基于深度卷积神经网络的肾透明细胞癌细胞核分割

肾透明细胞癌病理图像中细胞核的形态和位置信息对肾癌的良恶性分级诊断具有重要意义,为提高肾透明细胞癌细胞核分割的质量,本研究提出了基于深度卷积神经网络的细胞核分割方法。首先,根据标定的病理图像中细胞核轮廓,构建细胞核分割样本集;然后,深度卷积神经网络通过隐式特征学习对细胞核分割模型进行训练,避免人为设计特征;最后,利用细胞核分割模型对病理图像进行逐像素分割。实验结果表明,深度卷积神经网络的细胞核分割算法在肾透明细胞癌细胞核分割的像素准确率高达90.33%,细胞核分割性能稳定,深度卷积神经网络强大的鲁棒性和适应性使得肾透明细胞癌细胞核自动分割具有可能。     

基于联合深度网络和形态结构约束的三维医学图像分割方法

医学图像自动分割具有广泛和重要临床应用价值,特别是病灶、脏器的自动分割。基于传统图像处理方法的医学图像分割仅能利用浅层结构模型的浅层特征来识别感兴趣区域,并且需要大量人工干预。而基于机器学习的分割方法在模型建模时存在局限性且缺乏可解释性。本研究提出一种基于Transformer和卷积神经网络结合形态结构约束的三维医学图像分割方法。编码器中利用卷积神经网络和Transformer构建U型网络结构提取多重特征;解码器中采用上采样并通过跳跃连接将不同层次的特征拼接在一起;加入形态结构约束模块,通过提取病灶和脏器等分割目标的形状信息,以增强模型可解释性,并采用最大池化和平均池化操作,对经过卷积神经网络得到的结果进一步提取有代表性的特征,作为形态结构模块的输入,最终提高分割结果的准确性。在公开数据集Synapse和ACDC上利用评价指标Dice相似系数(DSC)和Hausdorff距离(HD)验证所提出算法的有效性。其中,在Synapse数据集上,18例数据作为训练集,12例数据作为测试集;在ACDC数据集上,70例数据作为训练集,10例数据作为验证集,20例数据作为测试集。实验结果表明,在Sy...     

基于深度学习的多模态医学图像融合方法研究进展

医学图像融合方法可以将有用的信息整合到一张图上，提高单张图像的信息量。对多模态医学图像进行融合时，如何对图像进行有效的变换，提取到不同图像中独有的特征，并施以适当的融合规则是医学图像融合领域研究的重点。近年随着深度学习的快速发展，深度学习被广泛应用于医学图像领域，代替传统方法中的一些人工操作，并在图像表示、图像特征提取以及融合规则的选择方面显示出独特优势。本文针对基于深度学习的医学图像融合进展予以探讨，介绍了卷积神经网络、卷积稀疏表示、深度自编码和深度信念网络这些常用于医学图像融合的框架，对一些应用于融合过程不同步骤的深度学习方法进行分析和总结，最后，分析了当前基于深度学习的融合方法的不足并展望了未来的研究方向。     

医学图像语义概念识别方法研究

医学图像语义概念识别是医学图像知识表示的重要技术环节。研究医学图像语义概念识别方法,有助于机器理解和学习医学图像中的潜在医学知识,在影像辅助诊断和智能读片等应用中发挥重要作用。将医学图像的高频概念识别问题转化为多标签分类任务,利用基于卷积神经网络的深度迁移学习方法,识别有限数量的高频医学概念;同时利用基于图像检索的主题建模方法,从给定医学图像的相似图像中提取语义相关概念。国际跨语言图像检索论坛ImageCLEF于2018年5月组织ImageCLEFcaption 2018评测,其子任务“概念检测”的目标是给定222 314张训练图片和9 938张测试图片,识别111 156个语义概念。上述两种方法的实验结果已被提交。实验结果表明,利用基于卷积神经网络的深度迁移学习方法识别医学图像高频概念,F1值为0.092 8,在提交团队中排名第二;基于图像检索的主题模型可召回部分低频相关概念,F1值为0.090 7,然而其性能依赖于图像检索结果的质量。基于卷积神经网络的深度迁移学习方法识别医学图像高频概念的鲁棒性优于基于图像检索方法的鲁棒性,但在大规模开放语义概念的识别技术研究上仍需进一步完善。     

基于滑动块的深度卷积神经网络乳腺X线摄影图像肿块分割算法

目的:提出一种基于滑动块的深度卷积神经网络局部分类、整图乳腺肿块分割的算法,为临床诊断提供有效的肿块形态特征。方法:首先通过区域生长算法和膨胀算法提取患者乳腺区域,并进行数据归一化操作。为了得到每一个像素位置上的诊断信息,在图像的对应位置中滑动提取肿块类及非肿块类图像块,根据卷积神经网络提取其中的纹理信息并对图像块进行分类。通过整合图像块的预测分类结果,进行由粗到细的肿块分割,获得乳腺整图中像素级别的肿块分割。结果:通过比较先进的深度卷积神经网络模型,本文算法滑动块分类结果DenseNet模型下准确率达到96.71%,乳腺X线摄影图像全图肿块分割结果F1-score最优为83.49%。结论:本算法可以分割出乳腺X线摄影图像中的肿块,为后续的乳腺病灶诊断提供可靠的基础。     

一种提高直肠癌诊断精度的基于U型网络和残差块的电子计算机断层扫描图像分割算法EI北大核心CSCD

作为确定病灶与诊断的重要基础,医学图像分割已成为生物医学领域中极其重要的热门研究领域之一,其中基于全卷积神经网络和U型网络(U-net)等神经网络的医学图像分割算法得到越来越多研究人员的重视。目前,医学图像分割算法应用于直肠癌诊断的研究报道较少,且已有的研究对直肠癌的分割结果精度不高。本文提出了一种结合图像裁剪和预处理方法的编码—解码卷积网络模型。该模型在U型网络的基础上,借鉴残差网络思想,用残差块代替传统的卷积块,有效避免了梯度消失的问题。此外,本文还采用了图像增广的方法提高了所提模型的泛化能力,并在"泰迪杯"数据挖掘挑战赛所提供的数据集进行测试。测试结果表明,本文提出的基于残差块的改进U型网络模型结合图像裁剪预处理,可以大大提高直肠癌的分割精度,得到的戴斯系数在验证集上达到0.97。     

深度学习在肝脏肿瘤CT图像分割中的应用

肝脏肿瘤严重危害着全人类的生命健康。近年来，随着深度学习的快速发展，涌现了许多使用腹部计算机断层扫描（computed tomography,CT）图像进行肝脏肿瘤分割的深度学习方法，这些方法的应用对于临床上实现肝脏肿瘤的计算机辅助诊断具有十分重要的意义。为此，本文对深度学习方法在肝脏肿瘤CT图像分割中的应用进行了归纳，将各种卷积神经网络（convolutional neural networks,CNN）分为二维（two-dimensional,2D）、三维（three-dimensional,3D）和2.5维（2.5-dimensional,2.5D）卷积神经网络。此外，本文总结了各类网络的优缺点以及改进方法，为深度学习在肝脏肿瘤分割中的应用提供了有益参考。     

卷积神经网络在医学图像分割中的研究进展

卷积神经网络（CNN）是目前计算机视觉和模式识别中效果最为突出的算法。CNN拥有强大的空间识别能力,可以从图像中提取高阶的空间特征,同时通过共用卷积核的方式大幅减少参数量,从而在提升网络性能的同时保持总参数量在一个合理的、可运算的范畴。部分采用无监督学习的CNN算法可以在没有先验知识的条件下实现一定程度的图像语义分割,大幅减少人工读图的负担。本研究就CNN在医学图像分割中的研究进展和使用CNN时的具体技巧及其效果进行综述。以使用CNN为核心的深度学习工具解决医学图像分割的课题为中心,展示了CNN在有监督学习、半监督学习及无监督学习中的巨大潜力,分析比较了现有方案的优点与不足,探讨了未来CNN在医学图像领域的前进方向。     

深度学习在医学图像配准上的研究进展与挑战

随着影像引导手术和放射治疗的发展,临床对医学图像配准研究的需求更强烈,带来的挑战也更大。最近几年,深度学习,特别是深度卷积神经网络,在医学图像处理方面取得了优异的成绩,在医学图像配准上的研究发展迅速。本文按技术方法分类总结了基于深度学习的医学图像配准的国内外研究进展,包括了基于优化策略的相似性估计、直接估计医学图像配准的变换参数等。然后分析了深度学习方法在医学图像配准上的挑战,并提出了可能的解决办法和研究方向。     

深度卷积神经网络在放射治疗计划图像分割中的应用

目的:结合全卷积神经网络(Fully Convolutional Network,FCN)和多孔卷积(Atrous Convolution,AC)的深度学习方法,实现放射治疗计划图像的组织器官自动勾画。方法:选取122套已经由放疗医师勾画好正常器官结构轮廓的胸部患者CT图像,以其中71套图像(8 532张轴向切层图像)作为训练集,31套图像(5 559张轴向切层图像)作为验证集,20套图像(3 589张轴向切层图像)作为测试集。选取5种公开的FCN网络模型,并结合FCN和AC算法形成3种改进的深度卷积神经网络,即带孔全卷积神经网络(Dilation Fully Convolutional Network,D-FCN)。分别以训练集图像对上述8种网络进行调优训练,使用验证集图像在训练过程中对8种神经网络进行器官自动识别勾画验证,以获取各网络的最佳分割模型,最后使用测试集图像对充分训练后获取的最佳分割模型进行勾画测试,比较自动勾画与医师勾画的相似度系数(Dice)评价各模型的图像分割能力。结果:使用训练图像集进行充分调优训练后,实验的各个神经网络均表现出较好的自动图像分割能力,其中改进的D-FCN 4s网络模型在测试实验中具有最佳的自动分割效果,其全局Dice为94.38%,左肺、右肺、心包、气管和食道等单个结构自动勾画的Dice分别为96.49%、96.75%、86.27%、61.51%和65.63%。结论:提出了一种改进型全卷积神经网络D-FCN,实验测试表明该网络模型可以有效地提高胸部放疗计划图像的自动分割精度,并可同时进行多目标的自动分割。     

叶轮式连续型血泵血栓评价方法及关键因素分析

血栓的产生会影响血泵运转,同时也可能给患者带来栓塞或卒中等不良并发症。新一代叶轮式连续型血泵体积小、各部件之间间隙小,这些特点使其更易形成血栓,从而导致设备故障。因此血栓评价对考察叶轮式连续型血泵的安全性和有效性具有重要意义。本文从血泵运转中血栓形成的过程及血栓的种类入手,首先对比了研发过程中血栓评价的3种方法,即数值模拟、体外试验、体内试验,分析发现体内试验评价血栓更具有说服力。然后从血泵设计、材料选择及加工、抗凝三大主要因素分析对血栓形成的影响。血泵设计决定血液流场分布,材料选择及加工影响其抗凝血程度,抗凝不足或过度也将产生不良影响。最后对叶轮式连续型血泵血栓评价方法进行了总结和展望。     

扩张-伸缩式机器人在肠道中的力学特性研究

目的肠道机器人内镜是新一代肠道疾病诊疗设备,为了提高这类设备在肠道内自主运动的效率,本文研究了机器人运动机构与肠道之间的相互作用力对设备自主运动的影响。方法针对扩张-伸缩式机器人的运动原理提出了两个模型,分别是扩张机构与肠道之间的力学模型、机器人机身与肠道之间的力学模型,并在猪体外肠道环境下开展了实验验证。结果机器人机身与肠道之间的阻力在0. 1～0. 4 N之间;扩张机构与肠道之间的阻力在0. 1～1. 8 N之间,且与扩张直径成正比。扩张机构的扩张直径大于肠道直径超过10 mm后,扩张机构受到的肠道阻力将明显大于0. 1～0. 4 N,有利于有效驻留的产生。结论这种利用腿式结构在肠道内产生力学差使机器人实现在肠道内自主运动的方式,以及腿式结构与肠道之间的力学可以为能对胃肠道机器人的设计提供参考。     

高三酰甘油血症对BGGI孕妇妊娠结局和并发症的影响

目的评价高三酰甘油(TG)血症对交界性糖耐量受损(BGGI)孕妇妊娠结局和并发症,以及对孕妇产后恢复和新生儿生长的影响。方法216例合并高TG血症的BGGI孕妇作为高TG组,184例TG正常的孕妇作为对照组。比较两组孕妇妊娠结局和新生儿结局,比较产后6周时的FPG、2hPG、HbA1c、TC、低LDL和HDL水平,比较产后6周时的孕妇体重增加、糖尿病发生率和新生儿体重。结果与对照组比较,高TG组的孕妇体重增加和新生儿体重明显偏高,APGAR评分明显偏低,产后出血、剖宫产、GDM和巨大儿发生率上升,差异均具有统计学意义(P<0.05)。产后6周时高TG组的FPG、2hPG、HbA1c、TC和LDL明显高于对照组,差异具有统计学意义(P<0.05)。产后6周时高TG组糖脂代谢异常率、糖尿病发生率、孕妇及新生儿体重均显著高于对照组,差异具有统计学意义(P<0.05)。Pearson相关分析显示产后6周时孕妇体重增加、糖尿病和新生儿体重与FPG、2hPG、HbA1c、TC和LDL呈正相关关系(P<0.05)。结论合并高TG血症的BGGI孕妇不良母婴结局的发生率相对偏高,并且产后糖、脂恢复较慢;糖、脂水平与产后孕妇恢复和新生儿生长发育具有一定的相关性。     

往复式电磁铁驱动搏动式血泵的可行性研究

目的为了得到更适合血液循环的动力装置,提出一种用于体外膜肺氧合(extracorporeal membrane oxygenation,ECMO)系统由电磁铁驱动的搏动式血泵,并研究其可行性。方法首先利用电磁原理设计出电磁驱动机构,主要部件包括对称的两个电磁铁和压簧,两个电磁铁交替通电下使得动铁芯往复运动;利用容积控制原理,泵腔在动铁芯的驱动下收缩舒张;然后根据上述原理设计出血泵模型,包括电磁驱动部件和泵腔;最后建立包括血泵、电路控制部分、示波器、加速度传感器、输入输出管路和储液池的试验台,对血泵模型进行驱动力和流量输出测试。结果血泵模型在通电电压7～12 V时动铁芯的初始驱动力为2. 97～8. 00 N。血泵模型产生的初始驱动力与工作电压呈正相关非线性关系,当通入电压12 V时血泵模型初始驱动力满足要求。当前压与后压为0、频率80次/min、工作电压7～12 V时的流量输出为0. 97～3. 81 L/min。当前压与后压为0,工作电压12 V、频率60～90次/min时的流量输出为3. 1～3. 8 L/min。当工作电压12 V、频率80次/min、前压0～40 cm H2O和后压50～110 cm H2O时的流量输出为0. 55～3. 59 L/min。血泵流量与工作电压和频率呈正相关,与后压呈负相关,与前压无显著性相关。结论往复式电磁铁驱动搏动式血泵基本满足ECMO临床要求,具有广泛的应用前景,对体外循环血泵的发展具有重要意义,但仍需进一步研究和改进。     

基于规则和机器学习的中文电子病历患者隐私保护算法

目的针对医疗数据发布和共享中患者隐私泄露风险以及人工去标识效率低的问题,本文提出了一种基于规则和机器学习结合的算法,以有效去除电子病历中的患者隐私信息。方法根据美国健康可携行与责任性法案和中文电子病历的表达习惯,将隐私数据分为数字、日期及命名实体三大类,利用正则表达式识别数字以及日期隐私数据,引入隐马尔科夫模型识别命名实体。最后使用上海市第六人民医院的出院小结作为测试数据,利用留出法测试了隐私数据识别的召回率和精确率。结果该模型总体得到了超过90%的召回率,其中数字和日期类型的隐私数据召回率都超过96%,中文人名的识别效果也超过了单人识别的效果。结论规则和机器学习结合的模型有效地识别了患者的隐私数据,有助于医疗数据的共享。     

基于伺服电机的上肢康复机器人力矩 交互控制系统

目的为了实现上肢康复机器人主动训练中力矩控制的精确性,设计一种基于伺服电机的上肢康复机器人力矩交互控制系统。方法首先利用三自由度中央驱动式上肢康复机器人实验平台建立由运动意图采集模块和伺服力矩控制模块组成的力矩交互系统;再通过建立上肢动力学模型提出上肢助力训练算法;最后通过力矩响应实验、运动意图检测实验。结果依据在一定电流输入范围内,输出力矩能够保持稳定,验证了基于直流伺服电机实现助力训练方法的可行性。采用伺服力矩控制模块在目标力矩设定后,输出力矩在1 ms时间内能够达到设定的目标值并能够保持稳定,目标力矩响应的实时性良好,由此可以得出力矩交互控制方法达到了人机力矩交互稳定的结果。结论采用上肢康复机器人力矩交互控制方法可以在主动训练中实现较为精确的力矩控制。     

系统性硬皮病患者血小板参数分析

目的观察系统性硬皮病(systemic scleroderma,SSc)患者的血小板分布宽度(platelet distribution width,PDW)、血小板计数(platelet count,PLT)、血小板平均体积(mean platelet volume,MPV)、血小板比率(platelet ratio,P-LCR)的水平,探讨PLT、PDW、MPV、P-LCR与SSc的关系。方法用全自动血液分析仪EX2100测定97例确诊的SSc患者的PLT、PDW、MPV、P-LCR参数,同等条件下与正常人作对照,并进行方差分析。结果 SSc患者治疗前PLT明显低于正常对照组(P <0.01),而PDW、MPV和P-LCR均显著高于正常对照组(P <0.01)。SSc患者治疗后的PLT与治疗前差异无统计学意义(P>0.05),而PDW、MPV和P-LCR均较治疗前显著下降(P <0.01)。结论 SSc患者治疗前PLT水平较低,PDW、MPV、P-LCR水平较高。通过SSc患者的血液常规检查有助于SSc发病机制的探讨及为临床诊治后的疗效提供实验室依据。     

多囊卵巢综合征患者血清相关性腺激素结果分析

目的本文主要探讨血清总睾酮(total testosterone,TT)、雄烯二酮(androstendione,AND)以及促黄体生成素(luteinizing hormone,LH)/促卵泡刺激素(follicle stimulating hormone,FSH)比值对多囊卵巢综合征(PCOS)的诊断灵敏度,PCOS患者血清AND与TT、LH、FSH浓度及LH/FSH比值是否具有相关性,以及探究不同年龄段PCOS患者血清各相关生化指标是否有显著差异。方法回顾性地分析了121例PCOS患者血清生化指标,包括 LH、FSH、AND、TT和计算出的 LH/FSH 比值。PCOS 患者经临床表现、体格检查、血清 TT 测定结合卵巢彩超结果确诊,根据年龄以20岁为界将患者分为青春期和成年期两组。结果经统计,PCOS 患者血清 TT 阳性率为59%,AND 阳性率为62%,有33%的患者LH/FSH比值大于2。TT联合AND检测可以提高PCOS的诊断灵敏度至74%。TT 与 AND 经Pearson 相关性分析, P =0.006(<0.05 ),有线性相关关系,且为正相关,LH、FSH 和 LH/FSH 比值与 TT、AND 均无线性相关关系。经 t 检验分析,在青春期与成年期两组 PCOS 患者间,青春期组患者的血清 TT 水平与成年期组相比,青春期组明显高于成年期组,差异有统计学意义, P =0.002(<0.05)。两组的AND、LH、FSH 水平和 LH/FSH 比值差异均无统计学意义。结论本研究表明血清TT 联合AND 检测可以提高PCOS 患者的诊断灵敏度,PCOS 患者血清AND浓度与TT 呈线性正相关,与LH、FSH浓度及LH/FSH比值均不具有线性相关关系。青春期患者血清TT明显高于成年期组,AND、LH、FSH浓度及LH/FSH比值差异无统计学意义。     

帕金森病冻结步态的实时监测系统

目的由于帕金森病冻结步态的突发性,临床上对其进行评估存在一定困难,为此本文研究了一种用于实时监测冻结步态的系统。方法该系统由可穿戴设备和配套的APP两部分构成,其中设备通过惯性传感器和超声波传感器采集患者腿部运动的加速度和抬脚高度数据,并传输至APP软件中,通过软件中的冻结步态识别模型进行分析。系统为构建冻结步态识别模型,首先通过实验采集12位患者的运动数据,然后经过信号预处理、特征提取和机器学习算法训练出模型,最后通过对数据集采用十折交叉验证来评估模型的准确度和精确度。结果系统对冻结步态的识别准确率可达98.6%,精确率达97.2%。结论该系统能够实时监测帕金森病患者日常生活中的冻结步态发作情况,为医生的诊疗提供定量、可靠的参考依据。     

医院内外双网通环境下的文档云系统

目的针对医院内外网间文档安全传输、共享和保密等问题,本文提出一种云端模块化、可扩展的解决方案。方法在防火墙后面建立一个文档云服务器,利用Node.js和Mongodb等技术,通过自动分析电脑的位置属性、文档属性、标签属性等,对文档应用杀毒、审计、归属分组、销毁、全局备份等策略。结果版本1.0在基于外网的行政部门和基于内网的临床部门间进行了试运行,效果良好。版本1.0界面较简洁,用户操作也很简单。由于取代了USB和共享方式,切断了蠕虫、病毒传播的途径;智能文档模式让用户日常文档操作更简单、效率更高。结论该系统较好地满足了医院对文档管理的技术、管理、效率等层面的要求,实用价值较高。