改进型骨骼细化算法提取冠状动脉中心线

目的 运用全自动骨骼细化算法从CT图像中精确提取冠状动脉的中心线。方法 分割CT图像中的冠状动脉区域，经三维重建得到完整的冠状动脉三维数据；利用骨骼细化算法提取该冠状动脉的中心线，引入Dijkstra最短路径算法提升提取精度。结果 相比未移除分支的骨骼细化算法，重叠率提升2%，平均距离减少38.2%，平均运行时间0.48 s。结论 改进型骨骼细化算法可有效提取冠状动脉中心线。     

颅内上皮样血管内皮瘤1例

目的 针对目前基于胸部CT图像的肺结节自动检测方法的检出率较低且存在大量假阳性的问题,提出一种基于卷积神经网络的肺结节检测方法。方法 采用基于模糊建模思想和迭代相对模糊连接度（IRFC）算法的自动解剖识别（AAR）方法分割肺部CT图像,提取肺部实体部分;将分割后的图像输入卷积神经网络,提取肺结节特征;采用位置敏感特征图表达结节的位置信息。结果 使用天池医疗AI大赛数据集,精准分割肺部CT图像,检测肺结节的准确率、敏感度、特异度和假阳性率分别为95.60%、95.24%、95.97%和4.03%。结论 基于卷积神经网络检测肺结节有较高的精度和效率,且鲁棒性好。     

基于MRI图像的羊水体积的测量

目的 探讨基于MRI图像,通过算法计算测量羊水量的可行性。方法 利用MatLab图像处理技术,对胎儿磁共振图像进行分割,提取目标区域并计算目标区域的面积,乘以层厚得出一层的体积,再将每层体积相加计算得到羊水总体积。结果 通过该算法最终计算得出羊水的体积为495.10 ml。定性分析显示,图像羊水分割边缘与原图目标区域的边缘拟合较好。定量分析显示,手动金标准分割的体积为458.20 ml,本研究算法与手动分割结果的误差率为8.06%。脂肪抑制序列图像分割效果定性评价亦显示羊水分割边缘与原图目标区域的边缘拟合较好;定量分析显示,金标准手动计算得到的羊水量为557.34 ml,本研究算法计算得到的羊水量为604.50 ml,与手动分割的误差率为8.46%。结论 采用本研究算法测量羊水量切实可行。     

基于MeanShift方法的肝脏CT图像的自动分割

目的 探讨基于Mean Shift方法的肝脏CT图像的自动分割算法,以实现肝脏的自动分割。方法 首先对原始图像进行单次Mean Shift平滑 ,滤除噪声的影响以增强算法的鲁棒性,然后通过Mean Shift迭代自动选取初始种子点,最后采用基于区域生长的方法实现肝脏CT图像的自动分割。结果 实验证明此方法是一个准确、快速和有效的肝脏自动分割方法。结论 采用本文中提出的方法,可有效地实现肝脏的自动分割。     

双源CT心脏图像中二尖瓣的分割及三维重建

目的 对双源CT(DSCT)图像中心脏二尖瓣进行分割和三维重建,为二尖瓣结构和功能异常分析提供参考。 方法 采用两步分割法对DSCT图像中二尖瓣分割:首先利用基于区域竞争主动轮廓模型的快速水平集算法(RCAC-FLSA)对经过双边滤波处理后图像进行初步分割,得到心脏对比剂增强区域;然后在灰度拉伸处理的基础上,结合ROI,再次利用RCAC-FLSA对上一步分割结果进行分割,得到心脏二尖瓣区域;最后对二尖瓣进行恢复。在Visual C++ 2005平台上结合OpenGL开发三维重建与显示平台,利用基于三维纹理映射的体绘制方法进行三维重建,并且加入伪彩色处理和透明度处理,以增强三维重建的立体效果。 结果 成功分割出一系列DSCT心脏图像中的二尖瓣,结合伪彩色处理和透明度处理的三维重建与显示平台,可获得二尖瓣的逼真重建。 结论 两步分割算法能有效分割DSCT心脏图像中的二尖瓣;结合伪彩色处理和透明度处理的三维重建与显示平台,能提供逼真的三维重建效果。     

不同CT图像重建算法下基于深度学习的肺结节检测算法效能

目的 探索CT图像重建算法对于基于深度学习（DL）的肺结节检测算法的影响。方法 选取298例接受肺部CT检查患者,依次采用肺窗重建、纵隔重建、骨窗重建3种算法重建CT图像。先由2名主治医师对入组病例进行标注,结果不一致时由1名高年资医师进行审核,以结果作为金标准。以深度神经网络为基础构建肺结节检测算法,与医师标注结果进行比对,得到算法在不同重建方法下检出肺结节的敏感度、准确率、F分数等指标以及模型检出的假阳性分布,对比分析模型在不同CT图像重建算法下的诊断效果。结果 基于DL的肺结节检测算法在肺重建、纵隔重建和骨重建3种重建方法下的敏感度分别为92.33%（313/339）、86.97%（287/330）及92.73%（319/344）,准确率分别为23.55%（313/1 329）、37.91%（287/757）及27.84%（319/1 146）,F分数分别为0.38、0.53及0.43,3种算法重建下模型检出敏感度、模型误检结节类型与医师漏标结节类型差异均无统计学意义（P均>0.05）。结论 基于DL的肺结节检测算法在肺窗、纵隔和骨窗重建下均性能优良,能帮助医生提高工作效率和诊断质量。     

基于改进移动立方体算法的三维重建

目的 探讨基于改进移动立方体算法的腹部器官CT图像三维重建效果。方法 提出一种基于区域增长法的通用树结构和移动等值点法的自适应改进移动立方体算法,先进行医学图像分割,选取种子点后标记出与阈值相交的所有体元;创建通用树结构,将相交体元插入子节点中,确定基于通用树的顶点索引方式;通过移动等值点合并共面三角形,简化等值点信息的获取。基于1名志愿者的腹部CT图像,采用传统移动立方体算法和改进移动立方体算法构建肾脏三维模型,并比较其效果。结果 与传统算法比较,改进的移动立方体算法生成的三角面片个数减少39.20%,算法执行效率提高37.59%,三维模型表面平滑逼真,局部细节真实性较好。结论 基于改进移动立方体的算法可更快速精确地实现CT图像腹部器官三维重建。     

直线加速器机载锥形束CT图像散射的修正方法

目的 对直线加速器机载锥形束CT(CBCT)散射修正方法进行研究.方法 在CBCT射线源前放置一个"指交叉"形的阻挡光栅,对Catphan 504模体进行扫描,分别获得CBCT图像和扇形束CT图像.利用基于阈值的图像分割算法跟踪机架旋转过程中阻挡光栅在CBCT图像中的位置,提取散射样本后利用插值法估计散射信号分布,采用改进的半扇扫描重建算法重建散射修正后的图像.结果 散射修正后的Catphan 504模体图像与扇形束CT重建的图像接近.与散射修正前比较,散射修正后CT值误差从100.86 HU下降到15.74 HU,散射修正后低对比度分辨力平均提高1.37倍.结论 基于阈值的图像分割算法准确跟踪阻挡光栅的位置,在铅片区域可采集散射信号,其余区域可通过改进的半扇扫描算法完成单次扫描的图像重建.     

空洞检测算法自动化检测肺结节内空泡和空洞的可行性

目的 探讨利用空洞检测算法自动化检测肺结节内空泡和空洞的可行性。方法 收集经病理或随访证实的49例肺结节,其中良性16例,恶性33例,所有患者均接受胸部CT检查。由2名高年资影像科医师盲法对CT图像进行主观评价,得出有无空泡和空洞的结论。利用基于阈值的空洞检测算法对CT图像中指定的肺结节进行有无空泡和空洞的客观评价。对两种评价方法所得结果进行对比分析。结果 利用空洞检测算法对肺结节内空泡和空洞征象前后2次提取的数据稳定（Kappa=1）,与高年资医师主观判读结果差异无统计学意义（χ²=0.862,P=0.353）,且一致性较好（Kappa=0.785）,并可明显节约每个结节数据提取时间[(7.72s±2.26)s vs (24.48±8.24)s,t=14.64,P<0.001]。结论 利用空洞检测算法提取肺结节内空洞和空泡征象稳定、快捷,有望成为低年资医师诊断肺结节的辅助检测工具。     

自适应迭代重建技术结合高分辨算法提高儿童低剂量胸部CT肺脏病变显示的能力

目的 探讨自适应迭代重建技术（ASIR）结合高分辨算法对儿童低剂量胸部CT肺部结构显示的影响。方法 回顾性分析接受低剂量胸部CT检查且存在肺内病变的患儿42例,0~12个月预设噪声指数12,>1~2岁预设噪声指数15,3~6岁预设噪声指数17,≥7岁预设噪声指数20。将所有图像应用Soft、Standard、Lung、Chest分辨率模式重建为层厚0.625 mm的图像。以10%为步涨值,重建ASIR权重为0%~100%的11组图像。由2名医师分别用5分制评分法主观评价肺窗图像质量,包括图像主观噪声、正常肺结构及病变的显示能力,5分为最佳。统计学分析比较最佳的后处理算法,以及与之匹配的最佳ASIR权重。结果 Lung模式为观察肺部病变最佳的高分辨算法,ASIR 60%权重重建图像主观评分最佳。结论 采用ASIR 60%权重结合Lung高分辨算法可更好地显示儿童低剂量胸部CT的肺部结构。     

多排螺旋CT纵轴分辨力和图像噪声影响因素研究

目的研究多排螺旋CT不同成像参数对图像噪声、纵（Z）轴分辨率或断层灵敏度曲线（SSP）的影响,确定多排螺旋CT成像质量影响因素及其优化匹配关系。方法采用标准头部和腹部扫描条件,选取不同的重建层厚、准直器宽度、螺距、卷积重建算法对不同测试体模进行扫描,比较不同参数对断层灵敏度曲线和图像噪声的影响。结果①SSP测试结果：当螺距和重建层厚保持不变,使用三种卷积重建算法重建测量得到的SSP曲线的半高宽（FWHM）,即有效层厚基本保持不变。对于相同的重建层厚,改变螺距时SSP的FWHM基本保持不变。②图像噪声测试结果：准直器宽度、螺距相同时,随着层厚的增大,图像噪声有明显降低;层厚、螺距相同时,准直器宽度减小,图像噪声降低（P〈0.05）。对于相同的准直器宽度,螺距改变时,图像噪声没有显著差别（P〉0.05）。结论对于多排螺旋CT,卷积重建算法、螺距和准直器宽度的变化对SSP的影响很小。螺距的变化对噪声的影响不大,而层厚和准直器宽度的选择对图像噪声影响明显。在临床实际操作中,需要综合考虑影响图像质量诸因素之间的关系,根据临床需要选择最佳方案。     

Triaging of COVID-19 patients using low dose chest CT: Incidence and factor analysis of lung involvement on CT images

IntroductionDespite an increase in CT studies to evaluate patients with coronavirus disease 2019 (COVID-19), their indication in triage is not well-established. The purpose was to investigate the incidence of lung involvement and analyzed factors related to lung involvement on CT images for establishment of the indication for CT scans in the triaging of COVID-19 patients.MethodsIncluded were 192 COVID-19 patients who had undergone CT scans and blood tests for triaging. Two radiologists reviewed the CT images and recorded the incidence of lung involvement. The prediction model for lung involvement on CT images using clinico-laboratory variables [age, gender, body mass index, oxygen saturation of the peripheral artery (SpO₂), comorbidities, symptoms, and blood data] were developed by multivariate logistic regression with cross-validation.ResultsIn 120 of the 192 patients (62.5%), CT revealed lung involvement.The patient age (odds ratio [OR]; 4.95, 95% confidence interval [CI]; 0.93–26.49), albumin (OR; 4.66, 95%CI; 1.37–15.84), lactate dehydrogenase (OR; 5.79, 95%CI; 1.43–23.38) and C-reactive protein (OR; 8.93, 95%CI; 4.13–19.29) were selected for the final prediction model for lung involvement on CT images. The cross-validated area under the receiver operating characteristics (ROC) curve was 0.83.ConclusionsThe high incidence of lung involvement (62.5%) was confirmed on CT images. The proposed prediction model that includes the patient age, albumin, lactate dehydrogenase, and C-reactive protein may be useful for predicting lung involvement on CT images and may assist in deciding whether triaged COVID-19 patients should undergo CT.     

双能CT单能谱70keV图像与常规CT120kVp图像的等效性

目的 探讨双能CT单能谱70 keV图像与常规CT 120 kVp图像的等效性。方法 采用CTU-41型头颈躯干仿真体模,行DECT虚拟单能谱和常规CT成像,联合原始数据迭代重建法SAFIRE(3)和FBP重建算法得到70 keV/FBP、70 keV/SAFIRE(3)、120 kVp/FBP、120 kVp/SAFIRE(3)共4组图像,按部位采用配对t检验比较各组织和器官CT值和噪声。结果 丘脑、颅骨外空气、胆囊、肝实质、脾脏、前列腺在70 keV与120 kVp图像上CT值的差异均无统计学意义(P均>0.0083);70 keV图像上侧脑室、小脑、胸腺、心脏、肺、胃泡和直肠肠管内空气的CT值低于120 kVp 图像,下颌骨、胸椎、腰椎、股骨头中央部70 keV图像CT值高于120 kVp 图像,差异均有统计学意义(P<0.006);SAFIRE(3)与FBP算法的70 keV单能谱图像、120 kVp 图像CT值的差异无统计学意义(P均>0.0083)。70 keV图像与120 kVp图像噪声的差异无统计学意义(P均>0.0083);SAFIRE(3)算法单能谱70 keV图像、常规CT 120kVp图像与其FBP重建算法相比较,噪声降低约(25.29±9.39)%和(27.93±8.39)%(P均<0.0083)。结论 70 keV与120 kVp图像的CT值在部分组织器官不等效; 70 keV 与120 kVp图像的噪声水平无明显差异;迭代算法对DECT单能谱成像和常规CT成像均能明显降低图像噪声,提高图像质量。     

磨玻璃晕征环绕的周围型肺癌的CT特征及病理对照观察

目的 探讨表现为磨玻璃晕征环绕的周围型肺癌的CT影像特征,以提高对其的认识及诊断正确率. 方法 回顾性分析10例经手术病理证实的周围型肺癌患者,均有环形磨玻璃密度影环绕中心实性结节.另选取临床综合诊断或病理证实的具有晕征的炎性结节病变患者44例作为对照,其中球形肺炎21例,结核球15例,真菌病8例.所有患者均有详细的CT平扫和增强扫描资料,观察晕征及中心实性结节的影像特点,对肺癌及炎性结节各影像表现的发生率行χ2检验.肺癌患者与病理进行对照分析. 结果 10例周围型肺癌,磨玻璃影与肿瘤实性结节交界面、肺野交界面均境界清楚(100%).炎性结节磨玻璃影与实性结节交界面清楚者仅11例(25.00%),交界不清楚者33例(75.00%);炎性结节磨玻璃影与肺野交界面均不清楚(100%).10例周围型肺癌病灶中心实性结节边缘出现分叶征3例,毛刺征7例,胸膜凹陷征4例,恶性征象的发生率为100%;炎性结节病灶中心实性结节边缘无一出现上述征象.10例肺癌结节与21例球形肺炎均明显强化;结核球仅3例出现包膜强化,真菌病1例少许强化,与肺癌比较差异有统计学意义(P<0.05). 结论磨玻璃晕征环绕的周围型肺癌的CT表现具有特征性,综合分析磨玻璃影及中心实性结节的边缘及内部结构的影像表现,对良恶性结节的鉴别诊断具有重要意义.     

基于卷积神经网络检测肺结节

Objective Major challenges in the current automatic detection of lung nodules from chest CT images are to improve the sensitivity and to reduce the false positive rate. A new scheme based on convolutional neural network was proposed in this study. Methods The method applied an automatic anatomy recognition (AAR) methodology based on fuzzy modeling ideas and an iterative relative fuzzy connectedness (IRFC) delineation algorithm for the segmentation of lung parenchyma in CT images. The segmented lung image was inputted into the conventional neural networks for feature extraction of pulmonary nodules. The network adopted position-sensitive score maps to express the location information of lung nodules. Results This method could obtain accurate segmentation of the lung parenchyma in the data set of Tianchi Medical AI Contest, and the accuracy, sensitivity, specificity and false-positive rate of lung nodules detected was 95.60%, 95.24%, 95.97% and 4.03%, respectively. Conclusion Detection of pulmonary nodules based on convolutional neural networks has high accuracy and efficiency, and good robustness.     

CT图像中肺实质的自动分割

目的 为解决肺实质分割中肺部结节及高密度血管易遗漏的问题,提出一种自动肺实质分割方法.方法 首先利用二维区域生长反操作、连通区域判别等方法提取肺实质区域;然后利用行扫描法定位肺区边界点;最后通过对边界点参数分析,定位受肿瘤侵占的边界点,利用曲线拟合修复受损边界.结果 通过对多组胸部CT图像的分割,验证了算法的有效性;与几种常见边界修复算法对比,验证了行扫描边界修复算法的优越性.结论 本文提出的算法能将肿瘤包含到肺实质区域,确保分割的完整性、准确性、实时性.     

双能量CT联合金属伪影削减算法显示微弹簧圈定位肺结节

目的 评价双能量能谱CT（DESCT）扫描获得的虚拟单色谱（VMS）图像联合金属伪影削减（MAR）算法在CT引导微弹簧圈定位肺结节中的应用价值。方法 选取80例CT引导微弹簧圈定位的肺结节患者,微弹簧圈置入后,对其行DESCT扫描。选择最佳光子能量水平,在最佳能量水平重建VMS图像及经MAR算法处理的VMS图像（VMS+MAR）,比较VMS、VMS+MAR图像质量主观评分的差异。结果 选择74 keV为最佳能量水平。74、90、110、140 keV VMS+MAR图像质量优于50 keV图像（P均<0.05）;74、90、110、140 keV水平VMS+MAR图像质量评分差异均无统计学意义（P均>0.05）。74 keV VMS+MAR图像质量优于VMS图像（P<0.05）。2名观察者主观评分一致性较好（Kappa值=0.78）。结论 74 keV VMS图像联合MAR算法可有效抑制微弹簧圈金属伪影,清晰显示肺结节。     

三维二值掩模零化法结合体素绘制法切割及渲染CT与MRI体积数据

目的 观察三维二值掩模零化法联合体素绘制法对于切割及渲染CT与MRI体积数据的作用。方法 利用Matlab软件将DICOM形式头颈部CT、腹部平扫CT、正常头部MR T1WI及脑胶质瘤T1WI转化为体积数据，以半自动或手动方法获得相应掩模图像；基于原始掩模以零化法在x、y、z轴方向对体积数据进行正向与反向切割，结合三维体素绘制法对切割后的模型进行渲染。结果 所获目标结构原始掩模可在体素绘制后突出显示CT及MRI数据中的相应解剖结构。基于体素绘制法实现了以三维二值掩模零化法与原体数据点积后切割模型，结合手动输入不同阈值进行切割可显示脑胶质瘤及其毗邻结构。结论 三维二值掩模零化法联合体素绘制法可结合不同层面CT与MRI体积数据显示其内部结构。     

SAFIRE重建算法对胸部CT图像质量和辐射剂量的影响

目的 利用仿真胸部体模,比较原始数据域迭代重建(SAFIRE)算法与滤波反投影(FBP)算法对胸部CT图像质量和辐射剂量的影响。方法 在新双源CT(Somatom definition flash CT)设备上预设80、100、120 kV三组管电压值,采用自动毫安秒care dose 4D技术对仿真胸部体模进行扫描,分别用FBP及SAFIRE重建算法(等级1~5)重建图像,比较胸部不同组织结构的噪声及CT值,并由2名放射科医师独立评价图像质量。每组扫描结束后,记录CT剂量加权指数(CTDIvol)和剂量长度乘积(DLP),计算并比较有效剂量。结果 相同扫描参数检查时,SAFIRE重建算法较FBP算法图像噪声明显降低(P<0.05);不同扫描参数检查时,无论FBP算法或SAFIRE重建算法,图像噪声均随管电压增加而降低;胸部各组织结构的噪声会随重建算法和管电压改变而发生变化;100 kV/SAFIRE(等级3)的主观和客观图像质量指标均优于120 kV/FBP,且辐射剂量降低37.61%。结论 胸部CT扫描中,采用SAFIRE重建算法能有效提高图像质量,降低辐射剂量。