简介:摘要:深度学习已广泛应用于医学成像的分割中。2015年提出的U-Net模型显示了精确分割小目标及其网络架构可扩展的优势,使其成为医学成像分割任务的主要工具。近年来,随着对医学图像分割性能要求的不断提高,研究人员通过采用新方法或将引入其他方法等手段,从结构、创新性、效率等方面对U-Net架构进行了许多进步。U-Net的成功之处在于它在MRI、CT、眼底成像、超声图像和X射线等几乎所有主要图像模式中被广泛应用,并有巨大的发展潜力。
简介:摘要:糖尿病视网膜病变 (DR) 是一种严重的眼部异常,其严重情况下会导致视网膜脱落甚至失明。眼底的渗出液是由于高血糖毒性作用,导致血屏障破坏,血管内的脂质等漏出而造成的。是视网膜病变的并发症之一。由于患者与专业医生数量悬殊巨大,设计一个可以自动的检测渗出液的医疗助手是十分重要的任务。本文依托于深度学习方法,以U-Net架构为骨架网络,以准确度 (Acc)、灵敏度 (SE)、特异性 (SP)以及AUC值作为模型性能的评估指标,先测试了原始U-Net在该任务上的分割能力,在该任务上达到99.8%的准确度,73.1%的灵敏度,98.0%的特异性以及0.973的AUC值。根据U-Net网络架构的固有问题,将Attention机制与U-Net结构,搭建Attention U-Net。99.8%的准确度,81.5%的灵敏度,99.8%的特异性以及0.985的AUC值。实验结果表明,Attention U-Net有更好的特征提取能力。
简介:【摘要】专业技术人员能力传统的评价系统大多是人工操作的,而且需要很多纸质材料的辅助。评估过程复杂繁琐,并且效率底下。因此开发一个计算机和网络技术的评
简介:摘要:PDMS是AVEVA公司的一款三维建模软件,在石油化工装置设计过程中被广泛应用。PDMS支持二次开发,其中二次开发包括.NET及自带的Programmable Macro Language编程语言(简称PML)。通过对比不同环境和需求下.NET和PML的优劣,选择适合自己的编程语言。
简介:摘要目的在U-net卷积神经网络基础上设计出混合注意力U-net (HA-U-net)网络用于全脑全脊髓临床靶体积(CTV)自动勾画,并与U-net自动分割模型分割结果进行比较。方法研究回顾了110例全脑全脊髓患者数据,选择80例用于训练集,10例用于验证集,20例作为测试集。HA-U-net以U-net为基准网络,在U-net网络输入端加入双注意力模块,同时在跳跃连接中加入注意力门模块来建立全脑全脊髓CTV自动勾画网络模型。评估参数为戴斯相似性系数、豪斯多夫距离和精确率。结果HA-U-net网络得到戴斯相似性系数为0.901±0.041,豪斯多夫距离为(2.77±0.29) mm,精确率为0.903±0.038,结果均优于U-net网络分割结果(均P<0.05)。结论HA-U-net卷积神经网络可以有效提升全脑全脊髓CTV自动分割的精度,有助于医生提高工作效率与勾画一致性。
简介:摘 要近期农房权籍调查项目正在全国各地如火如荼的开展,针对项目后期数据处理工作量大的问题,本文展开了一些关于农房与农房之间、农房与权属线之间拓扑关系处理的研究,通过开发数据处理的相关插件,实现在几乎不影响外业实测点位精度的情况下,快速处理掉由于人为因素造成的图形之间缝隙、重叠及自相交等的数据问题。
简介:摘要:平台自1995年引进以来,平台先后进行升降作业上百次,由于频繁升降作业及海洋环境的影响,平台升降系统尤其液压传动部分老化较为严重,阀件外表锈蚀,阀芯磨损,管线接头渗油。平台在升降期间故障不断,甚至发生液压管线剧烈振动、溜桩等恶性故障,严重影响到平台的安全作业。为保证动平台作业安全,提高升降系统运行的可靠性,通过系统分析现有液压系统情况,对升降系统液压部分进行升级改造,消除升降系统隐
简介:摘要目的基于三维(3D)U-net深度学习模型,建立预测CT引导下宫颈癌近距离治疗计划的3D空间剂量分布。方法2021年4-9月收集114例宫颈癌患者三维近距离放疗计划(处方剂量6 Gy)组成数据集,按84∶11∶19划分为训练集、验证集、测试集。利用3D U-net模型进行500次(epoch)训练,分别评估测试集病例体素级的平均剂量偏差(MDD)与绝对剂量偏差(MADD)、等剂量面包围体积的戴斯系数(DSC)、处方剂量适形度指数(CI)、高危临床靶区(HRCTV)的D90和平均剂量Dmean、膀胱、直肠、小肠、结肠的D1 cm3与D2 cm3剂量学参数。结果测试集中19例患者的3D剂量矩阵MDD与MADD分别为-0.01±0.03和(0.04±0.01)Gy。50%到150%处方剂量的DSC在0.89到0.94之间,处方剂量CI为0.70±0.04。HRCTV的D90的平均偏差为2.22%,Dmean的偏差为-4.30%。膀胱、直肠、小肠、结肠的D1 cm3与D2 cm3最大偏差分别为2.46%和2.58%。模型预测平均耗时2.5 s。结论本研究实现了一种基于3D U-net的预测宫颈癌3D剂量分布的深度学习模型,为宫颈癌近距离治疗自动化设计奠定基础。
简介:摘要目的探讨基于nnU-Net的临床影像组学模型对胆囊癌预后的预测价值。方法采用回顾性队列研究方法。收集2012年1月至2020年12月西安交通大学第一附属医院收治的168例行胆囊癌意向性根治术患者的临床病理资料;男61例,女107例;年龄为(64±11)岁。168例患者通过随机数字表法按3∶1随机分为训练集126例和测试集42例。168例患者术前均行增强CT检查。对于门静脉期图像,2位影像学医师手动勾画感兴趣区。应用nnU-Net三维全分辨率模型自动分割图像,采用5折交叉验证及Dice相似系数评估模型泛化能力和预测效能。应用Python软件(3.7.10版本)及Pyradiomics工具库(3.0.1版本)提取影像组学特征,应用R软件(4.1.1版本)筛选影像组学特征,应用方差法、Pearson相关性分析、单因素COX分析及随机生存森林模型筛选重要的影像组学特征并计算影像组学评分(Radscore)。应用X-tile软件(3.6.1版本)确定Radscore最佳截断值,COX比例风险回归模型分析患者预后的独立影响因素。将训练集数据导入R软件(4.1.1版本)构建胆囊癌生存预测临床影像组学列线图模型。基于Radscore风险、影响患者预后的独立临床因素分别构建胆囊癌生存预测Radscore风险模型、临床模型。采用一致性指数(C-index)、校准曲线及决策曲线评估不同胆囊癌生存预测模型的预测效能。观察指标:(1)胆囊癌CT检查门静脉期图像分割结果。(2)影像组学特征筛选及Radscore计算。(3)影响胆囊癌意向性根治术后患者预后因素分析。(4)不同胆囊癌生存预测模型的构建及评价。正态分布的计量资料以x±s表示。计数资料以绝对数或百分比表示,组间比较采用χ2检验。单因素及多因素分析采用COX比例风险回归模型。采用寿命表法计算术后总生存率。结果(1)胆囊癌CT检查门静脉期图像分割结果。基于手动分割和nnU-Net模型自动分割的感兴趣区在训练集Dice相似系数为0.92±0.08,在测试集为0.74±0.15。(2)影像组学特征筛选及Radscore计算。168例患者共提取1 502个影像组学特征,经方差法、Pearson相关性分析、单因素COX分析和随机森林生存模型筛选影像组学特征共13个(形状特征3个、高阶特征10个)。根据随机生存森林模型与X-tile软件分析结果显示:Radscore最佳截断值分别为6.68和25.01,训练集126例患者中Radscore低危(≤6.68)41例、中危(>6.68且<25.01)72例、高危(≥25.01)13例。(3)影响胆囊癌意向性根治术后患者预后因素分析。168例患者1、2、3年总生存率分别为75.8%、54.9%、45.7%。单因素分析结果显示:术前合并黄疸,血清CA19-9,Radscore风险(中危、高危),手术切除范围,病理学T分期,病理学N分期,肿瘤分化程度(中分化、低分化)是影响训练集患者预后的相关因素(风险比=3.28,3.00,3.78,6.34,4.48,6.43,3.35,7.44,15.11,95%可信区间为1.91~5.63,1.76~5.13,1.76~8.09,2.49~16.17,2.30~8.70,1.57~26.36,1.96~5.73,1.02~54.55,2.04~112.05,P<0.05)。多因素分析结果显示:术前合并黄疸,血清CA19-9,Radscore风险(高危),病理学N分期是训练集患者预后的独立影响因素(风险比=2.22,2.02,2.89,2.07,95%可信区间为1.20~4.11,1.11~3.68,1.04~8.01,1.15~3.73,P<0.05)。(4)不同胆囊癌生存预测模型的构建及评价。基于患者预后独立影响因素构建临床影像组学模型、Radscore风险模型、临床模型,其在训练集的C-index分别为0.775、0.651、0.747,在测试集的C-index分别为0.759、0.633、0.739。校准曲线显示:Radscore风险模型、临床模型及临床影像组学模型对患者生存的预测能力良好。决策曲线显示:临床影像组学模型对患者预后的预测能力优于Radscore风险模型及临床模型。结论基于nnU-net的临床影像组学模型对胆囊癌预后具有良好的预测效能。