检索结果-南通市图书馆

同方期刊数据库

基于化学交换饱和转移成像中质子交换速率定量的缺血性脑卒中病灶检测研究

在线全文

学校读者我要写书评

暂无评论

磁共振成像 2022年第10期13卷 157-163页

作者：赵映程王晓莉贺小伟西北大学信息科学与技术学院西安710127 西北大学西安市影像组学与智能感知重点实验室西安710127 潍坊医学院医学影像学系潍坊261053

目的通过对化学交换饱和转移(chemical exchange saturation transfer,CEST)MRI进行质子交换速率(exchange rate,k_(ex))定量分析,评估该指标用于缺血性脑卒中病灶区域检测的价值。材料与方法采用栓线法制备大鼠大脑中动脉闭塞模型,在Br... 详细信息

目的通过对化学交换饱和转移(chemical exchange saturation transfer,CEST)MRI进行质子交换速率(exchange rate,k_(ex))定量分析,评估该指标用于缺血性脑卒中病灶区域检测的价值。材料与方法采用栓线法制备大鼠大脑中动脉闭塞模型,在Bruker 7 T动物MR扫描仪上进行扫描,得到不同MRI模态的脑卒中大鼠成像,其中,设置B_(1)饱和脉冲强度分别为0.7、1、2μT来采集3次CEST影像。在图像后处理中,基于Bloch-McConnell方程建立饱和脉冲振幅(ω_(1))、k_(ex)和CEST信号之间的线性关系,从而通过不同B_(1)下的CEST信号进行k_(ex)定量,根据此方法对CEST影像进行逐像素计算以获得相应的k_(ex)成像。采用独立样本t检验法对检测出的病灶区域及正常组织的k_(ex)进行组间对比,以及使用对比噪声比(contrast-to-noise ratio,CNR)指标对k_(ex)成像和原始CEST成像进行量化对比。结果相对于对侧正常组织,k_(ex)成像在病灶区域呈现出明显的低信号;相较于横向弛豫加权成像(transverse relaxation-weighted,T2WI)和弥散加权成像(diffusion-weighted imaging,DWI),对于再灌注后短期内的情形,k_(ex)成像表现出更强的病灶区域对比度;通过k_(ex)成像检测出的病灶区域中的k_(ex)值相比其余正常组织差异具有统计学意义(P检测到缺血性卒中后组织的酸性病变,具有作为内源性定量成像生物标志物的潜质。

关键词：缺血性脑卒中磁共振成像化学交换饱和转移交换速率酰胺质子转移成像病灶检测

在线全文

学校读者我要写书评

暂无评论

基于深度学习的医学影像病灶检测算法研究

基于深度学习的医学影像病灶检测算法研究

作者：李康天津师范大学

学位级别：硕士

随着医学影像技术的快速发展和临床影像数据量的急剧增长,现代医学工作者面临着如何快速、准确地对不同疾病医学影像进行诊断、分类等重大挑战。利用人工智能技术对医学影像进行病灶检测,可以提高医生的工作效率,缓解医院压力。随着深... 详细信息

随着医学影像技术的快速发展和临床影像数据量的急剧增长,现代医学工作者面临着如何快速、准确地对不同疾病医学影像进行诊断、分类等重大挑战。利用人工智能技术对医学影像进行病灶检测,可以提高医生的工作效率,缓解医院压力。随着深度学习在计算机视觉领域取得巨大成功,为医学影像病灶检测任务提供了新的思路。深度卷积神经网络能效提取医学影像中的各种病灶特征,以实现病灶的定位和分类等任务。因此,研究基于深度学习的医学影像病灶检测算法研究具有重要的理论意义和应用价值。然而当前的研究在特征图生成方面仍然面临一些挑战,同时还存在着模型可解释性不强等问题。据此,本文提出一种基于深度学习的医学影像病灶检测模型,在病灶检测与可解释性方面得到了较为优秀的结果。本文的主要工作:(1)为突出与病灶分类任务相关的重要内在特征,本文提出一种利用通道和空间注意机制的空间注意力叠加模块用于识别病灶的内在成像特征,并且设计了多层特征融合模块用于协调来自不同通道的不同特征并强调重要信息。将这两个模块连接起来以提取关键图像特征,作为疾病诊断的基础。(2)为提高病灶检测器的性能,将所提出的模块嵌入基线神经网络,并开发了一种名为SAS-MFF-YOLO的模型来检测病灶。为了验证模型的有效性,对北美放射学会(RSNA)和AI研习社提供的两个数据集进行了大量实验。SAS-MFF-YLO在AI研习社数据集上实现了88.1%的精确率和98.2%召回率,AP为99%。特征图的可视化表明,该方法有助于发现、提取医学影像中的相关病变特征,具有较高的应用价值。(3)为提高模型的可解释性,同时证明模块的鲁棒性,本文提出了SProto PNet病灶检测模型,该模型模拟人的分类逻辑进行图像推理,具有较强的可解释性。为验证模型的有效性,在Chest X-ray14数据集上进行了实验,结果表明,该方法有效地提升了医学影像病灶检测的性能,并提高了模型的可解释性。

关键词：病灶检测深度学习注意力机制医学影像可解释性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的内窥镜图像病灶检测

基于深度学习的内窥镜图像病灶检测

作者：潘东升中国科学技术大学

学位级别：硕士

内窥镜检查是一种广泛使用的疾病诊疗方式,在多种癌症的临床诊断中发挥着重要作用。在胃肠道疾病诊断时,由于存在背景干扰和观察差异,导致诊断过程中可能出现误诊和漏诊的情况。而计算机辅助检测技术能够有效弥补人工识别存在的不足,帮... 详细信息

内窥镜检查是一种广泛使用的疾病诊疗方式,在多种癌症的临床诊断中发挥着重要作用。在胃肠道疾病诊断时,由于存在背景干扰和观察差异,导致诊断过程中可能出现误诊和漏诊的情况。而计算机辅助检测技术能够有效弥补人工识别存在的不足,帮助医师减轻负担,同时给出较为客观的判断,为临床诊断提供重要参考。本文以内窥镜图像病灶检测为切入点,针对医学图像的病灶检测问题,对深度神经网络进行研究和分析,进一步推进计算机辅助诊断在病灶检测中的实现和应用,主要研究内容如下:1.提出了一种基于特征融合增强网络的内窥镜图像病灶检测方法。该方法针对多尺度特征图独立预测的问题,将细节信息和语义信息进行融合增强,使不同层次的特征图产生关联,增强后的特征图自底向上传递,并在预测前使用通道注意力模块增加非线性激励,提高病灶检测的准确率。2.提出了一种基于多准则锚框匹配机制的内窥镜图像病灶检测方法。该方法针对单一交并比匹配准则难以准确衡量方框间重叠程度的问题,在使用交并比值进行匹配的基础上,综合考虑了先验框和真实框中心点的距离以及二者在形状上的相似度等因素,获得更加高效可靠的锚框匹配结果。3.提出了一种基于注意力机制的内窥镜图像病灶检测方法。该方法针对胃肠道图像中背景噪声容易干扰检测效果的问题,利用并行空洞卷积分支捕捉多比例的图像信息,增强网络对不同尺度目标的检测能力,并引入自注意力机制强调对病灶区域的关注度,使用无锚框检测框架提高网络的灵活性。本文提出的算法在内窥镜图像数据集上进行了实验验证,能有效降低内窥镜图像中病灶的漏检情况,提高病灶检测的精确度。

关键词：内窥镜图像病灶检测特征融合锚框匹配注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的脑肿瘤病灶检测算法研究

基于深度学习的脑肿瘤病灶检测算法研究

作者：王锋武汉工程大学

学位级别：硕士

脑肿瘤是目前最具侵略性的疾病之一,对人类的生命健康造成严重地威胁,在医学上,对脑肿瘤的诊断流程主要是通过核磁共振图像信息进行识别、分割以及切除,然而利用人工进行脑肿瘤图像的病灶检测是一项繁琐、耗时且易出错的任务。为了提高... 详细信息

脑肿瘤是目前最具侵略性的疾病之一,对人类的生命健康造成严重地威胁,在医学上,对脑肿瘤的诊断流程主要是通过核磁共振图像信息进行识别、分割以及切除,然而利用人工进行脑肿瘤图像的病灶检测是一项繁琐、耗时且易出错的任务。为了提高检测精度和效率,本文以深度学习中卷积神经网络为研究工具,构建了有效的脑肿瘤病灶识别和分割算法。具体工作如下:(1)针对现有部分识别算法存在精度低、复杂度高的问题,本章提出了一种基于改进Res Net34的识别算法,实现对脑膜瘤、神经胶质瘤以及垂体瘤的精确识别。首先将多尺度卷积替换原始卷积,控制参数量并增强算法对多尺度特征的提取能力;其次引入双残差结构避免因层数过深而导致识别能力的退化;然后在侧链残差结构中加入注意力机制模块,提高重要特征的权重;最终将引入Dropout技术的全连接层来对脑肿瘤病灶进行类型识别,避免因局部特征影响识别结果。将改进后的算法在Kaggle数据集下进行实验验证,识别准确率达到97.38%,参数量为4.01M,浮点运算数为540M。各指标优于一些经典算法与先进算法,该算法可在降低算法复杂度和参数量的情况下提高脑肿瘤类型识别的准确率。(2)针对现有部分分割算法存在上下层联系匮乏、特征欠提取而导致分割精度低的问题,同时考虑二维数据处理速度快的优点,本章提出了一种基于改进2D U-Net的分割算法,实现对二维神经胶质瘤病灶进行精确分割。首先在编码部分引入密集连接机制增强上下层间的联系;其次在算法结构的中间部分采用空洞卷积来提高算法对病灶的定位能力;最终在解码部分将传统卷积替换为多尺度卷积,提高对拼接特征的提取质量。使用Bra Ts2019数据集对改进的算法进行实验验证,肿瘤整体区域、核心区域、增强区域的Dice分割系数达到0.8533、0.8719、0.7963,对应的Hausdorff距离分别为2.6099、1.5857、2.7434。结果优于一些其他算法,该算法可有效地实现对病灶的精准分割。(3)针对将三维数据切片为二维后会导致空间信息丢失而引起分割定位不精确的问题,本章提出一种基于改进3D U-Net的分割算法,来对神经胶质瘤进行三维精确分割。首先对算法进行通道数缩减并引入残差结构,减少参数的同时缓解算法的退化;其次在跳跃连接处加入3D注意力机制模块来提高跳跃连接所传递重要特征的权重;然后将编码环节的下采样改为小核卷积,控制参数量的同时提高算法对于病灶的定位能力;最后将激活函数修改为Leaky Re LU,通过参数优化进一步提高分割算法的性能。利用Bra TS2019数据集进行验证,三个区域的Dice分割系数分别为0.9241、0.8999、0.8923,对应的Hausdorff距离为0.2385、0.2608、0.2386。相较于对比算法均有不同程度的提升,该算法结构在降低参数量的同时提高了对病灶的分割性能。(4)针对算法操作过于繁琐的问题,开发一个脑肿瘤辅助检测平台。该平台整合本文所提算法,包含数据预处理、类型识别、二维分割以及三维分割,通过将研究内容与实际应用相结合,对脑肿瘤检测以及后续的治疗发挥着重要的作用。本文所提出的算法对脑肿瘤病灶的检测进行了优化,表现出更高的准确率、更少的参数量和更低的复杂度。此外,辅助检测系统的设计可以给医护人员提供参考,降低因人为因素而引发错误的概率。

关键词：核磁共振图像深度学习 U-Net ResNet34 病灶检测

基于超广角眼底图的DR智能分期及病灶检测算法的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于超广角眼底图的DR智能分期及病灶检测算法的研究与实现

作者：杨刚西南交通大学

学位级别：硕士

糖尿病视网膜病变(糖网)是全球四大主要致盲病之一,长期的高血糖患者会引发糖尿病视网膜病变。早期的糖网患者并无明显症状,随着病情的发展,患者逐渐感受到视力下降,严重者甚至可能永久性失明,糖网患者的早期筛查尤为重要。由于传统的... 详细信息

糖尿病视网膜病变(糖网)是全球四大主要致盲病之一,长期的高血糖患者会引发糖尿病视网膜病变。早期的糖网患者并无明显症状,随着病情的发展,患者逐渐感受到视力下降,严重者甚至可能永久性失明,糖网患者的早期筛查尤为重要。由于传统的眼底彩照图像在眼科医生诊断患者病情中存在诸多问题且已逐渐被淘汰,而欧堡非接触式超广角眼底照相具有视野广、操作简易快捷、免散瞳、无创、高分辨率等优势,因此本文基于糖网欧堡超广角眼底图像,结合深度学习、图像处理及计算机视觉等技术,设计并实现了基于病灶检测的糖网分期算法模型。将该模型集成到成都市某医院的糖网病智能诊断系统中进行实际应用,可以提高眼科医生对糖网患者病情的诊断效率及准确性。本文的主要内容如下:(1)在糖网4期与非4期(0-3期)眼底图特点的基础上,本文使用改进型的Res Net50进行分期,对Res Net50的卷积核大小进行替换,并引入CBAM注意力机制,改进的模型提高了糖网4期的分期精度。(2)针对糖网0-3期超广角眼底图病灶目标较小、图像分辨率过大等问题,本文提出了基于改进型的Faster RCNN和图像分割的方式对糖网超广角图像病灶(出血点、微血管瘤、棉絮斑、硬性渗出)进行检测。在特征提取阶段采用残差网络结合特征金字塔的方式对病灶信息进行提取,在RPN网络缩小候选框区域大小,以解决病灶占比较小特征难以提取、候选框过大不适和较小病灶检测的问题。在模型训练时分割图像病灶区域,在检测时对图像分割送检然后合成,以解决图像缩放导致病灶信息畸变和丢失的问题。(3)针对糖网超广角眼底图微血管瘤与出血点容易误检的问题,本文首先使用基于残差网络的Unet对视网膜血管进行分割,然后结合本文所提出的基于血管分割的出血点与微血管瘤修正算法对改进型的Faster RCNN的病灶检测结果进行优化,提高了微血管瘤与出血点的检测精度。确立了最终算法的参数和模型后,所提的方法在成都市某医院的糖网超广角眼底图数据测试集上分期的精确率0期达到83.8%,1期达到86.5%,2期达到92.7%,3期达到88.1%,4期达到91%。(4)最后,在确定了基于超广角眼底图算法模型后,对糖网智能诊断系统进行了改进和完善,并将算法模型集成到成都市某医院系统中进行实际应用。

关键词： DR智能分期病灶检测血管分割深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于3D监督预训练的全身病灶检测SOTA

计算机科学与应用 2022年第12期12卷 2916-2924页

作者：周菁仪贾采薇袁嘉怡大连外国语大学辽宁大连

现如今医学领域和计算机领域的融合程度越来越深,越来越多的研究团队使用计算机先进的图像处理技术来完成医学影像的分类,分割,检测,配准和成像重建等工作,但是这仍是少数,绝大多数的医疗机构仍然是依靠医生来根据图像进行诊断和结果分... 详细信息

现如今医学领域和计算机领域的融合程度越来越深,越来越多的研究团队使用计算机先进的图像处理技术来完成医学影像的分类,分割,检测,配准和成像重建等工作,但是这仍是少数,绝大多数的医疗机构仍然是依靠医生来根据图像进行诊断和结果分析,这大大降低了医院的工作效率,诊断时间长,给患者无论是精神上还是身体上都带来了负担。因此,我们通过机器深度学习的预训练3D模型,3D建模和卷积神经网络技术来建立一个可以直接进行影像分类,切割和病灶检测的系统。本研究针对CT层面中的2D病灶检测问题提出了一种可以有效利用3D上下文信息的新框架,同时提出了一种预训练3D卷积神经网络的新思路,该研究在迄今规模最大的CT图像数据集NIH DeepLesion上进行了实验,并取得了SOTA的病灶检测结果。有监督预训练方法可以有效提升3D模型训练的收敛速度,以及在小规模数据集上的模型精度,用于提升病症分析的速度和准确率,提高医疗效率。论文的主要研究成果包括:1) 提出了3D卷积模型病灶检测预处理方法。该方法是通过数据的预处理将CT影像转换为三通道的伪彩色图像,从而将图像中的像素值归一化到相同的范围,减小了不同类型病灶形态差异。其次,通过预处理,结合多类型病灶框大小的先验知识,对锚框宽高比进行了优化。2) 开发了一个通用和高效的能够增强3D上下文信息建模的网络框架。首先提出一种改进的伪3D框架来对连续多层输入进行高效的3D上下文特征提取,同时配合一个组卷积变换模块,在该特征输入到检测头之前可以将3D特征转换为2D特征,来适配我们的2D目标检测任务。以确保模型始终具备3D上下文建模能力。3) 研究设计了一种有监督的预训练方法来增强MP3D的训练以及收敛性能。本研究工作提出一种基于变维度转换的3D模型预训练方法:将2D空间中的channel维度转换为3D空间中的dept维度,将原始具有色彩信息的RGB三通道二维图像转化成三维空间中的三个连续层面图像,以此达到有效的利用2D自然图像处理进行3D模型的预训练。本论文在DeepLesion数据集上对提出的方法进行了定性和定量的分析对比。结果显示本论文方法可以作为CT影像中多类型病灶的辅助检测方法,从而促进CT技术在临床的应用。

关键词：病灶检测预训练3D卷积神经网络 3D上下文建模

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于多特征融合矩阵分解的胃镜图像病灶检测

现代电子技术 2022年第3期45卷 69-72页

作者：杨国亮黄剑琛江西理工大学电气工程与自动化学院江西赣州341000

胃镜检查过程中,医生通过内窥镜对病变部位的疾病诊断全靠医生的个人经验判断,给医生造成巨大的工作压力,因此提出一种基于稀疏约束的隐低秩表示模型的改进算法。在矩阵融合的基础算法中引入稀疏约束的隐低秩表示模型,提取数据的主特征... 详细信息

胃镜检查过程中,医生通过内窥镜对病变部位的疾病诊断全靠医生的个人经验判断,给医生造成巨大的工作压力,因此提出一种基于稀疏约束的隐低秩表示模型的改进算法。在矩阵融合的基础算法中引入稀疏约束的隐低秩表示模型,提取数据的主特征和隐含特征来获取更多图像信息,应对样本数量较少的情况,并且采用加权非负稀疏表示分类方法(WNSLRRC)区分干扰区域和病灶区域,以图像隐含特征作为依据的加权低秩模型能更好地获得图像数据的全局结构。经过实验证明,该检测方法对病灶区域检测精度较高,具有一定的实用性,并且算法具有较好的抗扰性。

关键词：非负低秩矩阵分解胃镜图像多特征融合隐低秩表示加权非负稀疏低秩表示分类病灶检测全局性稀疏约束

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

深度学习多部位病灶检测与分割

中国图象图形学报 2021年第11期26卷 2723-2731页

作者：黎生丹柏正尧云南大学信息学院昆明650091

目的多部位病灶具有大小各异和类型多样的特点,对其准确检测和分割具有一定的难度。为此,本文设计了一种2.5D深度卷积神经网络模型,实现对多种病灶类型的计算机断层扫描(computed tomography,CT)图像的病灶检测与分割。方法利用密集卷... 详细信息

目的多部位病灶具有大小各异和类型多样的特点,对其准确检测和分割具有一定的难度。为此,本文设计了一种2.5D深度卷积神经网络模型,实现对多种病灶类型的计算机断层扫描(computed tomography,CT)图像的病灶检测与分割。方法利用密集卷积网络和双向特征金字塔网络组成的骨干网络提取图像中的多尺度和多维度信息,输入为带有标注的中央切片和提供空间信息的相邻切片共同组合而成的CT切片组。将融合空间信息的特征图送入区域建议网络并生成候选区域样本,再由多阈值级联网络组成的Cascade R-CNN(region convolutional neural networks)筛选高质量样本送入检测与分割分支进行训练。结果本文模型在DeepLesion数据集上进行验证。结果表明,在测试集上的平均检测精度为83.15%,分割预测结果与真实标签的端点平均距离误差为1.27 mm,直径平均误差为1.69 mm,分割性能优于MULAN(multitask universal lesion analysis network for joint lesion detection,tagging and segmentation)和Auto RECIST(response evaluation criteria in solid tumors),且推断每幅图像平均时间花费仅91.7 ms。结论对于多种部位的CT图像,本文模型取得良好的检测与分割性能,并且预测时间花费较少,适用病变类别与DeepLesion数据集类似的CT图像实现病灶检测与分割。本文模型在一定程度上能满足医疗人员利用计算机分析多部位CT图像的需求。

关键词：深度学习计算机断层扫描(CT)图像病灶检测病灶分割 DeepLesion

aFaster RCNN:一种基于平扫CT的多疾病阶段胰腺病灶检测模型

在线全文

学校读者我要写书评

暂无评论

南方医科大学学报 2023年第5期43卷 755-763页

作者：梁利渡张浩杰鲁倩周陈杰李淑龙南方医科大学生物医学工程学院//广东省医学图像处理重点实验室广东广州510515 南方医科大学珠江医院普通外科中心肝胆外科二//广东省人工器官与组织工程研究中心广东广州510280 盐城市第三人民医院超声科江苏盐城224008

目的研究基于平扫CT的胰腺病灶检测算法,实现低成本和精准的胰腺病灶自动检测。方法以Faster RCNN为基准模型,构建了名为advanced Faster RCNN(aFaster RCNN)的基于平扫CT胰腺病灶检测模型。该模型使用残差连接网络Resnet50为特征提取... 详细信息

目的研究基于平扫CT的胰腺病灶检测算法,实现低成本和精准的胰腺病灶自动检测。方法以Faster RCNN为基准模型,构建了名为advanced Faster RCNN(aFaster RCNN)的基于平扫CT胰腺病灶检测模型。该模型使用残差连接网络Resnet50为特征提取模块来提取胰腺病灶的深层图像特征;并针对胰腺病灶形态重新设计了9种检测锚框尺寸来构建RPN模块;同时,提出一种综合考虑病灶形状和解剖结构约束的新型Bounding Box回归损失函数来约束RPN模块回归子网络的训练过程;最后,利用第二阶段的检测器来生成检测框。模型使用来自国内四家临床中心的728例胰腺疾病患者进行训练(518例,约占71.15%)和测试(210例,约占28.85%);并通过消融实验,以及与3种经典目标检测模型SSD、YOLO和CenterNet进行比较的对比实验来验证aFaster RCNN的性能。结果aFaster RCNN胰腺病灶检测模型在测试集图像水平和病人水平上分别获得了73.64%、92.38%的召回率以及45.29%、53.80%的平均精度,均高于所有被比较模型。结论本文方法可以有效提取平扫CT中的胰腺病灶特征来检测胰腺病灶区域。

关键词：平扫CT 胰腺癌病灶检测