来稿图片要求精练,设计应正确、规范,应有图题.说明性资料应置于图下方注释中,注明图中使用的全部英文缩写的中文全称.照片要求有良好的清晰度和对比度.大体标本照片在图内应有尺度标记,病理照片要求注明染色方法和放大倍数.图如有引自他刊者,请注明出处.图注的顺序编号采用英文字母,如"a.b.".此外,图片的刊登尚需遵循以下原则:1.不可用图注代替图题.2.不要对一张图片的局部进行增强、模糊、移动、移除或插入新内容等操作.

目的:提出基于区域判别生成对抗网络(GAN)的改善宫颈癌放射治疗锥形束CT(CBCT)图像质量模型,以满足自适应放疗图像质量的需求.方法:采用基于区域判别的策略与生成对抗网络思想,构建一种能够关注宫颈癌放疗影像局部细节的CBCT图像质量提升模型,其判别器可提高图像局部细节的生成质量.将该图像质量模型应用于宫颈癌放疗中的CBCT图像,通过量化指标和可视化评价图像处理效果.结果:CBCT图像质量提升后其纹理清晰度与对比度皆得到明显提升.图像峰值信噪比提高47.2%,结构相似性指标提升至0.838以上.相对于其他模型,在可视化和指标角度皆表现出更好的模型效能,结构相似性与U-Net网络和CycleGAN网络比较分别提高11.88%和19.54%;峰值信噪比分别提高19.75%和25.99%.结论:基于区域判别的GAN可有效提升宫颈癌放疗CBCT图像整体与细节上的生成质量,能够为提升低剂量CBCT图像质量提供新的技术路径,为提高放疗安全性和有效性发挥重要作用,并对制定和执行放疗计划具有重要临床价值.

[目的]本研究旨在探讨深度学习模型在蝴蝶科级标本图像自动识别中的可行性和泛化能力.[方法]为了提高识别模型的鲁棒性和泛化能力,将锤角亚目中6个科1 117种蝴蝶标本图像通过水平翻转、增加图像对比度与亮度以及添加噪声的方式增强图像数据集.在Caffe框架下,利用迁移学习方法,首先使用ImageNet数据集中的图像训练CaffeNet模型,迭代31万次后得到初始化的网络权值;然后利用蝴蝶图像训练已预训练好的CaffeNet模型,通过参数微调,获得一个蝴蝶科级标本图像自动识别的卷积神经网络模型.为了比较深度学习和传统模式识别两种方法建立的模型的泛化能力,对相同训练样本提取全局特征和局部特征,训练支持向量机(support vectormachine,SVM)分类器.所有的模型在与训练样本图像来源一致和不一致的两个测试样本集上进行测试.[结果]当测试样本与训练样本来源一致,均为蝴蝶标本图像时,基于CaffeNet的蝴蝶识别模型对6个科的蝴蝶识别准确率平均达到95.8％,基于Gabor的SVM分类器也获得了94.8％的识别率.当测试样本与训练样本来源不一致,为自然环境下拍摄的蝴蝶图像时,两种方法获得的识别率均下降,但CaffeNet模型对蝴蝶自然图像的平均识别率仍能达到65.6％,而基于Gabor的SVM分类器的识别率仅为38.9％.[结论]利用CaffeNet模型进行蝴蝶科级标本图像识别是可行的,相比较传统模式识别方法,基于深度学习的蝴蝶识别模型具有更好的泛化能力.

传统MRI通常基于一些基本的物理特性,包括各种生物组织或液体的自旋密度,纵向和横向弛豫时间.同时,还存在大量其他物理现象,如扩散、灌注、流空、化学位移等来增强MRI的图像对比.磁化率是物质的一种物理特性,可反映物质在外磁场中的磁化程度.当磁化率源置于外磁场时,会引起局部磁场变化.在传统的MRI中,磁化率引起的磁场变化往往被视为图像伪影的来源.然而,磁化率也是组织的一种内在特性,如果能有效地加以利用,可以为研究组织的结构和功能提供重要的信息.磁敏感加权成像(susceptibility weighted imaging,SWI)是基于磁化率成像的一种特殊形式.它使用相对长回波时间的梯度回波图像来获取相位信息,进而增强图像对比度.

眼底彩色图像存在亮度低、对比度差、局部细节丢失等问题,分析已有Retinex图像增强方法存在的问题,在此基础上提出一种改进的基于Retinex理论的眼底彩色图像增强方法.首先提取亮度分量,对亮度通道进行多尺度Retinex增强,改进将图像映射到显示器上的gain/offset算法以及颜色恢复方法,最后对具有亮度信息的红色通道进行恢复.为验证方法的有效性,以DIARETDB0眼底图像数据库为研究对象,并与多尺度Retinex(MSR)、带色彩恢复的多尺度Retinex(MSRCR)、直方图均衡化(HE)、对比度受限自适应直方图均衡化(CLAHE)4种经典增强算法进行比较.结果表明,所处理的图像在色彩保护、血管对比度的提升以及图像细节的增强方面比其他图像增强方法有更好的效果,信息熵提高5％ ～7％,峰值信噪比(PSNR)比传统方法提高1～2倍,客观评价指标明显优于当前常用的眼底图像增强方法,对进一步眼底图像的识别具有重要的意义.

通过7T超高场磁共振(MRI)及其新序列扫描实验,探索对局灶性皮质发育不良(FCD)的诊断价值.前瞻性收集经3T-MRI提示可能FCD的癫痫患者术前评估、手术治疗和术后随访等临床资料,术前均进行7T-MRI常规序列和用于增强组织对比度的白质抑制序列新扫描方法.共收集4例患者.7T-MRI图像呈现高空间分辨率和高组织对比度的特点,白质抑制序列能够选择性压制特定组织信号,增强对FCD的敏感度.白质抑制图像可见局部的低信号和灰质厚度变化.相对于3T-MRI,7T-MRI对3例FCD定性诊断更明确,4例病变范围均显示更清楚.术后病理均为FCDⅡa,术后1年均无癫痫发作.7T-MRI白质抑制序列对于FCD-Ⅱa诊断有应用价值.

基于阈值操作的肺实质分割对CT图像的对比度敏感,常常造成肺部粘连区域的肺实质分割失败.提出一种融合模糊区域对比度增强与阈值和形态学细化分割的新的肺实质分割算法.首先,根据图像的灰度信息利用线性迭代聚类将图像预分割为多个超像素.然后,根据超像素的灰度统计信息自动定位模糊区域,并进行自适应对比度增强.最后,基于阈值和形态学操作进行细化分割,准确提取肺部粘连区域和肺实质.通过对kaggle肺部数据集30位患者的300张CT图像进行测试,结果表明本研究算法的平均分割准确率(Dice系数)为98.65%,过分割率为0.21%,欠分割率为1.33%,整体分割性能比传统阈值操作和形态学方法有明显提升.

目的 探讨全腹部薄层冠状面单次激发快速自旋回波序列MRI在小儿肝内外胆管成像中的应用.方法 2014年10月～2016年9月收治的26例胆道系统疾病患儿(胆道闭锁症8例,胆道扩张症患儿14例,胆囊结石2例,胆管结石2例),所有患儿均采取全腹部薄层冠状面单次激发快速自旋回波序列扫描,其中9例患儿在延迟15～20 min后采取MRI增强扫描.观察所有患儿的肝内外胆道和各级分支的解剖全貌,分析其走行分布和通畅情况等.结果 胆道闭锁症患儿肝内胆道均能够正常显示,而其中胆囊形态细小并且未见到肝外胆道显影者2例,肝外胆道和胆囊无显影6例.4例患儿肝脾肿大,2例患儿肝门区有三角形长T2信号影;在胆道扩张症患儿中有11例患儿出现胆总管梭形扩张,有1例患儿表现为Caroli病,有2例患儿出现肝门区囊性包块,有4例患儿出现有胆囊增大和肝内胆道扩张;在胆系结石患儿中有3例患儿表现为胆总管局部管腔信号不均匀、短T2信号的充盈缺损,胆囊结石患者表现为胆囊颈部短T2信号的充盈缺损;与相同层面的扫描图像相比,延迟增强MRI扫描显示出肝脏、胰腺实质信号都有所减低,与胆胰管内长T2信号的组织对比度则有所增加,其胆道系统显示更为清晰.结论 相对于常规腹部MRI扫描而言,全腹部薄层冠状面单次激发快速自旋回波序列能够更加细致地观察患者胆道系统解剖结构,更为全面地了解患者病变全貌和是否存在其他脏器异常,临床应用具有很大的诊断意义.

目的 探讨计算机辅助检测算法在乳腺X线摄影钙化检测诊断中的应用.资料与方法 回顾性分析经乳腺X线摄影检测且经病理学证实的病例样本316例,其中钙化病变样本112例、无钙化病灶样本204例.利用多尺度滤波去噪和自适应局部直方图均衡化预处理增强乳腺X线图像的对比度.通过K-means算法进行乳腺组织的多阈值迭代腺体分割.利用局部二值模式和灰度共生矩阵2个纹理特征进行乳腺钙化性病变真假阳性检测.比较计算机自动诊断结果与2名放射学专业医师诊断结果.结果 利用支持向量机、随机森林和自适应增强算法自动分类结果的精确率分别达到90.0％、81.5％和87.5％.从事乳腺X线诊断工作约1年的低年资住院医师诊断准确率为80.0％,从事乳腺X线诊断工作约5年的低年资主治医师诊断准确率为85.0％.结论 计算机自动支持向量机分类检测算法优于放射科医师的经验诊断结果.计算机辅助乳腺X线钙化病变检测算法具有较高的准确率,可为乳腺X线摄影放射科医师提供良好的第二观感.

为提高乳腺肿瘤分级诊断的能力,提出一种基于超声信号用于乳腺肿瘤分级诊断的图像增强算法.通过分析良性和不同恶性程度肿瘤的超声图像的特征差异,提出了一种将灰度的动态变换方法和利用局部标准差及熵特征相结合的办法,对图像对比度进行增强处理,增强了乳腺超声图像的细节,提高了图像质量.该算法可对良性、恶性肿瘤等不同超声图像进行增强处理,使得图像之间差异更加明显,为临床医生分级诊断提供更加清晰的图像,具有一定的实际应用价值.