基于CycleGAN的仿真PET/CT图像生成方法

目前,癌症仍然是人类身体健康的一个巨大威胁.癌症的诊断尤其是早期诊断,对于癌症的治愈来说至关重要.以正电子发射型计算机断层显像/计算机断层扫描显像(Positron Emission Computed Tomography/Computed Tomography,PET/CT)为代表的医疗影像学技术是癌症早期诊断的重要...     

正电子发射计算机信息处理断层显像在探测甲状腺癌转移灶中的临床应用

探讨18 F-FDG正电子发射计算机断层显像(Positron emission computed tomography imaging,PET/CT)在血清甲状腺球蛋白(hyroglobulin,Tg)阳性,131I全身扫描(131I-whole body scan,131I-WBS)阴性的分化型甲状腺癌131I清除残余甲状腺后随访中的临床意义.选取我院2010年1月至2014年12月核医学科已经接受甲状腺近全或全切除术并用131I清除残余甲状腺的分化型甲状腺癌患者,并在随访中测定血清Tg水平增高,而131I-WBS显像阴性的患者33例,随后进行18F-FDG PET/CT全身显像.利用SPSS13.0分析软件进行数据分析,评估18F-FDG PET/CT在血清TG测定阳性,而131I-WBS显像阴性的分化型甲状腺癌131I清除残余甲状腺后随访中的临床意义.在33例血清Tg阳性,131I-WBS阴性患者中,21例患者18F-FDG PET/CT显像阳性,12例患者18F-FDG PET/CT显像阴性.18F-FDG PET/CT显像的敏感度87.0％(20/23),特异性90％(9/10),准确性87.9％ (29/33),阴性预测值75％(9/12),阳性预测值为95.2％ (20/21).当Tg＞18ng/ml时,随着血清Tg水平的增高,18F-FDG PET/CT对分化型甲状腺癌转移灶的检出率随之升高.18F-FDG PET/CT对于血清Tg测定阳性,而131I-WBS显像阴性的分化型甲状腺癌131I清除残余甲状腺后复发转移的探测具有临床价值.随着血清Tg水平的增高,PET对分化型甲状腺癌转移灶的检出率随之升高.     

ADI高集成数字X射线模拟前端：用高品质图像服务医疗设备

作为高性能信号处理解决方案供应商和医疗成像行业的长期合作伙伴,ADI在医疗电子领域（包括CT、数字X光机、超声、MRI、PET等细分领域）一直都有着相当不错的市场表现。在CT方面,ADI公司的突破性电流数字转换器技术可精确捕捉实时运动图像,同时能缩短扫描时间,使高层数CT系统彻底改观;     

基于注意力机制和Inf-Net的新冠肺炎图像分割方法

新型冠状病毒肺炎肆虐全球,严重影响了人类社会的生活和健康。CT影像技术是检测新冠肺炎的重要诊断方式,从CT图像中自动准确分割出新冠肺炎病灶区域,对于诊断、治疗和预后都有重要意义。针对新冠肺炎病灶的自动分割,文中提出基于Inf-Net算法改进的自动分割方法,通过引入通道注意力机制加强特征表示,并运用注意力门模块来更好地融合边缘信息。在COVID-19 CT分割数据集上的实验结果表明,文中所提出新冠肺炎图像分割方法的Dice系数、灵敏度、特异率分别为75.1%、75.4%和95.4%,算法性能也优于部分主流方法。     

模糊神经网络像素分类的稀疏表示医学CT图像去噪方法

在医学CT成像过程中,由于引入了不可避免的噪声,致使图像质量下降,影响临床诊断。因此,研究医学CT图像降噪方法在诊疗服务中具有重要意义。本文结合图像分割的思想,利用模糊神经网络将图像像素分成边缘区、平滑区与纹理区等不同图像区域,通过小波稀疏表示对不同类型的图像块进行阈值去噪处理,以便更好地保留医学CT图像的细节特征。实验结果表明,本文算法对医学CT图像降噪有一定的效果,峰值信噪比（PSNR）和结构相似性指数（SSIM）都得到了改善,更好并且很好地保留CT图像的细节信息。      

基于VGG网络多模态融合的非小细胞肺癌复发预测

传统方法预测肺癌患者术后复发通常使用PET/CT图像或临床数据等单一模态信息,而文章在卷积神经网络VGG模型的基础上研究了多模态融合的潜力,通过结合PET/CT图像信息、临床数据和影像组学信息对肺癌复发实现了更好的预测。实验结果表明,对160名患者的NSCLC放射基因组学数据集进行研究时使用三种模态信息预测NSCLC患者复发性能达到最佳,其准确率为84.38%,精确率为82.76%,召回率为68.75%,AUC为79.69%。     

基于多分辨率变换和压缩感知的肺癌PET/CT图像融合方法

针对移动医疗背景下医学图像融合信息交互的局限性问题,提出一种基于多分辨率变换NSCT和压缩感知理论的肺癌PET/CT图像融合算法.第一步,对源图像进行单层NSCT分解;第二步,通过分析PET和CT不同的成像机制和显像信息,对分解后具有较差稀疏性且主要集中源图像大部分能量的低频子带,采取高斯隶属度函数加权的融合规则,对主要呈现源图像细节信息的高频子带使用高斯随机矩阵进行压缩测量,选择基于平均梯度和区域能量的方法法对高频测量值进行融合;第三步,采取正交匹配追踪算法重构融合后的高频测量值;第四步,对低频融合图像和重构后的高频融合图像进行NSCT逆变换得到最终的融合图像;最后,对该算法进行了两方面的仿真实验:与其他压缩感知图像融合方法的比较以及与其他多分辨率图像融合方法的比较,实验结果表明,该算法是有效可行的.     

基于无监督学习网络模型的PET影像伪影校正

核医学领域PET/CT可以为胸腹部的肿瘤诊断提供影像支持。但由于患者在扫描过程中不自主的呼吸运动,会造成呼吸运动伪影。为了提高PET图像质量,文中提出了一种无监督的图像配准校正框架,该方法中通过三维卷积神经网络(3D-CNN)预测图像的配准域,再由空间变换网络(STN)对图像进行扭曲变换,实现对PET图像的伪影校正。实验结果表明,在仿真的PET几何体模和像素体模数据集上分别取得了82.12%和83.76%的相似性Dice值,证明了该方法的有效性。     

基于小波变换和Zernike不变矩的CT/MRI医学图像处理技术

仅采用小波变换技术融合CT/MRI医学图像时,只单次剔除CT/MRI医学图像不重要信息,残留大量冗余信息。为此,结合小波变换和Zernike不变矩方法处理CT/MRI医学图像,基于Zernike不变矩边缘检测算法构建较为理想的阶跃边缘模型,融合修正的CT/MRI医学图像放大效应后,通过Zernike不变矩检测图像亚像素边缘,首次剔除部分不重要信息;在此基础上采用小波变换方法将CT/MRI医学图像分割成3N个高频子带和1个低频子带,再次剔除CT/MRI医学图像中的不重要信息,最后依据图像区域方差值确定融合值,实现多个源CT/MRI医学图像信息融合。经过实验分析发现,融合后的CT/MRI图像能精准体现融合前图像信息,清晰度显著高于融合前图像。     

基于卷积神经网络的PET/CT多模态图像识别研究

将卷积神经网络用于CT、PET、PET/CT三种模态的医学影像分类识别,为医院统一存储管理影像数据和医护人员快速检索提供便利.首先探讨卷积神经网络对于PET/CT多种模态图像识别的可行性,其次探讨模型参数(迭代次数、批量大小)对网络识别率和训练时间的影响,然后改变CNN模型结构,探讨网络层数、特征图数量和卷积核大小对网络训练和分类效果的影响.实验表明:卷积神经网络对于PET/CT多模态图像识别取得了良好的效果,针对特定问题需要综合图像大小和信息的复杂程度构建最优的CNN模型,在保证高识别率的同时,可以选择合适的参数降低时间复杂度.     

Real-time volume rendering visualization of dual-modality PET/CT images with interactive fuzzy thresholding segmentation.

Three-dimensional (3-D) visualization has become an essential part for imaging applications, including image-guided surgery, radiotherapy planning, and computer-aided diagnosis. In the visualization of dual-modality positron emission tomography and computed tomography (PET/CT), 3-D volume rendering is often limited to rendering of a single image volume and by high computational demand. Furthermore, incorporation of segmentation in volume rendering is usually restricted to visualizing the presegmented volumes of interest. In this paper, we investigated the integration of interactive segmentation into real-time volume rendering of dual-modality PET/CT images. We present and validate a fuzzy thresholding segmentation technique based on fuzzy cluster analysis, which allows interactive and real-time optimization of the segmentation results. This technique is then incorporated into a real-time multi-volume rendering of PET/CT images. Our method allows a real-time fusion and interchangeability of segmentation volume with PET or CT volumes, as well as the usual fusion of PET/CT volumes. Volume manipulations such as window level adjustments and lookup table can be applied to individual volumes, which are then fused together in real time as adjustments are made. We demonstrate the benefit of our method in integrating segmentation with volume rendering in its application to PET/CT images. Responsive frame rates are achieved by utilizing a texture-based volume rendering algorithm and the rapid transfer capability of the high-memory bandwidth available in low-cost graphic hardware.     

细胞分割算法研究方法综述

随着现代科技的发展，用计算机处理细胞在医学诊断和医学图像处理领域有着重要的作用。细胞分割是细胞特征提取和细胞识别的基础，从医学图像中分割出精准的细胞图像是目前极具挑战性的课题。在细胞的自动识别的研究中产生了有效的分割算法的需求，人们提出了不同的分割算法根据图像的不同特征，如阚值法，分水岭算法等。本文对细胞分割的各种方法进行比较分析，详细阐述各种方法的优缺点，并对以后各种细胞分割方法结合使用有重要意义。     

细胞分割算法研究方法综述

随着现代科技的发展,用计算机处理细胞在医学诊断和医学图像处理领域有着重要的作用.细胞分割是细胞特征提取和细胞识别的基础,从医学图像中分割出精准的细胞图像是目前极具挑战性的课题.在细胞的自动识别的研究中产生了有效的分割算法的需求,人们提出了不同的分割算法根据图像的不同特征,如阈值法,分水岭算法等.本文对细胞分割的各种方法...     

跨模态跨尺度跨维度的PET/CT图像的Transformer分割模型

多模态医学图像能够有效融合解剖图像和功能图像的信息,将人体内部的功能、解剖等多方面信息反映在同一幅图像上,在临床上有十分重要的意义。针对如何高效利用多模态医学图像信息的综合表达能力,以及如何充分提取跨尺度上下文信息的问题,该文提出跨模态跨尺度跨维度的PET/CT图像的Transformer分割模型。该模型主要改进是,首先,在编码器部分设计了PET/CT主干分支和PET, CT辅助分支提取多模态图像信息;然后,在跳跃连接部分设计了跨模态跨维度注意力模块从模态和维度角度出发捕获跨模态图像各维的有效信息;其次,在瓶颈层构造跨尺度Transformer模块,自适应融合深层的语义信息和浅层的空间信息使网络学习到更多的上下文信息,并从中获取跨尺度全局信息;最后,在解码器部分提出多尺度自适应解码特征融合模块,聚合并充分利用解码路径得到精细程度不同的多尺度特征图,缓解上采样引入的噪声。在临床多模态肺部医学图像数据集验证算法的有效性,结果表明所提模型对于肺部病灶分割的Acc, Recall, Dice, Voe, Rvd和Miou分别为97.99%, 94.29%, 95.32%, 92.74%, 92.95%和90.14%,模型对于形状复杂的病灶分割具有较高的精度和相对较低的冗余度。     

基于深度学习的医疗图像分割综述

自2006年深度学习这一概念提出以来,各研究领域对于深度学习技术的研究热度一直高居不下.深度学习的出现,对计算机视觉领域的发展起到了重要推动作用.计算机视觉的主要研究任务是对图像、视频等进行目标的检测、识别以及分割等,目前已经广泛应用于医疗、金融和工业领域中.其中最常见的应用场景是医学图像处理.图像分割是医学图像处理任...     

跨模态医学图像预测综述

医学影像技术与设备的进步在生物医学领域的各项研究中发挥着重要作用.跨模态医学图像预测旨在由一种模态图像预测另一种模态图像.本文详细综述了由MRI预测CT图像、7T-Like图像重构、PET预测及其他医学模态预测研究,阐述了各类模态预测的必要性及存在的挑战,说明各类预测方法的特点并进行性能比较,最终得出结论：基于深度学习的跨模态预测在预测精度和预测时间两方面更具优势.     

医学超声图像处理系统

超声图像诊断是与X线CT、同位素扫描、核磁共振等一样重要的医学图像诊断手段。根据肝脏超声图像进行脂肪肝的诊断,是病变确诊的主要方法。但是,与CT和核磁共振等医学图像相比,超声图像的图像质量较差,目前的诊断以定性为主,受主观因素影响较大。以图像分割为基础,以VC语言为工具,建立了超声图像处理系统,对超声图像进行了二值化处理,并对处理结果进行了量化,为诊断提供了依据。     

基于GAN的ISAR图像语义分割方法

逆合成孔径雷达（ISAR）成像技术能够对空间目标进行远距离成像,刻画目标的外形、结构和尺寸等信息。ISAR图像语义分割能够获取目标的感兴趣区域,是ISAR图像解译的重要技术支撑,具有非常重要的研究价值。由于ISAR图像表征性较差,图像中散射点的不连续和强散射点存在的旁瓣效应使得人工精准标注十分困难,基于交叉熵损失的传统深度学习语义分割方法在语义标注不精准情况下无法保证分割性能的稳健。针对这一问题,提出了一种基于生成对抗网络（GAN）的ISAR图像语义分割方法,采用对抗学习思想学习ISAR图像分布到其语义分割图像分布的映射关系,同时通过构建分割图像的局部信息和全局信息来保证语义分割的精度。基于仿真卫星目标ISAR图像数据集的实验结果证明,本文方法能够取得较好的语义分割结果,且在语义标注不够精准的情况下模型更稳健。     

The Integration of Positron Emission Tomography With Magnetic Resonance Imaging

A number of laboratories and companies are currently exploring the development of integrated imaging systems for magnetic resonance imaging (MRI) and positron emission tomography (PET). Scanners for both preclinical and human research applications are being pursued. In contrast to the widely distributed and now quite mature PET/computed tomography technology, most PET/MRI designs allow for simultaneous rather than sequential acquisition of PET and MRI data. While this offers the possibility of novel imaging strategies, it also creates considerable challenges for acquiring artifact-free images from both modalities. This paper discusses the motivation for developing combined PET/MRI technology, outlines the obstacles in realizing such an integrated instrument, and presents recent progress in the development of both the instrumentation and of novel imaging agents for combined PET/MRI studies. The performance of the first-generation PET/MRI systems is described. Finally, a range of possible biomedical applications for PET/MRI are outlined.