深度卷积神经网络技术自动诊断肋骨骨折的CT应用初探

目的:探讨深度卷积神经网络（DCNN）模型在胸部CT图像上对肋骨骨折自动定位和诊断的作用。方法:回顾性纳入2 300例因胸外伤于门急诊初诊、行胸部CT检查的患者图像,其中300例为测试集。应用分割网络、关键点检测网络和骨折检测网络建立DCNN模型,对肋骨骨折定位和诊断进行训练和验证。以高年资医师诊断为金标准,应用?字2分割检验和单因素方差分析比较低年资医师、DCNN模型和在DCNN模型辅助下的低年资医师诊断肋骨骨折的精确率、召回率、F1-score和诊断用时。统计DCNN模型诊断的假阳性和假阴性病例数量。结果:在300例测试集胸部CT图像中,共发现797处肋骨骨折,DCNN模型有22例假阳性病例和62例假阴性病例。低年资医师、DCNN模型和在DCNN模型辅助下的低年资医师诊断肋骨骨折的精确率（χ2=8.85,P=0.012）和召回率（χ2=43.2,P＜0.001）有明显差别。低年资医师诊断肋骨骨折的精确率（94.2%）低于DCNN模型（97.1%）,在DCNN模型辅助下,低年资医师诊断的精确率有所增加（96.4%）,DCNN模型和在DCNN模型辅助下低年资医师诊断的精确率无明显差别（96.4%）。低年资医师诊断肋骨骨折的召回率（84.8%）低于DCNN模型（92.2%）,在DCNN模型辅助下医师诊断的召回率明显升高（94.0%）。低年资医师的诊断用时平均为（155.0±31.9）s,而DCNN模型诊断肋骨骨折仅需（4.8±1.4）s,在DCNN模型辅助下医师诊断用时可缩短至（40.6±7.0）s,三者有明显差别（F=328.1,P＜0.001）。结论:DCNN模型在胸部CT图像上可准确定位、诊断肋骨骨折,显著缩短诊断用时,减少漏诊、误诊率。     

基于多尺度小波残差网络的稀疏角度CT图像恢复

目的 稀疏角度CT具有加速数据采集和减少辐射剂量的优点。然而,由于采集信息的减少,使用传统滤波反投影算法（FBP）进行重建得到的图像中伴有严重的条形伪影和噪声。针对这一问题,本文提出基于多尺度小波残差网络（MWResNet）对稀疏角度CT图像进行恢复。方法 本网络中将小波网络与残差块相结合,用以增强网络对图像特征的提取能力和加快网络训练效率。实验中使用真实的螺旋几何CT图像数据“Low-dose CT Grand Challenge”数据集训练网络。通过观察图像表征和计算定量参数的方法对结果进行评估,并与其他现有网络进行比较,包括图像恢复迭代残差卷积网络（IRLNet）,残差编码解码卷积神经网络（REDCNN）和FBP卷积神经网络（FBPConvNet）。结果 实验结果表明,本文提出的多尺度小波残差网络优于其余对比方法。结论 本文提出的MWResNet网络能够在保持稀疏角度CT图像边缘细节信息的同时有效抑制噪声和伪影。     

640层 CT 冠状动脉造影 AIDR3D 重建算法的图像质量及辐射剂量评价

目的：评价640层 CT 冠状动脉造影（CTCA）三维自适应迭代剂量降低（AIDR3D）重建算法的图像质量及辐射剂量。方法连续性84例患者接受640层 CT 自动曝光扫描冠状动脉造影检查,在图像后处理工作站分别采用 AIDR3D、滤波反投影（FBP）算法对扫描的原始图像数据进行重建。2位不知道临床信息及重建算法并且富有经验的影像科医生独立测量、计算2种重建算法 CTCA 的图像噪声、信噪比和对比噪声比,4等级法定性评价 CTCA 的图像质量。根据 CT 机扫描输出的剂量长度乘积计算辐射剂量。统计分析比较2种重建算法 CTCA 的定量及定性图像质量。结果AIDR3D 重建算法 CTCA 的图像噪声为（27．20±4．40）HU,较 FBP（60．00±12．40）HU 减少了46．10％,信噪比21．10±5．10较 FBP 11．40±2．80提高了84．70％,对比噪声比24．70±5．10较 FBP 13．50±3．20提高了82．20％,二者比较均差异有统计学意义（P ＜0．05）。AIDR3D 重建算法冠状动脉近部、中部、远部的图像质量定性评价分数分别为（3．90±0．30）、（3．70±0．50）、（3．60±0．60）分,均高于 FBP[分别为（2．60±0．60）、（2．30±0．60）、（2．10±0．70）分],二者比较均差异有统计学意义（P ＜0．05）。AIDR3D、FBP 重建算法可以用于诊断的冠状动脉总段数分别为1216段（96．50％）、504段（40．00％）,二者比较差异有统计学意义（P ＜0．05）。平均有效辐射剂量为（2．10±1．00）mSv。结论640层 CTCA AIDR3D 重建算法不仅较常规的 FBP 重建算法的图像噪声显著减少,定量及定性图像质量均明显提高,而且有效辐射剂量低。     

低剂量CT图像重建算法对脑出血检测性能的影响

目的 探究低剂量CT图像重建算法对脑出血检测性能的影响。方法 对正常剂量（定义为100% dose）脑出血CT图像进行低剂量CT成像仿真,仿真剂量包括30%、25%和20% dose。采用7种CT图像重建算法进行图像重建,以实现抑制低剂量CT图像噪声,包括滤波反投影算法（FBP）、惩罚加权最小二乘的全变分（PWLS-TV）、非局部均值滤波（NLM）、3维块匹配（BM3D）、残差编码解码卷积神经网络（REDCNN）、FBP卷积神经网络（FBPConvNet）和图像恢复迭代残差卷积网络（IRLNet）。基于深度学习方法的脑出血检测模型（CNN-LSTM）对正常剂量图像和7种重建算法得到的图像进行脑出血检测。对7种重建算法与正常剂量图像的脑出血检测结果进行比较,评估不同重建算法对脑出血检测性能的影响。结果（1）对于同一算法,剂量对脑出血检测性能的影响：在30%、25%和20% dose下,FBP算法脑出血检测正确率分别为82.21%、74.61%和65.55%。（2）在相同剂量（30% dose）下,不同图像重建算法对脑出血检测性能的影响：FBP、PWLS-TV、NLM、BM3D、REDCNN、FBPConvNet和IRLNet算法的脑出血检测正确率分别为82.21%、86.80%、89.37%、81.43%、90.05%、90.72%和93.51%。（3）IRLNet算法在30%、25%和20% dose下的脑出血检测正确率分别为93.51%、93.51%和93.06%。结论 剂量和重建算法的选择对脑出血检测性能有显著影响,临床中选择合适的剂量和算法组合能在大幅度降低辐射剂量同时保证脑出血检测性能。     

CT与MRI图像融合对脑转移瘤三维适形放疗靶区的影响

目的研究CT与MRI图像融合的脑转移瘤靶区与CT图像靶区的不同,提高三维适形放疗靶区勾画的准确性。方法同期采集25例脑转移瘤患者的CT和MRI图像,传送至图像处理工作站融合成CT／MRI图像,分别在CT及CT／MRI融合图像勾画41组GTV,比较两种图像勾画的GTV的差别。结果25例患者共41组靶区的GTVCT为（31．75±9．93）cm3,GTV删为（28．92±8．25）cm3。41个对照组中,GTVcr〈GTVCT/MRI为18个,GTVCT〉GTVCT/MRI为23个。结论采用CT／MRI融合后图像勾画的脑转移瘤靶区精确度提高,更适合于三维立体适形放疗。     

CT/MRI图像融合技术在鼻咽癌放疗靶区勾画中的应用价值

目的 探究CT/MRI图像融合技术在鼻咽癌放疗靶区勾画中的应用价值.方法 选取2016年9月至2020年5月本院收治的鼻咽癌行放疗干预患者60例作为研究对象,通过双盲随机法分为研究组与对照组,每组30例.研究组采用CT/MRI图像融合技术进行靶区勾画拟定放疗方案,对照组采用CT定位图像进行靶区勾画拟定放疗方案.比较两组勾画靶区大小、放疗计划剂量、正常组织受量.结果 研究组MRI/CT融合图像靶区为(41.09±5.73)cm3,明显大于对照组的(39.75±6.25)cm3,差异有统计学意义(P<0.05).两组PTVnx Dmean比较差异有统计学意义(P<0.05),两组GTVnx Dmean、GTVnx D95、PTV Dmean、PTV D95、PTVnx D95比较差异无统计学意义.两组脑干、脊髓、腮腺、甲状腺、喉、口腔正常组织受量比较差异无统计学意义.结论 CT/MRI图像融合技术应用于鼻咽癌放疗靶区勾画中,能通过明确靶区边界在一定程度扩大靶区照射体积,且不会对放疗计划剂量、正常组织受量等造成显著影响.     

多模态融合图像与病理学在盆腔肿瘤靶区勾画中的差异性研究

目的探讨CT、MRI及其融合图像的盆腔肿瘤勾画靶区（GTV）最大径与病理肿瘤实体的差异性。方法 （1）选取6例边界相对完整的术前盆腔肿瘤患者分别进行CT、MRI异机非同步扫描。CT和MRI图像数据行手工配准后传送至飞利浦公司PINNACLE V8.0放射治疗计划系统,行图像融合并由一位有经验的放疗科医师对患者的CT、MRI及融合图像肿瘤靶区（GTVs）进行勾画,并测量其最大径;（2）术后立即对实体肿瘤行速冻处理,并对实体肿瘤由外到里2mm一层行病理切片直到在镜下找到肿瘤细胞,测量镜下肿瘤的最大径并与（1）勾画的肿瘤靶区最大径比较分析。结果 DFUSION相对D实体平均缩小了0.205cm,约为D实体的2.80%、DCT和DMRI相对D实体平均缩小了0.548和0.458cm,约为D实体的7.48%和6.25%。结论通过融合图像勾画的GTV更接近于实体肿瘤,与单独CT或MRI图像相比优势明显。CT/MR图像融合技术有利于盆腔肿瘤靶区的确定,提高了临床对盆腔肿瘤靶区（GTV）勾画的准确率,利于患者的诊治。     

三维适形放疗治疗胰头癌疗效的临床观察

目的探讨三维适形（3D—CRT）治疗胰头癌梗阻性黄疸的临床疗效。方法三维适形放射治疗具有精确定位，精确治疗计划，精确治疗，即“三精”放射治疗的优点。我院自2003年以来采用三维适形放疗治疗不能手术的胰头癌梗阻性黄疸患者40例，分别通过PET—CT立体定位将资料输入治疗计划系统（TPS），制定出最佳放疗计划，然后进行立体定向适形放疗（3D—CRT）。结果通过适形放疗，40例患者症状全部缓解，各项指标均恢复正常。CT或MRI复查，其中肿瘤消失14例，有显著疗效22例，有效的6例。40例病人皆能恢复正常生活。结论三维适形放疗（3D—CRT）是最安全、最有效的治疗胰头癌的方法之一。     

MRI和CT图像融合在立体定向放射治疗中的应用

目的探讨不同层厚和体位的MRI与CT图像融合在立体定向放射治疗中的应用.方法对立体定向放射治疗的验证头模分别行CT和MRI图像扫描,MRI与CT图像融合后,分别测量放置在头模内均质物体的直径,比较它们之间的差异.结果 A系列测量物体的体积为:CT图像:23.33±3.75cm3,MRI图像3mm、5mm、8mm、10mm层厚的分别为:23.83±3.99cm3、24.39±3.64cm3、24.70±3.62cm3、24.75±3.52cm3.CT和MRI的体积存在显著性差异(p<0.05),但3mm层厚的MRI勾画的靶体积与CT最接近.B系列测量物体的体积:CT图像:22.85±3.92cm3,MRI图像后仰、前倾、偏斜以及旋转体位的分别为:24.45±3.77cm3、24.30±4.14cm3、24.68±3.79cm3、24.64±3.54 cm3, CT与不同体位的MRI勾画的靶体积存在显著差异(p<0.05).结论在立体定向放射治疗中,应采用相同体位和层厚的MRI与CT图像融合,勾画靶区才更准确.     

CT/MRI图像融合技术在鼻咽癌放疗靶区勾画中的应用价值

目的：探讨 CT/MRI融合技术在鼻咽癌放疗靶区勾画中的应用价值。方法对50例经病理证实的鼻咽癌患者进行调强放疗,分别在CT及CT/MRI融合图像下勾画鼻咽癌肿瘤靶区,比较CT组和CT/MRI组勾画的靶区体积的差异性。结果 CT组和CT/MRI组勾画的平均靶区体积分别为（29.18±19.12） cm3和（33.57±20.63） cm3,两组对比有显著性差异（P<0.05）。在T1、T2、T3期中,两组体积对比差异明显（P<0.05）;在T4期中,两组体积对比差异不明显（P>0.05）。结论 CT/MRI融合技术结合CT和MRI两种不同成像技术的优势,有助于进一步提高鼻咽癌放疗靶区勾画的精确性。     

基于多尺度三维卷积神经网络的头颈部危及器官分割方法

目的 研究一种基于三维卷积神经网络的CT图像头颈部危及器官分割算法。方法 本文构建了一个基于V-Net模型的头颈部危及器官自动分割算法。为了增强分割模型的特征表达能力,将SE（Squeeze-and-Excitation）模块与V-Net模型中残差卷 积模块相结合,提高与分割任务相关性更大的特征通道权重;采用多尺度策略,使用粗定位和精分割两个级联模型完成器官分割,其中输入图像在预处理时重采样为不同分辨率,使得模型分别专注于全局位置信息和局部细节特征的提取。结果 我们在头颈部22个危及器官的分割实验表明,相比于已有方法,本文提出的方法分割平均精度提升了9%,同时平均测试时间从33.82 s降低至2.79 s。结论 基于多尺度策略的三维卷积神经网络达到了更好的分割精度,且耗时极短,有望在临床应用中提高医生的工作效率。     

基于三维全卷积DenseNet的脑胶质瘤MRI分割

从多模态MRI中对多个脑胶质瘤区域进行精确分割是不少精准医疗步骤的前提。为了有效针对脑胶质瘤MRI的特性和 提升其分割精度,本文提出了多Dice损失函数结构,并采用预实验选择良好的超参数（数据维度、图像融合步长、损失函数的实 现形式）构建一个基于三维全卷积DenseNet的图像特征学习网络。本研究包含了脑胶质瘤MRI的274个已分割训练集和110 个未提供分割的测试集。图像进行灰度归一化后提取三维图像块作为网络输入,网络输出利用图像块融合方法得到最终的分 割结果。相比通用的结构,推荐的结构提高了脑胶质瘤的分割精度。在公开的BraTS2015数据集上进行在线的评估中,整个肿 瘤区、肿瘤核心区和增强肿瘤区的Dice值分别为0.85、0.71、0.63。     

A magnetic resonance imaging-based workflow for planning radiation therapy for prostate cancer

Dose planning for prostate radiation therapy is performed using computed tomography (CT) scans that provide the electron density information needed for individual patients' radiation dose calculations. For visualising the prostate and determining the target volume for radiation treatment, magnetic resonance imaging (MRI) gives vastly superior soft-tissue contrast. However, currently, MRI scans cannot be used for dose planning, as they do not provide the electron density information. We aimed to develop an alternative and efficient MRI-only image-based workflow, enabling both organ delineation and dose planning to be performed using MRI, with "pseudo-CT scans" generated from MRI scans supplying the information for dose planning. The feasibility of implementing MRI-based prostate radiation therapy planning is being investigated through collaboration between the clinical and medical physics group at the Calvary Mater Newcastle Hospital/University of Newcastle and the biomedical imaging processing group at the CSIRO (Commonwealth Scientific and Industrial Research Organisation) Australian e-Health Research Centre. Results comparing Hounsfield units calculated from CT scans and from MRI-based pseudo-CT scans for 39 patients showed very similar average values for the prostate, bladder, bones and rectum, confirming that pseudo-CT scans can replace CT scans for accurate radiation dose calculations. MRI-based radiotherapy planning can also be used for tumours in other locations, such as head and neck, and breast cancers.     

CT-MRI同体位放疗模拟定位装置的研制

目的为了提高CT模拟定位图像与常规MRI扫描图像配准的精确度,使放疗靶区勾画的精确度提高,研制一套CT-MRI同体位放疗模拟定位装置。方法测量CT模拟定位固定装置的规格大小和MRI扫描机的床面大小、孔径大小等相关数据,根据测量数据选用凯夫拉、ABS塑料、尼龙螺丝材料设计并制造出CT-MRI同体位放疗模拟定位装置,包括MRI模拟定位体架、凹面床的平板适配床板和MRI体部扫描线圈拱形支撑架,分别用CT模拟定位固定装置、CT-MRI同体位放疗模拟定位装置对患者进行CT模拟定位和MRI模拟定位扫描,观察两组图像的配准融合效果。结果利用该装置安全、顺利完成MRI模拟定位扫描,经10例临床试验,CT-MRI同体位放疗模拟定位均能得到较好的图像配准融合效果。体位头部DICE:0.988,HD:3.340 mm;非同位头部DIC:0.947,HD:6.445 mm。同体位颈部DICE:0.847,HD:3.803 mm;非同体位颈部DICE:0.829,HD:4.679 mm。结论此CT-MRI同体位放疗模拟定位装置,能有效提高图像配准精确度,提高靶区勾画精确度,满足临床放疗要求。     

基于自适应Unet网络的鼻咽癌放疗危及器官自动分割方法

目的 探讨鼻咽癌放射治疗中的危及器官（OARs）的自动分割的准确性。方法 在自动分割模型研究中,经CT扫描和医生手动分割后,选取147例鼻咽癌患者的CT图像及其对应勾画的OARs结构,并对其进行完全随机化分组,分成训练集（115例）、验证集（12例）、测试集（20例）。采用自适应直方图均衡化对CT图像进行预处理。利用端到端训练提高建模效率,实现一种基于三维Unet的改进网络（AUnet）,将器官大小作为先验知识引入卷积核大小设计中,使网络能自适应地提取不同大小器官的特征,从而提高模型的性能。比较自动与手动分割的DSC（Dice Similarity Coefficient）系数和豪斯多夫（HD）距离以验证AUnet网络的有效性。结果 测试集的平均DSC和HD分别为0.86±0.02和4.0±2.0 mm。除视神经、视交叉外,AUnet与手动分割结果无统计学差异（P>0.05）。结论 引入自适应机制后,AUnet能较为准确地实现基于CT图像对鼻咽癌的危及器官的自动分割,临床应用中可大幅度提高医生的工作效率及分割的一致性。     

基于MRI及CT融合技术的膝关节PCL影像重建初探

目的 探索采用磁共振成像（MRI）及计算机X线断层扫描（CT）影像融合技术重建带两端骨结构的后交叉韧带（PCL）的可行性及实施路径,为PCL损伤的个体化治疗提供影像学支持。方法 对12例正常青年男性膝关节行螺旋CT及MRI三维可快速自旋回波序列（SPACE）检查,将两组影像数据提取并统一坐标系后,在MRI上框选PCL的坐标,将数据提取并代入到CT数据中,最后在CT上实现包含邻近骨结构的PCL二维及三维可视化影像重建,并测量部分解剖数据。结果 12例研究对象中有2例在验证转化数据时发现误差较大,予排除;其余10例受试者均成功实现图像融合,重建出带邻近骨结构的二维及三维PCL影像,测量数据与实体解剖数据比较具有较高重合度。结论 利用CT及MRI影像融合技术三维可视化重建PCL方法可行,可为PCL的个体化治疗提供技术支持,但还可进一步简化及精确化。     

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。