目的:探讨利用更快的区域卷积神经网络算法（Faster R-CNN）分析直肠癌磁共振（MRI）平扫图像以评估环周切缘（CRM）状态的可行性。方法:病例纳入标准：（1）CRM阳性区域位于提肛肌肛管平面至腹膜反折之间，电子结肠镜及组织病理学检查证实为直肠恶性肿瘤；（2）术后病理或术前高分辨MRI检查证实有CRM阳性。排除标准：新辅助治疗后、手术后复发、图像质量差伪影、肿瘤巨大及广泛坏死等组织变性以及既往盆腔手术史直肠临近组织结构改变的病例。根据以上标准，收集青岛大学附属医院2016年7月至2019年6月期间，350例CRM阳性直肠癌患者的MR平扫图像。将患者按照性别和肿瘤部位分类，应用计算机随机数字法以6∶1比例随机分配为训练组（300例）和测试组（50例）。利用LabelImg软件在T2加权成像（T2WI）图像上对CRM阳性区域进行标识。应用标识的训练组图像对Faster R-CNN模型进行迭代训练、优化参数，直到网络收敛获得最佳的深度学习模型。利用测试集数据评估人工智能平台的识别性能，选取指标包括准确度、敏感性、阳性预测值、受试者工作特征曲线和曲线下面积（AUC），以及识别单张图像所花费的时间。结果:训练后的Faster R-CNN模型判定CRM状态的准确度、敏感性、特异性、阳性预测值和阴性预测值分别为0.884、0.857、0.898、0.807和0.926；AUC为0.934（95%CI：91.3%~95.4%）。Faster R-CNN模型对单张图像的自动识别时间为0.2 s。结论:基于Faster R-CNN建立的对直肠癌CRM阳性MRI图像识别和分割的人工智能模型，可完成对原位肿瘤外侵引起CRM阳性区域的风险评估，具有初步筛选的应用价值。

目的:设计一种联合深度学习剂量预测和参数迭代优化算法的容积调强放射治疗(VMAT)全自动计划方法。方法:选取2018年6月至2021年1月北京大学肿瘤医院既往165例直肠癌患者的VMAT计划开展研究，其中145例用于训练和验证深度学习模型，该模型用于预测危及器官的剂量，20例用于研究比对自动计划和人工计划的质量。该方法从危及器官的预测剂量分布中提取关键的剂量体积直方图(DVH)值作为初始优化参数(IOPs)，利用治疗计划系统可编程接口自动创建VMAT计划，通过设计迭代优化算法自动调节优化参数(OPs)。结果:剂量预测模型训练后能有效预测出20例测试计划危及器官的关键DVH值，与参考值相比差异均无统计学意义( P> 0.05)。20例VMAT自动计划均能满足临床处方剂量要求，对于PTV和PGTV的适形性指数(CI)，人工计划与自动计划比较差异均无统计学意义( P> 0.05)；而PGTV的 D1和均匀性指数(HI)，自动计划均高于人工计划，分别为0.6 Gy和0.01，两者比较差异均有统计学意义( t＝-7.05、-6.92， P<0.05)。自动计划比人工计划的膀胱平均 V30下降2.7%( t＝3.37， P< 0.05)，股骨头和危及器官辅助结构(Avoidance)的平均 V20分别下降8.37%和15.95%( t＝5.65、11.24， P< 0.05)，并且膀胱、股骨头、Avoidance的平均剂量分别降低了1.91、4.01和3.88 Gy( t＝9.29、2.80、10.23， P< 0.05)。测试的20例直肠癌患者病例的自动计划平均时间为(71.82±25.48)min。 结论:本研究利用直肠癌病例验证了一种联合剂量预测和参数迭代优化算法的VMAT自动计划方法的可行性。相比于人工计划，VMAT自动计划无需人工干预，在提高计划设计效率、计划质量和临床资源利用率等方面有很大的应用潜力。

目的:针对调强放疗(IMRT)计划大量耗费人工及计划质量高度依赖物理师临床经验且差异较大等问题，探讨一种可实现无监督调强放疗自动计划的方案。方法:采用Varian Eclipse 15.6治疗计划系统(TPS)自带的脚本应用程序接口(ESAPI)和优化参数树搜索算法(OPTSA)模拟，实现整个计划设计过程。通过ESAPI进行交互，自动输入输出相关参数；利用OPTSA对靶区和危及器官(OAR)的剂量学参数进行评估，并迭代调整优化目标参数来逐步改善，最终获得满足临床需求的IMRT计划。为验证自动计划的有效性，从临床数据库中选取20例既往已完成治疗的直肠癌病例，比较基于OPTSA算法的自动计划和临床人工计划在剂量分布和特定剂量学参数上的差异。结果:所有的自动计划均满足临床要求。90%的自动计划质量超过既往人工计划，10%的自动计划则与人工计划质量基本一致。PTV平均适形指数(CI)在自动计划和人工计划中分别为0.88和0.80。与人工计划相比，自动计划OAR剂量学指标平均降低11%。自动计划和人工计划平均运行时间分别为(28.15±3.61)和(36.7±4.6)min。结论:利用ESAPI所创建的OPTSA自动计划质量不劣于人工计划。在保证计划质量和一致性的情况下，OPTSA自动计划可缩短计划设计中所耗费的人力时间。

目的 探讨深度学习图像重建(DLIR)算法在低剂量腹壁下动脉(DIEA)CT血管成像(CTA)中的应用价值.方法 前瞻性选取行DIEA CTA的患者59例,将患者随机分为A组(29例)、B组(30例).A组为常规辐射剂量组,管电压120 kVp,管电流为剂量调制3,迭代重建算法(Karl)5;B组为低辐射剂量组,管电压120 kVp,管电流为剂量调制2,DLIR重建算法,重建DLIR(1～4)4个等级并标为B1～B4组.记录A、B组平均管电流、容积CT剂量指数(CTDIvol)、剂量长度乘积(DLP),计算有效剂量(ED).在各组轴位图像上测量髂外动脉及同层面腰大肌的CT值和标准差(SD)值,计算信噪比(SNR)及对比噪声比(CNR).由2名观察者采用双盲法独立在各组容积再现(VR)和最大密度投影(MIP)图上对DIEA的显示进行3分制评分,在轴位图像上对整体图像质量进行5分制评分.结果 B组平均管电流和ED相较于A组分别降低了 39.33％、44.09％(P＜0.05).B1～B4组随着DLIR等级的提高,图像SD值逐渐下降,SNR、CNR逐渐升高(P＜0.05).B3和B4组CNR均高于A组(P＜0.05).2名观察者主观评分一致性好(Kappa值0.779～0.889,P＜0.05),A、B 2组在DIEA穿支、肌内走行及穿出点显示差异无统计学意义(P＞0.05);B1～B4组整体图像质量的主观评分随着DLIR等级的提高呈先高后低的趋势,B3组得分最高为(4.50±0.51)分,与A组的(4.45±0.51)分相比差异无统计学意义(P＞0.05).结论 DLIR能够有效降低DIEA CTA的辐射剂量,并能保证图像质量,其中DLIR 3为推荐的最佳重建等级.

人工智能技术评估脊髓小脑共济失调3型患者脑萎缩的应用价值;CT灌注成像中Mismatch比值和扩散加权成像评估急性缺血性脑卒中患者病灶转归;深度学习重建辅助流动敏感黑血序列在豆纹动脉MRI的临床应用;颈动脉周围脂肪密度与颈动脉斑块CT易损特征的相关性研究;基于2022欧洲指南下CT肺动脉成像参数对慢性血栓栓塞性肺动脉高压预测价值研究;胸腺类癌的CT和MRI影像学表现分析;基于计算机辅助的实性成分质量比预测IA期肺腺癌侵袭性的价值;非结核分枝杆菌肺病高分辨率CT特征与疗效的相关性;CT脂肪衰减指数在冠状动脉不同分支的影响因素分析;冠状动脉CT血管成像图像人工智能辅助诊断用于急性冠状动脉综合征患者评估的准确性和临床价值;基于联合DCE-MRI灌注参数、ADC值和临床特征模型对HER-2过表达型乳腺癌的诊断价值;T2 mapping序列结合表观扩散系数值在鉴别乳腺良恶性病变中的价值;CT细胞外体积分数在急性胰腺炎诊断及分型中的应用价值;基于高分辨率MRI的三维可视化模型在复杂性肛瘘诊疗评价中的应用价值;基于MRI-T2WI影像组学列线图预测急性胰腺炎严重程度;基于CT增强的影像组学诺模图在术前评估结肠癌微卫星不稳定状态的应用价值;基于CT影像组学特征的机器学习模型预测胃肠间质瘤的危险度;基于MRI影像组学诺模图预测子宫内膜癌患者术后无进展生存期;双参数MRI影像组学对前列腺癌Gleason分级的诊断价值;多模态MRI在诊断宫颈癌患者阴道受累和宫旁浸润价值分析;MRI影像组学对前列腺影像报告与数据系统3～4的移行带临床显著前列腺癌的诊断价值;基于腰椎CT影像组学列线图对骨质疏松的诊断价值;炎症性肠病相关性脊柱关节炎影像表现特点;儿童睾丸畸胎瘤的MRI表现及病理分析;基于深度学习技术在CT引导下经皮肺穿刺活检术中降低辐射剂量的临床应用;尿激酶联合替罗非班治疗数字减影血管造影阴性的急性脑梗死的临床疗效;胸部增强CT在咯血患者选择性动脉栓塞术中的临床应用价值;基于宽体探测器不同扫描方案在超重患者冠状动脉CT血管成像中的可行性研究;应用六西格玛管理法对放射科CT辐射剂量的管理;联合80 kV管电压及Karl迭代重建降低320排CT腹部增强扫描辐射剂量的可行性研究;"三低对比剂"联合能谱CT技术对门静脉和肝静脉一体成像的可行性研究;基于深度学习图像重建算法优化低剂量腹壁下动脉CT血管成像参数;压缩感知3D液体衰减反转恢复增强扫描在肿瘤脑转移检出的应用价值;CT灌注成像评估创伤性脑损伤及脑肿瘤的研究进展;脑小血管病影像特征与颅内动脉钙化相关性的研究进展;基于CT评估冠状动脉周围脂肪组织的研究进展;影像组学和深度学习预测鼻咽癌预后的研究进展;影像组学在食管癌临床应用中的研究进展;基于OBE理念的《医学影像检查技术》DR实训教学体系的探索与实践.

结合遗传算法全局寻优的特点提出一种GC-LSTM模型,该模型通过特定遗传策略的遗传算法自动迭代搜寻C-LSTM模型最佳超参数配置.利用遗传迭代结果配置模型,并按照医疗仪器促进协会制定分类标准在MIT-BIH心律失常数据库上进行验证.经过测试,本文提出的GC-LSTM模型在分类准确率(99.37%)、灵敏度(95.62%)、精确度(95.17%)、F1值(95.39%)上相较于手动搭建模型均有所提升,且与现有主流方法相比亦具备一定优势.实验结果表明该方法在避免大量实验调参的同时取得较好的分类性能.

研究了一个求解非凸非光滑复合优化问题的算法.首先,结合近端随机递归动量算法和改进的BB步长,提出了一种带BB步长的随机方差缩减算法(ProxSTORM-BB)求解非凸非光滑复合优化问题.该算法在迭代过程中通过动态调节步长来提高算法的计算效率,并且对初始步长的选取不敏感,解决了参数调优比较困难这一问题.然后,在合适的假设条件下证明了算法的收敛性.最后,通过数值实验验证了算法的有效性.

脊柱内固定术是治疗脊柱肿瘤、炎症、创伤、退行性病变等疾病的常规术式,而内固定误置则是导致脊柱手术并发症的重要原因.因此,准确评估内固定置入位置对预防脊柱手术并发症具有重要意义.CT是评估脊柱内固定置入位置的常用影像学手段,但由于金属伪影干扰,CT图像无法清晰显示金属-骨界面及邻近的组织结构.近年来,随着CT硬件与软件技术快速发展,去除金属伪影的CT成像技术取得了长足进步,为脊柱内固定置入位置的精准评估提供了更加可靠的依据.目前,去除金属伪影新的CT成像技术主要有基于硬件的CT扫描参数优化和基于软件的后处理算法.CT扫描参数优化去除脊柱内固定金属伪影简单易行,可在中低端CT中广泛应用,但其去除金属伪影的效果有限,难以满足临床精准诊断的要求.迭代重建(IR)、金属伪影去除(MAR)和虚拟单能量成像(VMI)是去除脊柱内固定金属伪影常用的后处理算法,IR算法可在低辐射剂量下较好地去除脊柱内固定金属伪影,MAR、VMI算法也能较好地去除脊柱内固定金属伪影,但MAR算法有可能引入新的伪影,不能单独作为诊断依据,而VMI算法可增加图像噪声、降低对比度,不利于软组织显示.与单一的后处理算法相比,多种后处理算法联合去除脊柱内固定金属伪影的效果更好.随着CT硬件与软件技术的不断发展,未来基于深度学习的后处理算法和光子计数CT可能在去除脊柱内固定金属伪影中具有更广阔的应用前景.

目的 分析前置多模型迭代重建算法V(ASIR-V)对腹部增强CT扫描图像质量及辐射剂量的影响,探讨临床适用的前置ASIR-V比例.方法 前瞻性收集2017年2月13日至4月30日在郑州大学第一附属医院行上腹部CT平扫及双期增强扫描患者180例,采用随机数字法分为6组(A~F组),每组30例.A~F组分别设置0~50%前置ASIR-V(间隔10%)进行扫描,余参数各组一致(120 kVp、自动管电流、噪声指数10).对各组图像进行主观质量和诊断信心度评分;客观评价指标包括图像噪声、平扫CT值和增强对比噪声比(CNR).采用Kruskal-Wallis H检验和单因素方差分析比较各组图像主观和客观评价指标.结果 容积CT剂量指数随前置ASIR-V比例增高逐渐减低,各组间有效辐射剂量差异有显著统计学意义(F=27.598,P<0.05);B~F组有效辐射剂量分别较A组降低10.8%、21.7%、31.2%、44.9%、61.9%.E 组平扫、动静脉期图像主观评分均最高(Z=18.675、27.548、19.761,均P<0.01),各期图像诊断信心度优于其他各组(Z=21.387、17.693、22.459,均P<0.01).各组图像噪声、肝脏、胰腺和肌肉平扫CT值差异均无统计学意义(F=1.468、0.337、0.592、0.284,均P>0.05).各组门脉期图像肝脏和门脉CNR差异有统计学意义(F=3.980、4.681,均P<0.05).结论 前置ASIR-V可降低辐射剂量并部分优化腹部CT图像质量,40%前置ASIR-V图像质量最优并可降低约44.9%的辐射剂量.

针对有限投影角度的CT图像重建问题,提出一种改进的基于自适应图像全变差(Total p Variation,TpV)约束的代数迭代重建算法.改进算法采用两相式重建结构,首先利用代数重建技术(ART)算法重建中间图像并做非负修正,然后利用自适应TpV正则项约束图像稀疏特性,进一步优化重建结果,其中正则项可根据图像区域特性自适应的调整决定平滑强度的参数p,两项交替进行直到满足收敛要求.本文应用经典的Shepp-Logan体模对改进算法进行仿真重建,以重建图像及其局部放大图作为主观分析依据,以profile图和归一化绝对距离值作为客观评估标准,与经典的ART-TV算法进行比较,对比分析重建结果发现:本文算法重建图像不仅与真实体模更接近,重建误差更小,而且能更好地保护图像的边缘特性.