检索结果-南通市图书馆

多参数多区域MRI影像组学特征与临床信息联合模型可有效预测脑胶质瘤患者生存期

同方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

南方医科大学学报 2024年

作者：黄晓茵陈凤莲张煜梁淑君南方医科大学生物医学工程学院南方医科大学广东省医学图像处理重点实验室南方医科大学广东省医学成像与诊断技术工程实验室

目的探讨脑胶质瘤患者肿瘤亚区影像组学特征，评估其对患者生存期的预后价值。方法对388例胶质瘤患者的术前MRI多序列影像和临床数据进行回顾性分析，从瘤周水肿区域、肿瘤核心区以及全肿瘤区域提取T1、T2、T1加权对比增强（T1CE）、... 详细信息

目的探讨脑胶质瘤患者肿瘤亚区影像组学特征，评估其对患者生存期的预后价值。方法对388例胶质瘤患者的术前MRI多序列影像和临床数据进行回顾性分析，从瘤周水肿区域、肿瘤核心区以及全肿瘤区域提取T1、T2、T1加权对比增强（T1CE）、液体衰减反转恢复（FLAIR）序列的影像组学特征。将病例按照7∶3分为训练集（271例）和测试集（117例）。利用随机生存森林算法在训练集中筛选与总生存期相关的影像组学特征，并构建影像组学评分（Rad-score）。根据Rad-score将患者分为高、低风险组，使用Kaplan-Meier分析两组生存差异。建立瘤周水肿区、肿瘤核心区和全肿瘤区域的Cox比例风险回归模型，并通过五折交叉验证及受试者工作特征曲线下面积评估模型1年、3年生存率的预测效能，采用10例胶质瘤患者作外部验证。选择表现最优的模型进行生存期预测情况的列线图分析。结果肿瘤核心区、瘤周水肿区和全肿瘤区域分别筛选出的影像组学特征数量分别为5、7、5，根据Rad-score，两风险组在训练集和测试集的总生存期存在差异（P<0.05）。单因素和多因素Cox分析显示，年龄、异柠檬酸脱氢酶状态和Rad-score是总生存期的独立影响因素。联合模型在训练集和测试集中的AUC表现优于单一Rad-score模型，其中全肿瘤模型的1年、3年生存率预测AUC分别为0.750、0.778（训练集），0.764、0.800（测试集）和0.938、0.917（外部验证集）。结论基于术前多模态MRI影像组学特征与临床信息联合构建的预测模型能有效预测胶质瘤患者的生存期。

关键词：胶质瘤影像组学磁共振成像机器学习预后分析

基于深度模糊学习的牙科CBCT运动伪影校正算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

南方医科大学学报 2024年第6期44卷 1198-1208页

作者：林宗悦王永波边兆英马建华南方医科大学生物医学工程学院广东广州510515

目的针对牙科CBCT扫描中患者不自主运动导致的重建图像运动伪影问题,提出了一种基于深度模糊学习的牙科CBCT运动伪影校正算法(DMBL),以提升牙科CBCT的成像质量。方法首先使用模糊编码模块提取运动退化特征,从而对运动导致的退化过程... 详细信息

目的针对牙科CBCT扫描中患者不自主运动导致的重建图像运动伪影问题,提出了一种基于深度模糊学习的牙科CBCT运动伪影校正算法(DMBL),以提升牙科CBCT的成像质量。方法首先使用模糊编码模块提取运动退化特征,从而对运动导致的退化过程进行建模,然后将得到的运动退化特征输入伪影校正模块进行运动伪影去除。其中,伪影校正模块采用了图像模糊去除和图像模糊仿真的联合学习框架,可有效处理空间变化且随机的运动模式。为验证所提方法的有效性,本文分别在仿真运动数据集和临床数据集上进行对比实验。结果仿真数据集实验结果表明,本文方法峰值信噪比提升了2.88%,结构相似性(SSIM)提升了0.89%,均方根误差(RMSE)减少了10.58%;临床数据集实验结果表明,本文方法取得了最高的专家主观图像质量评分4.417(5分制),且与对比方法结果的评分具有显著性差异(P图像中的运动伪影,实现高质量的图像恢复。

关键词：运动伪影校正牙科CBCT 模糊学习

维普期刊数据库博看期刊

基于全局-局部注意力机制和YOLOv5的宫颈细胞图像异常检测模型

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 2024年第7期44卷 1217-1226页

作者：胡雯然傅蓉南方医科大学生物医学工程学院广东广州510515

目标建立一种新的基于全局-局部注意机制和YOLOv5的宫颈病变细胞检测模型(Trans-YOLOv5),为准确、高效地分析宫颈细胞学图像并做出诊断提供帮助。方法使用共含有7410张宫颈细胞学图像且均包含对应真实标签的公开数据集。采用结合了数据... 详细信息

目标建立一种新的基于全局-局部注意机制和YOLOv5的宫颈病变细胞检测模型(Trans-YOLOv5),为准确、高效地分析宫颈细胞学图像并做出诊断提供帮助。方法使用共含有7410张宫颈细胞学图像且均包含对应真实标签的公开数据集。采用结合了数据扩增方式与标签平滑等技巧的YOLOv5网络结构实现对宫颈病变细胞的多分类检测。在YOLOv5骨干网络引用CBT3以增强深层全局信息提取能力,设计ADH检测头提高检测头解耦后定位分支对纹理特征的结合能力,从而实现全局-局部注意机制的融合。结果实验结果表明Trans-YOLOv5优于目前最先进的方法。mAP和AR分别达到65.9%和53.3%,消融实验结果验证了Trans-YOLOv5各组成部分的有效性。结论本文发挥不同注意力机制分别在全局特征与局部特征提取能力的差异,提升YOLOv5对宫颈细胞图像中异常细胞的检测精度,展现了其在自动化辅助宫颈癌筛查工作量的巨大潜力。

关键词：宫颈细胞图像异常检测 YOLOv5 图像处理全局和局部特征融合

基于多模态多示例学习的免疫介导性肾小球疾病自动分类方法

同方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

南方医科大学学报 2024年第3期44卷 585-593页

作者：龙楷兴翁丹仪耿舰路艳蒙周志涛曹蕾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//广东省医学成像与诊断技术工程实验室广东广州510515 南方医科大学基础医学院广东广州510515 南方医科大学中心实验室广东广州510515 广州华银医学检验中心广东广州510515

目的探讨如何利用多模态深度学习方法,联合光学显微镜(OM)、免疫荧光显微镜(IM)及透射电子显微镜(TEM)对应的3种图像进行免疫介导性肾小球疾病分类。方法基于273例患者的病理图像进行回顾性研究,构建多模态多示例模型对3种免疫介导性的... 详细信息

目的探讨如何利用多模态深度学习方法,联合光学显微镜(OM)、免疫荧光显微镜(IM)及透射电子显微镜(TEM)对应的3种图像进行免疫介导性肾小球疾病分类。方法基于273例患者的病理图像进行回顾性研究,构建多模态多示例模型对3种免疫介导性的肾小球疾病——免疫球蛋白A肾病(IgAN)、膜性肾病(MN)、狼疮性肾炎(LN)进行分类。该模型采用示例水平的多示例学习(I-MIL)方法挑选患者的TEM图像并与同一患者的OM图像和IM图像进行多模态特征融合。通过该模型与单模态、双模态模型的比较,探究3种模态之间的不同组合形式以及模态特征融合方式的特性。结果联合OM、IM以及TEM图像建立的多模态多示例模型准确率为(88.34±2.12)%,优于准确率为(87.08±4.25)%的最优的单模态模型,以及准确率为(87.92±3.06)%的最优的双模态模型。结论本研究成功建立基于OM、IM及TEM三种模态图像的多模态多示例模型,并验证了采用多示例学习结合多模态学习方法对免疫介导性肾小球疾病分类的有效性。

关键词：肾活检病理肾小球疾病深度学习多模态融合多示例学习

基于改进可微分域转换的双域锥束计算机断层扫描重建网络用于锥角伪影校正

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 2024年第6期44卷 1188-1197页

作者：彭声旺王永波边兆英马建华黄静南方医科大学生物医学工程学院广东广州510515 琶洲实验室(黄埔) 广东广州510700

目的提出一种基于改进可微分域转换的双域锥束计算机断层扫描(CBCT)重建框架DualCBR-Net用于锥角伪影校正。方法所提出的双域CBCT重建框架DualCBR-Net包含3个模块:投影域预处理、可微分域转换和图像后处理。投影域预处理模块首先对投... 详细信息

目的提出一种基于改进可微分域转换的双域锥束计算机断层扫描(CBCT)重建框架DualCBR-Net用于锥角伪影校正。方法所提出的双域CBCT重建框架DualCBR-Net包含3个模块:投影域预处理、可微分域转换和图像后处理。投影域预处理模块首先对投影数据进行排方向扩充,使被扫描物体能够被X射线完全覆盖。可微分域转换模块引入重建和前投影算子去完成双域网络的前向和梯度回传过程,其中几何参数对应扩大的数据维度,扩大几何在网络前向过程中提供了重要先验信息,在反向过程中保证了回传梯度的精度,使得锥角区域的数据学习更为精准。图像域后处理模块对域转换后的图像进一步微调以去除残留伪影和噪声。结果在Mayo公开的胸部数据集上进行的验证实验结果显示,本研究提出的DualCBR-Net在伪影去除和结构细节保持方面均优于其他竞争方法;定量上,这种DualCBR-Net方法在PSNR和SSIM上相对于最新方法分别提高了0.6479和0.0074。结论本研究提出的基于改进可微分域转换的双域CBCT重建框架DualCBR-Net用于锥角伪影校正方法使有效联合训练CBCT双域网络成为可能,尤其是对于大锥角区域。

关键词： CBCT 锥角伪影可微分域转换

基于双域Transformer耦合特征学习的CT截断数据重建模型

同方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

南方医科大学学报 2024年第5期44卷 950-959页

作者：汪辰蒙铭强李明强王永波曾栋边兆英马建华南方医科大学生物医学工程学院广东广州510515 琶洲实验室(黄埔) 广东广州510005

目的为解决CT扫描视野(FOV)不足导致的截断伪影和图像结构失真问题,本文提出了一种基于投影和图像双域Transformer耦合特征学习的CT截断数据重建模型(DDTrans)。方法基于Transformer网络分别构建投影域和图像域恢复模型,利用Transforme... 详细信息

目的为解决CT扫描视野(FOV)不足导致的截断伪影和图像结构失真问题,本文提出了一种基于投影和图像双域Transformer耦合特征学习的CT截断数据重建模型(DDTrans)。方法基于Transformer网络分别构建投影域和图像域恢复模型,利用Transformer注意力模块的远距离依赖建模能力捕捉全局结构特征来恢复投影数据信息,增强重建图像。在投影域和图像域网络之间构建可微Radon反投影算子层,使得DDTrans能够进行端到端训练。此外,引入投影一致性损失来约束图像前投影结果,进一步提升图像重建的准确性。结果Mayo仿真数据实验结果表明,在部分截断和内扫描两种截断情况下,本文方法DDTrans在去除FOV边缘的截断伪影和恢复FOV外部信息等方面效果均优于对比算法。结论DDTrans模型可以有效去除CT截断伪影,确保FOV内数据的精确重建,同时实现FOV外部数据的近似重建。

关键词： CT截断伪影 Transformer 深度学习双域

维普期刊数据库博看期刊

基于全局-局部注意力机制和YOLOv5的宫颈细胞图像异常检测模型（英文）

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 2024年

作者：胡雯然傅蓉南方医科大学生物医学工程学院

目标建立一种新的基于全局-局部注意机制和YOLOv5的宫颈病变细胞检测模型（Trans-YOLOv5），为准确、高效地分析宫颈细胞学图像并做出诊断提供帮助。方法使用共含有7410张宫颈细胞学图像且均包含对应真实标签的公开数据集。采用结合了... 详细信息

目标建立一种新的基于全局-局部注意机制和YOLOv5的宫颈病变细胞检测模型（Trans-YOLOv5），为准确、高效地分析宫颈细胞学图像并做出诊断提供帮助。方法使用共含有7410张宫颈细胞学图像且均包含对应真实标签的公开数据集。采用结合了数据扩增方式与标签平滑等技巧的YOLOv5网络结构实现对宫颈病变细胞的多分类检测。在YOLOv5骨干网络引用CBT3以增强深层全局信息提取能力，设计ADH检测头提高检测头解耦后定位分支对纹理特征的结合能力，从而实现全局-局部注意机制的融合。结果实验结果表明Trans-YOLOv5优于目前最先进的方法。mAP和AR分别达到65.9%和53.3%，消融实验结果验证了Trans-YOLOv5各组成部分的有效性。结论本文发挥不同注意力机制分别在全局特征与局部特征提取能力的差异，提升YOLOv5对宫颈细胞图像中异常细胞的检测精度，展现了其在自动化辅助宫颈癌筛查工作量的巨大潜力。

关键词：宫颈细胞图像异常检测 YOLOv5 图像处理全局和局部特征融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多尺度聚合和共享注意力的注视估计模型

计算机应用 2024年第7期44卷 2047-2054页

作者：施赛龙方智文南方医科大学生物医学工程学院广州510515 广东省医学图像处理重点实验室(南方医科大学) 广州510515 广东省医学成像与诊断技术工程实验室(南方医科大学) 广州510515

注视估计是从人脸图像中估计3D注视方向的方法,其中与注视直接相关的眼睛细节信息在人脸图像中集中且对注视估计具有显著影响。然而现有的注视估计模型忽略了小尺度的眼睛细节,且容易被图像特征中与注视无关的信息淹没。为此,提出一种... 详细信息

注视估计是从人脸图像中估计3D注视方向的方法,其中与注视直接相关的眼睛细节信息在人脸图像中集中且对注视估计具有显著影响。然而现有的注视估计模型忽略了小尺度的眼睛细节,且容易被图像特征中与注视无关的信息淹没。为此,提出一种基于多尺度聚合和共享注意力的模型以增强特征的表达能力。首先,使用分流自注意力聚合图像中不同尺度的眼睛和人脸信息,并引导模型学习不同尺度对象之间的相关性,以此处理模型对图像中眼睛细节的遗漏问题;其次,通过建立共享注意力来捕获图像之间的共享特征,减少对注视无关特征的关注;最后,结合多尺度聚合和共享注意力,进一步提高注视估计的精度。在公开数据集MPIIFaceGaze、Gaze360、Gaze360_Processed和GAFA-Head上,所提模型的平均角度误差比GazeTR(Gaze TRansformer)降低了5.74%、4.09%、4.82%和10.55%。在Gaze360背对相机的困难图像上,所提模型的平均角度误差比GazeTR降低了4.70%。实验结果表明,所提模型能有效聚合多尺度的注视信息和共享注意力,提高注视估计的准确性和鲁棒性。

关键词：注视估计共享注意力多尺度聚合共享特征计算机视觉

基于联邦特征学习的多机型低剂量CT重建算法

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 2024年第2期44卷 333-343页

作者：陈世宣曾栋边兆英马建华南方医科大学生物医学工程学院//广州市医用放射成像与检测技术重点实验室广东广州510515

目的提出一种基于联邦特征学习的多机型低剂量CT重建算法(FedCT),以提升深度学习模型对多CT机型的泛化能力并保护数据隐私。方法FedCT框架在每个协作学习的客户端中设置了一个基于数据-解析模型耦合驱动的Radon反变换智能重建模型作为... 详细信息

目的提出一种基于联邦特征学习的多机型低剂量CT重建算法(FedCT),以提升深度学习模型对多CT机型的泛化能力并保护数据隐私。方法FedCT框架在每个协作学习的客户端中设置了一个基于数据-解析模型耦合驱动的Radon反变换智能重建模型作为局部网络模型,并采用投影域特异性学习策略,在局部投影域保留成像几何特异性。同时,引入联邦特征学习,使用条件特征参数标记局部数据并馈入网络模型进行编码以在图像域提升网络模型的泛化性。结果在跨站点的多机型、多协议低剂量CT重建实验中,FedCT的重建结果在所有对比联邦学习方法中获得了最高的PSNR(高于次优的联邦学习方法+2.8048、+2.7301、+2.7263)、最高的SSIM指标(高于次优的联邦学习方法+0.0009、+0.0165、+0.0131)以及最低的RMSE指标(低于次优的对比联邦学习方法-0.6687、-1.5956、-0.9962)。在消融实验中,相较于一般联邦学习策略,采用投影特异学习策略的模型在测试集上的PSNR指标的Q1平均提升1.18,RMSE指标的Q3平均降低1.36。在引入联邦特征学习后,FedCT在测试集上的PSNR指标的Q1进一步提升3.56,RMSE指标的Q3进一步降低1.80。结论FedCT为协作构建CT智能重建网络模型提供了有效解决方案,能够在保护数据隐私的基础上,增强网络模型泛化性,进一步地提升网络模型在全局数据上的重建性能。

关键词：计算机断层成像低剂量联邦学习图像重建

维普期刊数据库博看期刊