简介:摘要目的结合图像自动分割技术和机器学习方法对乳腺钼靶X线图像进行准确分类识别。方法以数字钼靶X线图像数据库(DDSM)中的BI-RADS4类的簇状分布多形性钙化钼靶图像为研究对象,自动切分图像的感兴趣区域(ROI)。对小波变换、Gabor滤波和灰度共生矩阵法所提取的特征参数进行融合,并基于灵敏度分析对融合后的特征参数进行筛选。使用基于集成学习的方法,对多项式核支持向量机(SVM)、随机森林和逻辑(logistic)回归分类器进行投票集成,构成用于乳腺钼靶X线图像自动分类的分类器。投票集成方法为软投票。结果提出的集成分类器可高效地识别与分类乳腺钼靶X线图像,其分类的灵敏度、特异度和准确率分别为99.1%、99.6%和99.3%。结论所提出的乳腺钼靶X线图像处理与分类识别方法能为医生的临床判断提供辅助检测的依据,并为细分BI-RADS4类图像提供技术基础。
简介:摘要目的应用深度学习进行病毒电镜图像的分类,通过多种模型性能的比较,提供适用于病毒电镜图像分类的网络模型,提供病毒电镜图像识别的辅助与支持,减少研究人员的劳动强度和分析时间。方法通过加深网络深度、调整学习率和批量大小等参数,使用AlexNet、VGG、ResNet、DenseNet、SqueezeNet、MobileNet、ShuffleNet多种经典的卷积神经网络对七种病毒电镜图像进行分类。结果DenseNet169以91.9%的准确率、90.1%的敏感度和98.6%的特异度取得了模型最佳性能。其中,模型对细小病毒的识别效果最好,乳头瘤病毒、疱疹病毒、痘病毒和轮状病毒的精确率、敏感度、特异度和F1值均在90%以上,甚至接近100%。同时,轻量级网络ShuffleNet的性能以更少的参数量和浮点次数超越了深度网络AlexNet和VGG,并能够以比ResNet少约15倍的参数量和90余倍的浮点运算次数取得与之相当的结果;与DenseNet相比,孙世丁通过牺牲可接受范围内的识别性能换取了比其少约10倍的参数量和80余倍的浮点运算次数。结论深度网络DenseNet169能够以最佳性能实现病毒电镜图像的自动识别,轻量网络ShuffleNet_v2_x0_5能够以更少的参数量和浮点运算次数实现次优性能,在实际应用中可结合具体情况在深度网络和轻量级网络之间进行取舍。
简介:摘要要想快速的对一些复杂背景图像的局部轮廓进行识别,就需要对这些复杂背景图像进行分解并且提取一些多尺度的细节特征,再将图像的原图和经过操作后的图像进行对比。在传统的方法中,一般都是利用相与操作算子对这些复杂的背景进行处理,再把图像中的干扰信号除掉,使用这种方法有一个缺点就是会忽略图像的一些细节,识别的效率也很低。研究人员根据实际的情况,提出了一种基于Tophat算法的复杂背景图像局部轮廓信息人工智能识别的方法。这种智能识别的方法能够利用对偶树复小波的变换的优良特性对复杂背景图像进行分解,在提出多尺度的细节特征。在对这些已经提出来的特征进行腐蚀和开闭运算。这种方法真正的实现了对复杂背景图像局部轮廓信息的识别,也为以后发展图像识别技术奠定了一个良好的基础。
简介:摘要要想快速的对一些复杂背景图像的局部轮廓进行识别,就需要对这些复杂背景图像进行分解并且提取一些多尺度的细节特征,再将图像的原图和经过操作后的图像进行对比。在传统的方法中,一般都是利用相与操作算子对这些复杂的背景进行处理,再把图像中的干扰信号除掉,使用这种方法有一个缺点就是会忽略图像的一些细节,识别的效率也很低。研究人员根据实际的情况,提出了一种基于Tophat算法的复杂背景图像局部轮廓信息人工智能识别的方法。这种智能识别的方法能够利用对偶树复小波的变换的优良特性对复杂背景图像进行分解,在提出多尺度的细节特征。在对这些已经提出来的特征进行腐蚀和开闭运算。这种方法真正的实现了对复杂背景图像局部轮廓信息的识别,也为以后发展图像识别技术奠定了一个良好的基础。
简介:摘要目的基于肺区CT图像最大密度投影(MIP)与深度卷积神经网络(CNN)构建慢性阻塞性肺疾病(慢阻肺)识别模型,并探讨其意义。方法选取2010年1月—2021年5月就诊于大连医科大学附属第二医院的符合入组标准的研究对象共201例,其中慢阻肺组101例,健康对照组100例。研究对象均进行胸部薄层CT图像扫描及肺功能测试。首先,获取所有CT图像序列肺区的MIP图像;其次,以MIP图像为输入,基于改进的残差网络(ResNet)构建慢阻肺识别模型;最后,考察不同层数的ResNet模型对性能的影响。应用准确率、灵敏度、特异度、阳性预测值、阴性预测值、受试者工作特征(ROC)曲线及其下面积(AUC)评估网络的识别效能。结果ResNet26的慢阻肺识别准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为76.1%、76.2%、76.0%、76.2%、76.0%,AUC为0.855(95%CI:0.799~0.901);ResNet50的慢阻肺识别准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为77.6%、76.2%、79.0%、78.6%、76.7%,AUC为0.854(95%CI:0.797~0.900);ResNet26d的慢阻肺识别准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为82.1%、83.2%、81.0%、81.6%、82.7%,AUC为0.885(95%CI:0.830~0.926)。结论本研究成功构建的基于肺区CT图像MIP与深度CNN的慢阻肺识别模型,可实现准确的慢阻肺识别,为慢阻肺早期筛查提供了一种有效工具。
简介:摘要目的通过基于卷积神经网络深度学习方法从增强CT合成平扫CT图像,临床主观和客观评估合成平扫CT图像(DL-SNCT)与金标准平扫CT图像的相似性,探讨其潜在临床价值。方法同时行常规平扫和增强CT扫描的患者34例,通过深度学习模型将增强CT图像合成DL-SNCT图像,以平扫CT图像为金标准,主观评价DL-SNCT的图像质量(评价指标包括解剖结构清晰度、伪影、噪声、图像结构完整性、图像变形,均采用4分制);利用配对t检验比较DL-SNCT与金标准平扫CT图像不同血供特点的解剖部位(主动脉、肾脏、肝实质、臀大肌)以及不同强化模式的肝脏病变(肝癌、肝血管瘤、肝转移瘤、肝囊肿)的CT值。结果主观评价上,DL-SNCT图像在伪影、噪声、图像结构完整性、图像变形方面评分都达到4分,与平扫CT图像评分相一致(P>0.05);在解剖结构清晰度方面评分略低于平扫CT图像[(3.59±0.70)分vs. 4分)],差异有统计学意义(Z=-2.89,P <0.05)。对于不同解剖部位而言,DL-SNCT图像主动脉、肾脏的CT值显著高于平扫CT图像(t=-12.89、-9.58,P <0.05),而肝实质、臀大肌CT值与平扫CT图像差异无统计学意义(P>0.05)。对于不同强化模式肝脏病变而言,DL-SNCT图像肝癌、肝血管瘤、肝转移瘤的CT值显著高于平扫CT图像(t=-10.84、-3.42、-3.98,P <0.05),而肝囊肿CT值与平扫CT图像差异无统计学意义(P>0.05)。结论DL-SNCT在图像质量上以及一些强化方式比较单一的解剖部位的CT值已接近金标准平扫CT,但对于强化程度变化大的解剖部位,以及有着不同强化模式的肝脏病变,DL-SNCT在临床应用前还有很大的改进空间。
简介:摘要目的比较瓦里安OBI引导系统的千伏级锥形束CT (KV-CBCT)、千伏级平面成像(KV-planar)、兆伏级电子射野影像装置(MV-EPID)3种图像系统的综合性能,探索3种系统在鼻咽癌每日图像引导放疗中联合应用的价值。方法利用人体仿真头颈模体在左右/前后/头脚方向分别进行KV-CBCT、KV-planar、MV-EPID扫描和配准,方差检验3种图像引导系统的摆位误差、配准时间、额外辐射剂量、图像质量等。结果KV-CBCT、KV-planar、MV-EPID在左右/前后/头脚方向摆位误差分别为(0.00±5.43)/(-0.02±5.49)/(0.02±5.58)、(0.04±5.49)/(0.02±5.56)/(0.02±5.54)、(0.02±5.22)/(0.11±5.34)/(-0.04±5.33) mm (P=0.999、1.000、0.989);平均耗时分别为(200±45)、(120±36)、(115±42) s;额外辐射剂量由低到高分别为KV-planar、KV-CBCT、MV-EPID;图像质量由低到高分为MV-EPID、KV-planar、KV-CBCT。结论3种图像引导系统均可满足鼻咽癌图像引导放疗的要求,综合3种总体性能建议在鼻咽癌每日图像引导中1次CBCT+4次KV-planar/周、EPID作为备用系统的图像引导策略。此方案充分利用CBCT的高图像质量、KV-planar的低辐射等优势,实现鼻咽癌体积变化的定期检测和高精度放疗实施。
简介:摘要病理切片数字化积累了大量的数据,是人工智能辅助病理诊断的重要前提。当前宫颈液基细胞学筛查已成为人工智能病理研发的热点,但国内对宫颈液基细胞学数字病理图像的采集及质量评估,缺乏统一、规范的标准。为促进标准化的宫颈液基细胞学数字病理资源库和数据集的建立及相关人工智能辅助诊断产品的研发,编写组专家经过反复讨论,对宫颈液基细胞学全视野数字图像采集前的玻片评估、采集参数、数字图像的可信度评估及阅片报告等形成此共识。
简介:摘要在个人身份信息验证中,生物识别技术因其方便、可靠越来越受到研究学者的重视。本文主要介绍基于手的识别技术,重点介绍了几种基于手的识别方式,包括静脉识别、手势识别以及纹路识别,并分析和比较了各种识别方式,总结了基于手的识别方式的优势及其局限性。
简介:;自动语音识别(AutomaticSpeechRecognition)简称ASR是目前属于AI领域的一项十分重要的技术,伴随着人工智能的高速发展,智能化生活走向主流,ASR技术已经走进了人们的生活中的方方面面。先简要介绍了语音识别的发展、语音信号的接收,再重点阐述了ASR运行过程中相关的原理及方法和与ASR技术的基本算法使用语音信号的处理涉及的三大算法即朴素模式算法,KMP算法,及HMM算法。
简介:摘要目的探讨高频超声对甲状腺囊实性结节的良恶性的诊断价值。方法回顾分析2017年6月至2021年1月深圳市龙岗中心医院手术病理证实的159个甲状腺囊实性结节的术前超声特征。根据其超声表现分为四型:Ⅰ型,内部为带状分隔或絮状回声;Ⅱ型,壁上可见小乳头状中等回声突起;Ⅲ型,内部为带状分隔或絮状回声及小乳头状中等回声突起;Ⅳ型,内部以实性回声为主,内部为不规则小片状无回声及裂隙状无回声。观察各型的超声诊断与病理结果符合率。结果159个甲状腺囊实性结节中,22个为恶性,137个为良性。超声对Ⅰ、Ⅱ、Ⅲ、Ⅳ型囊实性甲状腺结节的诊断与病理结果符合率分别为97%(61/63)、80%(45/56)、90%(9/10)、67%(20/30)。Ⅰ型、Ⅱ型、Ⅲ型均以囊性成分为主,囊性成分≥50%;Ⅳ型以实性成分为主,囊性成分<50%,超声诊断与病理结果符合率最低。结论内部为带状分隔或絮状回声为良性囊实性结节的特征性超声表现;内部以实性回声为主,内部为不规则小片状无回声及裂隙状无回声的囊实性甲状腺结节超声诊断符合率最低,易误诊,仔细观察其实性部分特征可提高超声诊断正确率。