肺部CT图像的计算机辅助分析初探

目的研究利用计算机处理分析DICOM格式CT图像的方法及软件实现，探讨肺结节的计算机辅助检测方法。方法利用VC＋＋结合OpenGL编程读取DICOM格式的CT图像，然后运用多种数字图像处理方法在脱离影像工作站的情况下处理分析图像，并采用多尺度增强和交互式区域增长结合神经网络的方法实现肺结节的计算机辅助检测。结果本研究提出并实现了一个处理分析CT图像并对肺结节进行计算机辅助检测的算法系统。并应用于影像诊断和图像处理教学，实际处理了含40个结节的图像40幅，检测出结节38个，有效率95％。结论本研究利用VC＋＋结合OpenGL编程实现了CT图像的计算机处理分析和肺结节的计算机辅助检测，程序界面友好，操作方便，适合教学使用。     

基于卷积神经网络的超声影像甲状腺结节良恶性预测研究

目的探讨深度学习在甲状腺结节良恶性鉴别诊断中的应用价值。方法利用卷积神经网络,对2659例匿名患者和480例测试患者的超声甲状腺结节进行图像采集、建模,对甲状腺结节良恶性进行预测,以术后病理结果为标准进行验证。结果超声医师的阳性预期率为84.3%,阴性预期率为90.5%,诊断敏感性为95.1%,诊断特异性为83.1%。深度学习阳性预期率为87.2%,阴性预期率为93.1%,诊断敏感性为97.4%,诊断特异性为87.3%。结论基于深度学习的卷积神经网络的预测方法具有高的诊断敏感性、诊断效率、诊断特异性,能够有效地预测甲状腺超声图像中的结节,并能判定其良恶性。     

基于Faster R-CNN的图像检索手腕骨折分类研究

目的 为克服手腕X射线图像病灶区域排列复杂容易造成骨科医生漏诊误诊及诊断效率低的问题,提出一种更快速的基于区域的卷积神经网络（Faster Region-Convolutional Neural Network,Faster R-CNN）的医学图像检索手腕分类算法。方法 首先利用限制对比度自适应直方图均衡化算法对手腕样本数据进行预处理,然后利用Faster R-CNN快速定位手腕图像的感兴趣区域,并提取其方向梯度直方图特征、Haralick纹理特征以及深度特征,最后利用卷积神经网络将提取到的多种特征进行有效融合后,送入本文改进的图像检索诊断模型完成对手腕图像的分类任务。结果 本文提出的手腕图像检测模型分类的曲线下面积均值为0.893,诊断的准确率优于对比实验结果,较之前的研究方法提高了约5%。结论 本文提出的Faster R-CNN的图像检索手腕骨折分类研究具有一定的有效性和鲁棒性。     

基于ResNet深度网络的人类蛋白质图谱图像分类方法研究

将基于深度学习的图像分类方法引入人类蛋白质图谱图像分类中，利用ResNet深度网络构建面向人类蛋白质图谱图像分类的深度卷积神经网络，通过混合模式的蛋白质显微镜图像进行验证。结果表明该方法比其他自动分类法具有更高的准确率和精度，大大节约人力和时间。     

基于支持向量机与随机游走结合的GGO型肺结节分割方法

目的:为了提高磨玻璃型肺结节（GGO型肺结节）的分割精度,提出一种基于支持向量机与随机游走相结合的分割方法。方法:利用已手动分割的GGO型肺结节训练支持向量机。由训练后的分类模型在待分割的GGO型肺结节图像中选择种子点,然后利用随机游走算法根据支持向量机选取的种子点进行GGO型肺结节图像分割。结果:该研究纳入150个待分割GGO型结节图像,上述分割算法的平均准确率为98.05%、平均召回率为96.35%和平均F1值为98.05%。与传统方法相比,本方法实现了GGO型肺结节的精确自动化分割,对GGO型肺结节定量、定性分析提供更加准确的客观依据。结论:该方法利用支持向量机选取种子点,并利用随机游走进行结节分割可以有效地对GGO型肺结节进行分割,具有简单高效,准确率高的优点。     

胸部CT图像中孤立性肺结节良恶性快速分类分析

目的:通过利用胸部CT图像,快速分类良恶性孤立性肺结节,分析胸部CT图像的临床应用价值。方法:选择孤立性肺结节患者80例进行临床观察,将患者随机分为观察组与对照组,每组40例。给予对照组患者横断平扫方法进行诊断,给予观察组患者胸部CT三维重建检查,观察两组分类的准确性。结果:经过诊断,观察组的细支气管气象、血管集束征、胸膜凹陷征及分叶征等图像显示率明显比采用横断平扫的对照组高,差异有统计学意义(P<0.05)。另外,对于空泡征的图像显示率,观察组显著低于对照组,差异有统计学意义(P<0.05)。结论:对于孤立性肺结节良恶性的分类,采取胸部CT图像诊断法进行分类,能够快速判断孤立性肺结节的良恶性,是一种高效的诊断手段,值得推广。     

CT重建快速分类对孤立性肺结节的定性及意义

目的 探讨CT对孤立性肺结节进行良恶性快速分类的具体方法与效果.方法 选取在我院CT图像发现的孤立性肺结节患者116例,在横断面扫描基础上进行CT三维重建.对肺结节的CT图像不同征象与临床及病理良恶性诊断进行对比分析.结果 分叶征、血管集束征、空泡支气管征、短毛刺征差异显著（P＜0.05）,胸膜凹陷征差异不显著（P＞0.05）;对116例患者结节良恶性分类结果,良性46例,恶性70例.三维重建检查出现4例误诊（3.45％）,横断面平扫出现24例误诊（20.70％,P＜0.05）.结论 在对孤立性肺结节快速分类时,采用胸部CT三维重建意义重大,该方法可以有效提升检出率,值得临床推广应用.     

改进的随机游走算法在困难肺结节分割中的应用

目的：为了提高计算机辅助诊断对肺结节良、恶性判断的精度,提出一种新的基于随机游走的肺结节分割方法。方法：首先,采用自适应中值滤波对图像进行平滑处理,消除困难肺结节内部灰度分布不均匀而导致的误分割;然后,将拉普拉斯零交叉点引入到随机游走算法权函数定义中,并根据图像中节点与种子点的距离来对图像进行边缘增强,消除弱边缘的干扰,获得外部特征清晰的肺结节分割结果。结果：与传统图像分割方法相比,该方法实现了三种困难肺结节的精确分割,对肺结节定量、定性分析提供更加准确的客观依据。结论：改进的随机游走图像分割可以有效地对困难肺结节进行精确分割。     

多尺度增强算法在肺结节计算机辅助检测中的应用探讨

目的研究多尺度增强算法对肺小结节的增强能力及将其作为肺结节计算机辅助检测的处理方法的可行性。方法针对肺结节的形态特点,采用高斯函数模拟肺结节,运用多尺度图像增强滤波器算法,增强肺结节提取兴趣区,供后续的分类判别使用。结果通过对肺部CT图像的应用,说明多尺度增强算法能很好地检测疑似肺结节兴趣区。结论多尺度增强算法对帮助医师检测肺结节有明显的作用,是一种有效的图像预处理方法,对肺结节的计算机辅助检测有较大应用价值。     

CT纹理分析在误诊的实性肺结节鉴别诊断中的应用

 目的   探讨CT纹理分析方法在误诊的肺实性结节鉴别诊断中的应用价值。方法   回顾性分析CT误诊、经手术和病理证实的89例肺实性结节患者资料,包括良性病变误诊为肺癌54例和肺癌误诊为良性病变35例。采用MaZda软件对患者的CT图像进行纹理分析,分别用3种纹理特征提取方法(Fisher系数,Fisher;分类错误概率联合平均相关系数,POE+ACC;交互信息,MI)选择出前10个最有鉴别意义的纹理特征参数。采用原始数据分析(raw data analysis,RDA)、主要成分分析(principal component analysis,PCA)、线性分类分析(linear discriminant analysis,LDA)和非线性分类分析(nonlinear discriminant analysis,NDA)评估3种特征提取方法和三联法(Fisher+POE+ACC+MI,FPM)鉴别良、恶性肺实性结节的错判率(misclassified rate,MCR)。结果   Fisher、POE+ACC和MI这3种纹理特征提取方法选择的特征参数鉴别良、恶性肺实性结节的MCR均较低,FPM法可进一步降低MCR,用LDA 分析3种特征提取方法鉴别良、恶性肺结节的MCR最低;用LDA分析FPM法(LDA-FPM)可使MCR进一步降低至0。结论   利用CT图像纹理分析的方法有助于对误诊的良、恶性实性肺结节进行鉴别。     

经胸片预训练的膝关节X线深度学习模型在骨质疏松诊断中的应用

目的 基于膝关节X线图像,采用深度卷积神经网络和迁移学习方法构建模型,以探讨其在骨质疏松诊断中的应用效果。方法 收集江苏大学附属金坛医院的膝关节X线正位片,按比例8∶2分为训练集（400张）与内部验证集（100张）。从Image Net网站上选取Res Net、Xception、NASNet及Efficient Net 4个深度卷积神经网络,并冻结其首次预训练的参数,作为单次训练组的模型框架;从Kermany-Chest X-Ray2017胸片数据集随机选取5856张图像,对这4个神经网络进行二次预训练,作为二次训练组的模型框架。分别利用两组模型框架针对金坛医院的膝关节X线图像进行目标训练、构建骨质疏松的分类模型。从Wani-Knee X-Ray2021数据集随机选取85张图像作为外部测试集。根据模型在内部验证与外部测试集中的表现评价其分类能力。结果 二次训练组的模型准确度均高于单次训练组。4个深度卷积神经网络中,EfficientNet模型性能显著优于另外3个模型。二次训练组的Efficient Net模型在内部验证集中准确度为0.918,F1值为0.918,受试者工作特征曲线下面积...     

多层螺旋CT最大密度投影在血行肺转移瘤中的应用价值

目的:评价多层螺旋CT最大密度投影(MIP)在血行肺转移瘤中的应用价值。方法:对37例经病理证实的血行肺转移瘤MSCT容积扫描图像行肺窗5.0 mm常规图像、2.0 mm薄层图像及8.0 mm MIP图像多方位重建,对结节显示情况进行回顾性比较分析。结果:3种图像中,8.0 mm MIP图像显示肺内转移结节数目最多,血管滋养征显示全,结节边界清晰;2.0 mm薄层肺窗图像显示肺内转移结节数目稍少,血管滋养征偶尔中断,结节边界尚清晰;5.0 mm常规图像显示肺内结节数目最少,血管滋养征显示欠佳,部分结节显示欠清晰。结论:8.0 mm MIP肺窗图像显示肺内血行转移结节最多、最清晰。     

基于迁移学习的全连接神经网络舌象分类方法

目的 针对深度学习在舌象分类中训练数据量大、训练设备要求高、训练时间长等问题,提出一种基于迁移学习的全连接神经网络小样本舌象分类方法。方法 应用经ImageNet海量数据集训练后的卷积Inception_v3网络提取舌象点、线等有效特征,再使用全连接神经网络对特征进行训练分类,将深度学习网络学习到的图像知识迁移到舌象识别任务中。利用舌象数据集进行训练、测试。结果 与典型舌象分类方法K最近邻（KNN）算法、支持向量机（SVM）算法和卷积神经网络（CNN）深度学习方法相比,本实验使用的两种方法（Inception_v3+2NN和Inception_v3+3NN）具有较高的舌象分类识别率,准确率分别达90.30%和93.98%,且样本训练时间明显缩短。结论 与KNN算法、SVM算法和CNN深度学习方法相比,基于迁移学习的全连接神经网络舌象分类方法可有效提高舌象分类的准确率、缩短网络的训练时间。     

基于LDA和SVM的肺结节CT图像自动检测与诊断

在已实现疑似肺结节图像分割的基础上,提取肺结节图像多维特征,应用LDA和SVM统计分类器,通过对大量样本的训练,实现对肺结节CT图像的自动检测和诊断。实验结果表明该检测和诊断方法达到了较好的分类效果,是适用于CAD系统的实用方法。     

肺部孤立结节65例临床诊治分析

目的探讨肺内孤立性微结节的影像及临床特点。方法回顾性分析该院近年收治的65例肺内孤立结节病例,分析此类疾病的治疗方法。结果 65例患者均治愈,无手术死亡。结论对于肺内孤立性结节,应该高度重视,充分运用合理检查,以防延误治疗。     

基于Matlab的尿沉渣图像有形成分的自动分类方法

目的：依托于Matlab环境,初步实现BP（Back Propagation）神经网络对尿沉渣图像中有形成分的自动识别与分类。方法首先应用灰度化、直方图增强、邻域滤波和中值滤波等方法对图像进行预处理;再利用Canny算子和Sobel算子叠加处理进行边缘检测,通过膨胀腐蚀和孔洞填充等操作得到有形成分的连通域信息,提取出每个连通域的周长、面积、长宽比、矩形度、圆形度等12个特征值作为BP神经网络的输入;最后利用BP神经网络创建学习训练过程,对每个连通域即有形成分进行分类。结果采用该自动分类方法得到了尿沉渣图像中有形成分的种类和数目。结论该方法分类准确,可实现尿沉渣图像中有形成分的自动识别与分类。     

基于ADC图的三维卷积神经网络模型在判断直肠癌T分期的应用

目的 利用三维卷积神经网络与磁共振弥散加权成像(DWI)序列的ADC图对直肠癌患者肿瘤T分期进行分类判断,提高分期准确度。方法 回顾性分析183例直肠癌病例,其中训练集160例,测试集23例(T1/T2期13例,T3/T4期10例)。训练集图像采用水平、垂直翻转等方式进行4倍扩充。基于三维卷积神经网络进行训练,采用十折交叉验证方法降低模型过拟合程度。根据测试结果数据绘制受试者工作特征(ROC)曲线,并计算曲线下面积(AUC),分析卷积网络模型的准确性与可靠性。结果 测试集测试结果显示,卷积网络模型判断肿瘤T分期的准确率为82.6%,ROC曲线的AUC为0.850,敏感度和特异度分别为84.6%和80.0%。结论 基于卷积神经网络模型与ADC图自动判断直肠癌肿瘤T分期相比人工分期提高了准确性与效率。     

基于深度学习的4种肺部超声征象分类

目的　探究基于残差卷积神经网络ResNet152对4种常见肺部超声征象的分类。方法　前瞻性收集了2020年6－9月在上海市肺科医院超声科进行超声检查的患者的超声图像,分别采集A线、B线、胸腔积液、肺实变的肺部超声图像各1 500张。选择其中清晰、未被骨骼遮挡、征象单一的图像,最终入选A线图像1 388张、B线图像1 375张、胸腔积液图像1 384张、肺实变图像1 398张。采用深度残差网络ResNet152进行分类模型的训练和验证,并在完全独立于训练集和验证集的测试集上测试模型的泛化能力。以精确率、准确度、特异度、召回率和F1指数评价深度分类模型的分类性能,并通过混淆矩阵直观地展示分类结果。结果　基于深度残差网络的分类模型分类A线、B线、胸腔积液和肺实变4种征象的精确率分别为97.51%、87.31%、85.42%、93.70%,召回率分别为90.38%、86.97%、94.25%、91.18%。4种肺征象的整体分类精确率为90.99%,准确度为90.70%,特异度为96.85%,F1指数为90.50%,表现出优秀的分类特性。结论　基于深度残差网络的肺部超声分类模型表现出较高的分类特性,有潜力辅助超声医师做出诊断。     

基于U型全卷积神经网络的腹部动脉CT图像分割算法研究

目的为了精确分割腹部动脉血管,提出一种基于深度学习的全自动腹部动脉CT图像分割算法。方法采用区域不平衡块生成方法提取CT血管横断面、冠状面和矢状面图像特征,接着采用U型全卷积神经网络对块特征进行训练与分割,最后采用最大体素保留法获得三维血管分割图像。选用120例患者腹部CT血管图像进行网络训练和分割实验,分割结果评价指标采用精确率、召回率和Dice系数。结果基于U型全卷积神经网络能分割全部腹部CT图像大血管和绝大多数小血管。全卷积神经网络中块尺寸s=32所得平均Dice系数、精确率和召回率分别达87.2%、85.9%和88.5%,且与块尺寸s=48和s=64大致相等。基于U型全卷积神经网络所得平均Dice系数、精确率和召回率均优于其他血管分割算法。结论基于U型全卷积神经网络算法的图像分割精度高,是一种可行的腹部CT血管分割算法。     

浅谈CT肿瘤血管征对孤立性肺结节的诊断价值

目的探讨CT肿瘤血管征对孤立性肺结节的诊断价值。方法随机选取2014年2月‐2015年7月该院收治的孤立性肺结节(SPN)患者46例,对其进行CT平扫及增强扫描,对肿瘤血管分布特征进行观察分析,并对病理检查结果和肿瘤血管征诊断结果进行分析。结果 46例SPN患者中共计18例在CT影像中存在明显肿瘤血管征,包括15例恶性结节,3例良性结节;CT肿瘤血管征对于恶性结节的诊断特异性为72.73%(8/11),敏感性42.86%(15/35),阳性预测值为83.33%(15/18)。结论 SPN在CT增强扫描过程中可见肿瘤血管征象,如扭曲、分布不均等血管影,可作为SPN CT诊断的重要指征,为SPN患者的早期诊断和治疗提供可靠依据。