检索结果-维普期刊中文期刊服务平台

多模态MRI脑肿瘤图像分割方法研究进展被引量：9: 1; 作者孙康康陈伟 +3 位作者李奇轩孙佳伟焦竹青倪昕晔《磁共振成像》 CAS CSCD 北大核心 2023年第11期164-169,176,共7页; MRI是一种非侵入性多模态成像方法,广泛应用于脑肿瘤检测和诊断。多模态MRI脑肿瘤图像分割对脑肿瘤的诊断和治疗具有重要意义。目前大部分分割工作还是由医生手动完成,效率低且主观性强,因此寻求一种高效准确的脑肿瘤自动分割方法对临... 展开更多; 关键词磁共振成像脑肿瘤多模态图像分割深度学习; 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: 2; 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... 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

锥形束CT扫描角度及中心位置对模体靶区的影响被引量：1: 3; 作者林涛高留刚 +4 位作者眭建锋谢凯李春迎陆正大倪昕晔《中国医学影像技术》 CSCD 北大核心 2021年第2期289-293,共5页; 目的观察锥形束CT(CBCT)扫描机架角度及中心位置对模体中植入物体积及CT值的影响。方法于非均匀模体中插入均匀圆柱棒,以其中心为扫描中心,机架旋转360°扫描模体,分别在X、Y、Z方向上移动将扫描中心2.5、5.0、7.5和10.0 cm,或机架... 展开更多; 关键词放射治疗锥形束计算机体层摄影术质量控制; 在线阅读下载PDF 职称材料

基于卷积神经网络生成虚拟平扫CT图像被引量：3: 4; 作者高留刚李春迎 +4 位作者陆正大谢凯林涛眭建锋倪昕晔《中国医学影像技术》 CSCD 北大核心 2022年第3期440-444,共5页; 目的针对增强CT图像,采用U-Net卷积神经网络(CNN)方法生成虚拟平扫CT图像,比较其与增强CT和实际平扫CT图像的差异。方法纳入50例于同次检查中接受平扫及增强CT扫描患者,记录其容积CT剂量指数(CTDIvol)。以40例CT数据为训练集,输入增强C... 展开更多; 关键词胸部神经网络计算机体层摄影术 X线计算机; 在线阅读下载PDF 职称材料

循环生成对抗网络基于颅脑MR图生成伪CT图模型被引量：3: 5; 作者奚谦逸张钒 +2 位作者李奇轩焦竹青倪昕晔《中国医学影像技术》 CSCD 北大核心 2023年第2期264-269,共6页; 目的采用改进循环生成对抗网络(UCycleGAN)基于颅脑MR图映射模型生成伪CT图。方法对50例鼻咽癌颅脑MR图与CT图进行配准及预处理;以U-net网络并添加L1距离函数替换原始循环GAN(CycleGAN)模型生成器的深度残差网络。随机选取40例图像作为... 展开更多; 关键词脑肿瘤放射治疗循环生成对抗网络磁共振成像; 在线阅读下载PDF 职称材料

基于双次梯度联合改进Criminisi算法去除超声图像中的人工标记并修复图像的可行性被引量：1: 6; 作者张钒奚谦逸 +2 位作者李奇轩焦竹青倪昕晔《中国医学影像技术》 CSCD 北大核心 2023年第3期429-434,共6页; 目的观察基于双次梯度联合改进Criminisi算法去除超声图像中人工标记并修复图像的可行性。方法选取30幅二维声像图,图中均包含十字、箭头和/或文字标记,以20幅无标记图像作为参考。算法由标记提取模块及图像恢复模块两个部分组成,前者... 展开更多; 关键词超声图像标记提取图像修复; 在线阅读下载PDF 职称材料

题名多模态MRI脑肿瘤图像分割方法研究进展被引量：9: 1; 作者孙康康陈伟李奇轩孙佳伟焦竹青倪昕晔; 机构常州大学计算机与人工智能学院南京医科大学附属常州第二人民医院放疗科南京医科大学医学物理研究中心; 出处《磁共振成像》 CAS CSCD 北大核心 2023年第11期164-169,176,共7页; 基金江苏省重点研发计划社会发展项目(编号:BE2022720) 江苏省卫健委面上项目(编号:M2020006)。; 文摘 MRI是一种非侵入性多模态成像方法,广泛应用于脑肿瘤检测和诊断。多模态MRI脑肿瘤图像分割对脑肿瘤的诊断和治疗具有重要意义。目前大部分分割工作还是由医生手动完成,效率低且主观性强,因此寻求一种高效准确的脑肿瘤自动分割方法对临床应用至关重要。本文就基于多模态MRI图像的脑肿瘤分割的研究进展进行综述,对比分析了传统分割方法和基于深度学习的分割方法,并对现有的脑肿瘤图像分割方法存在的问题进行总结并做出展望,以便该领域的研究者更好地了解目前多模态MRI脑肿瘤图像分割方法的研究进展。; 关键词磁共振成像脑肿瘤多模态图像分割深度学习; Keywords magnetic resonance imaging brain tumor multimodal image segmentation deep learning; 分类号 R445.2 [医药卫生—影像医学与核医学] R739.41 [医药卫生—肿瘤]; 在线阅读下载PDF 职称材料

题名深度学习脑肿瘤MRI图像分类研究进展被引量：5: 2; 作者张恒张赛孙佳伟陆正大倪昕晔; 机构南京医科大学附属常州第二人民医院放疗科江苏省医学物理工程研究中心南京医科大学医学物理研究中心常州市医学物理重点实验室; 出处《磁共振成像》 CAS CSCD 北大核心 2023年第1期166-171,193,共7页; 基金江苏省重点研发计划社会发展项目(编号:BE2022720) 江苏省卫健委面上项目(编号:M2020006)。; 文摘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。; 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; Keywords deep learning brain tumor image classification magnetic resonance imaging artificial intelligence neural networks; 分类号 R445.2 [医药卫生—影像医学与核医学] R739.41 [医药卫生—肿瘤]; 在线阅读下载PDF 职称材料

题名锥形束CT扫描角度及中心位置对模体靶区的影响被引量：1: 3; 作者林涛高留刚眭建锋谢凯李春迎陆正大倪昕晔; 机构南京医科大学附属常州第二人民医院放疗科南京医科大学医学物理研究中心常州市医学物理重点实验室; 出处《中国医学影像技术》 CSCD 北大核心 2021年第2期289-293,共5页; 基金常州市第五批科技计划(CM20193005)。; 文摘目的观察锥形束CT(CBCT)扫描机架角度及中心位置对模体中植入物体积及CT值的影响。方法于非均匀模体中插入均匀圆柱棒,以其中心为扫描中心,机架旋转360°扫描模体,分别在X、Y、Z方向上移动将扫描中心2.5、5.0、7.5和10.0 cm,或机架分别沿顺时针和逆时针方向旋转20°,间隔20°,于180°~360°进行重复扫描。重建图像,比较各组图像中植入物体积或CT值。结果植入物体积随扫描中心在X方向偏移距离增大而增大,Y方向偏移距离增大而缩小(P均<0.05),随Z方向偏移距离而变化(F=2919.88,P<0.01)。各扫描角度植入物体积不同,360°图像植入物体积大于其他角度(P均<0.05)。360°图像CBCT图像中植入物均大于其他角度(P均<0.05)。结论CBCT扫描时机架旋转角度及扫描中心与靶区的相对关系对模体靶区体积及CT值存在一定影响,机架旋转360°进行扫描,并以扫描中心即计划中心为靶区中心为计划设计的最佳选择。; 关键词放射治疗锥形束计算机体层摄影术质量控制; Keywords radiotherapy cone beam computer tomography quality control; 分类号 R730.55 [医药卫生—肿瘤] R814.42 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名基于卷积神经网络生成虚拟平扫CT图像被引量：3: 4; 作者高留刚李春迎陆正大谢凯林涛眭建锋倪昕晔; 机构南京医科大学附属常州市第二人民医院放疗科南京医科大学医学物理研究中心常州市医学物理重点实验室南京医科大学生物医学工程与信息学院; 出处《中国医学影像技术》 CSCD 北大核心 2022年第3期440-444,共5页; 基金江苏省卫生健康委2020年度医学科研面上项目(M2020006) 常州市第十六批科技计划(应用基础研究)项目(CJ20200099) 常州市卫生健康青苗人才培养工程(CZQM2020075)。; 文摘目的针对增强CT图像,采用U-Net卷积神经网络(CNN)方法生成虚拟平扫CT图像,比较其与增强CT和实际平扫CT图像的差异。方法纳入50例于同次检查中接受平扫及增强CT扫描患者,记录其容积CT剂量指数(CTDIvol)。以40例CT数据为训练集,输入增强CT图像后,以对应的平扫CT图像作为输出,用于训练U-Net神经网络;以其余10例数据作为测试集,通过训练完成的U-Net生成虚拟平扫CT图像。比较虚拟平扫CT与实际平扫及增强CT的图像及参数差异。结果50例平扫CT平均CTDIvol为(11.67±0.51)mGy,增强CT平均CTDIvol为(13.46±0.76)mGy;采用虚拟平扫CT图像可使平均辐射剂量减少46.44%。增强与平扫CT图像的平均绝对偏差(MAE)为(32.28±2.64)HU,结构相似度(SSIM)为0.82±0.05;虚拟平扫CT与平扫CT图像的MAE为(6.72±1.31)HU,SSIM为0.98±0.02。虚拟平扫CT与平扫CT图像所示主要组织的CT值差异均无统计学意义(P均>0.05)。结论针对增强CT基于U-Net神经网络生成的虚拟平扫CT图像与实际平扫CT图像的一致性较好,可由此减少CT扫描次数、降低辐射剂量。; 关键词胸部神经网络计算机体层摄影术 X线计算机; Keywords thorax neural networks computer tomography X-ray computed; 分类号 R814.42 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名循环生成对抗网络基于颅脑MR图生成伪CT图模型被引量：3: 5; 作者奚谦逸张钒李奇轩焦竹青倪昕晔; 机构常州大学微电子与控制工程学院南京医科大学附属常州第二人民医院放疗科南京医科大学医学物理研究中心; 出处《中国医学影像技术》 CSCD 北大核心 2023年第2期264-269,共6页; 基金江苏省重点研发计划社会发展项目(BE2022720) 江苏省卫生健康委医学科研立项面上项目(M2020006)。; 文摘目的采用改进循环生成对抗网络(UCycleGAN)基于颅脑MR图映射模型生成伪CT图。方法对50例鼻咽癌颅脑MR图与CT图进行配准及预处理;以U-net网络并添加L1距离函数替换原始循环GAN(CycleGAN)模型生成器的深度残差网络。随机选取40例图像作为训练数据对UCycleGAN模型进行训练,将剩余10例用于测试;比较生成伪CT图与原始图像质量的差异,并与以ResNet、U-net的CycleGAN以及Pix2Pix生成的图像进行对比。结果相比其他模型,以UCycleGAN模型生成的伪CT图与原始CT图更为接近,体素平均绝对误差(MAE)为(81.45±3.87)HU,峰值信噪比(PSNR)为(34.13±3.28)dB,结构相似性(SSIM)为0.87±0.03。采用UCycleGAN模型生成的伪CT图的MAE小于、而SSIM明显大于其他3种模型(P均<0.05);UCycleGAN伪CT图的PSNR大于CycleGAN_ResNet图像(P<0.05)。结论利用UCycleGAN可基于颅脑MR图生成伪CT图;改良后CycleGAN模型的准确性更高。; 关键词脑肿瘤放射治疗循环生成对抗网络磁共振成像; Keywords brain neoplasms radiotherapy cycle-consistent generative adversarial networks magnetic resonance imaging; 分类号 R742 [医药卫生—神经病学与精神病学] R445 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名基于双次梯度联合改进Criminisi算法去除超声图像中的人工标记并修复图像的可行性被引量：1: 6; 作者张钒奚谦逸李奇轩焦竹青倪昕晔; 机构常州大学微电子与控制工程学院南京医科大学附属常州第二人民医院放疗科南京医科大学医学物理研究中心江苏省医学物理工程研究中心常州市医学物理重点实验室; 出处《中国医学影像技术》 CSCD 北大核心 2023年第3期429-434,共6页; 基金江苏省重点研发计划社会发展项目(BE2022720) 江苏省卫生健康委医学科研立项面上项目(M2020006)。; 文摘目的观察基于双次梯度联合改进Criminisi算法去除超声图像中人工标记并修复图像的可行性。方法选取30幅二维声像图,图中均包含十字、箭头和/或文字标记,以20幅无标记图像作为参考。算法由标记提取模块及图像恢复模块两个部分组成,前者采用双次梯度最大连通面积方法,后者采用改进重加权Criminisi算法;以峰值信噪比(PSNR)和结构相似性(SSIM)作为指标评价修复图像的质量。结果基于双次梯度联合改进Criminisi算法可准确检出超声图像中的人工标记并生成掩模,用于去除标记、恢复图像。相比无标记图像,30幅超声图像提取的标记掩模的平均检测精度和平均错误发现率分别为0.96和0.63,修复图像的平均PSNR及SSIM分别为46.78 dB和0.99。结论基于双次梯度联合改进Criminisi算法可有效去除超声图像中的人工标记并修复图像。; 关键词超声图像标记提取图像修复; Keywords ultrasound images mark extraction image restoration; 分类号 R445.1 [医药卫生—影像医学与核医学] TP751 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	多模态MRI脑肿瘤图像分割方法研究进展	孙康康陈伟李奇轩孙佳伟焦竹青倪昕晔	《磁共振成像》 CAS CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料
2	深度学习脑肿瘤MRI图像分类研究进展	张恒张赛孙佳伟陆正大倪昕晔	《磁共振成像》 CAS CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料
3	锥形束CT扫描角度及中心位置对模体靶区的影响	林涛高留刚眭建锋谢凯李春迎陆正大倪昕晔	《中国医学影像技术》 CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料
4	基于卷积神经网络生成虚拟平扫CT图像	高留刚李春迎陆正大谢凯林涛眭建锋倪昕晔	《中国医学影像技术》 CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
5	循环生成对抗网络基于颅脑MR图生成伪CT图模型	奚谦逸张钒李奇轩焦竹青倪昕晔	《中国医学影像技术》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
6	基于双次梯度联合改进Criminisi算法去除超声图像中的人工标记并修复图像的可行性	张钒奚谦逸李奇轩焦竹青倪昕晔	《中国医学影像技术》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料