FCM算法在脑肿瘤MRI图像分割中的应用

聚类算法已广泛用于图像分割，根据模糊C－均值聚类算法（FCM）的磁共振颅脑图像的特点，我们利用FCM算法对磁共颅脑图像进行了分割。结果表明，聚类算法在脑肿瘤的MRI图像分割中能够得到比较理想的结果，优于边缘检测、域值分割等方法。     

基于模糊聚类与逐步判别分析相结合的医学辅助诊断模型的研究

模糊数学与统计分析相结合的方法,作为医学计量诊断的一种常用方法,在医学辅助诊断中有着广泛的应用。本文介绍了模糊数学及统计分析的有关内容,并以此建立医学疾病辅助诊断模型。结合实例分析,对西南医院消化内科收集的148例胃病患者,在模糊聚类分析的基础上,应用逐步判别分析方法建立判别函数,依此对患者进行预测诊断。在对所收集的100例原始病例所做的回代验证中,诊断符合率达96.8%,在对另外的48例患者的预测诊断中,符合率也达到了91.7%,取得了良好的效果,从而完成了一个医学疾病诊断专家系统的研制。该系统采用VISUALBASIC语言进行开发,整个诊断过程在计算机上实现,该程序人机界面友好,操作简单,在使用中取得了令人满意的效果。     

基于QRS波群的心律失常辅助诊断模型研究

基于对QRS波群的特征变量提取,利用减法聚类和自适应模糊神经网络构建心律失常辅助诊断模型,分析不同训练数据集对模型测试结果的影响.实验结果表明,该模型能准确识别不同类型的QRs波群,使用不同训练数据集对诊断结果存在影响,为进一步实现更复杂的心律失常辅助诊断模型提供方法.     

基于MRI的脑肿瘤计算机辅助检测技术研究进展

目的：总结计算机辅助检测技术在脑肿瘤检测领域的发展现状。方法：本文按照计算机辅助检测过程中的关键技术为分类,分别对其进行深入研究。结果：相对于其他肿瘤,脑肿瘤对患者的生存质量和生存时间的影响尤其严重。如果能在早期发现脑肿瘤并及时治疗,则可明显改善患者的生存质量,有效延长患者的生存时间。目前,磁共振成像（MRI）是显示脑肿瘤的最佳方式,但通过放射科医生对海量MRI图像进行判读发现早期脑肿瘤是非常困难的,而以图像处理与分析为基础的计算机辅助诊断（CAD）技术则是解决这一难题的有效途径。结论：本文对近年来基于MRI的脑肿瘤计算机辅助诊断技术的报道进行分析和深入研究,论述了脑肿瘤CAD的研究进展情况、存在的问题及可能的解决方案。     

脑肿瘤干细胞的研究现状

背景：在脑肿瘤中存在一种具有自我更新、无限增殖与多向分化能力的细胞,即脑肿瘤干细胞。脑肿瘤干细胞被认为是脑肿瘤发生、发展、转移与复发的根源。 目的：总结和探讨脑肿瘤干细胞的研究现状。 方法：以“脑肿瘤、脑肿瘤干细胞”为检索词,应该计算机检索Pubmed 数据库1977-01/2011-07的相关文章,并查阅与干细胞及脑肿瘤干细胞实验有关的书籍,对资料进行初审,选取符合要求的有关文章共32 篇。 结果与结论：在恶性脑肿瘤中存在脑肿瘤干细胞。脑肿瘤干细胞是恶性脑肿瘤发生、发展、转移及复发的根源,其表达特异性的CD133、Nestin蛋白和ABC转运体。目前已经获得了分离脑肿瘤干细胞的简便方法。CD133阳性的肿瘤干细胞所占的比例与脑肿瘤的恶性程度呈正相关,可作为预后诊断指标之一。      

CT脑肿瘤灌注特征参数定量分析与研究

目的：在研究CT脑肿瘤灌注成像过程中,肿瘤相关特征参数的定量分析为临床诊断提供重要依据。方法：介绍了CT脑灌注的相关参数,包括脑血流量（CBF）、脑血容量（CBV）、平均通过时间（MTT）和表面通透性等（PS）,根据CT扫描所获得的一系列时间影像序列,利用VisualC＋＋编程实现了脑肿瘤区域的时间密度曲线的显示,在基于去卷积方法基础之上,提出改进的算法,结合CT灌注图像上肿瘤区域的长度,角度,面积等参数的测量方法,计算出更精确地血流动力学参数。结论：脑肿瘤CT灌注图像相关特征参数的定量分析可用于脑瘤的及时诊断和治疗。     

基于层次聚类的多模态磁共振脑肿瘤图像的自动分割方法

多模态磁共振脑肿瘤图像分割是医学图像应用的基础,在病理分析与手术引导等领域具有广泛的应用价值,为提升分割效率及精度,研究基于层次聚类的多模态磁共振脑肿瘤图像自动分割方法.利用Tamura的特征提取方法,以粗糙度与对比度为特征提取的定量分析指标,提取多模态磁共振脑肿瘤图像的纹理特征构建数据集;通过融合稀疏代表点的亲和传播...     

图论在脑肿瘤分割及提取中的应用研究

目的 基于Matlab和VC++混合编程,实现了图论在脑肿瘤分割及提取中的应用,为之后脑肿瘤三维重建提供准确的分割结果.方法 在Matlab和VC++开发平台下,首先读取含脑肿瘤的MRI图像,经过一定的预处理后,调用C++编写的图论分割函数,实现MRI图像的全局分割,然后通过肿瘤区域的颜色信息进行区域二值化和轮廓提取等后处理,很好地完成了脑肿瘤的分割提取.结果 通过与专家手动分割的脑肿瘤区域进行比较以及对算法各模块运行时间的监测,显示脑肿瘤分割准确度高,且算法运行稳定.结论 基于图论的分割算法能够反映图像全局特性,且运行稳定,是一种值得推广的脑肿瘤分割方法.     

急性脑梗塞早期分型的计算机辅助诊断研究

急性脑梗塞的早期分型在临床上对于诊断和治疗具有重要的意义，本文以OCSP分型法为依据，建立了基于模糊理论的急性脑梗塞早期分型的计算机辅助诊断系统，并对此进行了临床回顾性验证，证明本系统基本达到设计要求。     

磁共振颅脑图像快速模糊聚类分割算法的研究

尽管模糊C-均值（简称FCM）聚类算法已广泛应用于图像分割研究,但是,由于模糊C-均值聚类算法所固有的一些缺点,特别是运算开销太大造成了该算法在实际应用中难以推广使用。根据模糊C-均值聚类算法和磁共振颅脑图象的特点,我们提出了一种分割磁共振颅脑图象的快速模糊C-均值（简称FFCM）聚类算法,该算法利用K-均值聚类结果指导模糊聚类的初始化,使模糊聚类的迭代次数明显减少。从而极大地提高模糊聚类的速度,实际应用表明,FFCM的分割速度比FCM快6.5倍以上,而分割精度与FCM相比无显著性差异。     

Wet SEM: A Novel Method for Rapid Diagnosis of Brain Tumors

The authors present the application of wet SEM for histopathological assessment, a technology for imaging fully hydrated samples at atmospheric pressure in a scanning electron microscope (SEM). Both transmission and scanning electron microscopy techniques usually require long and complex sample preparation of the tissues. In marked contrast, a rapid preparation of tissues is described for evaluation by SEM imaging. The wet SEM technology successfully demonstrated both histological and ultrastructural features of several CNS tumors: Rosette formation and intracytoplasmic lumens were observed in ependymoma; numerous fibrillary processes in fibrillary astrocytoma; and focal rosette formation with no intracytoplasmic lumens in medulloblastoma. Application of this method simultaneously with frozen section may improve rapid intraoperative diagnosis of these intracranial tumors.     

基于MR图像的脑转移瘤计算机辅助检测

根据脑转移瘤在早期诊断过程中存在的问题,提出基于3D模板匹配的脑转移瘤计算机辅助检测方法.首先,建立合适的脑转移瘤模板;然后,在MR序列图像数据中寻找与模板相似的区域,相似度较高的区域很可能就是脑转移瘤.选取脑转移瘤为8 mm以下的12个病例(共有27个脑转移瘤)对本方法进行测试,其总体检测正确率达到81.5%,假阳性率为每层图像0.037 8个.实验结果表明,所提出的方法能为脑转移瘤的早期诊断奠定良好的基础.     

Gene Therapy for Brain Tumors

Gene therapy has opened new doors for treatment of neoplastic diseases. This new approach seems very attractive, especially for glioblastomas, since treatment of these brain tumors has failed using conventional therapy regimens. Many different modes of gene therapy for brain tumors have been tested in culture and in vivo. Many of these approaches are based on previously established anti-neoplastic principles, like prodrug activating enzymes, inhibition of tumor neovascularization, and enhancement of the normally weak anti-tumor immune response. Delivery of genes to tumor cells has been mediated by a number of viral and synthetic vectors. The most widely used paradigm is based on the activation of ganciclovir to a cytotoxic compound by a viral enzyme, thymidine kinase, which is expressed by tumor cells, after the gene has been introduced by a retroviral vector. This paradigm has proven to be a potent therapy with minimal side effects in several rodent brain tumor models, and has proceeded to phase 1 clinical trials. In this review, current gene therapy strategies and vector systems for treatment of brain tumors will be described and discussed in light of further developments needed to make this new treatment modality clinically efficacious.     

Semi-automatic Segmentation of Brain Tumors Using Population and Individual Information

Efficient segmentation of tumors in medical images is of great practical importance in early diagnosis and radiation plan. This paper proposes a novel semi-automatic segmentation method based on population and individual statistical information to segment brain tumors in magnetic resonance (MR) images. First, high-dimensional image features are extracted. Neighborhood components analysis is proposed to learn two optimal distance metrics, which contain population and patient-specific information, respectively. The probability of each pixel belonging to the foreground (tumor) and the background is estimated by the k-nearest neighborhood classifier under the learned optimal distance metrics. A cost function for segmentation is constructed through these probabilities and is optimized using graph cuts. Finally, some morphological operations are performed to improve the achieved segmentation results. Our dataset consists of 137 brain MR images, including 68 for training and 69 for testing. The proposed method overcomes segmentation difficulties caused by the uneven gray level distribution of the tumors and even can get satisfactory results if the tumors have fuzzy edges. Experimental results demonstrate that the proposed method is robust to brain tumor segmentation.     

瘤周区多体素磁共振波谱在脑肿瘤鉴别诊断中的应用

目的评价脑肿瘤周围区域多体素氢质子磁共振波谱(1H-MRS)在脑肿瘤诊断及鉴别诊断中的应用价值。方法搜集行常规MRI及多体素1H-MRS检查的脑肿瘤病变患者38例,包括胶质瘤15例、转移瘤9例、脑膜瘤14例(均为良性)。再根据WHO2000年分类标准,将脑胶质瘤分为低级别组(Ⅰ～Ⅱ级)8例,高级别组(Ⅲ～Ⅳ级)7例。所有患者检查前均未接受过化疗或放疗,没有脑外伤或/和脑手术史。常规扫描后增强前采用定点分辨磁共振波谱序列(PRESS)扫描,根据病灶的特征选定感兴趣区(ROI),ROI的大小既要包括肿瘤实质区、肿瘤周围区,也要尽可能涵盖对侧正常脑组织,又要避开骨骼、脑室、血管、坏死、囊变、出血、气体及钙化等区域。后处理应用MR机附带的波谱分析软件自动完成。计算脑胶质瘤、转移瘤及脑膜瘤实质区、周围区及对侧正常脑组织区代谢产物比值的平均值,进行组内、组间比较。P<0.05有统计学意义。结果多体素1H-MRS显示不同脑肿瘤的肿瘤实质区NAA/Cr、Cho/Cr和NAA/Cho平均值与对侧正常脑组织区比较有显著性差异(P<0.05);脑胶质瘤周围区与脑膜瘤、转移瘤的周围区以及高、低级别胶质瘤肿瘤周围区域多组代谢物比值具统计学差异(P<0.05)),高级别与低级别脑胶质瘤肿瘤周围区Glx/Cr的比值有显著性差异(P<0.05)。结论多体素1H-MRS技术可无创观察脑肿瘤患者脑代谢改变,有助于脑肿瘤的诊断、鉴别诊断、预测侵袭性病变的浸润范围以及脑胶质瘤的分级诊断等。     

Characterization of Malignant Brain Tumor Using Elastic Light Scattering Spectroscopy

We report a pilot study designed to test elastic light-scattering (ELS) spectroscopy for characterizing normal, tumor, and tumor-infiltrated brain tissues. ELS spectra were measured from 393 sites on 36 ex vivo tissue specimen obtained from 29 patients. We employed and compared the performances of three methods of spectral classification for tissue characterization, including spectral slope analysis, principle component analysis (PCA), and artificial neural network (ANN) classification. The ANN classifier yielded the best correlation between spectral pattern and histopathological diagnosis, with a typical sensitivity of 80% and specificity of 93% for differentiating tumor from normal brain tissues. We also demonstrate that all three classification methods discriminate between tumor and normal tissue and have the potential to identify and quantitatively characterize tumor-infiltrated brain tissues.     

脑功能MR成像的信号机理

目的回顾了脑功能磁共振成像中功能信号产生的机理.方法对大脑皮层功能活跃可引起的功能区代谢变化和血液动力学改变,以及这些改变对MR信号的影响进行了总结.结果脑功能磁共振信号的产生主要与功能区血氧含量的改变、动脉血供增加引起的流入效应等因素有关,主要表现为功能区信号增高.结论通过功能活动可以使皮层功能区的MR信号出现改变,通过选择适当的脉冲序列和扫描方法可以检出功能信号改变.     

点分布模型约束的主动轮廓及其在脑MR图像分割中的应用

针对脑部MR图像结构复杂，使用传统的主动轮廓进行分割时，对初始化位置敏感，且易受非目标轮廓干扰，陷入局部极值等问题，提出了利用点分布模型进行形状约束的梯度矢量流主动轮廓模型。该方法在训练样本集的基础上，建立反映待分割目标轮廓先验形状信息的点分布模型，以模型的均值作为参考初始化主动轮廓，并使用模型提供的参数限制主动轮廓运动过程中的形变范围，有效地解决了使用传统主动轮廓对复杂图像往往不能收敛到期望形状的问题。此方法成功运用于脑MR图像中胼胝体和大脑灰质的分割，取得了满意的效果，验证了此方法的有效性和鲁棒性。