-
高光谱成像技术鉴别长鞭红景天和四裂红景天
编辑人员丨1周前
目的 采用近红外高光谱成像技术(HSI)鉴别四裂红景天和长鞭红景天.方法 采集935~1720 nm长鞭红景天和四裂红景天的高光谱图像信息.采用主成分分析法(PCA)和正交-偏最小二乘判别分析法(OPLS-DA)进行分类判别.结果 OPLS-DA比PCA分析具有更好的分类性能,HSI和OPLS-DA分析结合可准确识别两种红景天.结论 所用方法可快速、无损地鉴别长鞭红景天和四裂红景天,为红景天的品种鉴定、质量控制和评估提供了参考.
...不再出现此类内容
编辑人员丨1周前
-
基于手机指尖视频的心率提取算法研究
编辑人员丨1周前
目的:为降低环境因素对心率提取的影响,提出一种基于手机指尖视频的心率提取算法.方法:首先,采集指尖视频并按照30帧/s的帧率进行图像提取,并将图像分离成R、G、B 3个通道图像.通过对比3个通道图像的亮度变化强弱情况,选取对指尖血流信号最为敏感的G通道作为信号源,提取图像亮度变化信息生成时长为10 s的容积脉搏波.其次,对该波形进行数字滤波、去除基线漂移、傅里叶变换等信号处理后,根据最大谱峰位置信息预估心率.最后,在BUT PPG数据集(Brno University of Technology Smartphone PPG Database)上验证提出的算法对心率的预测效果.结果:提出的算法心率预测值与实际心率的均方差、均方根差和平均绝对误差分别为3.71、1.92和1.2次/min.结论:提出的算法预测心率的准确率高,适合部署于手机进行日常心率监测.
...不再出现此类内容
编辑人员丨1周前
-
基于瘤内和瘤周影像组学模型预测肝细胞癌微血管侵犯的临床应用价值:一项多中心研究
编辑人员丨1周前
目的本研究旨在评估瘤内和瘤周影像组学模型对肝细胞癌(hepatocellular carcinoma,HCC)微血管侵犯(microvascular invasion,MVI)的预测价值.材料与方法回顾性分析2016年至2023年间在三家医院经手术病理证实为HCC患者的钆塞酸二钠(Gd-EOB-DTPA)增强MRI图像,以及性别、年龄、肿瘤最大径、甲胎蛋白(alpha-fetoprotein,AFP)、丙氨酸转氨酶(alanine aminotransferase,ALT)、天冬氨酸转氨酶(aspartate aminotransferase,AST)和有无乙肝7项临床信息.在动脉期、门静脉期和肝胆期图像中勾画瘤内及瘤周5 mm、10 mm感兴趣区域(region of interest,ROI),从中提取影像组学特征;训练集中,运用多因素logistic回归分析筛选MVI的独立临床预测因素;应用支持向量机(support vector machine,SVM)建立瘤内模型、瘤周模型、瘤内联合瘤周模型、临床模型和临床影像组学模型共10种模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的预测能力,以DeLong检验比较各模型ROC曲线下面积(area under the curve,AUC)的差异.结果肿瘤最大直径[优势比(odds ratio,OR):1.449,95%置信区间(confidence interval,CI):1.212~1.733]及AFP(OR:1.645,95%CI:0.665~4.071)是基于训练集的MVI独立临床预测因子.验证集中,临床模型、瘤内模型、瘤周模型、瘤内+瘤周模型及临床影像组学模型预测HCC MVI的AUC值分别为0.728、0.764~0.820、0.791~0.795、0.804~0.828和0.747,瘤内+瘤周5 mm模型、瘤内+瘤周10 mm模型的AUC值分别为0.828(95%CI:0.728~0.929)、0.804(95%CI:0.696~0.913).各模型中,瘤内+瘤周5 mm模型与临床模型、临床影像组学模型的AUC差异具有统计学意义(P=0.039,0.028),其余模型间的AUC差异均无统计学意义(P>0.05).结论基于Gd-EOB-DTPA增强MRI影像组学模型可用于术前预测HCC MVI,其中瘤内+瘤周5 mm模型对HCC MVI有较高的预测能力,可为临床制订个体化治疗方案提供依据.
...不再出现此类内容
编辑人员丨1周前
-
酰胺质子转移加权成像联合DKI预测乳腺癌新辅助化疗早期病理完全反应
编辑人员丨1周前
目的:探讨酰胺质子转移(APT)加权成像联合扩散峰度成像(DKI)对乳腺癌新辅助化疗(NAC)早期病理完全反应的预测效能.方法:本研究中纳入2022年7月—2023年8月在本院确诊为乳腺癌后接受新辅助化疗且在治疗前行DKI和APT加权成像检查的72例患者.搜集并记录每例患者的临床和病理信息.测量病灶的平均峰度系数(MK)、平均扩散系数(MD)和非对称磁化转移率(MTRasym).根据Miller Payne分级系统评估患者对NAC的反应,定义Miller Payne 5级为病理完全反应(pCR),Miller Payne 1~4级为非pCR(non-pCR).采用独立样本t检验及卡方检验比较pCR组与non-pCR组之间临床病理资料(包括一般临床资料及免疫组化结果)及影像学定量参数间的差异,随后对P值小于0.05的变量采用二元多因素Logistic回归分析构建联合模型,并使用受试者工作特性曲线(ROC)分析各参数单独或联合的诊断效能.结果:pCR组肿瘤最大径(MRI图像测量)明显小于non-pCR组(P=0.006)MD值高于non-pCR组(P=0.008),MTRasym(3.5 ppm)值低于non-pCR组(P=0.006);联合模型的AUC为0.799,与各项单一参数AUC的差异均有统计学意义(Z=2.059~2.168,P=0.0302~0.0395).结论:DKI和APT衍生参数及肿瘤最大径对早期预测乳腺癌NAC病理完全反应具有重要价值,且三者联合的预测效能优于单一因素.
...不再出现此类内容
编辑人员丨1周前
-
融合密集空洞注意力金字塔和多尺度的视网膜病变分割
编辑人员丨1周前
针对糖尿病视网膜病变(DR)分割任务中病变区域多尺度特征难以学习、边界模糊等问题,提出一种改进的U型多病变分割模型DDAPNet.首先,对DR图像进行Patch处理,使模型更好地捕捉病变的局部特征;其次在主干特征提取后引入重新设计的密集空洞注意力金字塔(DDAP)模块,扩大感受野,解决病变边界模糊问题;同时采用金字塔切分注意力进行特征增强,然后将二者进行特征融合;最后在跳跃连接中嵌入改进的残差注意力模块,降低浅层冗余信息的干扰.在数据集和医院真实数据集上进行联合验证,实验结果表明,相较于基础模型,DDAPNet模型对微动脉瘤、出血点、软渗出DDR物和硬渗出物的分割在Dice系数上分别提高了4.31%、2.52%、3.39%、4.29%,在mIoU上分别提高了1.80%、2.24%、4.28%、1.98%.该模型对病灶边缘的分割更为连续和平滑,有效提升了软渗出物等视网膜病变的分割性能.
...不再出现此类内容
编辑人员丨1周前
-
融合多尺度注意力的脊柱侧弯Cobb角自动估计算法
编辑人员丨1周前
目的 青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)是危害青少年健康的常见疾病之一.临床上,X线图像Cobb角测量法是评估患者脊柱侧凸严重程度的"金标准".由于X线图像中肋骨和骨盆阴影重叠以及椎骨形态差异等因素影响,人工测量在寻找关键点时步骤复杂且耗时长,快速且准确的Cobb角自动测量方法具有重要临床应用价值.现有深度学习方法中基于分割的方法易受图像质量影响;基于关键点检测方法过于关注局部特征提取导致定位不准确等问题.为此,本文提出了一种以椎骨为中心的标志点检测方法,来实现脊柱侧弯Cobb角自动估计算法.方法 构建一种基于融合多尺度和注意力机制M型椎骨检测网络(multi-scale attention M-shaped network,MSAM-Net).首先,使用多尺度金字塔拆分注意力(multi-scale pyramids squeeze attention,MPSA)模块和注意力特征融合(attentional feature fusion,AFF)模块提取椎骨特征和上下文信息,然后,根据椎体中心和角偏移量定位4个角标志点,以在脊柱侧弯评估任务中提高椎骨标志点检测的性能,进而实现近胸段、主胸段和胸腰段曲线的Cobb角估计.结果 为了评估Cobb角估计与真实侧弯角度之间的偏差程度,本研究算法基于AASCE MICCAI 2019挑战赛数据集,使用4种指标对Cobb角精度进行评估,分别是对称平均绝对百分比误差(symmetric mean absolute percentage error,SMAPE)、欧氏距离(Euclidean distance,ED)、曼哈顿距离(Manhattan distance,MD)和切比雪夫距离(Chebyshev distance,CD).测试得到SMAPE为9.39%,ED为4.18;MD为5.92;CD为5.34.与基于分割和检测的5种深度学习方法进行对比,实现更好的Cobb角测量结果.结论 本研究可以准确识别和定位X线图像中椎骨,帮助医生测量AIS患者的Cobb角,为临床AIS诊断、手术计划和脊柱健康分析提供决策支持.
...不再出现此类内容
编辑人员丨1周前
-
融合文本分类算法的皮肤病辅助诊疗模型
编辑人员丨1周前
针对当前皮肤病辅助诊断中生物医学特征建模规模较小且耗费巨大人工成本,而患者疾病特征的时间序列同样无法准确描述等难点,本研究运用融合文本分类算法,融合常用的文本分类模型TextLSTM、TextCNN、RCNN得到皮肤疾病辅助诊疗模型(TLNN模型),通过提取图像传感器医学特征向量化后进行预处理减少焦块数量以及消除偏差较大的特征信息,提高决策数据精度.在ISIC2018和PH2数据集进行对照实验,TLNN模型的准确率为72.36%,高于其余3种文本分类模型.在与医生主观诊断对比实验中,模型诊断准确率为92%,接近于医生94%的平均准确率,而有效诊断效率(1.17 min/例)明显高于医生人工诊断(4.57 min/例),整体效率提升幅度达290%,结果表明对比传统人工诊断,融合文本分类算法模型能以更短时间获得精确的诊断.TLNN模型可以应用于疾病诊断,辅助医生医疗决策,为患者提供优质便捷的智能诊疗服务.
...不再出现此类内容
编辑人员丨1周前
-
绵羊腰椎CT纹理参数与骨质疏松关系的体外实验研究
编辑人员丨1周前
目的 建立绵羊体外腰椎骨质疏松模型,寻找具有鉴别意义的纹理参数并与双能X射线吸收法(DXA)测量的骨密度、骨灰分密度及骨灰度建立回归公式联系.方法 采用乙二胺四乙酸二钠(EDTA-Na2)溶液(0.4916 mmol/L)浸泡法,对120例绵羊腰椎L1~L3三联椎体进行浸泡脱钙,去除肌肉及附件骨,随机分成4组(A、B、C、D组),每组30例,室温下浸入10%甲醛溶液中24 h防腐.A、B、C、D组分别浸入制备好的EDTA-Na2溶液中脱钙0、4、9、15 d制备体外骨质疏松模型.对上述腰椎进行薄层CT扫描和DXA骨密度测量,并测量每个椎体的体积和椎体干重,之后于马弗炉中1100℃恒温煅烧6 h,测量骨灰分重量,计算骨灰分密度和骨灰度.采用MaZda纹理分析软件对上述CT图像椎体骨松质进行纹理分析,分别采用Fisher系数、分类错误概率联合平均相关系数、交互信息及三者的联合方法(FPM)进行纹理特征筛选,采用原始数据分析(RDA)、主成分分析(PCA)、线性分类分析(LDA)和非线性分类分析(NDA)对4组骨密度进行分类分析.对上述方法筛选的纹理参数分别与骨密度、骨灰度和骨灰分密度行相关分析,寻找与其相关性最强的纹理参数.以相关性最强的纹理参数为自变量,以骨密度、骨灰度和骨灰分密度为因变量进行一元和多元线性回归分析,获得回归方程.结果 随着脱钙时间的延长,CT图像显示骨皮质逐渐变薄,骨松质密度减低,骨小梁变稀疏.FPM结合NDA的鉴别能力最强,错判率仅为2.5%.其中灰度共生矩阵中的对比度(Contrast)与骨灰度呈强负相关(r=-0.938).灰度共生矩阵中的熵(Entropy)与骨灰分密度(r=-0.927)和骨密度(r=-0.896)呈强负相关.一元线性回归方程分别表示为:骨灰度=0.692-0.002×Contrast,骨灰分密度=0.802-0.121×Entropy,骨密度=1.301-0.200×Entropy.结论 绵羊腰椎CT薄层图像的部分纹理参数与骨密度相关参数间存在明显相关性,可以建立回归公式联系.
...不再出现此类内容
编辑人员丨1周前
-
18F-FDG PET/CT影像组学预测结外NK/T细胞淋巴瘤预后的价值
编辑人员丨1周前
目的 探讨 18F-FDG PET/CT影像组学模型对结外NK/T细胞淋巴瘤(ENKTL)无事件生存期的预测价值.资料与方法回顾性收集 2013 年 1 月—2021 年 1 月于河南省人民医院治疗前行 18F-FDG PET/CT检查的ENKTL患者 90 例,随机分为训练组63例和验证组27例.从基线PET和CT图像上提取特征,应用最小绝对收缩和选择算子算法结合Cox生存分析筛选特征并构建临床模型、影像组学模型和临床+影像组学复合模型,以模型风险评分的中位数作为截断值将患者分为高危组和低危组.使用C指数和受试者工作特征曲线评价3个模型的预测性能.基于最优模型构建列线图,采用校准曲线描述最优模型预测ENKTL患者生存概率与实际概率的一致性,使用Kaplan-Meier分析和对数秩检验评估最优模型的预后价值.结果 复合模型在训练组(C指数0.791,95%CI 0.702~0.879,曲线下面积为0.882)和验证组(C指数0.770,95%CI 0.650~0.889,曲线下面积为0.720)中比单独的临床模型和影像组学模型的预后表现更好.校准曲线表明复合模型在预测 3 年无事件生存期概率与实际结果的一致性较好,生存曲线显示高危组的无事件生存期显著低于低危组.结论 基于影像组学和临床参数构建的复合模型可以提供更全面的预后信息并提高诊断准确性.列线图为ENKTL患者的风险分层提供了一种无创的诊断工具,有助于个体化治疗.
...不再出现此类内容
编辑人员丨1周前
-
基于ConvNeXt模型的胸部X线图像的疾病分类与可视化
编辑人员丨1周前
目的 胸部X线是临床实践中常见的胸部疾病筛查和诊断方式.由于放射科医生长时间阅片容易视觉疲劳以及医疗资源分配不均衡的问题,导致误诊和漏诊的情况时有发生.针对这一问题,本研究运用深度学习技术,提出了一个基于ConvNeXt模型的胸部X线图像的疾病检测方法,旨在提高胸部疾病诊断准确度、减轻误诊风险并提高医生工作效率.方法 利用大规模公开胸部X线图像数据集ChestX-ray14训练ConvNeXt模型,该模型在ResNet模型的基础上,融合了视觉Transformer结构的优势,可以有效提高模型的特征提取和识别能力,同时以AUC(ROC曲线下方的面积)作为模型性能的评价指标,与已有的分类模型CheXNet、ResNet及Swin Transformer进行了对比.此外,通过引入Grad-CAM可视化方法,利用卷积神经网络特征图的梯度信息生成胸部X线图像的类激活热力图,实现对病灶区域的定位,从而提高医生的诊断效率.结果 基于ConvNeXt模型的诊断方法在识别14种胸部疾病时平均AUC值可达0.842,特别在识别积液(AUC值为0.883)、水肿(AUC值为0.902)和疝气(AUC值为0.942)等疾病时表现较为令人满意.结论 本文提出的方法在胸部X线图像的疾病检测中具有较好的性能,是一种对胸部X线图像进行胸部疾病诊断进而协助医生提高工作效率的有益尝试.
...不再出现此类内容
编辑人员丨1周前
