：图像配准配准误差预测图像特征随机森林

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

用于骨折闭合复位的计算机辅助导航方法

计算机应用 2021年第S1期41卷 211-215页

作者：李长瑞蔡向东周志勇王磊胡冀苏戴亚康哈尔滨理工大学自动化学院哈尔滨150080 中国科学院苏州生物医学工程技术研究所江苏苏州215163 南京医科大学附属苏州科技城医院江苏苏州215153 中国科学技术大学生物医学工程学院(苏州) 江苏苏州215163

针对目前骨折闭合复位存在的操作难、精度低和辐射大等问题,基于术前电子计算机断层扫描(CT)图像和电磁定位技术提出了一种计算机辅助的骨折闭合复位导航方法。首先,对CT图像中的骨骼区域分割建模获取健侧骨、断骨近心端和远心端的3D模... 详细信息

针对目前骨折闭合复位存在的操作难、精度低和辐射大等问题,基于术前电子计算机断层扫描(CT)图像和电磁定位技术提出了一种计算机辅助的骨折闭合复位导航方法。首先,对CT图像中的骨骼区域分割建模获取健侧骨、断骨近心端和远心端的3D模型,并使用迭代最近点(ICP)方法将断骨近心端模型与健侧骨镜像模型进行配准;其次,使用奇异值分解(SVD)方法统一磁定位空间和图像空间坐标系;最后,通过与断骨模型刚性连接的磁定位传感器实时追踪断骨模型的位姿信息,从而实现虚拟断骨模型和真实断骨模型的同步移动。模型骨反向模拟复位实验表明,使用本方法复位后的角度误差90分位数为1.14°,最大2.32°;距离误差90分位数为5.12 mm,最大7.45 mm。实验结果表明,该方法在减少辐射暴露和简化复位操作的同时有较好的复位精度。

关键词：骨折复位电磁定位奇异值分解迭代最近点坐标系标定计算机辅助骨科手术