目的:通过对放疗疗程中不同时段CBCT图像的影像组学分析，寻找早期定量预测食管癌放疗放射性肺炎(RP)的参数，结合临床特征和肺剂量体积参数建立联合Nomogram模型并探讨这一模型对食管癌RP的预测价值。方法:回顾分析2017—2019年间临床资料、剂量学参数、CBCT图像资料完整的96例胸中段食管鳞癌调强放疗患者资料，每例患者均分别获取放疗期间3个不同时段的肺CBCT图像。全组病例随机分成训练集(67例)和验证集(29例)，以CBCT上双肺实质作为感兴趣区，运用3D-Slicer软件进行图像分割和特征提取，经LASSO-Logistics回归分析方法进行特征参数筛选并构建影像组学标签(Rad-score)。从3个不同时段建立的RP预测模型中选择最优模型联合经回归分析获得的最佳临床及剂量学参数，建立联合Nomogram模型，并进行受试者工作特征曲线分析，基于曲线下的面积(AUC)验证其诊断效能。结果:第一时段的影像组学预测模型优于其他两个时段，在训练集中的AUC值为0.700(95% CI为0.568～0.832)，敏感性和特异性分别为61.5%、75.0%；在验证集中的AUC值为0.765(95% CI为0.588～0.941)，敏感性和特异性分别为84.6%、64.7%。影像组学联合临床及剂量学构建的Nomogram模型在训练集中的AUC值为0.836(95% CI为0.700～0.918)，敏感性和特异性分别为96.0%、54.8%；在验证集中的AUC值为0.905(95% CI为0.799～1.000)，敏感性和特异性分别为92.9%、73.3%。联合Nomogram模型诊断效能最佳。 结论:基于放疗早期肺CBCT影像组学特征构建的模型，对于食管癌RP具有一定的预测效能，Rad-score联合肺V 5Gy、肺D mean、肿瘤分期建立的Nomogram模型具有更好的预测准确性，可作为一种定量预测模型用于RP的预测。

为了进一步提高肺部医学影像辅助诊断的准确性,提出一种高斯滤波增强技术融合最大类间方差法对肺部CT影像进行分割和计算病变面积占比的算法.首先对原始图像采用高斯低通滤波运算去除噪声和杂质并使用MSVSR提高图像质量,然后通过最大类间方差法将图像目标和背景分割出来,再将二值化图像一分为二,一方面采用高斯高通滤波运算锐化磨玻璃影和病变肺实质,另一方面使用HED将肺轮廓提取出来,最后计算出病变区域与肺轮廓面积占比.临床试验数据表明,本文算法不仅可以去除伪影和噪声,还能够最大限度地保留临床意义上的图像特征信息,具有较高的准确性,可以为临床研判肺部疾病严重程度与医疗诊治提供帮助.

设计一种基于CT数据的肺部影像二维可视化与三维重建系统,首先对DICOM图像进行解析,分割和标记出肺结节的位置;然后利用CT序列的重采样、面绘制的三维重建、形态学处理等技术,实现肺实质和结节的多视角、多分辨率三维显示;最后设计交互界面,包括图像增强、肺部二维可视化、结节勾勒、肺实质和结节三维重建、旋转、缩放切换视角等功能.实验表明,本系统对于二维图像的可视化和病灶区域勾勒位置清晰、准确,并使三维图像呈现的结节完整且光滑.本系统相较于已有的类似医学处理软件,大幅度提高重建和可视化效率,使医生能够更加快速、精确地观察三维图像,辅助疾病诊断和手术方案制定.

人在冋路深度学习垂体分割模型建立临床及CT平扫特征列线图预测幕上脑实质出血早期血肿扩大的价值胸腹部平扫CT值用于机会性筛查骨质疏松的可行性有无隐球菌脑膜炎的隐球菌肺炎的临床及CT特征比较2型糖尿病对非缺血性扩张型心肌病患者左心室应变影响光谱CT显示左结肠动脉的最佳虚拟单能量结节性筋膜炎的影像学表现与病理特征基于独立成分分析的终末期肾病患者静态及动态功能网络连接研究

目的 探讨应用深度学习进行基于前列腺癌转移报告和数据系统指南的晚期前列腺癌患者盆腔外脏器及转移灶分割的可行性.资料与方法 回顾性收集北京大学第一医院 2017 年 1 月—2022 年 1 月不同扫描部位(头部、颈部、胸部、腹部)的经临床综合诊断存在转移灶的数据集(头部、颈部、胸部及腹部转移患者分别为 68、91、57、263 例),用于进行扫描范围的分类模型及不同区域脏器和转移灶的分割模型训练.另收集 90 例经病理证实为前列腺癌且行全身MRI患者用于模型的外部验证.以手工标注的区域(脑实质、颈椎、肺实质、纵隔、胸椎、肝、腰椎)及转移灶标签为"金标准",评估模型的分割性能.评价指标包括Dice相似系数(DSC)、体积相似度(VS).结果 在外部验证数据集中,分类模型在头部、颈部、胸部和腹部的符合率分别为100%(90/90)、98.89%(89/90)、96.67%(87/90)和94.44%(85/90);分割模型对不同区域脏器分割的DSC、VS范围分别为(0.86±0.10)～(0.99±0.01)、(0.89±0.10)～(0.99±0.01);分割模型对不同转移灶分割的DSC、VS范围分别为(0.65±0.07)～(0.72±0.13)、(0.74±0.04)～(0.82±0.13).结论 基于深度学习的3D U-Net模型可实现晚期前列腺癌患者的盆腔外区域及转移灶分割.

为了提高早期肺癌筛查中肺结节计算机辅助检测、辅助诊断的准确性,提出一种多种方法结合的低剂量CT图像肺实质自动分割算法.首先利用改进的多方向形态学滤波算法进行预处理;然后利用聚类法、flood-fill算法去除背景,实现粗分割;接着利用引入霍夫变换的改进三维区域生长算法去除气管和主支气管树;最后利用分水岭算法和二维凸包算法实现肺实质细分割.实验结果通过对ELCAP数据库中的50个低剂量CT序列利用本研究算法进行处理,验证了该算法的有效性,正确分割率达到95.75%.为肺结节检测等后期的诊断提供了有价值的参考信息.

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.

为了更加便利、快捷地在基于CT的肺部疾病诊断中获取相关肺功能指标,以便于辅助医生进行诊断,本研究开发了基于肺部组织分割的肺功能定量分析系统.系统主要分为三个部分:肺部组织的分割,肺部组织的三维重建以及肺功能定量分析模块.在利用已有方法分割出肺实质、肺气管和肺血管的基础上,提出了自动修补由肺结节造成的肺实质孔洞以及肺边缘缺陷的方法,利用基于海森矩阵的圆点增强算法分割出疑似肺结节区域,结合手动选取种子点确定明显肺结节.实现了肺部多组织的三维重建,可计算整体、局部(volume of interest,VOI)区域以及感兴趣CT值范围内的肺功能指标从而进行肺功能定量分析,并可在二维和三维上定位显示测算对象,结合多方面辅助医生诊断.

医学CT图像中,肺实质区域的准确分割乃是肺结节检测的基础,其对于临床肺部疾病诊断具有重要意义.本文首先综述基于医学CT图像的肺实质分割算法,然后详细阐明肺实质分割的主要步骤,探讨几种典型算法的分割效果,包括肺实质与肺气管的比较分析.最后以此为基础,综合几种常用的分割算法与改进,提出一种实用性强、鲁棒性较好的肺实质分割算法.

目的:通过对肺部医学影像进行预处理增强肺部病灶区域,并用3D建模实现肺部影像立体视觉效果,而影像的数据测量功能有助于辅助医生诊断更加精确、科学、全面;加快以智能化、数字化为中心的辅助诊断系统建设.方法:系统可对DICOM、JPG、IMA、BMP格式的医学影像进行处理,分为5个功能模块:第一部分是肺部影像预处理,包括改进型均衡化、几何变换、滤波处理、形态学等功能的实现;第二部分是肺实质分割,包括滚球法分割、多阈值法分割、基于灰度级分层的伪彩色分割、手动分割、肺结节的提取功能;第三部分是肺部影像伪彩色处理功能的实现;第四部分是肺部影像3D建模可变视角观察;第五部分是对提取的病灶区域进行边界提取、踩点测距、面积及周长的计算功能.结果:系统优化了功能类型,实现功能的多样化、专业化、智能化,并且实现了肺部立体式旋转观察,增强了影像细节部分的显示功能,加强了人工和自动标识的功能,有助于提高医生诊断的可靠性.结论:系统实现了肺部影像的增强功能、3D建模及数据测量功能,提高了系统设计的可靠性,辅助医生进行肺部疾病诊断,可进行功能扩展,在肺部疾病辅助诊断系统中有较好的应用前景.