基于新型图神经网络TI-GNN的青少年吸烟成瘾诊断

1

作者 王旭雯 喻大华 +6 位作者 薛婷 李晓娇 麦珍珍 董芳 马宇欣 王娟 袁凯 《生物化学与生物物理进展》 北大核心 2025年第9期2393-2405,共13页

目的烟草相关疾病是全球可预防的主要健康问题之一,也是导致过早死亡的主要原因之一。吸烟成瘾作为一种慢性大脑疾病,已广泛被认定为影响大脑结构和功能的关键因素。然而,目前有效的诊断方法仍存在挑战。为了更好地理解吸烟成瘾的神经机... 目的烟草相关疾病是全球可预防的主要健康问题之一,也是导致过早死亡的主要原因之一。吸烟成瘾作为一种慢性大脑疾病,已广泛被认定为影响大脑结构和功能的关键因素。然而,目前有效的诊断方法仍存在挑战。为了更好地理解吸烟成瘾的神经机制,并提高诊断的准确性,本研究提出了一种新型的图神经网络框架——TI-GNN,旨在通过功能磁共振成像(fMRI)数据揭示吸烟成瘾与大脑连接异常之间的关系。方法本研究基于fMRI数据,利用图神经网络(GNN)对吸烟成瘾的功能连接模式进行建模。TI-GNN通过Transformer提取全局交互信息和空间注意机制有效获取脑区之间的联系,以提高模型的诊断性能。此外,模型内置因果解释模块,以深入挖掘大脑不同区域的因果关系,从而增强模型的可解释性。结果实验结果表明,TI-GNN模型在吸烟成瘾数据集上的分类效果显著优于现有的最佳基线方法。特别地,TI-GNN在提高区分效果、准确识别吸烟成瘾与健康对照之间的差异方面表现出色,准确率、F1分数和马修斯系数分别达到0.91、0.91和0.83。同时揭示了杏仁核、前扣带皮层等关键脑区的异常连接模式,与临床研究结果一致。结论TI-GNN框架为吸烟成瘾的客观诊断提供了高效工具,其揭示的脑网络异常与因果关联机制,深化了对成瘾病理机制的理解,为靶向干预策略和个性化治疗奠定了重要理论基础。 展开更多

关键词 空间注意力 TRANSFORMER 图神经网络 功能磁共振成像 分类 青少年 吸烟成瘾

在线阅读 下载PDF 职称材料

卷积神经网络基于MRI在半月板损伤诊断中的研究进展 被引量：4

2

作者 袁典 杜昱峥 +2 位作者 魏德健 张俊忠 曹慧 《磁共振成像》 CAS CSCD 北大核心 2024年第3期223-229,共7页

半月板在维持膝关节稳固性方面发挥关键作用,半月板损伤是运动医学领域中常见的损伤,是导致膝关节骨关节炎形成的主要常见原因。MRI具有较高的特异性和敏感性,可以检测半月板的形态结构和膝关节内部信号,是诊断半月板损伤最佳医学图像... 半月板在维持膝关节稳固性方面发挥关键作用,半月板损伤是运动医学领域中常见的损伤,是导致膝关节骨关节炎形成的主要常见原因。MRI具有较高的特异性和敏感性,可以检测半月板的形态结构和膝关节内部信号,是诊断半月板损伤最佳医学图像技术之一。卷积神经网络作为深度学习的经典神经网络,在医学图像辅助诊断领域具有优越的能力,利用卷积神经网络基于MRI图像辅助诊断半月板损伤的相关研究也相继提出。本文全面综述了卷积神经网络在半月板MRI图像分割、检测以及分类中的应用,可以帮助读者了解基于MRI的卷积神经网络在半月板损伤诊断方面的研究进展,以期为半月板损伤的早期诊断与个性化治疗提供新方向。 展开更多

关键词 半月板损伤 磁共振成像 卷积神经网络 深度学习 图像分割 图像分类

在线阅读 下载PDF 职称材料

人工神经元网络鉴别星形胶质细胞瘤良恶性的初步研究 被引量：11

3

作者 姜兴岳 耿道颖 +3 位作者 沈天真 陈星荣 叶晨洲 杨杰 《中国医学计算机成像杂志》 CSCD 2004年第4期217-220,共4页

目的:基于磁共振影像特点 ,应用人工神经元网络建立计算机辅助诊断系统 ,研究其判断星形胶质细胞肿瘤良、恶性的可行性及其诊断效果。材料和方法:搜集280例星形胶质细胞肿瘤病例的MRI影像资料 ,其中良性169例 ,恶性111例。由放射科医生... 目的:基于磁共振影像特点 ,应用人工神经元网络建立计算机辅助诊断系统 ,研究其判断星形胶质细胞肿瘤良、恶性的可行性及其诊断效果。材料和方法:搜集280例星形胶质细胞肿瘤病例的MRI影像资料 ,其中良性169例 ,恶性111例。由放射科医生对MRI图像进行12方面的特征提取并记录。然后将其输入人工神经元网络 ,对网络训练 ,建立计算机辅助诊断系统 ,以数据库病例初步评价其诊断效果并与放射科专家比较其诊断准确性。结果:数据库病例测试表明人工神经元网络的诊断结果为 ,对于良性和恶性星形胶质细胞瘤的诊断准确率分别为92.1 %和94.3 %,特异性分别为93.6 %和89.9%诊断准确性接近放射科专家。结论:神经元网络可以用来进行星形胶质细胞瘤良、恶性的鉴别诊断。本研究建立的计算机辅助诊断系统对于提高良、恶性星形胶质细胞瘤鉴别诊断的准确性和医学影像学教学方面具有一定的实用价值。随着人工智能的快速发展 ,建立计算机辅助诊断系统帮助放射科医生提高诊断的准确性逐渐成为可能。 展开更多

关键词 恶性 星形胶质细胞瘤 放射科 计算机辅助诊断 良性 诊断效果 医生 人工神经元网络 数据库 人工智能

在线阅读 下载PDF 职称材料

人工神经网络和支持向量机性能比较及其在DMD疾病识别中的应用 被引量：9

4

作者 章鸣嬛 陈瑛 +1 位作者 沈瑛 马军山 《上海理工大学学报》 CAS 北大核心 2016年第4期346-351,共6页

对人工神经网络(ANN)和支持向量机(SVM)这两种机器学习方法进行了分析与比较,并分别利用两种算法对神经肌肉罕见病DMD的磁共振图像(MRI)数据进行建模、分类预测.经对比后得出结论:两种算法结果均表明,DMD的两类MRI(T1和T2)中,T1更具特征... 对人工神经网络(ANN)和支持向量机(SVM)这两种机器学习方法进行了分析与比较,并分别利用两种算法对神经肌肉罕见病DMD的磁共振图像(MRI)数据进行建模、分类预测.经对比后得出结论:两种算法结果均表明,DMD的两类MRI(T1和T2)中,T1更具特征性,故此类患者的MRI检查可仅进行T1扫描;若能选择合适的模型参数,则两种算法模型均具有极好的分类预测效果,其灵敏度、特异度和准确率分别高达98.5%,97.3%,97.9%和96.9%,97.3%,97.1%;利用机器学习方法对DMD患者的MRI进行分析处理可作为该病无创检测的技术探索,有望为临床提供客观有效的辅助诊断手段. 展开更多

关键词 人工神经网络 支持向量机 DMD疾病 磁共振图像 分类预测

在线阅读 下载PDF 职称材料

人工神经网络在MRI脑结构测量诊断Alzheimer病的进一步应用研究 被引量：2

5

作者 李坤成 邓小元 刘树良 《中国医学影像技术》 CSCD 北大核心 2000年第12期1029-1031,共3页

目的　评价人工神经网络在MRI脑结构测量诊断Alzheimer病 (AD)的应用价值。方法　应用 1 0TMRI仪 (SiemensMagnetomImpact)对 2 8名可能AD患者 (年龄 6 8 3± 7 7岁 )和 2 8名正常人 (年龄 6 8 6± 7 5岁 )进行头颅扫描 ,获取 3... 目的　评价人工神经网络在MRI脑结构测量诊断Alzheimer病 (AD)的应用价值。方法　应用 1 0TMRI仪 (SiemensMagnetomImpact)对 2 8名可能AD患者 (年龄 6 8 3± 7 7岁 )和 2 8名正常人 (年龄 6 8 6± 7 5岁 )进行头颅扫描 ,获取 3DGRE脉冲序列T1WI,然后在重建图像上对经部分颅内容积标准化处理、大脑的 5个感兴趣区域 (包括杏仁核、海马、内嗅皮层、颞叶和侧脑室颞角 )共 10个指标 (分左右 )进行了体积测量研究。使用自编的反馈式人工神经网络软件与传统统计学处理软件 (SPSS) ,同时对测量数据进行分析处理。结果　对上述 5个测量指标的数据分析处理 ,人工神经网络可将AD与正常人鉴别开来 ,并对新个体作出正确的诊断 ,其诊断的敏感度为 97%、特异度 10 0 %、准确度达 98 5 % ;而应用SPSS软件进行判别分析时 ,其诊断的敏感度、特异度和准确度分别为90 9%、97%和 93 9%。结论　应用人工神经网络结合MRI脑结构体积测量是诊断AD的一种实用而可靠的手段。 展开更多

关键词 人工神经网络 ALZHEIMER病 磁共振成像 诊断

在线阅读 下载PDF 职称材料

基于核磁共振图像的脑肿瘤分割方法研究 被引量：5

6

作者 葛婷 詹天明 +1 位作者 李勤丰 牟善祥 《南京理工大学学报》 EI CAS CSCD 北大核心 2021年第2期179-188,共10页

利用脑肿瘤核磁共振(Magnetic resonance,MR)图像提供的关于肿瘤和脑组织的形状、大小与定位等信息准确地分割出脑肿瘤区域,对监测脑肿瘤患者的肿瘤生长或缩小、制定手术或放化疗计划都起着重要的作用。探讨了脑肿瘤MR图像分割的背景与... 利用脑肿瘤核磁共振(Magnetic resonance,MR)图像提供的关于肿瘤和脑组织的形状、大小与定位等信息准确地分割出脑肿瘤区域,对监测脑肿瘤患者的肿瘤生长或缩小、制定手术或放化疗计划都起着重要的作用。探讨了脑肿瘤MR图像分割的背景与意义,整理了脑肿瘤分割方法中常用的评估指标以及实验数据库的发展过程。基于脑肿瘤MR图像的特点讨论了脑肿瘤分割的难点,并从MR成像缺陷、脑组织解剖结构以及脑肿瘤的复杂性等方面进行归纳。对脑肿瘤分割方法的分类以及常见的分割方法进行了研究,分析了基于图论的分割方法、基于可形变模型的分割方法以及基于机器学习的分割方法及其进展。最后,结合脑肿瘤分割中存在的问题对未来的研究工作进行展望。 展开更多

关键词 脑肿瘤 核磁共振成像 脑肿瘤分割 医学图像分割 图论 水平集 模糊C-均值 人工神经网络 核方法

在线阅读 下载PDF 职称材料

基于多尺度残差网络的MRI脑肿瘤分类 被引量：6

7

作者 黄敏 熊正云 朱俊琳 《磁共振成像》 CAS CSCD 北大核心 2023年第1期124-129,共6页

目的研究和搭建人工智能深度学习网络,在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型,实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双... 目的研究和搭建人工智能深度学习网络,在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型,实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双通道池化共四个模块。将Kaggle中正常人和Figshare中肿瘤患者的脑部MRI图像进行数据集组合,对提出的模型进行训练和性能评估,优化网络超参数,提高分类准确率。结果在352张MRI图像上测试模型,仅使用多尺度输入模块时,得到平均分类准确率为96.59%。添加下采样模块后,准确率达到98.58%。对比最大池化、均值池化和双通道池化,准确率分别为96.02%、97.16%、98.58%。多尺度残差网络对脑肿瘤具有很好的分类效果,对胶质瘤、脑膜瘤、垂体瘤和正常无肿瘤图像的分类准确率分别为99.14%、99.14%、99.42%和99.42%。结论MRI是一种典型的检查脑肿瘤的医学成像方法,但放射科专家手工对脑肿瘤进行准确分类极具主观性和不确定性。提出的多尺度残差网络能为脑肿瘤自动分类提供有效的方法,且该网络提高了MRI脑肿瘤分类的准确率,很好地解决了梯度消失问题,提升了模型的泛化能力。 展开更多

关键词 人工智能 深度学习 磁共振成像 脑肿瘤分类 多尺度残差网络 下采样 双通道池化 卷积神经网络

在线阅读 下载PDF 职称材料

深度学习脑肿瘤MRI图像分类研究进展 被引量：5

8

作者 张恒 张赛 +2 位作者 孙佳伟 陆正大 倪昕晔 《磁共振成像》 CAS CSCD 北大核心 2023年第1期166-171,193,共7页

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... 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。 展开更多

关键词 深度学习 脑肿瘤 图像分类 磁共振成像 人工智能 神经网络

在线阅读 下载PDF 职称材料

人工智能在前列腺多参数磁共振成像中的应用及展望 被引量：2

9

作者 邢朋毅 孟英豪 +1 位作者 阳青松 陈炜 《海军军医大学学报》 CAS CSCD 北大核心 2022年第7期808-815,共8页

前列腺癌(PCa)是世界上最常见的肿瘤之一。多参数磁共振成像(mpMRI)作为一种非侵入性工具,可以改善前列腺病变的检测、分类和体积量化。机器学习是人工智能(AI)的一个分支,能够快速、准确地分析mpMRI图像,在识别前列腺病变方面有较好的... 前列腺癌(PCa)是世界上最常见的肿瘤之一。多参数磁共振成像(mpMRI)作为一种非侵入性工具,可以改善前列腺病变的检测、分类和体积量化。机器学习是人工智能(AI)的一个分支,能够快速、准确地分析mpMRI图像,在识别前列腺病变方面有较好的一致性,能够加强PCa的标准化管理,已经成为提高放射科医师诊断效率和准确度的工具。本文总结了AI在前列腺mpMRI中的应用,主要包括前列腺分割,病变检测、分割,以及病变分类表征等,并对未来发展进行了展望。 展开更多

关键词 前列腺肿瘤 多参数磁共振成像 机器学习 人工智能 神经网络

在线阅读 下载PDF 职称材料

基于深度学习的MRI诊断半月板损伤的研究进展 被引量：6

10

作者 胡伟艺 苏娴彦 +2 位作者 柯晓婷 陈焱锋 赖清泉 《磁共振成像》 CAS CSCD 北大核心 2022年第5期167-170,共4页

半月板撕裂是膝关节损伤的常见类型,若治疗不当,易引发膝关节疼痛、骨性关节炎等一系列临床症状。正确识别半月板病变是进行患者教育和临床干预的重要前提。MRI是临床诊断半月板损伤的最常用影像学方式,其能够准确反映半月板撕裂的位置... 半月板撕裂是膝关节损伤的常见类型,若治疗不当,易引发膝关节疼痛、骨性关节炎等一系列临床症状。正确识别半月板病变是进行患者教育和临床干预的重要前提。MRI是临床诊断半月板损伤的最常用影像学方式,其能够准确反映半月板撕裂的位置、撕裂类型、半月板形态等,是临床诊断半月板撕裂的首选影像学方式。基于深度学习的MRI疾病检测是人工智能的一个新兴领域,随着深度学习算法的临床效用研究不断推进,人工智能可能最终转化为临床实践。本文从迁移学习与定制的神经网络两大分类中探究半月板损伤二分类、撕裂位置、撕裂方向、分级和感兴趣区分割等方面的基于深度学习的半月板MRI诊断研究进展,并指出当前研究的一些不足,以期为后续研究提供参考思路。 展开更多

关键词 人工智能 深度学习 卷积神经网络 迁移学习 半月板损伤 磁共振成像 数据集

在线阅读 下载PDF 职称材料

4D卷积神经网络的自闭症功能磁共振图像分类 被引量：2

11

作者 郭磊 王骏 +4 位作者 丁维昌 潘祥 邓赵红 施俊 王士同 《智能系统学报》 CSCD 北大核心 2021年第6期1021-1029,共9页

静息态功能磁共振图像是随着时间变化的一系列三维图像。已有的3D卷积过程本质上是对三维图像数据或二维图像+时间维数据进行处理,无法有效地融合静息态功能磁共振图像的时间轴信息。为此,本文提出了新型的4D卷积神经网络识别模型。具... 静息态功能磁共振图像是随着时间变化的一系列三维图像。已有的3D卷积过程本质上是对三维图像数据或二维图像+时间维数据进行处理,无法有效地融合静息态功能磁共振图像的时间轴信息。为此,本文提出了新型的4D卷积神经网络识别模型。具体而言,通过对输入的fMRI使用四维卷积核执行四维卷积,在自闭症患者的功能磁共振图像中,从空间和时间上提取特征,从而捕获图像在时间序列上的变化信息。所开发的模型从输入图像中生成多个信息通道,最终的特征表示结合了所有通道的信息。实验结果表明,在保证模型泛化性能的前提下,该方法融合了功能像的全局信息,并且采集了功能像随时间变化的趋势信息,进而解决了用卷积神经网络处理三维图像随时间变化的分类问题。 展开更多

关键词 深度学习 卷积神经网络 自闭症 4D卷积 功能磁共振成像 特征提取 特征融合 图像分类

在线阅读 下载PDF 职称材料

人工智能在乳腺癌影像诊断中的研究及应用进展 被引量：9

12

作者 王贇霞 谭红娜 《磁共振成像》 CAS CSCD 北大核心 2023年第11期177-182,共6页

在全球范围内,乳腺癌发病率居于前列,严重威胁妇女身心健康,早期诊断可显著提高乳腺癌患者的生存率。近年来随着大数据及计算机算法的发展,影像组学和深度学习等人工智能(artificial intelligence,AI)技术在医学影像领域中的研究及应用... 在全球范围内,乳腺癌发病率居于前列,严重威胁妇女身心健康,早期诊断可显著提高乳腺癌患者的生存率。近年来随着大数据及计算机算法的发展,影像组学和深度学习等人工智能(artificial intelligence,AI)技术在医学影像领域中的研究及应用日益广泛,使得精准、高效的影像学评估成为可能。本文就近年来基于影像图像的AI技术在乳腺病变术前良恶性评估、乳腺癌分类及分级、生物标记物及分子亚型预测、淋巴结病理状态及易感基因诊断等方面的研究现状及进展做一综述,旨在介绍该领域AI发展现状并试图分析当前面临的问题,以期推进乳腺癌AI诊断技术的临床转化,为临床精准无创诊疗提供最佳影像辅助。 展开更多

关键词 乳腺癌 人工智能辅助诊断 深度学习 影像组学 磁共振成像 卷积神经网络 预测效能

在线阅读 下载PDF 职称材料

基于多超图融合的超图神经网络模型构建及阿尔茨海默病分类 被引量：2

13

作者 曹鹏杰 李瑶 +3 位作者 宿亚静 李埼钒 相洁 郭浩 《科学技术与工程》 北大核心 2023年第19期8296-8307,共12页

针对目前超图神经网络构建方法单一化,导致被试特征间的交互信息无法表征,从而影响超图神经网络模型分类性能的问题。提出一种多超图融合技术,融合多个超图为一个超图,从而互补多个超图各自所表征的高阶特征,以此来提高超图神经网络模... 针对目前超图神经网络构建方法单一化,导致被试特征间的交互信息无法表征,从而影响超图神经网络模型分类性能的问题。提出一种多超图融合技术,融合多个超图为一个超图,从而互补多个超图各自所表征的高阶特征,以此来提高超图神经网络模型的分类性能。具体来说,基于结构磁共振成像数据,使用基于稀疏表示的最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)方法,稀疏组LASSO方法以及覆盖组LASSO方法进行超图构建,然后分别基于超图融合技术将三个单一超图进行融合。接着基于融合的超图,构建超图神经网络模型,最终用于阿尔兹海默症及轻度认知障碍的分类。实验结果表明,本文所提方法的分类准确率达到79.21%,证明了该方法在阿尔兹海默症及轻度认知障碍的分类有较高的准确性和泛化性。 展开更多

关键词 超图神经网络 稀疏表示 分类 多超图融合 阿尔兹海默症 结构磁共振成像

在线阅读 下载PDF 职称材料