-
题名构建多病种心脏MRI跨设备智能分割算法
- 1
-
-
作者
侯思宇
陈子航
杨鹏飞
肖晶晶
吴毅
粘永健
-
机构
陆军军医大学(第三军医大学)生物医学工程与影像医学系数字医学教研室
重庆大学生物工程学院
电子科技大学生命科学与技术学院
陆军军医大学(第三军医大学)第二附属医院生物医学信息研究与应用中心
-
出处
《陆军军医大学学报》
CAS
CSCD
北大核心
2023年第22期2319-2326,共8页
-
基金
国家自然科学基金面上项目(62076247)
国家自然科学基金青年科学基金项目(61701506)
中国人民解放军总医院医学工程实验室自主科研课题(2022SYSZZKY07)。
-
文摘
目的构建多病种心脏磁共振成像(magnetic resonance imaging,MRI)跨设备智能分割算法,提升模型在多病种条件下、不同影像设备中的通用性。方法利用MICCAI 2020公开的M&Ms Challenge心脏磁共振数据集(n=320)作为研究对象,针对现有分割模型因小样本数据训练导致泛化能力差的问题,提出不平衡相似度优化损失函数USOLoss,改进主流的UNet、DeepLabV3+、TransUNet算法,对不同病种(疾病组)和不同影像设备(设备组)的心脏磁共振成像进行分割,并进行内外部数据验证。结果利用戴斯相似系数(Dice similarity cofficient,DSC)和豪斯多夫距离(Hausdorff distance,HD)评估模型的性能,其中疾病组模型最佳分割结果DSC为0.845(扩张型心肌病,n=20)、0.811(肥厚型心肌病,n=20)、0.833(健康受试者,n=20)和0.816(其他病种,n=0.62),HD为3.05、2.53、2.15和2.36 mm;设备组模型最佳分割结果DSC为0.830(飞利浦,n=20)、0.844(西门子、n=20)、0.843(佳能,n=20)和0.815(通用电气,n=50),HD指标分别为1.96、2.92、1.67和2.08 mm。与未使用构建算法的模型相比,使用USOLoss构建的模型各项测试结果均得到了提升(P<0.05)。结论不平衡相似度优化损失函数全面提升了现有主流深度学习UNet、DeepLabV3+和TransUNet网络模型性能,降低了不同疾病类型和不同影像设备对分割性能的影响。
-
关键词
心脏磁共振
智能分割算法
多病种
跨影像设备
损失函数优化
-
Keywords
cardiac magnetic resonance
intelligent segmentation algorithm
multi-disease
cross-device imaging equipment
loss function optimization
-
分类号
R319
[医药卫生—基础医学]
R445.2
[医药卫生—影像医学与核医学]
R541.04
[医药卫生—心血管疾病]
-
-
题名基于非均匀切割的HiCuts分类算法
被引量：1
- 2
-
-
作者
汪文勇
任春梅
黄鹂声
-
机构
电子科技大学计算机科学与工程学院
-
出处
《计算机应用》
CSCD
北大核心
2013年第2期357-360,共4页
-
基金
国家973计划项目(G1999032707)
国家863计划项目(2008AA01A303)
国家科技支撑计划项目(2008BAH37B03)
-
文摘
数据包分类技术广泛应用于许多网络服务当中,HiCuts算法是多维包分类中最具有代表性的数据包分类算法。但由于规则集分布不均匀,通过简单地随机等分某个域很难将规则划分到不同的节点去,从而导致决策树树深度急剧增加,使算法查找的时间效率和空间效率大大降低。通过大量统计分析发现,规则集中的规则域并非均匀分布在其取值范围内,为此,在HiCuts算法的基础上提出了一种利用非均匀切割技术的N-HiCuts算法来构建决策树。算法对于分布不均匀的域依据统计规则进行非均匀切割,对规则集中分布均匀的某些域采用等分函数来进行切割,从而提高每次对规则集进行切割的效率。实验证明,该算法的整体性能得到较大的提高。
-
关键词
包分类
智能层次分割算法
非均匀切割
决策树
-
Keywords
packet classification
Hierarchical Intelligent Cuttings （HiCuts） algorithm
non-uniform cutting
decision tree
-
分类号
TP393.0
[自动化与计算机技术—计算机应用技术]
-
