国际生物医学影像杂志

骨龄评估(Bone age assessment, BAA)是临床评估儿童生物成熟度的一个重要课题。由于手工方法耗时长且容易引起观察者的变化，因此为BAA开发计算机辅助和自动化方法是很有吸引力的。在本文中，我们提出了一种全自动的BAA方法。为了消除原始x射线图像中的噪声，我们首先使用u形网来精确地分割原始x射线图像中的手掩膜图像。虽然U-Net可以进行高精度的分割，但它需要更大的带注释的数据集。为了减轻标注负担，我们建议使用深度主动学习(deep active learning, AL)来有意识地选择具有足够信息的未标记数据样本。这些示例提供给Oracle进行注释。然后，它们被用于随后的培训。一开始，只有300个数据被手工标注，然后改进的U-Net在AL框架内就可以对RSNA数据集中的12611个图像进行鲁棒分割。AL分割模型在带注释的测试集中获得了0.95的Dice分数。为了优化学习过程，我们使用了6个脱壳的深度卷积神经网络(CNNs)，并在ImageNet上预先训练了权值。 We use them to extract features of preprocessed hand images with a transfer learning technique. In the end, a variety of ensemble regression algorithms are applied to perform BAA. Besides, we choose a specific CNN to extract features and explain why we select that CNN. Experimental results show that the proposed approach achieved discrepancy between manual and predicted bone age of about 6.96 and 7.35 months for male and female cohorts, respectively, on the RSNA dataset. These accuracies are comparable to state-of-the-art performance.

阅读全文

本研究的目的是确定微血管弯曲度是否可以作为肿瘤相关血管生成的成像生物标志物，以及成像该生物标志物是否可以作为定位实体肿瘤的特异性和敏感性方法。声学血管造影术是一种基于超声波的微血管成像技术，用于观察自发性乳腺癌小鼠模型的血管生成过程( )。采用reader研究评估图像类型之间的视觉识别，定量方法利用曲折度和空间聚类指标进行肿瘤检测。reader研究的结果是，曲线下的面积为0.8，而聚类方法的结果是最佳分类，曲线下的面积为0.95。定性和定量方法均显示出敏感性与肿瘤直径的相关性。声学血管造影血管几何成像提供了一种稳健的方法来区分肿瘤和健康组织的小鼠乳腺癌模型。多种方法的分析已提出了广泛的肿瘤大小。将这些技术应用于临床成像可以提高乳腺癌的诊断，以及提高对其他组织癌症评估的特异性。聚类分析方法可能有利于血管超声图像以外的其他类型的形态学分析。

阅读全文

脑瘤是影响许多人生活的主要健康问题。这些肿瘤可分为良性或恶性。如果没有得到正确的诊断和治疗，后者可能是致命的。因此，早期诊断脑肿瘤的发展可以显著提高患者治疗后完全恢复的机会。除了实验室分析外，临床医生和外科医生还从医学图像中提取信息，这些图像由各种系统记录，如磁共振成像(MRI)、x射线和计算机断层扫描(CT)。所提取的信息用于识别脑肿瘤的本质特征(位置、大小和类型)，以实现准确诊断，确定最合适的治疗方案。在本文中，我们提出了一种自动机器视觉技术，用于检测和定位的脑肿瘤磁共振成像图像在他们的非常早期的阶段使用组合k-均值聚类、基于patch的图像处理、对象计数和肿瘤评估。这项技术在20张真实的MRI图像上进行了测试，发现无论MRI图像的强度水平、大小和位置(包括那些非常小的尺寸)如何变化，都能够检测到多个肿瘤。除了用于诊断之外，该技术还可以集成到自动化治疗仪器和机器人手术系统中。

阅读全文

对于复杂的分割任务，完全自动化系统的可达到的准确性有其固有的局限性。具体地说，当需要对少量给定的数据集进行精确的分割时，半自动方法对用户有明显的好处。人机交互优化(HCI)是交互式图像分割的重要组成部分。然而，介绍新型交互分割系统(ISS)的出版物往往缺乏对人机界面方面的客观比较。它表明，即使在整个交互原型中底层的分割算法是相同的，它们的用户体验可能会有很大的差异。因此，用户更喜欢简单的界面和相当大的自由度来控制细分的每个迭代步骤。本文在大量用户研究的基础上，提出了一种比较ISS的客观方法。通过参与者给出的视觉和语言反馈的抽象，进行总结性质的内容分析。用户通过系统可用性量表(SUS)和attrakdiff2问卷对细分系统进行直接评估。此外，还介绍了这些研究中关于可用性方面的近似研究结果，这些研究仅从系统可测量的用户在使用交互式细分原型时的行为来进行。 The prediction of all questionnaire results has an average relative error of 8.9%, which is close to the expected precision of the questionnaire results themselves. This automated evaluation scheme may significantly reduce the resources necessary to investigate each variation of a prototype’s user interface (UI) features and segmentation methodologies.

阅读全文

脑卒中发病后最初几个小时内进行的非对比头部CT扫描对早期缺血性变化(EIC)的识别可能对后续治疗具有重要意义，尽管在这些研究中对早期脑卒中的界定很模糊。在早期梗死中，由于缺乏清晰的病灶边界划定，无法采用手工容积测量，也无法使用边缘检测或区域填充算法进行测量。我们希望验证一种假设，即图像强度不均匀性校正可能提供一种敏感的方法来识别局部低密度，这是早期缺血性梗死的特征。提出了一种基于图像强度非均匀性校正(IIC)和强度阈值的数字图像分析算法。比较了两种不同的IIC算法(FSL和ITK)。通过模拟梗死和临床病例对该方法进行评估。对于合成梗死，测量的梗死体积显示与真正的病灶体积有很强的相关性(对于密度降低20%的“梗死”，两种算法的Pearson r = 0.998);两种算法均表现出随着病灶大小的增加和病灶密度的降低而提高的准确性。在临床病例(30例41例急性梗死)中，使用FSL IIC计算梗死体积与方面评分(Pearson r = 0.680)和入院NIHSS (Pearson r = 0.544)相关。计算梗死体积与IV-tPA治疗的临床决策高度相关。 Image intensity inhomogeneity correction, when applied to noncontrast head CT, provides a tool for image analysis to aid in detection of EIC, as well as to evaluate and guide improvements in scan quality for optimal detection of EIC.

阅读全文

由于脑肿瘤的复杂结构、模糊的边界以及噪声等外部因素，从脑磁共振成像(MRI)数据推断肿瘤和水肿区域仍然具有挑战性。为了降低噪声敏感性，提高分割的稳定性，本文提出了一种有效的结合形态学操作的混合聚类算法对脑肿瘤进行分割。本文的主要贡献如下:首先，利用自适应维纳滤波去噪，利用形态学操作去除非脑组织，有效降低了该方法对噪声的敏感性。其次，将k -means++聚类与基于高斯核的模糊C-means算法相结合，对图像进行分割。这种聚类不仅提高了算法的稳定性，而且降低了聚类参数的敏感性。最后，通过形态学操作和中值滤波对所提取的肿瘤图像进行后处理，得到准确的脑肿瘤图像。并与现有的分割算法进行了比较。结果表明，该算法在准确率、灵敏度、特异性和召回率方面都有较好的表现。

阅读全文