基于深度迁移学习的肺结节分割方法

针对U-Net分割小体积肺结节效果较差的问题,提出一种基于深度迁移学习的分割方法,利用分块式叠加微调（BSFT）策略辅助分割肺结节。首先,利用卷积神经网络学习自然图像大数据集的特征信息;然后,将所学特征迁移到进行肺结节图像小数据集分割的网络,从该网络最后一个下采样层开始逐块释放、微调训练,直到网络完成最后一层的叠加;最后,定量分析Dice相似性系数,以确定最佳分割网络。实验结果表明,BSFT在LUNA16肺结节公开数据集上的Dice值达到0.917 9,该策略的性能明显优于主流肺结节分割算法。     

肺实质CT图像细化分割

目的 由于肺部CT图像中各组织结构复杂、灰度分布不均匀,造成肺实质部分难以准确分割和提取。为了提高肺实质分割的准确率,本文提出了一种基于超像素的细化分割与模糊C均值聚类相结合的自动分割算法。方法 该算法充分利用肺部CT图像的灰度、纹理特征,同时为了正确标记超像素的分类,引入一种空间邻域信息来增强空间约束进而有效地解决灰度不均匀的问题,它能够对肺实质进行分割并除去其周围的主血管,然后利用形态学知识去除肺部的分支血管。结果 在临床患有四类疾病的患者CT图像数据集上采用改进的图像特征,使得肺实质分割的准确率提高了0.8%。同时,算法准确率提高到99.46%。结论 实验结果表明,本文算法能够实现肺部CT图像肺实质的自动细化分割,结果准确适用。该算法鲁棒性好、速度快,是一种精确有效的自动肺实质分割方法。     

基于全卷积DenseNet的前列腺MRI图像分割新方法

前列腺磁共振（MRI）图像的自动分割对前列腺疾病的诊断至关重要,但是前列腺区域所占比例过小、组织边界模糊等问题为自动分割带来极大困难。针对这些问题,提出了一种基于全卷积DenseNet的前列腺MRI图像分割方法。该方法以现流行的深度学习理论为基础,利用迁移学习的思想,将DenseNet从自然图像迁移到前列腺数据集;采用反卷积和类似U-Net的全卷积神经网络结构,实现端到端的图像分割。同时引入并改进Dice相似性损失函数以解决前列腺MRI中背景所占比例远远大于前列腺区域和一些像素难以准确分割等问题。通过在PROMISE12数据集上进行实验,提出的方法Dice相似性系数达到93.25%,Hausdorff距离小于1.2 mm,相较于目前的主要方法,分割效果更好、所耗时间更短。     

保边滤波和改进FCM的疑似肺结节分割方法

提出一种基于保边滤波和改进FCM算法的疑似肺结节自动分割方法。首先,分离出边缘光滑的肺实质并通过非线性各向异性扩散滤波增强肺区疑似病灶,然后运用改进的模糊C-均值聚类算法分割出不同大小的疑似肺结节。实验结果证明,该方法能够自动、准确地完成疑似肺结节分割,比用传统的FCM算法取得更佳效果,并具有良好的鲁棒性和效率。     

融合上下文和注意力的视盘视杯分割

目的 青光眼会对人的视力造成不可逆的损伤,从眼底图像中精确地分割视盘和视杯是青光眼诊治中的一项重要工作,为有效提升视盘和视杯的分割精度,本文提出了融合上下文和注意力的视盘视杯分割方法（context attention U-Net,CA-Net）。方法 进行极坐标转换,在极坐标系下进行分割可以平衡数据分布。使用修改的预训练ResNet作为特征提取网络,增强特征提取能力。采用上下文聚合模块（context aggregation module,CAM）多层次聚合图像上下文信息,使用注意力指导模块（attention guidance module,AGM）对融合后的特征图进行特征重标定,增强有用特征;使用深度监督思想同时对浅层网络权重进行训练,同时在视杯分割网络中引入了先验知识,约束对视杯的分割。结果 在3个数据集上与其他方法进行对比实验,在Drishti-GS1数据集中,分割视盘的Dice （dice coefficient）和IOU （intersection-over-union）分别为0.981 4和0.963 5,分割视杯的Dice和IOU分别为0.926 6和0.863 3;在RIM-ONE （retinal image database for optic nerve evaluation）-v3数据集中,分割视盘的Dice和IOU分别为0.976 8和0.954 6,分割视杯的Dice和IOU分别为0.864 2和0.760 9;在Refuge数据集中,分割视盘的Dice和IOU分别为0.975 8和0.952 7,分割视杯的Dice和IOU分别为0.887 1和0.797 2,均优于对比算法。同时,消融实验验证了各模块的有效性,跨数据集实验进一步表明了CA-Net的泛化性,可视化图像也表明CA-Net能够分割出更接近标注的分割结果。结论 在Drishti-GS1、RIM-ONE-v3和Refuge三个数据集的测试结果表明,CA-Net均能取得最优的视盘和视杯分割结果,跨数据集测试结果也更加表明了CA-Net具有良好的泛化性能。     

基于分数阶微分增强的肺CT图像血管分割

为了提高对肺CT图像中血管自动分割的准确性,提出基于分数阶微分增强的局部子区域分割方法。通过对肺CT图像的增强、分割方法和分数阶微分对图像细微细节的增强能力的比较和研究后, 该方法先采用构建的分数阶微分算子对肺CT图像加以增强后, 再用两个控制指标获取的局部区域最优阈值来分割肺血管。实验结果表明, 它可以有效地提取肺血管网络并且能够分割得到更为丰富的血管细节; 对比传统方法的肺血管分割结果,它能更准确地分割出肺CT图像中的血管。     

基于Markov随机场的脑部三维磁共振血管造影数据的分割

文章提出了脑部核磁共振血管造影(Magnetic Resonance Angiography,MRA)的全自动分割方法,该方法有效增强了现有的基于Markov随机场(Markov Random Field,MRF)的分割技术。现有的三维Markov分割模型通常面临的挑战是:(1)低级MRF模型参数初始化不够准确;(2)普通的MRF邻域系统无法探测精细的血管结构。针对这两类问题,分别提出了基于多尺度滤波响应阈值分析和多模式邻域系统进行解决,使得MRF模型的血管分辨率提高到2个体素的细小血管。实验中,低级模型参数的精确估计采用了最大期望算法,高阶MRF参数的估计采用最大伪似然估计方法;通过三维仿真数据和实际脑部MRA数据进行验证,分割结果显示了较小的全局误差。     

基于 Markov 随机场的脑部三维磁共振血管造影数据的分割

文章提出了脑部核磁共振血管造影(Magnetic Resonance Angiography, MRA)的全自动分割方法,该方法 有效增强了现有的基于 Markov 随机场(Markov Random Field, MRF)的分割技术。现有的三维 Markov 分割模型通 常面临的挑战是：(1)低级 MRF 模型参数初始化不够准确;(2)普通的 MRF 邻域系统无法探测精细的血管结构。 针对这两类问题,分别提出了基于多尺度滤波响应阈值分析和多模式邻域系统进行解决,使得 MRF 模型的血管 分辨率提高到 2 个体素的细小血管。实验中,低级模型参数的精确估计采用了最大期望算法,高阶 MRF 参数的 估计采用最大伪似然估计方法;通过三维仿真数据和实际脑部 MRA 数据进行验证,分割结果显示了较小的全局 误差     

一种改进的期望最大图像分割方法

期望最大算法是进行极大似然估计的一种有效方法,它主要用于观测数据不完全或者似然函数不是解析时的参数估计。文中提出了一种期望最大化和贝叶斯信息准则相结合的图像分割方法。首先,运用K均值方法初始化图像分布;然后,运用期望最大算法估计输入图像参数数据,图像中类的数目由贝叶斯消息准则自动确定;最后,运用最大似然标准将像素归类于最相近的类中。实验中将此方法用于对葡萄叶部病害彩色图像的分割,其结果表明此方法有效。     

肺部影像解剖结构分割数据集及应用

目的 从影像中快速精准地分割出肺部解剖结构可以清晰直观地分辨各解剖结构间的关系,提供有效、客观的辅助诊断信息,大大提高医生的阅片效率并降低医生的工作量。随着影像分割算法的发展,越来越多的方法应用于分割肺部影像中感兴趣的解剖结构区域,但目前尚缺乏包含多种肺部精细解剖结构的影像数据集。本文创建了一个带标签的肺部CT/CTA （computer tomography/computer tomography angiography）影像数据集,以促进肺部解剖结构分割算法的发展。方法 该数据集共标记了67组肺部CT/CTA影像,包括CT影像24组、CTA影像43组,共计切片图像26 157幅。每组CT/CTA有4个不同的目标区域类别,标记对应支气管、肺实质、肺叶、肺动脉和肺静脉。结果 本文利用该数据集,用于肺部CT解剖结构分割医学影像挑战赛——2020年第四届国际图像计算与数字医学研讨会,该挑战赛提供了一个肺血管、支气管和肺实质的评估平台,通过Dice系数、过分割率、欠分割率、医学和算法行业专家对分割和3维重建效果进行了评估,目的是比较各种算法分割肺部解剖结构的性能。结论 本文详细描述了包括支气管、肺实质、肺叶、肺动脉和肺静脉等解剖结构标签的肺部影像数据集和应用结果,为相关研究人员利用本数据集进行更深入的研究提供参考。     

利用Stein-Weiss解析函数性质的3维血管分割

目的 针对现有的血管分割方法对血管的分割精度尚有不足,尤其是对噪声等影响下的断裂血管,基于Stein-Weiss函数的解析性提出了一种新的3维血管分割算法,能够分割出更精细更清晰的血管。方法 首先,通过图像增强和窗宽窗位调节的预处理来增加血管点与背景的对比度。然后,将Stein-Weiss函数与梯度算子结合起来,把CT体数据的每一个体素都表示为一个Stein-Weiss函数,体素6邻域的灰度值作为Stein-Weiss函数各组成部分的系数。再求出Stein-Weiss函数在x、y、z 3个方向上的梯度值,大于某一个阈值时,便将此体素视为血管边缘上的点。最后,根据提取出血管边缘的2维CT切片重建出3维的血管。结果 对肝静脉的造影数据S70进行肝脏血管分割与3维重建的实验结果表明,利用该算法进行血管分割的敏感性和特异性相对于区域生长算法和八元数解析分割算法都较高。尤其是对于血管分割的去噪方面有明显优势,因此能够快速有效地分割出更清晰更精细的血管。结论 提出了一种新的血管分割算法,利用Stein-Weiss函数的解析性来提取血管的边缘,实验结果表明,此算法可以有效快速地去除血管噪声并得到更精细的分割结果。由于Stein-Weiss解析的性质可以适合任意维数,所以利用Stein-Weiss解析函数性质可以进行2维或更高维的图像边缘识别。     

结合极值区域检测的血管内超声图像并行分割

目的 血管内超声（IVUS）图像动脉壁边界分割不仅对血管壁和斑块特征的定量分析至关重要,而且对血管弹性定性分析和重建动脉3维模型也是必需的。针对IVUS图像传统分割方法建模复杂、运算量大且需分别设计算法串行提取内膜和外膜的缺点,本文提出基于极值区域检测的IVUS图像并行分割方法。方法 本文方法包含极值区域检测、极值区域筛选以及轮廓拟合3部分。对单帧IVUS图像提取极值区域,经面积筛选后得到候选区域,并将区域的局部二值模式（LBP）特征、灰度差异和边缘周长的乘积作为筛选矢量在候选区域中提取代表管腔和介质的两个极值区域,并进行轮廓的椭圆拟合化,完成分割。结果 在包含326幅20 MHz的IVUS（intravascular ultrasound）B模式图像的标准公开数据集上,定性展示极值区域轮廓和椭圆拟合轮廓,并与专家手动绘制的结果进行对比;然后使用DC（dice coefficient）、JI（jaccard index）、PAD（percentage of area difference）指标以及HD（hausdorff distance）对本文算法做鲁棒性测试和泛化测试,实验中内膜各指标值分别为0.94±0.02,0.90±0.04,0.05±0.05,0.28±0.14 mm,外膜各指标值分别为0.91±0.07,0.87±0.11,0.11±0.11,0.41±0.31 mm,与相关文献的定量对比实验结果表明本文算法提取的内外膜性能均有所提高。此外,本文方法在临床数据集上的测试效果也很好,与专家手动描绘十分接近。结论 结合极值区域检测的IVUS图像并行分割,算法在精度和鲁棒性方面均得到了改善。     

形状约束下活动轮廓模型冠脉血管图像多尺度分割

目的 由于计算机断层血管造影(CTA)图像的复杂性,临床诊断冠脉疾病往往需要经验丰富的医师对冠状动脉进行手动分割,快速、准确自动分割出冠状动脉对提高冠脉疾病诊断效率具有重要意义。针对双源CT图像特点以及传统单一基于区域或边界的活动轮廓模型的不足,研究了心脏冠脉3维分割算法,提出一种基于血管形状约束的活动轮廓模型分割方法。方法 首先,利用改进的FCM(fuzzy C-means)对心脏CT图像感兴趣区域初分割,其结果用于初始化C-V模型水平集演化曲线及控制参数,提取感兴趣区域轮廓。接着,由3维心脏图像数据获取多尺度梯度矢量信息构造边界型能量泛函,然后利用基于Hessian矩阵的多尺度血管函数对心脏感兴趣区域3维体数据增强滤波,获取血管先验形状信息用于约束能量泛函。最后融合边界、区域能量泛函并利用变分原理及水平集方法得到适合冠脉血管分割的水平集演化方程。结果 由于血管图像的灰度不均匀,血管末端区域更为细小,所以上述算法的实施是面向被划分多个子区域的血管,在缩小的范围内进行轮廓的演化。相比于传统的血管分割方法,该方法充分融合血管图像的先验信息及梯度场信息,能够从灰度及造影剂分布不均匀的冠脉血管图像中准确分割出冠状动脉,对于细小的血管结构亦能获得较好的分割效果。实验结果表明,该方法只需在给定初始轮廓前提下,有效提取3维冠脉血管。结论 对多组心脏CT图像进行分割,本文基于血管先验形状约束的活动轮廓模型可以准确分割出冠脉结构完整轮廓,并且人工交互简单。该方法在双源CT冠脉图像自动分割方面具有较好的正确率与优越性。     

Murray’s law and the bifurcation angle in the arterial micro-circulation system and their application to the design of microfluidics

Murray’s law which is related to the bifurcations of vascular blood vessels states that the cube of a parent vessel’s diameter equals the sum of the cubes of the daughter vessels’ diameters D₀³ = D₁³ + D₂³ , a = D₀³ /( D₁³ + D₂³ ) = 1, D_{0}^{3} = D_{1}^{3} + D_{2}^{3} ,\,\alpha = D_{0}^{3} /\left( {D_{1}^{3} + D_{2}^{3} } \right) = 1, where D ₀, D ₁, and D ₂ are the diameters of the parent and two daughter vessels, respectively and α is the ratio). The structural characteristics of the vessels are crucial in the development of the cardiovascular system as well as for the proper functioning of an organism. In order to understand the vascular circulation system, it is essential to understand the design rules or scaling laws of the system under a homeostatic condition. In this study, Murray’s law in the extraembryonic arterial bifurcations and its relationship with the bifurcation angle (θ) using 3-day-old chicken embryos in vivo has been investigated. Bifurcation is an important geometric factor in biological systems, having a significant influence on the circulation in the vascular system. Parameters such as diameter and bifurcation angle of all the 140 vessels tested were measured using image analysis softwares. The experimental results for α (= 1.053 ± 0.188) showed a good agreement with the ratio of 1 for Murray’s law. Furthermore, the diameter relation α approached the theoretical value of 1 as the diameter of parent vessel D ₀ decreased below 100 μm. The bifurcation angle θ decreased as D ₀ increased and vice versa. For the arterial bifurcations of chicken embryos tested in this study, the bifurcation pattern appears to be symmetric (D ₁ = D ₂). The bifurcation angle exhibited a nearly constant value of 77°, close to the theoretical value of 75° for a symmetric bifurcation.     

On the determination of Poisson’s ratio of stressed monolayer and bilayer submicron thick films

In this paper, the bulge test is used to determine the mechanical properties of very thin dielectric membranes. Commonly, this experimental method permits to determine the residual stress (σ₀) and biaxial Young’s modulus (E/(1 − υ)). Associating square and rectangular membranes with different length to width ratios, the Poisson’s ratio (υ) can also be determined. LPCVD Si₃N₄ monolayer and Si₃N₄/SiO₂ bilayer membranes, with thicknesses down to 100 nm, have been characterized giving results in agreement with literature for Si₃N₄, E = 212 ± 14 GPa, σ₀ = 420 ± 8 MPa and υ = 0.29.     

Integrating adaptive neuro-fuzzy inference system and local binary pattern operator for robust retinal blood vessels segmentation

Automatic extraction of blood vessels is an important step in computer-aided diagnosis in ophthalmology. The blood vessels have different widths, orientations, and structures. Therefore, the extracting of the proper feature vector is a critical step especially in the classifier-based vessel segmentation methods. In this paper, a new multi-scale rotation-invariant local binary pattern operator is employed to extract efficient feature vector for different types of vessels in the retinal images. To estimate the vesselness value of each pixel, the obtained multi-scale feature vector is applied to an adaptive neuro-fuzzy inference system. Then by applying proper top-hat transform, thresholding, and length filtering, the thick and thin vessels are highlighted separately. The performance of the proposed method is measured on the publicly available DRIVE and STARE databases. The average accuracy 0.942 along with true positive rate (TPR) 0.752 and false positive rate (FPR) 0.041 is very close to the manual segmentation rates obtained by the second observer. The proposed method is also compared with several state-of-the-art methods. The proposed method shows higher average TPR in the same range of FPR and accuracy.

     

Effective visualization of complex vascular structures using a non-parametric vessel detection method

The effective visualization of vascular structures is critical for diagnosis, surgical planning as well as treatment evaluation. In recent work, we have developed an algorithm for vessel detection that examines the intensity profile around each voxel in an angiographic image and determines the likelihood that any given voxel belongs to a vessel; we term this the "vesselness coefficient" of the voxel. Our results show that our algorithm works particularly well for visualizing branch points in vessels. Compared to standard Hessian based techniques, which are fine-tuned to identify long cylindrical structures, our technique identifies branches and connections with other vessels. Using our computed vesselness coefficient, we explore a set of techniques for visualizing vasculature. Visualizing vessels is particularly challenging because not only is their position in space important for clinicians but it is also important to be able to resolve their spatial relationship. We applied visualization techniques that provide shape cues as well as depth cues to allow the viewer to differentiate between vessels that are closer from those that are farther. We use our computed vesselness coefficient to effectively visualize vasculature in both clinical neurovascular x-ray computed tomography based angiography images, as well as images from three different animal studies. We conducted a formal user evaluation of our visualization techniques with the help of radiologists, surgeons, and other expert users. Results indicate that experts preferred distance color blending and tone shading for conveying depth over standard visualization techniques.     

Michell cantilevers constructed within trapezoidal domains—Part I: geometry of Hencky nets

The present paper is the first part of the four-part work on Michell cantilevers transmitting a given point load to a given segment of a straight-line support, the feasible domain being a part of the half-plane contained between two fixed half-lines. The axial stress σ in the optimal cantilevers is assumed to be bounded by −σ _C ≤σ≤σ _T , where σ _C and σ _T represent the allowable compressive and tensile stresses, respectively. The work provides generalization of the results of the article of Lewiński et al. (Int J Mech Sci 36:375–398, 1994a) to the case of σ _T ≠σ _C . The present, first part of the work concerns the analytical formation of the Hencky nets or the lines of fibres filling up the interior of the optimal cantilevers corresponding to an arbitrary position of the point of application of the given concentrated force.     

多相期增强CT中肝内血管的自动分割

目的 在肝脏手术规划系统中,肝内精确的血管模型是实施肝脏分段和手术模拟的重要基础。为此提出一种基于多相期增强CT影像的肝内血管自动分割方法。方法 首先,采用各向异性滤波的方式减少图像上的噪声干扰。然后将图像灰度信息和汉森矩阵的特征值相结合,设计了一种新的滤波器,增强图像中的血管结构,以解决传统方法中血管连接处断裂的问题。最后,应用迭代式的自适应区域增长算法,进一步分割出增强图像中的血管。结果 使用5组临床上的真实数据测试算法的有效性,实验结果显示肝内血管由粗到细被完整分割出来。结论 本文肝脏CT血管分割方法,分别在不同尺度的增强图像对其进行处理,使得肝内血管从粗壮的主枝到细小的末端都能被很好地分割出来,能够获得正确的血管拓扑结构。