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
1
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CT超高分辨图像组学特征稳定性研究
被引量：
5
1
作者
孙瑶
王祥
+6 位作者
彭思粤
潘博洋
李清楚
陈如潭
龚南杰
萧毅
刘士远
《中国医学计算机成像杂志》
CSCD
北大核心
2022年第2期196-202,共7页
目的:构建基于深度学习的胸部CT图像超高分辨率模型,并评价生成的超高分辨CT (SRCT)图像质量,探讨其对放射组学特征稳定性的影响。方法:对2020年10月至2021年5月期间行肺结节复查的53例患者进行了512×512矩阵高分辨率CT (HRCT)、1 ...
目的:构建基于深度学习的胸部CT图像超高分辨率模型,并评价生成的超高分辨CT (SRCT)图像质量,探讨其对放射组学特征稳定性的影响。方法:对2020年10月至2021年5月期间行肺结节复查的53例患者进行了512×512矩阵高分辨率CT (HRCT)、1 024×1 024矩阵超高分辨率CT (UHRCT)靶扫描,基于24例患者的7 680幅HRCT图像、2 160幅UHRCT图像构建了基于深度学习的胸部CT图像超分辨率模型,并生成SRCT图像。3名放射科医生使用利克特5分法评分表对29名患者的SRCT、HRCT和UHRCT图像的噪声、条纹伪影、结节边缘、小血管清晰度、正常肺实质的均匀性和整体图像质量进行主观视觉评估,并使用组学软件提取29名患者的SRCT、HRCT和UHRCT图像肺结节的放射组学特征。采用单因素重复测量方差分析比较SRCT、HRCT和UHRCT图像的噪声、条纹伪影、结节边缘、小血管清晰度、正常肺实质的均质性和整体图像质量。使用组内相关系数(ICC)计算3名放射科医生在SRCT、HRCT和UHRCT图像上肺结节的组学特征一致性。结果:对于噪声和条纹伪影的评分由高到低依次为HRCT、SRCT、UHRCT (P<0.05);对于小血管清晰度和整体图像质量的评分由高到低依次为SRCT、UHRCT、HRCT (P<0.05);对于结节边缘和正常肺实质的均质性的评分SRCT与UHRCT无差异(P>0.05),但明显优于HRCT (P<0.05)。SRCT与HRCT、UHRCT图像的组学特征总体较为一致,SRCT和HRCT的组学特征ICC平均值最高(3名医生结果分别为0.90、0.90、0.93)。结论:该研究构建的深度学习模型显著提高了HRCT图像质量,生成的SRCT图像的组学特征稳定性较好。
展开更多
关键词
深度学习
肺结节
计算机体层成像
放射组学
在线阅读
下载PDF
职称材料
题名
深度学习CT超高分辨图像组学特征稳定性研究
被引量：
5
1
作者
孙瑶
王祥
彭思粤
潘博洋
李清楚
陈如潭
龚南杰
萧毅
刘士远
机构
海军军医大学第二附属医院放射诊断科
苏州影动医疗科技有限公司研发部
清华国际创新中心
出处
《中国医学计算机成像杂志》
CSCD
北大核心
2022年第2期196-202,共7页
基金
国家自然科学基金(82001812)。
文摘
目的:构建基于深度学习的胸部CT图像超高分辨率模型,并评价生成的超高分辨CT (SRCT)图像质量,探讨其对放射组学特征稳定性的影响。方法:对2020年10月至2021年5月期间行肺结节复查的53例患者进行了512×512矩阵高分辨率CT (HRCT)、1 024×1 024矩阵超高分辨率CT (UHRCT)靶扫描,基于24例患者的7 680幅HRCT图像、2 160幅UHRCT图像构建了基于深度学习的胸部CT图像超分辨率模型,并生成SRCT图像。3名放射科医生使用利克特5分法评分表对29名患者的SRCT、HRCT和UHRCT图像的噪声、条纹伪影、结节边缘、小血管清晰度、正常肺实质的均匀性和整体图像质量进行主观视觉评估,并使用组学软件提取29名患者的SRCT、HRCT和UHRCT图像肺结节的放射组学特征。采用单因素重复测量方差分析比较SRCT、HRCT和UHRCT图像的噪声、条纹伪影、结节边缘、小血管清晰度、正常肺实质的均质性和整体图像质量。使用组内相关系数(ICC)计算3名放射科医生在SRCT、HRCT和UHRCT图像上肺结节的组学特征一致性。结果:对于噪声和条纹伪影的评分由高到低依次为HRCT、SRCT、UHRCT (P<0.05);对于小血管清晰度和整体图像质量的评分由高到低依次为SRCT、UHRCT、HRCT (P<0.05);对于结节边缘和正常肺实质的均质性的评分SRCT与UHRCT无差异(P>0.05),但明显优于HRCT (P<0.05)。SRCT与HRCT、UHRCT图像的组学特征总体较为一致,SRCT和HRCT的组学特征ICC平均值最高(3名医生结果分别为0.90、0.90、0.93)。结论:该研究构建的深度学习模型显著提高了HRCT图像质量,生成的SRCT图像的组学特征稳定性较好。
关键词
深度学习
肺结节
计算机体层成像
放射组学
Keywords
Deep learning
Pulmonary nodule
Computed tomography
Radiomics
分类号
R445.3 [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
作者
出处
发文年
被引量
操作
1
深度学习CT超高分辨图像组学特征稳定性研究
孙瑶
王祥
彭思粤
潘博洋
李清楚
陈如潭
龚南杰
萧毅
刘士远
《中国医学计算机成像杂志》
CSCD
北大核心
2022
5
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
