简介：

简介：

简介：摘要目的通过基于卷积神经网络深度学习方法从增强CT合成平扫CT图像，临床主观和客观评估合成平扫CT图像(DL-SNCT)与金标准平扫CT图像的相似性，探讨其潜在临床价值。方法同时行常规平扫和增强CT扫描的患者34例，通过深度学习模型将增强CT图像合成DL-SNCT图像，以平扫CT图像为金标准，主观评价DL-SNCT的图像质量(评价指标包括解剖结构清晰度、伪影、噪声、图像结构完整性、图像变形，均采用4分制)；利用配对t检验比较DL-SNCT与金标准平扫CT图像不同血供特点的解剖部位(主动脉、肾脏、肝实质、臀大肌)以及不同强化模式的肝脏病变(肝癌、肝血管瘤、肝转移瘤、肝囊肿)的CT值。结果主观评价上，DL-SNCT图像在伪影、噪声、图像结构完整性、图像变形方面评分都达到4分，与平扫CT图像评分相一致(P>0.05)；在解剖结构清晰度方面评分略低于平扫CT图像[(3.59±0.70)分vs. 4分)]，差异有统计学意义(Z＝－2.89，P <0.05)。对于不同解剖部位而言，DL-SNCT图像主动脉、肾脏的CT值显著高于平扫CT图像(t＝－12.89、－9.58，P <0.05)，而肝实质、臀大肌CT值与平扫CT图像差异无统计学意义(P>0.05)。对于不同强化模式肝脏病变而言，DL-SNCT图像肝癌、肝血管瘤、肝转移瘤的CT值显著高于平扫CT图像(t＝－10.84、－3.42、－3.98，P <0.05)，而肝囊肿CT值与平扫CT图像差异无统计学意义(P>0.05)。结论DL-SNCT在图像质量上以及一些强化方式比较单一的解剖部位的CT值已接近金标准平扫CT，但对于强化程度变化大的解剖部位，以及有着不同强化模式的肝脏病变，DL-SNCT在临床应用前还有很大的改进空间。

简介：

简介：

简介：

简介：

简介：摘要：细胞核的精确分割是病理诊断的重要基础，为了进一步提高细胞核分割的准确性，本文提出基于ConvNeXt改进的ConvUnet细胞核分割网络。首先，将ConvNeXt网络扩写为编码器-解码器结构，其次在跳跃连接结构中加入ECA通道注意力机制，去除原始病理图片中的冗余信息，加强对重要细胞核特征的关注度，最终提高模型的分割性能。在Monuseg数据集上的实验结果表明，ConvUnet网络的Dice系数和IoU分别达到79.27%和65.98%，与现有细胞核分割方法相比有更好的分割效果。

简介：

简介：摘要图像引导放射治疗(IGRT)是一种可视化的影像引导放疗技术，具有提高肿瘤靶区剂量，降低正常器官受照剂量等诸多优点。锥形束CT(CBCT)是IGRT中最常用的医学图像之一，对CBCT进行快速、准确的靶区及危及器官的分割对放疗具有重大意义。目前的研究方法主要有基于配准的分割方法和基于深度学习的分割方法。本研究针对CBCT图像分割方法、存在问题及发展方向进行综述。

简介：摘要：所谓图像检测，就是通过图像对感兴趣的特征区域（检测目标）进行提取的过程，其中图像是承载检测目标的载体，检测目标需要事先进行特征提取、归纳，最终通过相应算法分离出来。图像检测方法可分为单帧图像检测和多帧图像检测。单帧图像检测主要是利用图像的灰度信息对目标进行分割，主要包括基于灰度阈值的目标检测方法和基于边缘信息的目标检测方法。

简介：摘要：本文提出了一种基于机器学习的眼底图像检测方法、装置及系统，其中主要包括：获取待检测的眼底图像；对所述眼底图像整体区域进行第一特征集检测；对所述眼底图像中特定区域进行第二特征集检测，所述第一特征中的特征的显著度大于第二特征集中的特征的显著度；基于机器学习对检测的结论进行判定得到最终检测结果。每种类型的特征分开检测，互不影响，可以较为精确的判断每个特征的类别，同时进行多种类别多种显著度的特征的检测，可以高效精确的对眼底图像进行检测。

简介：

简介：摘要 目的：探究影响冠脉CTA图像质量的因素。方法：选取我院2022年1月至2022年12月的冠脉CTA患者45人为研究对象，根据是否存在伪影，将其分为存在伪影组（观察组：14人）与不存在伪影组（对照组：31人），总结其临床数据，单因素分析分析存在伪影的相关影响因素。结果：观察组患者的静息心率和对照组患者的心率存在显著差异，图像有错层的患者静息心率明显高于图像没有错层的患者的静息心率。年龄、检查心率、冠脉狭窄程度对图像的影响不大。结论：在行冠脉CTA检查时，要充分考虑各种因素，重视静息心率的影响，以增加结果的准确率。

简介：

简介：摘要大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源，同时人工智能技术的发展促进深度学习应用水平不断提升，推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分，第一部分针对目前主流的深度学习MRI图像分类模型：卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述。首先，阐述了各模型的历史沿袭、最初针对的问题及主要思想；其次，概括了模型的网络架构并探讨其在MRI图像分类上的最新应用；然后，分析了模型的特点、目前存在的局限及各自发展趋势。第二部分论述了一些影响分类性能的关键因素；第三部分提出了一些广泛使用的性能增强技术；文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制，并对未来研究方向进行展望。本文的结果可为研究人员提供一个全面的比较，以及各种深度学习模型的有效性，有望促进脑肿瘤研究的进展。

简介：【摘要】目的 分析儿童胸部DR摄片图像质量影响因素。方法 选择2021年7月至2022年12月间来我院进行胸部DR检查的500例儿童作为分析对象，对其摄影的图像质量进行分析，按正规医院标准（甲、乙、丙级片）评定图像质量。结果 摄影结束后，有甲级片448例，几率为89.60%，乙级片47例，几率为9.40%，丙级片5例，几率为1.0%。结论 结果表明，由于焦斑大小、患者身体习性及体位、机器本身性能等因素影响，使得甲级片比例降低。为提升图像质量，需分析影响因素后进行准确调节 。

简介：[摘要]目的：分析乳腺叶状肿瘤良恶性的超声图像特点。方法：本次对象为我院乳腺叶状肿瘤患者75例，纳入时间2021年11月-2023年1月，分析良恶性肿瘤的病理学表现，观察超声图像。结果：本组75例患者中，良性肿瘤32例，交界性肿瘤25例，恶性肿瘤18例。在超声图像上，三种肿瘤在肿瘤直径、形态、边缘光滑、后方回声增强上差异不明显（P>0.05），在边界清晰、内部回声均匀上差异明显（P

简介：[摘要]目的：分析乳腺叶状肿瘤良恶性的超声图像特点。方法：本次对象为我院乳腺叶状肿瘤患者75例，纳入时间2021年11月-2023年1月，分析良恶性肿瘤的病理学表现，观察超声图像。结果：本组75例患者中，良性肿瘤32例，交界性肿瘤25例，恶性肿瘤18例。在超声图像上，三种肿瘤在肿瘤直径、形态、边缘光滑、后方回声增强上差异不明显（P>0.05），在边界清晰、内部回声均匀上差异明显（P

简介：摘要：目的：探索并评估基于超声图像分析的甲状腺癌诊断方法，以提高对甲状腺癌的准确性和敏感性。方法：从2022年9月至2023年9月，我们回顾性地收集了86例患有甲状腺病变的患者的超声图像数据。我们采用对比法对这些患者的超声图像进行分析，并将其与已知的甲状腺癌病例进行对比。结果：通过基于超声图像的分析，我们成功地诊断出了这86例患者中的甲状腺癌病例。我们的诊断方法显示出很高的准确性和敏感性，并与已有的临床诊断方法相媲美。结论：基于超声图像分析的甲状腺癌诊断方法是一种可行且有效的诊断手段。它可以提供更准确和敏感的甲状腺癌诊断结果，有望在临床实践中得到广泛应用。然而，仍需要进一步的研究和验证来进一步确认该方法的可靠性和稳定性。