神经网络在CT肺结节的分类应用进展

肺结节在临床诊断主要利用临床经验所以带有很大的主观特点.随着神经网络的发展,建立一种辅助诊断系统是临床需要的.近年来神经网络在肺结节分类问题上发展迅速,各种改良算法,结构创新层出不穷.本文综合介绍了神经网络在肺结节分类问题上国内外最新的研究进展.     

基于深度学习的多模态融合的临床应用

基于深度学习的多模态融合技术旨在发挥不同模态的医学数据的优点,通过深度学习技术总结出更加精确的信息,从而实现数据之间优势互补.基于深度学习的多模态融合技术是医学发展中的重大技术突破,可将多种检查获得的数据组合起来,为患者提供准确的诊断和预后信息.本文就基于深度学习的多模态融合技术在临床中的研究做一综述.     

基于深度学习的肝包虫疾病图像分类

目的:为了实现新疆高发病肝包虫病CT图像的正确分类,提出一种深度学习的肝包虫病CT图像的自动分类方法。方法:对单囊、多囊和肝囊肿CT图像使用深度学习的分类方法进行分类。首先,构建并优化ResNet-50网络模型,将肝包虫病图像分批次传入网络,然后用交叉熵作为损失函数,最后把网络结构加入对数据的批归一化处理,通过反向传播算法优化参数使损失函数最小化,最终选择训练所得的最优网络。结果:各类别的最佳分类准确率分别为单囊型78.33%、多囊型81.52%、肝囊肿型80.24%。结论:深度学习卷积神经网络的肝包虫病CT图像疾病分类方法可行、合理、且调整后的ResNet-50模型比较适合肝包虫病图像的分类,有望通过深度学习方法对肝包虫病提供辅助诊断及决策支持。     

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。     

胸部CT图像中孤立性肺结节良恶性快速分类分析

目的:针对现阶段胸部CT图像中孤立性肺结节良恶性定性诊断分析速度比较慢的难题提出了一种可以快速准确诊断孤立性肺结节良恶性的方法--计算机辅助诊断法.方法:将60例病例进行分组,对照组按照传统分析方法,实验组运用计算机辅助诊断法.把两组测试所用时间、敏感性、准确度进行比较,以进行分类性能评价.结果:实验组中30例病例,孤立性肺结节的总共测试时间仅为7.07s,准确度高达70.70%,敏感性72.88%.对照组中30例病例,孤立性肺结节的总共测试时间为358.67s,准确度仅为48.36%,敏感性仅为41.55%,两者具有统计学差异(P<0.05).结论:利用该诊断法对孤立性肺结节良恶性判断的速度是传统方法的51倍,极大地提高了孤立性肺结节良恶性的判别速度,为该种疾病的定性诊断提供了高效、客观、便捷的辅助手段.     

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

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。     

深度学习模型对纯磨玻璃结节肺腺癌病理亚型的预测分析

目的利用深度学习对CT上表现为纯磨玻璃密度结节(pGGN)的肺腺癌进行分型,并与手术病理结果对比,探讨其对病理亚型的预测价值。方法收集219例(共240个病灶)经病理证实且胸部CT上表现为pGGN的肺腺癌患者的CT影像与病理资料,根据病理分型,将其分为非浸润性腺癌组[包括浸润前病变(不典型腺瘤样增生和原位腺癌)以及微浸润腺癌]和浸润性腺癌组。首先对pGGN进行勾画与标记,然后将标记好的数据随机分为学习训练组(80%)及验证测试组(20%),其中验证测试组中的结果需与两位胸部影像专家的诊断结果进行对比。结果深度学习模型对pGGN肺腺癌病理亚型的预测取得了较高的性能。深度学习模型对pGGN判断的准确率为0.8330,95%CI为0.7016～0.9157,专家1对pGGN诊断的准确率为0.5000,95%CI为0.3639～0.6361,专家2对pGGN诊断的准确率为0.5625,95%CI为0.4227～0.6931,两位专家联合对pGGN诊断的准确率为0.5417,95%CI为0.4029～0.6743,深度学习模型的准确率明显高于专家个人及专家组(P=0.002)。专家个人前后两次诊...     

基于深度学习的肺部CT图像分割研究进展

肺部CT图像分割是早期筛查和诊断肺部疾病的关键。传统的CT图像分割技术（如阈值法、聚类法和区域生长法）存在精确性差、效率低和鲁棒性差的问题。随着深度学习的发展,基于深度学习的模型在CT图像分割方面表现出卓越的能力。本文结合近年来国内外研究文献,对深度学习的算法发展及其在肺部CT图像分割中的应用进行综述。文献复习结果表明,采用图像分割评价指标Dice相似系数（Dice similarity coefficient,DSC）对算法性能进行评估,肺部CT图像分割深度学习算法的DSC均大于0.9。这些结果表明深度学习能实现精确、高效和鲁棒性的肺部CT图像分割。同时,未来需要对医学图像的复杂性,深度学习数据集的大小、隐私性、网络架构设计和模型可解释性等难题进一步深入研究。     

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.     

能谱CT在肺动脉、肺静脉与肺结节融合成像中的应用探讨

目的：通过对比分析探讨CT能谱技术在肺动脉、肺静脉与肺结节融合成像中的临床价值。方法：本院56例直径小于3 cm的肺磨玻璃（ground glass nodule,GGN）结节术前行肺血管与结节融合成像的患者,随机分为对照组和观察组,每组28例;对照组使用CT常规扫描,观察组使用CT能谱扫描及能谱后处理技术,对比分析2组血管成像图像质量的优劣,另外观察组内用能谱扫描的数据分别生成一组60 keV和74 keV的单能量数据,进行组内对比。结果：28例60 keV单能量成像观察组肺动脉、肺静脉及肺结节全部清晰显示,利用融合成像技术能明确展示三者的关系。对照组有7例不能完整显示远端供血及回流血管与肺结节的联系,另外21例虽能显示三者关系,但远端血管结构显示清晰度均不及60 keV单能量成像观察组,通过CT值、信噪比的客观评价和主观评分,观察组60 keV和对照组比较,及观察组内的60 keV和74 keV比较,差异均具有统计学意义（P<0.05）。结论：能谱CT 60 keV单能量成像在肺动脉、肺静脉与肺结节融合成像中效果优于常规CT扫描。     

孤立性肺结节的CT诊断

目的：通过对孤立性肺结节平扫加强化的CT表现分析,探讨CT在孤立性肺结节的诊断价值。方法：回顾分析30例经手术病理证实的肺内孤立性结节的CT扫描资料,对检查结果进行分析。结果：从CT检查资料得出：良性结节一般边缘清晰,可呈浅分叶及长毛刺,结节中有脂肪密度及爆米花样钙化,若出现空洞则呈薄壁且内壁光滑;而恶性结节多数边缘不规则,深分叶,短毛刺,空泡征及胸膜凹陷征、血管集束征、磨玻璃征,若出现空洞则是后壁空洞且有壁结节。结论：通过对肺内孤立性结节良、恶性结果的对比分析,证明多排螺旋CT对孤立性肺结节的诊断具有较高的应用价值,并且能为临床提供有效的治疗依据。     

基于深度学习和手工设计特征融合的翻唱歌曲识别模型

在翻唱歌曲识别中,手工设计的特征虽然具有高可定制性,但其采用的浅层线性结构难以表现音乐的非线性长效结构,而采用基于深度学习的特征提取算法分析音乐的非线性动力学特性可以弥补这一缺陷。本文在研究两者互补性的基础上,提出了一种融合手工特征和深度特征的翻唱歌曲识别算法。该算法分别采用深度学习模型和手工设计算法提取歌曲的音级轮廓特征和旋律特征,然后将基于这两种特征的相似度组合成相似度向量输入到改进的SVM模型中,并将输入歌曲属于翻唱组合的概率作为融合相似度。为了验证算法性能,以两个公开的数据库（covers80,covers1212）作为测试对象进行测试,实验结果表明该算法比基于单个特征的算法和基于相似度融合的算法取得了更高的识别率和分类准确率。     

肺结节周围血管走行变化的CT观察

目的分析CT影像中肺结节周同血管走行变化征象的诊断价值。方法搜集经病理证实的80例肺结节病例,其中恶性结节39例,良性结节41例。所有病例行常规CT扫描,并对部分病例进行增强或对部分病灶进行减薄三维重建,观察结节周围血管走行变化征象。结果本组病例中周围血管分布改变的征象出现率为74％,良性结节为71％,恶性结节为77％,两者之间差异无显著意义（P〉0．05）。肺结节周围各型血管走行变化征象比较：Ⅰ型靠近,良性出现率为33％,恶性为20％,两者之间差异无显著意义（P〉0．05）;Ⅱ型穿过,良性出现率为22％、恶性为55％,两者之间差异有显著意义（P〈0．05）;Ⅲ型远离,良性出现率为16％,恶性为2％,两者之间差异有显著意义（P〈0．05）;Ⅳ型不变。结论肺结节周围血管走行改变征象有一定的规律性,识别这一征象对肺结节的定性诊断有重要意义。     

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。     

应用多层螺旋CT透视导引肺结节穿刺活检

目的:探讨多层螺旋CT透视导引经皮肺结节穿刺活检的临床应用价值。方法:22例未经病理或影像确诊的肺结节行多层螺旋CT透视导引下穿刺活检。所有病例均行组织细胞学检查,分析穿刺活检的成功率、病理确诊率、以及穿刺的并发症。结果:22例患者中,经病理确诊恶性肿瘤12例(其中原发肿瘤10例,转移瘤2例),良性病变9例,一例因组织较少而无法完成病理诊断。并发气胸2例,未作特殊处理。结论:多层螺旋CT透视导引穿刺活检对肺结节的定性诊断具有重要的临床应用价值。     

基于深度学习的食物卡路里估算方法

现代智能移动设备可利用计算机视觉技术从食物照片中估算卡路里。针对现有食物卡路里估算方法识别准确率不高、估算结果误差较大的问题,本文提出了一种基于深度学习的食物卡路里估算方法。该方法需以食物俯视图和侧视图作为输入,先进行目标检测,再用GrabCut算法获得目标轮廓。通过对不同类别的食物采用不同的体积估算方法,以提高体积估算准确性。实验结果表明,本文方法估算结果较为准确,能为用户控制卡路里摄入提供正确的参考。     

SUV小于2．5的孤立性肺结节18F—FDGPET／CT诊断价值初探

目的正电子断层显像（PET）通常以标准摄取值（SUV）≥2．5为肺癌诊断标准,但仍有部分SUV〈2．5的孤立性肺结节（SPN〈2.5）为肺癌。本研究旨在分析SPN〈2.5,氟代脱氧葡萄糖（18F—FDG）PET／CT表现及其诊断价值。方法51例18F—FDGPET／CT早期显像SUV平均值（SUVavg）〈2．5的孤立性肺结节病人纳入研究。对SPN放射性摄取测量采用两种方法：视觉分析及半定量分析。测量SPN的早期及延迟显像的SUVavg、SUVmax及其早期一延迟变化率（△SUVavg、△SUVmax）。37例以病理诊断及14例以2年以上临床随诊结果为最终诊断标准。统计学分析采用SPSS16．0软件。结果51例SPN〈2.5患者中,良性11例,恶性40例。虽然良恶性SPN〈2.5患者各项SUV值间均无统计学差异（P〉0．05）,但恶性SPN〈2.5,患者各项SUV值均有高于良性的趋势,特别是ASUVavg、ASUVmax。以ASUVmax〉0为诊断阈值,18F—FDGPET／CT诊断恶性SPN的敏感性68．4％、特异性60．0％、准确性66．7％、阳性预测值86．7％及阴性预测值33．3％。视觉分析：无FDG摄取的SPN〈2.5 9例中,5例为良性,4例为恶性;有FDG摄取的SPN〈2.5 42例中,6例良性,36例恶性,两组之间有显著的统计学差异,P=0．02。良恶性SPN〈2.5的CT密度及大小之间均无统计学差异（P〉0．05）。综合PET和CT信息分析SPN〈2.5,18F—FDGPET／CT诊断恶性SPN〈2.5的敏感性97．5％、特异性54．5％、准确性88．2％、阳性预测值88．6％、阴性预测值85．7％。结论单纯以SUV≥2．5为标准鉴别诊断SPN会导致肺癌的漏诊。对于此类结节,ASUV有较高的肺癌阳性预测值;FDG摄取视觉分析能提高结节的良恶性鉴别准确率;综合FDGPET和cT分析的PET／CT能显著提高诊断肺癌的敏感性和准确性,但特异性较低。     

SUV小于2.5的孤立性肺结节18F-FDG PET/CT诊断价值初探

目的正电子断层显像(PET)通常以标准摄取值(SUV)≥2.5为肺癌诊断标准,但仍有部分SUV<2.5的孤立性肺结节(SPN<2.5)为肺癌。本研究旨在分析SPN<2.5氟代脱氧葡萄糖(18F-FDG)PET/CT表现及其诊断价值。方法 51例18F-FDG PET/CT早期显像SUV平均值(SUVavg)<2.5的孤立性肺结节病人纳入研究。对SPN放射性摄取测量采用两种方法:视觉分析及半定量分析。测量SPN的早期及延迟显像的SUVavg、SUVmax及其早期-延迟变化率(△SUVavg、△SUVmax)。37例以病理诊断及14例以2年以上临床随诊结果为最终诊断标准。统计学分析采用SPSS 16.0软件。结果 51例SPN<2.5患者中,良性11例,恶性40例。虽然良恶性SPN<2.5患者各项SUV值间均无统计学差异(P>0.05),但恶性SPN<2.5患者各项SUV值均有高于良性的趋势,特别是△SUVavg、△SUVmax。以△SUVmax>0为诊断阈值,18 F-FDG PET/CT诊断恶性SPN的敏感性68.4%、特异性60.0%、准确性66.7%、阳性预测值86.7%及阴性预测值33.3%。视觉分析:无FDG摄取的SPN<2.59例中,5例为良性,4例为恶性;有FDG摄取的SPN<2.542例中,6例良性,36例恶性,两组之间有显著的统计学差异,P=0.02。良恶性SPN<2.5的CT密度及大小之间均无统计学差异(P>0.05)。综合PET和CT信息分析SPN<2.5,18 F-FDG PET/CT诊断恶性SPN<2.5的敏感性97.5%、特异性54.5%、准确性88.2%、阳性预测值88.6%、阴性预测值85.7%。结论单纯以SUV≥2.5为标准鉴别诊断SPN会导致肺癌的漏诊。对于此类结节,△SUV有较高的肺癌阳性预测值;FDG摄取视觉分析能提高结节的良恶性鉴别准确率;综合FDG PET和CT分析的PET/CT能显著提高诊断肺癌的敏感性和准确性,但特异性较低。     

99mTc-MAA肺灌注SPECT／CT同机融合显像诊断肺栓塞的价值

目的探讨肺灌注SPECT/CT同机图像融合对无创诊断肺栓塞（PE）的应用价值。方法研究对象78例临床怀疑肺栓塞的患者,男26人,女52人,年龄2880岁。78例患者均行99mTc-MAA肺灌注八方位静态显像、肺灌注SPECT/CT同机融合,通过OSEM迭代重建。结果本组78例患者临床最终确诊40例为肺栓塞患者,SPECT/CT同机图像融合诊断肺栓塞的灵敏度为90%（36/40）,特异度为84.2%（32/38）,假阳性15.8%（6/38）,假阴性10%（4/40）。该法诊断PE的准确率为87.2%（68/78）,与文献报道肺通气/灌注显像诊断PE的准确率近似（85%92%）。结论肺灌注SPECT/CT同机图像融合显像能一次显像获得同一时间的肺灌注和透光度情况,在无创诊断肺栓塞中具有明显优势。