作者:闫欢兰; 陆慧娟; 叶敏超; 严珂; 金群; 徐一格 期刊:《小型微型计算机系统》 2020年第01期
肺癌不断威胁着人类健康,计算机辅助诊断对肺癌诊断将发挥重要的作用.卷积神经网络(CNNs)在对图像的处理上表现出有目共睹的优秀性能,医学Computed Tomography(CT)图像是用来诊断肺癌的主要检查方式,用深度学习分割病灶的方法可以实现端对端的辅助诊断,这将节省医生的诊断时间,为患者争取最佳治疗时间.LIDC-IDRI(The Lung Image Database Consortium)数据集影像中的癌症部分与其他组织部分的放射密度十分接近,而且往往癌症部分非常...
作者:张驰名; 王庆凤; 刘志勤; 黄俊; 周莹; 刘启榆; 徐卫云 期刊:《计算机工程》 2020年第01期
在肺癌早期筛查过程中,人工诊断胸部CT扫描图像费时费力,而深度学习网络缺乏足够的医学数据进行训练。为此,提出一种渐进式微调(PFT)策略,将其应用于深度迁移学习网络以辅助诊断肺结节良恶性。利用神经网络在粗粒度的自然图像大数据集中学习特征知识,经重构网络分类层将所学到的特征信息迁移至肺结节的细粒度小数据集。采用PFT策略从全连接分类层开始,逐层释放、微调训练卷积层直至所有网络层,并通过定量分析各层微调后肺结节良恶...
作者:杨晶晶; 王骞; 宣晓华 期刊:《数学建模及其应用》 2017年第04期
以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注,并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率,本文设计了2种改良的深度卷积神经网络,这些改进加快了神经网络的训练速度.有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型,该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验,改进的检测模型在LUNAl6数据集上的准确率明显好于其他...
作者:赵佳琦; 贾兰婷; 徐琪; 潘倩; 章建全 期刊:《第二军医大学学报》 2020年第01期
作者:马瑞琳; 刘翔; 张瑜; 石蕴玉; 刘烨 期刊:《传感器与微系统》 2020年第01期
针对心电信号的异常识别问题,提出了一个基于深度学习的改进型Cifar网络模型,可以自动提取心电特征,并将提取的特征馈送到Logistic分类器中进行分类。运用缩放变换获得图像的多分辨率表达,该表达符合心电图时序特点,克服了因数据量较少造成的网络过拟合问题。利用心电传感器采集志愿者心电信号,并结合正常窦性心律数据库(NSRDB)和突发心脏病死亡数据库(SDDB)建立训练测试集,用于验证方法的有效性。在对正异常心电信号的分类实验中,...
作者:易定容; 赵艳丽; 孔令华; 王文琪; 黄彩虹 期刊:《光谱学与光谱分析》 2020年第01期
白光阴道镜图像对比度较低,不利于医生鉴别不同病变程度组织,也不利于自动化宫颈癌筛查。利用癌变组织富含血红蛋白成分及血红蛋白具有特征波段这一特性,与传统高光谱空间扫描成像及分时获取不同波段多光谱成像方法相反,利用快照式多光谱窄带成像来加速光谱图像获取过程,提升不同病变程度组织之间灰度对比度同时,降低后续图像分析处理算法难度,实现对宫颈组织病变类型高帧率自动化分类。首先,使用微型快照式窄带多光谱摄像方法,在...
作者:刘志华; 李丰军; 严传波 期刊:《电子技术应用》 2019年第11期
探讨卷积神经网络(Convonlutional Neural Network,CNN)在肝包虫病CT图像诊断中的应用。选取两种类型的肝包虫病CT图像进行归一化、改进的中值滤波去噪和数据增强等预处理。以LeNet-5模型为基础提出改进的CNN模型CTLeNet,采用正则化策略减少过拟合问题,加入Dropout层减少参数个数,对二分类肝包虫图像进行分类实验,同时通过反卷积实现特征可视化,挖掘疾病潜在特征。结果表明,CTLeNet模型在分类任务中取得了较好的效果,有望通过深度...
作者:黄旗; 张蕾; 舒鑫; 吕青 期刊:《现代计算机》 2019年第28期
在乳腺癌的自动化筛查和诊断领域,计算机辅助诊断(CAD)技术常常被用于检测与分析乳腺X光片中的可能存在的病变区域,并以此为基础发展而来的一系列医疗成像技术成为主流。然而,这种自动化诊断往往需要大量的带有真标签的乳腺X光数据。为了在获取大量该类数据的同时仍能保证数据的质量,基于一个朴素的标注方法设计一套交叉验证流程,这个方法可以在降低人工标注成本的同时保证标注出的数据质量。基于整个流程开发一套基于Web的在线的...
作者:罗源; 庄华; 覃浪宽; 赵捷颖; 尹皓; 刘东权; 吴玉婷; 刘可; 胡汉川 期刊:《生物医学工程学》 2019年第06期
经直肠超声造影是直肠肿瘤常规检查方法,不同肿瘤内的造影剂分布的不均匀程度是重要的影像特征,依赖人工方法可以对该特征进行分级。但是针对大量数据时,人工分级繁琐缓慢,且结果容易受到影响。本文提出了一种基于灰度共生矩阵(GLCM)的提取直肠肿瘤超声造影图像内造影剂分布特征的计算机分级方法。具体流程包括压缩图片的灰度、计算灰度共生矩阵的纹理统计量、结合特征选择和主成分分析(PCA)进行降维以及训练和验证二次判别分析模...
《“健康中国2030”规划纲要》的核心思想是用健康梦托起中国梦,而实现健康梦离不开医疗科技的发展。现今在互联网高速发展的驱动下,医疗领域的“云端”应用技术也逐渐成熟,尤其体现在医学影像方面。影像存储系统从最初随影像设备配置的单机版后处理工作站发展为科室级与医院级PACS,进而发展到区域级与云端PACS,即“影像云”,为医学影像中心实现跨区域远程医疗奠定了技术基础。而伴随“影像云”发展历程的不仅是互联网技术的发展,...
作者:赵文俐; 郭红云; 林士兴; 权申文; 李牡兰 期刊:《新发传染病电子》 2018年第02期
作者:周靖宇; 成官迅 期刊:《功能与分子医学影像学》 2017年第04期
乳腺癌位居中国女性恶性肿瘤发病率的第一位,严重威胁到广大女性的身心健康,并且其发病趋势逐渐趋于年轻化.早期诊断和恰当治疗可以大大减低其死亡率,在这个过程中乳腺X线摄影、超声、磁共振等影像评估起着不可或缺的重要作用[1].磁共振具有安全、可靠、无创及无辐射等特点.近年来已经成为乳腺癌诊断、治疗评估的重要手段.不同影像技术特性、
作者:蔡武斌; 宋文爱; 王青; 杜晓亮; 雷毅 期刊:《智慧健康》 2018年第05期
随着计算机技术的发展,数字图像处理和模式识别技术被广泛的应用于生物医学工程领域。计算机辅助细胞学诊断系统用于检查和分析细胞医学显微图像,是分子生物技术和现代医学的一个重要研究方向。在该系统应用中,其难点是准确地识别出图像中的各种类型的细胞。本文在简要介绍计算机辅助细胞学诊断研究工作的基础上,重点分析了细胞图像分割方法,对传统方法和近几年来出现的新方法或原有方法的新改良进行了研究和比较,并以宫颈细胞显微...
作者:陈朋果; 张焜和 期刊:《中国现代医生》 2008年第21期
计算机辅助诊断是医学诊断学与人工智能技术结合的产物,在诊断学各个领域的应用报道日益增多,显示出良好的诊断效果。本文在简要介绍计算机辅助诊断技术的基础上,主要介绍了其在临床诊断、影像学诊断、实验诊断方面的研究进展,对计算机辅助诊断的不足和发展趋势也作了简单讨论。
作者:侯秋阳; 邓克学; 叶茗珊; 戴钢; 王敏锐; 邢江浩 期刊:《中国医学计算机成像》 2018年第05期
目的:通过探讨基于深度学习的计算机辅助诊断系统(DL—CAD)对医师识别周围型肺小腺癌基本征象的辅助作用,初步评估DL-CAD在周围型肺小腺癌诊断中的应用价值。方法:回顾性分析经病理证实的周围型肺小腺癌152例,由一名主治影像医师阅读CT图像,记录恶性征象,然后参考DL-CAD软件的标记,再次判定恶性征象,比较此医师应用DL-CAD前后对于周围型肺小腺癌恶性征象识别敏感度的差异。结果:在应用DL-CAD前后,影像医师对周围型肺小...
作者:陶永鹏; 刘朝霞; 顼聪 期刊:《中国组织工程研究》 2018年第24期
背景:对疑似乳腺癌诊断而言,细胞组织病理诊断是重要的诊断步骤。若医生需要针对每一张苏木精-伊红染色影像都需要凭借自己的经验以肉眼进行判断,不但具有较大的主观性,医生的疲劳度和专注力也会影响整体判断结果。目前国内外一直缺乏一套定量、客观的乳腺癌细胞计算机辅助诊断系统。目的:将发展一套计算机辅助诊断系统,基于多重分辨率的概念,以组织病理细胞学特征和影像结构特征为分析依据,从而判别乳腺导管细胞增生的类型。方...
作者:罗晓; 李安华 期刊:《中华医学超声》 2019年第04期
1956年,美国达特茅斯大学举行首次人工智能(artificial intelligence,AI)研讨会,John McCarthy 等首先提出“人工智能”的概念[1]。AI是个多义词,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。1966年,美国学者Ledley首次提出“计算机辅助诊断(computer-aided diagnosis,CAD)”,是指通过影像学、医学图像处理技术以及其他手段,主要包括图像采集、图像预处理、感兴趣区域(region of in...
作者:陈永晔; 张恩龙; 张家慧; 郎宁; 袁慧书 期刊:《磁共振成像》 2018年第10期
随着计算机算法的不断突破以及硬件设备的不断更新,人工智能开始逐步呈现出应用在医学图像上的优势,就某些特定疾病而言,其拥有良好的诊断准确率以及医生无法匹及的诊断效率。本文归纳总结了近几年基于影像的多种人工智能算法在肿瘤研究中的应用进展,并分析其现实应用意义,以实现更好地将其从实验阶段向临床应用阶段转化。
作者:王飞; 杜国庆 期刊:《医学综述》 2019年第19期
心肌梗死对人类生命健康造成严重威胁,对心肌梗死的准确诊断和及时治疗将直接影响患者的预后。超声心动图作为最常用的诊断心肌梗死的影像学方法之一,现已广泛应用于临床,但其存在主观性强、易受操作者临床经验影响等缺点。计算机辅助超声诊断技术的迅猛发展以及计算机强大的计算能力和自主学习功能为客观准确地判断患者病情提供了技术支持。计算机辅助对心肌梗死超声图像特征进行识别和分析,为心肌梗死提供了更多的诊断信息。
作者:李海强; 赵希梅; 魏宾; 王国栋 期刊:《青岛大学学报·工程技术版》 2018年第04期
针对在肝病多分类识别中分类精度较低的问题,提出一种基于多特征融合和ELM的肝病多分类识别方法。从肝脏超声图像中选定感兴趣区域,分别对其提取LBP特征、GL-CM特征和Gabor特征,将得到的三种特征进行融合,得到鲁棒性更强的特征,通过超限学习机进行分类。实验结果表明,新提出的方法可以有效提高肝病多分类识别的识别率,并且时间效率较高,有助于肝病的临床诊断。