超声图像血管分割的研究进展

主要阐述超声图像血管分割算法及其评价指标。基于特征提取的经典图像处理算法不能摆脱对人工的依赖,削弱了分割算法的泛化能力;但对于缺乏大样本超声血管图像的研究场景下,充分利用传统且成熟的技术方法却是一种可行的研究办法。基于机器学习的算法提高了分割算法的泛化能力,改善了传统方法的短板;但深度学习技术对数据的依赖性强、可解释性差,其算法的有效性、稳定性还需深入研究。血管分割评价算法的研究极其重要,研究适合超声图像血管分割的客观评价方法也是重要课题之一。总之,传统方法仍然是解决超声图像血管分割的有效方法,传统方法与深度学习技术的紧密结合是未来的发展趋势。     

基于超声的脉诊技术研究进展

脉诊是中医特色诊断方法之一,需在中医理论指导下,凭借长期的切脉经验感知脉象信息,从而识别病症、分析病情。由于脉象复杂难辨,传统脉诊方法带有医者主观经验,缺乏客观量化标准,导致传承和发展受到限制。人体脉象与心脏搏动、动脉弹性等密切相关,随着超声技术在血流动力学方面的不断发展,超声辅助脉象定量分析成为当前研究热点。本文从脉象形成机制、各类超声及人工智能等技术方面对脉诊客观化的研究进展进行综述,可为脉诊传承提供借鉴。     

基于边缘监督的肝部超声图像包膜分割网络

肝纤维化、肝硬化的早期发现对临床治疗和预后评估具有重要意义。而肝包膜的形态和纹理特征是计算机辅助肝硬化诊断的重要依据。本文提出一种基于边缘监督的肝部超声图像包膜分割网络。该网络以常用的分割模型UNet为基础，引入空洞卷积，扩大感受野；同时，添加了边缘监督模块，从而将特征学习主要聚焦在图像梯度较大的部分；此外，还设计了混合加权损失函数，来缓解肝包膜部分与其他区域之间的极度不平衡情况。实验结果表明，本文提出的ES-UNet网络结构平均Dice系数相比原始UNet提高了0.171 5，平均交并比（MIoU）提高了0.021 5，其他指标也有较明显的提高，可见，本文算法的各个组件对模型分割性能的优化都有一定的贡献，改进后的模型可以实现肝包膜的精确分割。