基于生成对抗网络的肝脏CT图像分割

目的 从腹部计算机断层扫描(computed tomography,CT)图像中分割出肝脏区域,对于肝脏疾病早期诊断、肝脏大小估计以及3D重建十分重要,精准快速地分割出肝脏边缘成为研究要点.方法 采用公开发表的肝脏肿瘤数据集为研究对象,融合生成对抗网络和Unet网络对CT图像实现肝脏的自动分割.首先将腹部CT图像输入到Unet网络进行分割预测,然后通过生成对抗网络(generative adversarial networks,GAN)进行对抗训练,使得预测结果更加接近于真实结果,同时在进行对抗训练的过程中探索了不同的距离约束函数对于分割结果的影响;预测的分割结果通过Dice分数(dice similarity coefficient,Dice)、IoU分数(intersection over union,IoU)、像素精确度(pixel accuracy,PA)、相对体积误差(relative volume difference,RVD)以及相对表面积误差(relative surface area error,RSSD)在CT-核磁健康腹部器官分割挑战数据集[combined(CT-MR)healthy abdominal organ segmentation challenge data,CHAOS]数据集上进行评价.结果 L2距离约束的Gan-Unet网络可以很好地对肝脏进行分割,其Dice、IoU和PA分别达到了94.9％、91.3％、99.4％,相比于Unet的Dice、IoU和PA为92.3％、86.7％、95.8％有明确的提升.在三维指标中,本文的方法在RVD、RSSD为0.026、0.079,相比于Unet的0.042、0.191有明显下降.结论 通过对Unet网络进行生产对抗训练以及在训练过程中引入距离约束函数可以提高肝脏分割的性能,肝脏分割结果可以应用于计算机辅助诊断系统中.     

不同基质刚度三维丝素支架制备及其性能研究

目的 使不同浓度丝素蛋白(silk fibroin, SF)与胶原蛋白(collagen, COL)发生氢键结合,通过联合凝胶体系,制备出一种刚度可调的复合支架,并对其理化性质进行表征。方法 分别将不同质量SF加入海藻酸钠溶液中溶解,然后分别加入不同浓度COL溶液和一定质量碳酸钙(CaCO₃)粉末。取出混合溶液,加入一定质量葡萄糖酸内酯(gluconic acid lactone, GDL)粉末,成形后得到SC1、SC2、SC3组水凝胶,冷冻干燥后得到不同SF支架。结果 成功制备刚度可调的SF支架,SC1、SC2、SC3组压缩模量分别为(17.31±2.73)、(24.12±1.81)、(32.54±1.81) kPa。观察其内部结构,发现SC1～SC3组材料孔隙越来越小,数量越来越少,材料亲水性能越来越好。结论 通过改变SF与COL溶液浓度可以制备具有不同基质刚度三维多孔支架,且SF和COL的浓度与SF支架材料的压缩模量、吸水率、保水率、溶胀率成正比,与孔隙率成反比。研究结果有望为构建可用于诱导间充质干细胞成骨分化的适宜基质刚度骨支架提供理论指导。