期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
深度学习全模型迭代算法联合60kVp扫描用于头颈部CT血管成像
1
作者
孙其中
孟婷
+2 位作者
彭俪颖
韩义成
王锡明
《中国医学影像技术》
北大核心
2025年第4期520-524,共5页
目的 观察深度学习全模型迭代算法(AIIR)联合60 kVp扫描用于头颈部CT血管成像(CTA)的价值。方法 前瞻性纳入86例疑诊头颈部血管疾病患者,随机对其中43例行常规剂量(120 kVp)、对其余43例行低剂量扫描(60 kVp),记录对比剂用量及辐射剂量...
目的 观察深度学习全模型迭代算法(AIIR)联合60 kVp扫描用于头颈部CT血管成像(CTA)的价值。方法 前瞻性纳入86例疑诊头颈部血管疾病患者,随机对其中43例行常规剂量(120 kVp)、对其余43例行低剂量扫描(60 kVp),记录对比剂用量及辐射剂量。对常规剂量扫描原始图像进行混合迭代重建(HIR)得到A组图像,对低剂量扫描原始图像分别以HIR和AIIR得到B1组、B2组图像。比较3组图像总体质量,显示目标大、小血管及诊断信心的主观评分,以及其目标大血管噪声值(SD)、信噪比(SNR)及对比度噪声比(CNR)。结果 相比常规剂量扫描,低剂量扫描对比剂用量及有效剂量(ED)分别降低36.52%及77.56%。B2组与A组图像质量各项主观评分结果差异均无统计学意义(校正P均>0.05)且均高于B1组(校正P均<0.05);除主动脉弓外,B2组中其余各目标大血管SD均低于A组(校正P均<0.05)。B2组各目标大血管SNR及CNR均高于A组及B1组(校正P均<0.05),而各大血管SD均低于B1组(校正P均<0.05)。结论 AIIR联合60 kVp扫描用于头颈CTA可在保证图像质量满足诊断需求的同时降低对比剂用量及辐射剂量。
展开更多
关键词
图像处理
计算机辅助
深度学习
CT血管成像
辐射剂量
在线阅读
下载PDF
职称材料
基于T1 mapping序列的定量参数鉴别肺癌病理类型的应用研究
被引量:
4
2
作者
张玮
赵鹏
+7 位作者
郭文秀
林祥涛
张琪
何雨
马文静
杨咏青
汪玉
刁瑞园
《磁共振成像》
CAS
CSCD
北大核心
2023年第12期33-39,48,共8页
目的评估基于纵向弛豫时间定量序列(T1 mapping)的定量参数预测肺癌病理类型的可行性。材料与方法共收治经病理确诊的肺癌患者117例,包括腺癌62例,鳞状细胞癌26例,小细胞肺癌(small cell lung cancer,SCLC)29例,于治疗前行常规MRI、T1 m...
目的评估基于纵向弛豫时间定量序列(T1 mapping)的定量参数预测肺癌病理类型的可行性。材料与方法共收治经病理确诊的肺癌患者117例,包括腺癌62例,鳞状细胞癌26例,小细胞肺癌(small cell lung cancer,SCLC)29例,于治疗前行常规MRI、T1 mapping检查。采用B1场校正的3D可变翻转角VIBE序列分别于增强前及增强后5 min采集T1 mapping图像,测量肿瘤大小、增强前T1值(T1pre)、增强后T1值(T1post),并计算增强前后T1值变化△T1、增强前后T1值变化率△T1%。采用SPSS和MedCalc软件进行分析,运用logistic回归联合ROC曲线下面积(area under the curve,AUC)评价各组各定量参数的差异及多参数联合的诊断价值。结果腺癌、鳞状细胞癌和SCLC的ΔT1、ΔT1%和T1post差异有统计学意义(P<0.05),而T1pre差异无统计学意义(P=0.506)。鉴别SCLC和非小细胞肺癌(non-small cell lung cancer,NSCLC)的T1post、△T1和△T1%值的AUC分别为0.856、0.805和0.864,3个参数的组合可以提高鉴别SCLC和NSCLC的诊断准确度(AUC=0.870,P<0.05)。△T1、△T1%鉴别腺癌和鳞状细胞癌的AUC分别为0.755和0.767,两者联合可提高诊断准确度(AUC=0.771,P>0.05)。T1post、△T1%鉴别鳞状细胞癌和SCLC的AUC分别为0.788和0.818,两者联合可提高诊断准确度(AUC=0.831,P>0.05)。T1post、△T1%鉴别腺癌和SCLC的AUC分别为0.895、0.873,二者联合可提高诊断准确度(AUC=0.898,P>0.05)。结论T1 mapping可以无创定量地获得腺癌、鳞状细胞癌和SCLC的T1值,可用于区分SCLC与NSCLC以及鳞状细胞癌和腺癌,具有一定的临床应用价值。
展开更多
关键词
肺癌
腺癌
鳞状细胞癌
小细胞肺癌
定量分析
功能磁共振成像
纵向弛豫时间定量序列
磁共振成像
在线阅读
下载PDF
职称材料
极稀疏投影数据的CT图像重建
被引量:
3
3
作者
武丽君
孙丰荣
+2 位作者
杨江飞
于倩蕾
贺芳芳
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020年第12期2366-2373,共8页
从稀疏投影数据足够精确地重建断层图像,从而能够在显著降低计算机断层成像(CT)检查X-射线辐射剂量的前提下,提供充分适宜影像学临床诊断需求的重建图像。针对圆周扫描扇束投影的二维CT图像重建,提出了投影驱动的系统模型,并将CT迭代图...
从稀疏投影数据足够精确地重建断层图像,从而能够在显著降低计算机断层成像(CT)检查X-射线辐射剂量的前提下,提供充分适宜影像学临床诊断需求的重建图像。针对圆周扫描扇束投影的二维CT图像重建,提出了投影驱动的系统模型,并将CT迭代图像重建与压缩感知(CS)理论相结合,设计了一种CT迭代图像重建算法,且将算法扩展到圆周扫描锥束投影的三维CT图像重建。仿真实验结果表明:在极稀疏投影数据的条件下([0,2π]范围内扇束/锥束扫描不超过20个投影角度),算法数值精度高,计算复杂度低,内存开销少,有很强的工程实用性。
展开更多
关键词
计算机断层成像(CT)
图像重建
稀疏投影
投影驱动
压缩感知(CS)
在线阅读
下载PDF
职称材料
题名
深度学习全模型迭代算法联合60kVp扫描用于头颈部CT血管成像
1
作者
孙其中
孟婷
彭俪颖
韩义成
王锡明
机构
山东大学山东省立医院医学影像科
山东
第一医
科
大学
附属
省立医院
医学影像
科
上海联影医疗
科
技股份有限公司
出处
《中国医学影像技术》
北大核心
2025年第4期520-524,共5页
基金
国家自然科学基金(82271993)。
文摘
目的 观察深度学习全模型迭代算法(AIIR)联合60 kVp扫描用于头颈部CT血管成像(CTA)的价值。方法 前瞻性纳入86例疑诊头颈部血管疾病患者,随机对其中43例行常规剂量(120 kVp)、对其余43例行低剂量扫描(60 kVp),记录对比剂用量及辐射剂量。对常规剂量扫描原始图像进行混合迭代重建(HIR)得到A组图像,对低剂量扫描原始图像分别以HIR和AIIR得到B1组、B2组图像。比较3组图像总体质量,显示目标大、小血管及诊断信心的主观评分,以及其目标大血管噪声值(SD)、信噪比(SNR)及对比度噪声比(CNR)。结果 相比常规剂量扫描,低剂量扫描对比剂用量及有效剂量(ED)分别降低36.52%及77.56%。B2组与A组图像质量各项主观评分结果差异均无统计学意义(校正P均>0.05)且均高于B1组(校正P均<0.05);除主动脉弓外,B2组中其余各目标大血管SD均低于A组(校正P均<0.05)。B2组各目标大血管SNR及CNR均高于A组及B1组(校正P均<0.05),而各大血管SD均低于B1组(校正P均<0.05)。结论 AIIR联合60 kVp扫描用于头颈CTA可在保证图像质量满足诊断需求的同时降低对比剂用量及辐射剂量。
关键词
图像处理
计算机辅助
深度学习
CT血管成像
辐射剂量
Keywords
image processing,computer-assisted
deep learning
computed tomography angiography
radiation dosage
分类号
R543 [医药卫生—心血管疾病]
R814.43 [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T1 mapping序列的定量参数鉴别肺癌病理类型的应用研究
被引量:
4
2
作者
张玮
赵鹏
郭文秀
林祥涛
张琪
何雨
马文静
杨咏青
汪玉
刁瑞园
机构
山东大学山东省立医院医学影像科
乐陵市人民
医院
核磁共振室
山东
第一医
科
大学
附属
省立医院
医学影像
科
出处
《磁共振成像》
CAS
CSCD
北大核心
2023年第12期33-39,48,共8页
文摘
目的评估基于纵向弛豫时间定量序列(T1 mapping)的定量参数预测肺癌病理类型的可行性。材料与方法共收治经病理确诊的肺癌患者117例,包括腺癌62例,鳞状细胞癌26例,小细胞肺癌(small cell lung cancer,SCLC)29例,于治疗前行常规MRI、T1 mapping检查。采用B1场校正的3D可变翻转角VIBE序列分别于增强前及增强后5 min采集T1 mapping图像,测量肿瘤大小、增强前T1值(T1pre)、增强后T1值(T1post),并计算增强前后T1值变化△T1、增强前后T1值变化率△T1%。采用SPSS和MedCalc软件进行分析,运用logistic回归联合ROC曲线下面积(area under the curve,AUC)评价各组各定量参数的差异及多参数联合的诊断价值。结果腺癌、鳞状细胞癌和SCLC的ΔT1、ΔT1%和T1post差异有统计学意义(P<0.05),而T1pre差异无统计学意义(P=0.506)。鉴别SCLC和非小细胞肺癌(non-small cell lung cancer,NSCLC)的T1post、△T1和△T1%值的AUC分别为0.856、0.805和0.864,3个参数的组合可以提高鉴别SCLC和NSCLC的诊断准确度(AUC=0.870,P<0.05)。△T1、△T1%鉴别腺癌和鳞状细胞癌的AUC分别为0.755和0.767,两者联合可提高诊断准确度(AUC=0.771,P>0.05)。T1post、△T1%鉴别鳞状细胞癌和SCLC的AUC分别为0.788和0.818,两者联合可提高诊断准确度(AUC=0.831,P>0.05)。T1post、△T1%鉴别腺癌和SCLC的AUC分别为0.895、0.873,二者联合可提高诊断准确度(AUC=0.898,P>0.05)。结论T1 mapping可以无创定量地获得腺癌、鳞状细胞癌和SCLC的T1值,可用于区分SCLC与NSCLC以及鳞状细胞癌和腺癌,具有一定的临床应用价值。
关键词
肺癌
腺癌
鳞状细胞癌
小细胞肺癌
定量分析
功能磁共振成像
纵向弛豫时间定量序列
磁共振成像
Keywords
lung cancer
adenocarcinoma
squamous cell carcinoma
small cell lung cancer
quantitative assessment
functional magnetic resonance imaging
T1 mapping
magnetic resonance imaging
分类号
R445.2 [医药卫生—影像医学与核医学]
R734.2 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
极稀疏投影数据的CT图像重建
被引量:
3
3
作者
武丽君
孙丰荣
杨江飞
于倩蕾
贺芳芳
机构
山东大学
信息
科
学与工程学院
山东大学
微电子学院
山东大学
附属
山东
省立医院
医学影像
科
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020年第12期2366-2373,共8页
基金
国家自然科学基金(81671703)
山东省自然科学基金(ZR2019MF048)。
文摘
从稀疏投影数据足够精确地重建断层图像,从而能够在显著降低计算机断层成像(CT)检查X-射线辐射剂量的前提下,提供充分适宜影像学临床诊断需求的重建图像。针对圆周扫描扇束投影的二维CT图像重建,提出了投影驱动的系统模型,并将CT迭代图像重建与压缩感知(CS)理论相结合,设计了一种CT迭代图像重建算法,且将算法扩展到圆周扫描锥束投影的三维CT图像重建。仿真实验结果表明:在极稀疏投影数据的条件下([0,2π]范围内扇束/锥束扫描不超过20个投影角度),算法数值精度高,计算复杂度低,内存开销少,有很强的工程实用性。
关键词
计算机断层成像(CT)
图像重建
稀疏投影
投影驱动
压缩感知(CS)
Keywords
Computerized Tomography(CT)
image reconstruction
sparse projection
view driven
Compressed Sensing(CS)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
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
深度学习全模型迭代算法联合60kVp扫描用于头颈部CT血管成像
孙其中
孟婷
彭俪颖
韩义成
王锡明
《中国医学影像技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于T1 mapping序列的定量参数鉴别肺癌病理类型的应用研究
张玮
赵鹏
郭文秀
林祥涛
张琪
何雨
马文静
杨咏青
汪玉
刁瑞园
《磁共振成像》
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
3
极稀疏投影数据的CT图像重建
武丽君
孙丰荣
杨江飞
于倩蕾
贺芳芳
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部