乳腺电阻抗投影成像算法及实现

研究并验证电阻抗乳腺投影成像算法。该算法将乳腺等效为均匀,利用均匀介质电流场扰动原理,将场域内电阻抗异常区域投影到边界的电流分布,采用物理模型实验进行验证。该算法能识别2mm的电阻抗扰动目标,识别的目标深度可达25mm。电阻抗乳腺投影成像算法可以用于乳腺内异常电阻区的探查。     

适用于三维微血管成像的定量分析方法

目的 随着高分辨率三维成像技术的发展,微血管成像已成为临床诊断和实验研究的重要手段.为了在定性观察的基础上定量分析血管形态,本文提出一套完整的图像处理方法,并基于此设计了包括血管分割、血管细化、定量分析在内的血管形态分析流程.方法 首先利用数学形态学方法实现血管结构提取,接着给出计算血管密度、直径等指标的方法,并引入血管的“卷曲度”参数,以衡量血管的扭曲或异常程度.结果 将上述方法应用于1个肝脏血管和3个肿瘤血管灌注成像实例,统计各项形态指标,发现肝脏血管和肿瘤血管在血管密度、分支结构、直径分布以及卷曲度方面均有较大不同.结论 本文方法可有效定量三维血管结构,不仅能够定量较为规则的肝脏血管的形态特征,而且对于尺寸更小、结构更精细的肿瘤血管也能准确地定量分析,因此可以为肿瘤的早期诊断和药物治疗的效果追踪提供重要依据.     

一种乳腺电阻抗断层成像模型的建立

目的:在利用旋转电极法对乳腺电阻抗断层成像(electrical impedance tomography,EIT)的初期试验阶段,验证此方法的可行性,初步明确影响成像的因素。方法:基于EIT试验平台建立一个能有效模拟乳腺组织分布的物理模型,并用电导率有差异的NaCl溶液、铁棒模拟了电场分布。结果:得到模拟电场的中间断层电阻抗分布图。结论:基于EIT原理的旋转电极法成像是可行的,初步明确了影响该方法成像的因素。     

乳腺癌的相衬成像

目的:应用相衬成像技术观察和分析良、恶性乳腺肿瘤的区别。方法:使用上海光源同步辐射装置对人体乳腺肿瘤离体标本行相衬CT检查。共选取3例人体早期乳腺癌标本(早期浸润型导管癌)和3例乳腺腺瘤样本,对两组图像进行三维重建和比较,并采用灰度共生矩阵提取两组CT图像的纹理特征。结果:良、恶性肿瘤的CT图像有明显差别。三维重建结果清晰地显示肿瘤周围的脂肪组织和肿瘤内部散在的脂肪组织,可用于早期良、恶性肿瘤的鉴别诊断。图像纹理参数也显示两组图像间存在显著统计学差异(P0.001)。结论:相衬成像能充分显示乳腺正常组织和病变组织的细节。     

高光谱成像结合化学计量学诊断胃癌组织

目的:高光谱成像具有光谱和成像的双重功能,这种特性使得高光谱成像能够同时提供实验对象的光谱(即化学信息)和图像(即物理信息)特征。文章探讨了利用高光谱成像技术结合化学计量学方法诊断胃癌组织的可行性及科学性。方法:利用近红外高光谱成像系统获取胃癌组织及正常组织的高光谱图像,利用化学计量学从中提取肿瘤及正常组织的特征光谱并进行光谱归属,然后结合多种目标识别算法自动提取胃癌肿瘤目标,最后利用图像融合技术对识别结果进行形象直观展示,形成高光谱图像诊断胃癌组织的方法体系。结果:正常组织和癌变组织的光谱差异主要体现在950 nm~1050 nm,1150 nm~1250nm和1400 nm~1500 nm三个光谱区域。利用主成分分析降低高光谱数据维度,同时提取了6个最佳波长,即975 nm、1075 nm、1215 nm、1275 nm、1390 nm和1450 nm,利用这些波长作为端元输入可以鉴别肿瘤与正常组织,肿瘤目标检测结果与组织病理学检测结果一致。结论:在化学计量学方法的辅助下,近红外高光谱成像能够诊断胃癌组织。该方法具有客观、快速、准确、无损无创、原位等特点,具有临床应用前景。     

人体乳腺组织电阻抗特性的研究

以人体乳腺组织电阻抗特性为依据的乳腺电阻抗扫描成像技术的出现,为乳腺癌的早期检查与辅助诊断开辟了一个新的方向。人体乳腺组织的电阻抗特性反映了乳腺组织的病理生理状态,而对它的测量成为乳腺电阻抗扫描成像技术的前提和基础。主要讨论了人体乳腺组织电阻抗特性的测量方法、测量结果以及存在的问题,对乳腺电阻抗成像技术的应用前景进行了展望。     

精细乳腺有限元模型温度场的仿真与临床验证

为了研究乳腺肿瘤对体表温度分布的影响,本研究基于乳腺解剖学结构和生理学特征,建立了适合乳腺温度场分析的精细乳腺三维有限元模型。与传统乳腺模型相比,该模型更接近乳房生理结构,因此能更加准确的仿真出正常和嵌合肿瘤的乳腺温度场分布。本研究分别对传统均匀结构乳腺模型、正常精细结构乳腺模型和嵌合肿瘤精细乳腺模型进行了温度场分析,并与临床医学病例中的乳腺肿瘤热像图对比,发现结果吻合得很好。研究结果为乳腺癌的热成像检测提供了重要的参考依据。     

基于影像学机器视觉的乳腺肿瘤病理图像识别

本研究利用影像学机器视觉技术实现对乳腺肿瘤病理图像识别方法的优化设计。首先,从影像学的角度分析乳腺肿瘤的病理特征,并以此作为病理图像识别的参考标准。安装机器视觉的硬件设备,通过机器视觉采集乳腺肿瘤病理初始图像,保证初始图像的清晰度。通过图像预处理、分割等步骤,提取病理图像中的特征。与影像学分析结果比对,得出乳腺肿瘤病理图像的识别结果。通过与传统图像识别方法的对比实验发现,影像学机器视觉技术使乳腺肿瘤病理图像识别优化方法的错误率降低了2.6%。     

人乳腺病变组织乳腺癌耐药蛋白及细胞角蛋白8和嗜铬蛋白A的表达 可能与多向分化潜能干细胞相关?

背景:多数学者认为正常乳腺组织中无神经内分泌细胞,乳腺病变后出现神经内分泌细胞是乳腺上皮干细胞分化过程中受局部微环境和激素水平影响所发生的突变、异常分化结果。目的:通过检测人乳腺病变组织中乳腺癌耐药蛋白、细胞角蛋白8及嗜铬蛋白A的表达,从干细胞多向分化的角度探讨人乳腺病变中出现神经内分泌细胞的可能机制。方法:用乳腺癌耐药蛋白作为SP干细胞标记物,用细胞角蛋白8作为腺上皮分化标记物,用嗜铬蛋白A作为神经内分泌分化指标标记物,采用免疫组化方法分别检测这3种蛋白在89例人乳腺组织中的表达情况,并分析3者间的相关性。结果与结论:乳腺癌耐药蛋白与细胞角蛋白8在正常乳腺组织、乳腺增生组织、乳腺病变组织中均有表达,乳腺癌耐药蛋白在病变组织中的表达呈上升趋势,细胞角蛋白8的表达则随乳腺组织异常分化程度的降低呈逐渐减少,嗜铬蛋白A只在乳腺病变组织中有表达。在正常乳腺组织、乳腺增生组织和乳腺病变组织中,乳腺癌耐药蛋白与嗜铬蛋白A的阳性表达呈显著相关(P0.01),与细胞角蛋白8的阳性表达无明显相关(P=0.069)。上述结果表明正常及增生乳腺组织中未发现神经内分泌细胞,乳腺病变组织中发现神经内分泌细胞,其机制可能与多向分化潜能干细胞的分化有关。     

基于深度神经网络的乳腺肿瘤自动区域分割方法

为提升乳腺肿瘤影像的检测效果,本研究提出一种基于深度神经网络的乳腺肿瘤自动区域分割方法.采用直方图自适应均衡化算法与Sobel算子,对乳腺肿瘤成像的灰度单通道图像进行预处理.基于深度神经网络构建乳腺肿瘤自动区域分割算法网络,其主要构成包括上下文特征多尺度提取单元、3D与2D混合卷积单元和主路网络三个单元.将广义骰子损失...