检索结果-内蒙古大学图书馆

基于多尺度监督与残差反馈的优化算法有效提高鼻咽癌CT图像视交叉及视神经分割精度

南方医科大学学报 2025年第3期45卷 632-642页

作者：刘瑨禹梁淑君张煜南方医科大学生物医学工程学院//广东省医学图像处理重点实验室广东广州510515

目的提出并验证一种新的基于多尺度监督与残差反馈的深度学习分割算法(DSRF),以实现对鼻咽癌患者CT图像中小器官-视交叉和视神经的精确分割。方法收集来自SegRap2023、StructSeg2019和HaN-Seg2023公开数据库的212例鼻咽癌患者CT图像及... 详细信息

目的提出并验证一种新的基于多尺度监督与残差反馈的深度学习分割算法(DSRF),以实现对鼻咽癌患者CT图像中小器官-视交叉和视神经的精确分割。方法收集来自SegRap2023、StructSeg2019和HaN-Seg2023公开数据库的212例鼻咽癌患者CT图像及其真实标签。为解决传统卷积神经网络在池化过程中小器官特征丢失的问题,设计一种基于混合池化策略的解码器,利用自适应池化和平均池化技术将高级语义特征逐步细化并融合低级语义特征,使网络学习到更细小的特征信息。采用多尺度深度监督层,在深度监督下学习丰富的多尺度、多层次语义特征,以提高对视交叉和视神经边界的识别能力。针对CT图像中视交叉和视神经对比度低的挑战,设计可使网络多次迭代的残差反馈模块,该模块充分利用模糊边界和易混淆区域的信息,通过监督迭代细化分割结果,并结合每次迭代的损失优化整个分割框架,提高分割精度和边界清晰度。采用消融实验验证各组件的有效性,并与其他方法进行对比实验。结果引入混合池化策略、多尺度深度监督层和残差反馈模块的DSRF算法能有效提升小器官的特征表示,实现视交叉和视神经的准确分割,其平均DSC达到0.837,ASSD低至0.351。消融实验进一步验证DSRF方法中各组成部分的贡献。结论本文提出的基于多尺度监督及残差反馈的深度学习分割算法能有效提升特征表示能力,实现视交叉和视神经准确分割。

关键词：鼻咽癌视交叉与视神经分割混合池化策略深度监督残差反馈

来源：评论

学校读者我要写书评

暂无评论

基于中心指导与交替优化的低剂量CT图像恢复方法

引用

南方医科大学学报 2025年第4期45卷 844-852页

作者：张晓瑜王昊曾栋边兆英南方医科大学生物医学工程学院//广东省医学图像处理重点实验室广东广州510515

目的提出一种基于中心指导与交替优化的低剂量CT图像恢复方法(FedGP)。方法FedGP框架革新了传统的联邦学习模式,采用无固定中央服务器的结构,每个机构交替担任中心服务器。该方法采用机构调制的CT图像恢复网络作为客户端局部训练的核心... 详细信息

目的提出一种基于中心指导与交替优化的低剂量CT图像恢复方法(FedGP)。方法FedGP框架革新了传统的联邦学习模式,采用无固定中央服务器的结构,每个机构交替担任中心服务器。该方法采用机构调制的CT图像恢复网络作为客户端局部训练的核心,通过中心指导和交替优化的联邦学习方法,中央服务器利用本地标记数据指导客户端局部网络训练,从而显著提升多机构低剂量CT图像恢复模型的泛化能力。结果在低管电流和稀疏角度CT图像恢复任务中,与其他对比的联邦学习方法相比,FedGP方法的CT图像结果在视觉和定量评估上均有明显优势,FedGP获得了最高的PSNR指标(40.25和38.84)、最高的SSIM指标(0.95和0.92)以及最低的RMSE指标(2.39和2.56)。此外,FedGP的消融实验结果表明基于中心指导与交替优化的联邦学习框架能更好适应各机构之间的数据异构性,确保模型在各类成像条件下的稳健性和泛化能力。结论本文提出的FedGP为解决CT成像异质性问题提供了一个更灵活的FL框架,可以更好地适应不同参与方的数据特征,提高模型在多样化成像几何的泛化能力。

关键词：计算机断层成像联邦学习图像恢复数据异质性

来源：评论

学校读者我要写书评

暂无评论

基于电子数据采集系统关键技术的临床研究数据库的构建

引用

中国医学物理学杂志 2025年第1期42卷 135-140页

作者：王勇冯前进南方医科大学生物医学工程学院广东广州510515 广东省医学图像处理重点实验室广东广州510515

规范化、高质量的临床研究数据库的构建是临床医师或科研工作者开展临床医学研究的重要环节,是获得高质量科研成果和论文发表的重要保障。本文总结分析了传统临床研究数据库创建的类型及存在问题,重点介绍了基于电子数据采集(EDC)系统... 详细信息

规范化、高质量的临床研究数据库的构建是临床医师或科研工作者开展临床医学研究的重要环节,是获得高质量科研成果和论文发表的重要保障。本文总结分析了传统临床研究数据库创建的类型及存在问题,重点介绍了基于电子数据采集(EDC)系统进行高质量临床研究数据库构建的关键技术解决方案,包括中央随机与EDC系统的结合、逻辑核查、智能化随访管理、数据字典、痕迹追踪、数据分析与统计化等6大模块的技术创新方案来解决传统软件系统在构建临床研究数据库方面的不足,并对采用EDC系统构建临床研究数据库的应用效果进行了总结与展望,以期为临床医师或科研工作者开展高质量临床研究提供参考。

关键词：电子数据采集系统临床研究数据库

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积和三向注意力感知的胰腺分割算法

引用

中国医学物理学杂志 2025年第1期42卷 37-42页

作者：谭璐露冯前进南方医科大学生物医学工程学院广东广州510515 广东省医学图像处理重点实验室广东广州510515

针对胰腺分割任务中因体积较小且解剖结构复杂带来的挑战,提出一种级联的3D胰腺分割网络(CPS-Net)。CPS-Net由两部分组成:第一部分采用ResUNet快速定位胰腺区域,第二部分使用融合深度卷积(DCB)和三向注意力感知模块(ToSA)的网络来细化... 详细信息

针对胰腺分割任务中因体积较小且解剖结构复杂带来的挑战,提出一种级联的3D胰腺分割网络(CPS-Net)。CPS-Net由两部分组成:第一部分采用ResUNet快速定位胰腺区域,第二部分使用融合深度卷积(DCB)和三向注意力感知模块(ToSA)的网络来细化分割结果。DCB通过逐层提取多尺度特征,显著增强胰腺与周围组织之间的区分能力。而ToSA则结合轴向注意力、平面注意力和窗口注意力机制,全面捕捉胰腺在复杂背景中的细节结构。CPS-Net在NIH公开数据集上的Dice相似性系数、阳性预测值、敏感性和Hausdorff距离指标分别达到(87.42±1.58)%、(87.42±3.52)%、(87.74±4.58)%和(0.22±0.08)mm。实验结果表明,CPS-Net表现优于当前主流分割网络,显著提升胰腺分割精度。

关键词：胰腺深度卷积三向注意力级联网络

来源：评论

学校读者我要写书评

暂无评论

基于分段反投影张量退化特征编码的牙科锥形束计算机断层扫描运动伪影校正

引用

南方医科大学学报 2025年第2期45卷 422-436页

作者：曾智雄王永波林宗悦边兆英马建华南方医科大学生物医学工程学院广东广州510515 西安交通大学生命科学与技术学院陕西西安710049 南方医科大学广东省医学图像处理重点实验室广东广州510515

目的为了去除患者在牙科锥形束计算机断层扫描(CBCT)扫描过程中发生躯体运动导致的伪影,提升重建图像质量,提出一种基于分段反投影张量退化特征编码的运动伪影校正模型(SBP-MAC)。方法该模型由一个生成器和一个退化编码器构成。将分段... 详细信息

目的为了去除患者在牙科锥形束计算机断层扫描(CBCT)扫描过程中发生躯体运动导致的伪影,提升重建图像质量,提出一种基于分段反投影张量退化特征编码的运动伪影校正模型(SBP-MAC)。方法该模型由一个生成器和一个退化编码器构成。将分段有限角度重建的子图像堆叠成张量并作为模型输入;用退化编码器提取张量中空间变化的运动信息,自适应调制生成器的各级跳跃连接特征,从而指导模型校正不同运动波形导致的伪影;最后设计伪影一致性损失来简化生成器的学习任务。结果该模型能有效地去除运动伪影,提升重建图像质量。在仿真数据上的峰值信噪比提升了8.28%,结构相似度提升了2.29%,均方根误差降低了23.84%;在真实数据上的专家评分最高4.4221(5分制),与所有对比方法之间的评分差异具有统计学意义(P<0.05)。结论本文提出的SBP-MAC模型能够有效提取张量中空间变化的运动信息,实现从张量域到图像域的自适应伪影校正,提升牙科CBCT图像质量。

关键词：运动伪影校正牙科锥形束计算机断层扫描分段反投影张量

来源：评论

学校读者我要写书评

暂无评论

基于双向流场引导投影补全的稀疏角度锥束CT重建算法

引用

南方医科大学学报 2025年第2期45卷 395-408页

作者：李文伟毛泽睿王永波边兆英黄静南方医科大学生物医学工程学院广东广州510515 西安交通大学生命科学技术学院陕西西安710049 南方医科大学广东省医学图像处理重点实验室广东广州510515

目的为解决稀疏角度锥束CT成像面临的不适定反问题求解问题,提出基于双向流场引导投影补全的稀疏角度锥束CT重建算法(BBC-Recon)。方法BBC-Recon方法包含两个主要模块:投影补全模块和图像恢复模块。投影补全模块基于流场估计的思想,通... 详细信息

目的为解决稀疏角度锥束CT成像面临的不适定反问题求解问题,提出基于双向流场引导投影补全的稀疏角度锥束CT重建算法(BBC-Recon)。方法BBC-Recon方法包含两个主要模块:投影补全模块和图像恢复模块。投影补全模块基于流场估计的思想,通过设计的双向和多尺度关联体,充分计算投影之间的相关性信息和冗余信息,用以精确指导双向流场和缺失帧的生成,实现对缺失投影的高精度补全,获得伪完备投影;图像恢复模块对获得的伪完备投影进行重建,然后对图像进行细化,去除伪影残留,进一步提升图像质量。结果在Mayo和桂林医学院公开数据集上的实验结果表明,对比现有算法,BBC-Recon方法在稀疏4倍角度的情形下,较次优方法:PSNR指标提升1.80%,SSIM指标提升0.29%,RMSE指标降低4.12%;在稀疏8倍角度的情形下,较次优方法:PSNR指标提升1.43%,SSIM指标提升1.49%,RMSE指标降低0.77%。结论BBC-Recon充分挖掘了投影之间的相关性信息,不仅能在保持图像结构信息的前提下有效去除条纹伪影,而且在层间一致性的保持上发挥了极大优势。

关键词：稀疏角度锥束CT 双向多尺度关联性双向流场估计双域训练

来源：评论

学校读者我要写书评

暂无评论

基于条件扩散模型的CT金属伪影校正

引用

中国医学物理学杂志 2025年第4期42卷 457-465页

作者：梁佩文郑梦洵唐龙张华南方医科大学生物医学工程学院/广东省医学图像处理重点实验室广东广州510515

目的:提出一种基于模板先验的条件扩散模型,以校正计算机断层扫描在扫描过程中因金属种植体导致的重建图像出现明暗相间的条纹状金属伪影。方法:首先利用图像分割技术将金属部分进行分割,并生成对应金属轨迹投影数据,去除金属轨迹的投... 详细信息

目的:提出一种基于模板先验的条件扩散模型,以校正计算机断层扫描在扫描过程中因金属种植体导致的重建图像出现明暗相间的条纹状金属伪影。方法:首先利用图像分割技术将金属部分进行分割,并生成对应金属轨迹投影数据,去除金属轨迹的投影数据以及模板先验图像对应投影数据;然后构建条件扩散模型,恢复投影数据对应金属区域的缺失部分;最后对恢复投影进行滤波反投影重建获得校正图像。结果:本文方法与伪影解耦网络相比,峰值信噪比提高3.44 dB,结构相似性指数提高0.079;与扩散模型相比,峰值信噪比提高0.749 dB,结构相似性指数提高0.015。结论:本文方法优于传统金属伪影校正方法,在条形伪影及阴影型伪影校正方面具有较好表现。

关键词：计算机断层扫描金属伪影条件扩散模型

来源：评论

学校读者我要写书评

暂无评论

融合小波散射与胶囊网络的类器官图像分割方法

引用

中国医学物理学杂志 2025年第4期42卷 435-442页

作者：杨红蕊李刚陈泽新翟羽佳徐莹莹南方医科大学生物医学工程学院广东广州510515 广东省医学图像处理重点实验室广东广州510515 广东省医学成像与诊断技术工程实验室广东广州510515 南方医科大学南方医院惠侨医疗中心广东广州510515 广东省类器官工程技术研究中心广东广州510530 广东医科大学附属医院肿瘤中心广东湛江524001 暨南大学药学院广东广州511436

目的:构建并验证一种基于深度学习的类器官图像自动分割方法,旨在解决当前类器官分割中误识别率高、边界模糊、泛化性差的问题,以帮助研究人员更快更好地跟进和分析类器官细胞结构的生长情况。方法:在U-Net架构的基础上,引入小波散射系... 详细信息

目的:构建并验证一种基于深度学习的类器官图像自动分割方法,旨在解决当前类器官分割中误识别率高、边界模糊、泛化性差的问题,以帮助研究人员更快更好地跟进和分析类器官细胞结构的生长情况。方法:在U-Net架构的基础上,引入小波散射系数矩阵与胶囊卷积模块,构建类器官图像分割模型OrgCapsU-Net,并在不同组织来源的3个类器官图像数据集上分别进行训练和测试。结果:与当前主流分割算法对比,OrgCapsU-Net能更好地区分类器官与杂质,分割边界也更加平滑,4个评估指标在3个数据集上均达到最优的结果。结论:OrgCapsU-Net实现良好的分割性能,能够适用于不同组织来源的类器官,在体外建模、高通量药物筛选以及个性化医疗方面具有较好的应用前景。

关键词：医学影像分割类器官胶囊网络小波散射网络

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和多模态特征融合的猕猴脑磁共振图像全脑分割

引用

南方医科大学学报 2023年第12期43卷 2118-2125页

作者：吴雪扬张煜张华钟涛南方医科大学生物医学工程学院//广东省医学图像处理重点实验室广东广州510515

目的提出并探讨一种新的基于注意力机制和多模态特征融合的深度学习算法(DDAM),实现对猕猴脑MRI图像的全脑分割。方法共收集68例年龄分布在13~36月的多模态猕猴脑MRI图像数据,且均包含对应的真实标签。针对多模态数据信息复杂且互补的特... 详细信息

目的提出并探讨一种新的基于注意力机制和多模态特征融合的深度学习算法(DDAM),实现对猕猴脑MRI图像的全脑分割。方法共收集68例年龄分布在13~36月的多模态猕猴脑MRI图像数据,且均包含对应的真实标签。针对多模态数据信息复杂且互补的特点,采用多编码器结构分别适应不同模态并进行特征提取。在解码器部分引入注意力机制构建多模态特征融合模块(AMFF),利用模态间信息丰富且互补的特点,充分融合不同尺度和复杂度的多模态特征,进而提升分割性能。另外,进行消融实验分析并对结果进行统计学检验。结果多编码器结构以及注意力机制的引入能够有效地提升模型对多模态特征的融合能力,使得猕猴数据的全脑分割平均DSC达到0.904,ASD低至0.131(P<0.05)。消融实验结果验证了DDAM方法各组成部分的有效性。结论本文针对多模态数据特点构建深度学习算法模型,提出的DDAM方法,能够更有效地提取并融合多模态特征,从而实现全脑分割精度的显著提高。

关键词：猕猴大脑磁共振全脑分割深度学习注意力机制多模态特征融合

来源：评论

学校读者我要写书评

暂无评论

基于物理模型的级联生成对抗网络加速定量多参数磁共振成像

引用

南方医科大学学报 2023年第8期43卷 1402-1409页

作者：刘羽轩楚智钦张煜南方医科大学生物医学工程学院//广东省医学图像处理重点实验室广东广州510515

目的探讨基于物理模型的级联生成对抗网络使用原始的多回波多线圈k空间数据加速定量多回波多参数磁共振成像方法的可行性分析与解释。方法提出了一种基于物理模型的级联生成对抗网络,利用多域信息联合训练以及通过系统矩阵学习图像重建... 详细信息

目的探讨基于物理模型的级联生成对抗网络使用原始的多回波多线圈k空间数据加速定量多回波多参数磁共振成像方法的可行性分析与解释。方法提出了一种基于物理模型的级联生成对抗网络,利用多域信息联合训练以及通过系统矩阵学习图像重建所需的关键参数,并自适应地优化k空间生成器和图像生成器结构来增强图像特征信息以获得高质量的重建图像。使用原始的多回波多线圈k数据加速多对比度多参数磁共振图像成像。提出了基于物理驱动的深度学习重建方法,通过建立系统矩阵函数而不是直接通过模型端到端训练的方式来增加模型的泛化能力和提高模型性能。结果在整体回波图像质量评价方面,该模型在80例测试集上的重建图像的平均PSNR值为34.13,SSIM为0.965,NRMSE为0.114,大幅度优于本文的其它对比方法。在多对比度多参数图像重建方面,该模型评估的PDW、T1W以及T2*Map的PSNR分别为38.87、35.62和34.38,在定量上也显著优于其它对比方法,并拟合出更为清晰的大脑灰质、白质和脑脊液特征。除此以外,在重建时间相差不到10%的前提下与现有的方法相比,本研究的方法对PSNR、SSIM和NRMSE的指标提升最高可达到20%。结论相比现有的方法,基于物理模型的级联生成对抗网络方法可以重建出更多的图像细节和特征,从而提高了图像的质量和准确性,并有望将其应用于临床诊疗流程中。

关键词：加速磁共振成像多对比度多参数物理模型级联生成对抗网络多域联合学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：