X线影像中噪声的理论分析

Ｘ线图像中的噪声会淹没微小病灶信息、干扰诊断信息的传递、影响诊断质量。有关Ｘ线图像中噪声处理的研究一直是医学影像界研究的重点，但是由于Ｘ线图像中噪声存在的复杂性和多样性，国内外的研究大部是局限于Ｘ线图像中噪声分布的某一此侧面，而缺乏描述Ｘ线图像中噪声分布特点的完整系统的理论和方法，本文回顾了Ｘ线图像中噪声分布研究的现状；分析并建立了Ｘ线图像噪声分布的模型，在所建模型的基础上，对Ｘ线图像中噪声分布的     

X线影像中噪声的理论分析（续）

(接上期 )3　Ｘ线图像中噪声的表现Ｘ线图像中的噪声的表现 ,如图 5所示。Ｘ线穿过密度均匀的被照体后 ,所成的影像的密度并不是处处均匀的 ,而是起伏波动的。Ｘ线影像密度起伏波动的原因是因为Ｘ线分布的统计涨落、焦点面上的线量分布随着球管两端的管电压变化而变化、记录影像的介质的空间结构随机起伏变化不定或者与Ｘ线质之间存在比较强的联系。对于Ｘ线影像密度的起伏波动的现象 ,可用如图 6所示的模型进行解释和说明 ,即对于输入图像来说 ,每一个点的光强经系统成像之后并不是成像为一个点 ,而是成为一个光斑 ,亦即输入空间的点与输出…     

用X线分析化疗过程中活动性肺结核病灶恶化现象

在应用有效抗结核药物的作用下 ,肺结核病的治疗常能取得满意的疗效。主要表现在患者的自觉症状改善 ,痰菌阴转 ,Ｘ线上的病灶吸收、好转、稳定等。但也有少数患者在化疗中出现病灶恶化现象 ,对此简要分析如下。1　对象和方法对 1996年 12月至 2 0 0 1年 12月在结防所门诊接受治疗管理 ,并能按月复查的 2 68例新发现的活动性肺结核病的病历及全部Ｘ线胸片进行了全面审阅 ,凡符合以下条件者均可作为具有病灶恶化现象的对象。①患者能遵照医嘱 ,按正规化疗方案治疗 ,未曾间断者 ;②在化疗期间病人出现自觉症状或自觉症状较前加重者 ;③复查胸…     

X线透视中电视图像系统的维修

本文介绍X线电视系统的一般检修原则，着重叙述X线影像增强器的工作原理，在实践中如何鉴别它的故障和检修方法及其注意事项。     

肺结核强化治疗中病灶X线类赫氏反应14例分析

肺结核在强化治疗过程中可出现如驱梅治疗时出现的赫克斯海默反应 (Ｈｅｒｘｈｅｉｍｅｒ ｓ　ｒｅａｃｔｉｏｎ)相似的类赫氏反应。表现为Ｘ线上一过性、可逆的病灶增多或 /和增大 ,淋巴结增大和胸腺炎等恶化现象。容易误认为病灶恶化而过早改变治疗方案 ,给病人带来不应有的痛苦。现将 1989～2 0 0 0年我们遇到 14例报道如下。资料与方法1　一般资料　本组经临床、Ｘ线、痰菌检查等确诊肺结核14例 ,其中男 9例 ,女 5例 ;年龄 4～ 5 6岁 ,其中 4 9岁以下 11例 ;10例为初始 ,4例为复治。属原发型肺结核 3例 ,继发型肺结核进展期 11例。2　诊…     

便携式数字X线机及远程医学图像工作站软件开发

目的:为了能够给那些因地理环境、灾区环境以及战争情况下受限不便就诊的人员提供高质量的医疗健康服务。设计开发一套便携式数字X线机和医学图像工作站系统。方法:主机基于嵌入式Linux操作系统,采用OMAP1510硬件开发平台;医学图像工作站基于Windows操作系统,软件采用VC 6.0开发环境。结果:医学图像工作站从便携式X线机上获取图像,并对图像进行显示和处理。结论:该系统可以获取实时图像,实现远程医疗。     

结构简单的X线电视图像冻结器

介绍了一种结构十分简单,便于在现有X线电视设备上安装的图像冻结器.电路总共只使用5片大规模集成电路,采用廉价而速度较低的普通SRAM作为VRAM,采取交替工作方式,可以达到10～12Msps以上的数据采集速度和512×512的像素密度.     

钼靶X线定位下切除触诊阴性乳腺病灶的临床应用

目的探讨钼靶X线定位下切除触诊阴性乳腺病灶的方法和应用价值。方法将入组的50例触诊阴性乳腺病例随机分为两组各25例,实验组通过钼靶X线二维定位切除触诊阴性乳腺病灶,对照组接受扩大区段切除术。结果所有病灶均完全切除,随访6个月均无病灶复发。实验组良性病变患者术后均无并发症,显著低于对照组并发症发生率(55.0%),差异有统计学意义(P<0.05)。实验组良性病变患者对术后乳房外形满意度显著高于对照组,差异具有统计学意义(P<0.05)。结论钼靶X线二维定位下切除触诊阴性乳腺病灶,安全、准确,对恶性病灶能及时明确诊断,合理治疗。     

低剂量数字化X线机的应用检测

简述一种有别于普通X线机的低剂量数字化X线机的主要机理及应用检测。     

常规X线图像数字化的CR和DR技术

CR和DR是常规X线图像数字化的两种有效途径。CR提出较早，但迅速发展是在近几年，DR则是刚发展起来的新技术，本文就CR和DR各自的工作原理和特点分别做了介绍。     

应用人工神经网络筛查胃癌高危人群的研究

摘要:目的　通过建立误差反向传播人工神经网络（Back Popagation Artificial Neural Network,BP-ANN）预测模型分析本地区与胃部高危疾病有关的影响因素并评价模型预测效果。方法　于2012年10月至2014年11月,通过现场调查的方式对719名徐州市三级甲等医院消化科门诊患者进行问卷调查,并且收集其胃镜病理及相关资料。应用Logistic回归模型对影响胃部高危疾病发生的饮食、生活状况及习惯、身体状况等因素进行单因素和多因素分析;运用训练集资料建立BP神经网络,通过测试集142例调查对象评价该方法在实际应用中的预测精度。结果　对调查数据进行胃部高危疾病的Logistic回归单因素分析,分析显示女性、年龄、胃癌家族史、喜食烧烤类食物、生活节奏快等10个因素有统计学意义（P＜0.05）;多因素分析显示,吸烟、饮用自来水、喜食豆制品、常生气、年龄和生活节奏快与胃部高危疾病有关。BP神经网络筛查的效果较好。结论　建立好的BP神经网络可以用于筛检胃癌高危人群。     

血清蛋白质谱结合人工神经网络在宫颈癌诊断中的应用

目的:采用蛋白质芯片表面增强激光解吸电离飞行时间质谱(SELDI-TOF-MS)技术检测宫颈癌病人血清蛋白指纹图谱,通过差异蛋白组学筛选特有的蛋白标记物。方法:应用SELDI-TOF-MS技术和WCX2(弱阳离子)芯片采集58例宫颈癌患者和57例健康人血清蛋白质指纹图谱,采用Biomarker Wizard软件筛选差异蛋白质组。将115例血清随机分为两组:以训练组30例宫颈癌患者和30例健康人建立人工神经网络(ANN)模型,以验证组28例宫颈癌患者和27例健康人血清标本用于模型的双盲法验证。结果:宫颈癌患者与对照组血清蛋白质指纹图谱有145个差异表达的蛋白质峰(P0.05),筛选出质荷比(M/Z)分别为5912、5642、8702、4320、6432的标志蛋白(P10-6),建立人工神经网络模型,其对宫颈癌的诊断敏感性为92.86%,特异性为88.89%,阳性预测值为89.66%,阴性预测值为92.31%。结论:特征蛋白在宫颈癌患者较正常人血清明显的高表达或低表达,可能对宫颈癌的早期诊断和治疗后随访具有重要的指导意义。     

血清蛋白质谱结合人工神经网络在胃癌诊断中的研究

目的 建立筛选胃癌血清蛋白质谱的人工神经网络(ANN)诊断模型.方法 将84例胃癌患者和75例对照者的血清样本按照随机数字表法随机分为训练集(106例)和测试集(53例).首先应用表面加强激光解吸电离-飞行时间质谱(SELDI-TOF-MS)技术及弱阳离子交换表面芯片(CMl0)检测练集样本,结合反向传播ANN的方法建立诊断模型,进一步检测测试集样本并评价该模型的诊断价值.结果 胃癌患者与对照者血清蛋白质谱图有5个明显表达差异的蛋白质峰(P<0.05),质荷比分别为7567、6742、5262、4869、4256 m/z,5个蛋白质峰作为标志蛋白建立ANN诊断模型.利用该模型对胃癌患者进行盲法预测,结果表明其对胃癌的诊断灵敏度和特异度分别为90.0%和91.3%.结论 胃癌血清蛋白质谱结合ANN建立的诊断模型对胃癌诊断具有较高的灵敏度和特异度,可用于胃癌早期诊断与肿瘤标志物筛选研究.     

水体富营养化状况的人工神经网络预测模型的建立

目的建立郑州市主要生活饮用水源富营养化预测模型。方法以郑州市主要生活饮用水源西流湖和黄河花园口段某调蓄池作为研究现场,监测富营养化相关理化指标水温(WT)、透明度(SD)、总磷(TP)、总氮(TN)、光照度(Li)、高锰酸盐指数(CODMn)、叶绿素a(Chla);采用评分法和综合营养状态指数法对水体富营养化状况进行评价;运用标准化函数对各理化因子原始监测数据进行归一化处理后,构建BP人工神经网络富营养化预测模型;并采用改进的Levenberg-Marquardt算法对网络进行优化。结果两水源富营养化状况评价结果显示:西流湖和黄河花园口段某调蓄池水体均为富营养化状态,西流湖随着春、夏、秋季节的变化,富营养化状况逐步加剧;应用BP神经网络技术,根据J=n+m+a函数计算隐层数,将隐层节点数范围定位2～15,分别进行训练,最终确定网络节点数为10;根据郑州市主要生活饮用水源环境理化指标检测数据,建立了水体富营养化相关因子Chla预测模型,重要的6个富营养化理化因子全部纳入模型进行分析,网络训练过程均方差为1e-11,实测值与预测值模型拟合相关系数为0.871,与预期目标比较接近,成功构建了郑州市主要生活饮用水源富营养化人工神经网络预测模型。结论人工神经网络技术能够运用于水体富营养化预警系统的研究,所建立预测模型更符合实际情况。     

人工神经网络在图像处理中的应用

图像处理是包含丰富内容和具有广阔应用领域的研究学科。近几年来,作为具有自组织、自学习和联想功能的人工神经网络理论已成功地应用于图像处理的许多方面,神经网络应用于图像处理的主要思路是：把原始图像或经过适当预处理的图像作为网络的输入信号,在网络的输出端得到处理后的图像信号或分类结果。     

Predicting Type 2 diabetes using an electronic nose-based artificial neural network analysis

Diabetes is a major health problem in both industrial and developing countries, and its incidence is rising. Although detection of diabetes is improving, about half of the patients with Type 2 diabetes are undiagnosed and the delay from disease onset to diagnosis may exceed 10 yr. Thus, earlier detection of Type 2 diabetes and treatment of hyperglycaemia and related metabolic abnormalities is of vital importance. The objectives of the present study were to examine urine samples from Type 2 diabetic patients and healthy volunteers using the electronic nose technology and to evaluate possible application of data classification methods such as self-learning artificial neural networks (ANN) and logistic regression (LR) in comparison with principal components analysis (PCA). Urine samples from Type 2 diabetic patients and healthy controls were processed randomly using a simple 8-sensors electronic nose and individual electronic nose patterns were qualitatively classified using the "Approximation and Classification of Medical Data" (ACMD) network based on 2 output neurons, binary LR analysis and PCA. Distinct classes were found for Type 2 diabetic subjects and controls using PCA, which had a 96.0% successful classification percentage mean while qualitative ANN analysis and LR analysis had successful classification percentages of 92.0% and 88.0%, respectively. Therefore, the ACMD network is suitable for classifying medical and clinical data.     

Classifying dysmorphic syndromes by using artificial neural network based hierarchical decision tree

Dysmorphic syndromes have different facial malformations. These malformations are significant to an early diagnosis of dysmorphic syndromes and contain distinctive information for face recognition. In this study we define the certain features of each syndrome by considering facial malformations and classify Fragile X, Hurler, Prader Willi, Down, Wolf Hirschhorn syndromes and healthy groups automatically. The reference points are marked on the face images and ratios between the points’ distances are taken into consideration as features. We suggest a neural network based hierarchical decision tree structure in order to classify the syndrome types. We also implement k-nearest neighbor (k-NN) and artificial neural network (ANN) classifiers to compare classification accuracy with our hierarchical decision tree. The classification accuracy is 50, 73 and 86.7% with k-NN, ANN and hierarchical decision tree methods, respectively. Then, the same images are shown to a clinical expert who achieve a recognition rate of 46.7%. We develop an efficient system to recognize different syndrome types automatically in a simple, non-invasive imaging data, which is independent from the patient’s age, sex and race at high accuracy. The promising results indicate that our method can be used for pre-diagnosis of the dysmorphic syndromes by clinical experts.     

基于神经网络的自适应信号增强器对运动心电信号噪声的去除

介绍了一种以多层前向神经网络作为预滤波的自适应信号增强器，利用神经网络的高度非线性映射能力获得更好的参考信号，该滤波器对运动心电信专中的噪声去除取得了满意的效果。