您现在的位置: 首页> 研究主题> 核磁共振图像

核磁共振图像

核磁共振图像的相关文献在1994年到2022年内共计198篇,主要集中在自动化技术、计算机技术、临床医学、基础医学 等领域,其中期刊论文83篇、会议论文9篇、专利文献310165篇;相关期刊66种,包括中国医疗器械杂志、中国图象图形学报、计算机仿真等; 相关会议8种,包括第10届全国计算机支持的协同工作学术会议暨中国计算机学会协同计算专委年度工作会议、第十四届中国体视学与图像分析学术会议、2015年中国生物医学工程联合学术年会等;核磁共振图像的相关文献由465位作者贡献,包括徐军、夏德深、詹天明等。

核磁共振图像—发文量

期刊论文>

论文:83 占比:0.03%

会议论文>

论文:9 占比:0.00%

专利文献>

论文:310165 占比:99.97%

总计:310257篇

核磁共振图像—发文趋势图

核磁共振图像

-研究学者

  • 徐军
  • 夏德深
  • 詹天明
  • 王元全
  • 王平安
  • 刘利雄
  • 张冰宇
  • 汤敏
  • 祁建军
  • 管秋
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 孟朋辉; 黄凯雯; 徐磊
    • 摘要: 基于MR图像来进行心肌病模式的识别以用于医生辅助诊断。首先提出了一种心肌图像重构的方法,该方法以心肌MR图像的医学结论为基础,采用线性插值的方式将原始心肌重构为更能表现环方向特征的形式,通过灰度共生矩阵(GLCM)、灰度游程矩阵(GLRLM)、局部二值模式(LBP)以及直方图模式提取出422个纹理特征。然后针对特征维数高的情况,提出了一种改进ReliefF算法和ACO算法的联合特征选择方法,引进欧氏距离为基础的距离系数改进ReliefF,所得的特征权重配合皮尔逊相关系数、识别精度以及特征子集长度来改进ACO算法的信息素更新和剪枝策略等。该算法在4个公开的高维特征基因数据集上,平均选择0.4%的特征,平均精度可达91.73%。该算法在重构和原生所构成的纹理特征中选取了6个特征用于三种心肌纤维化模式(正常、HCM、DCM)的识别,通过SVM分类模型,在测试集上取得了93.8%的准确率,可在临床应用中辅助医生进行心肌病诊断。
    • 刘从军; 徐佳陈; 肖志勇; 柴志雷
    • 摘要: 心脏核磁共振成像技术由于其无电离辐射的优点已成为医疗诊断中的主要手段。对左心室、右心室以及左心肌进行准确的分割与识别是心脏手术前的重要一步,手动分割心脏结构耗时且易出错,因此自动分割双心室与心肌至关重要。提出了一种能充分利用心脏图像信息的多尺度特征融合U型神经网络MFF U-Net。首先,选择以U-Net++作为网络基本框架。其次,为了提高特征复用率,解决网络深度增加导致的过拟合问题,在U-Net++的编码部分提出了密集残差模块,使得网络在下采样过程中学习到更多有用特征。此外,在解码部分,为了使网络的分割结果更加符合目标器官之间的物理特征,用多个卷积核来扩大感受野并利用长距离依赖模块共享全局上下文信息,使得网络在编码还原的过程中尽可能地获取到目标器官之间的关系信息,从而使得分割结果更为精准。最后,考虑到双心室与左心肌的连贯性与唯一性,还添加了获取最大连通域与填充细小孔洞的后处理操作。采用的实验数据为ACDC心脏分割挑战数据集,其包含150位志愿者收缩期末期与舒张期末期的短轴心脏磁共振图像。在该数据集的测试集上进行验证,并通过在线提交的方式获取实验结果。实验结果表明,相较于其他算法,所提出的算法能够有效地分割目标器官,特别是舒张期末期的Dice系数分别达到了左心室0.96、右心室0.94和左心肌0.89,收缩期末期的分割精度达到了0.87,0.86和0.89。
    • 肖孝军; 陈智斌
    • 摘要: 针对低比特JPEG2000图像因压缩过程中产生的压缩痕迹问题,提出一种总变分JPEG2000解码算法.首先通过分析JPEG2000压缩的量化噪声近似地服从高斯分布,得到一个总变分ROF解码模型.其次利用原对偶算法求解所提出的ROF模型得到一个最优化解码迭代方案.最后对两幅核磁共振图像进行实验仿真,通过与高斯滤波、中值滤波方法在SNR值、视觉效果等方面进行比较,验证了本文方法去除压缩痕迹方面的有效性.
    • 丘致榕
    • 摘要: 阿尔茨海默氏病(AD)是一种最常见的痴呆症,目前还没有治疗方法来阻止或逆转其进展。治疗这种疾病的费用预计将大幅上升,因此早期诊断非常关键。本文介绍了四种用于阿尔茨海默病诊断的计算机辅助诊断系统,在本文提出的减少大量体积计算的方法中,使用了二维切片和二维卷积神经网络(CNN),减少了计算量,提高了准确率和效率。
    • 周瑞文
    • 摘要: 随着计算机与医学影像技术的不断进步,医学图像的分割逐渐成为医学图像技术研究的热点,在医学领域发挥着重要作用,核磁共振(MRI)成像能敏感地检查出组织成分中水含量的变化,能显示功能和新陈代谢过程等生理生化信息的变化,为一些早期病变提供了诊断依据,常常比CT能更有效和更早地发现病变以及不会像CT那样产生对人体有损伤的电离辐射等特点,被广泛应用于脊柱成像中.MRI的分析师(放射科医师和骨科医师)可以从呈现的图像中快速读出病变部位.这种方法的一种缺点是耗费时间,缺乏准确性.人工将MRI扫描的图像从大量的扫描图像中分割出来是一个很费时繁琐的过程.因此,选择对脊柱MRI扫描进行自动分割和分析至关重要,以提高临床诊断的准确性,给患者的治疗带来很大帮助.深度学习技术的兴起在医疗方面带来了福音.它能够快速地分析大量数据并产生较好的准确性.因此,深度学习方法可以有效地运用到MAI图像的自动分割.根据脊柱核磁共振图像的特点,利用核磁共振图像中椎间盘与椎骨灰度的鲜明对比,使用交叉验证的方法,提出了利用卷积神经网络对脊柱MRI图像进行精准分割,并产生了较好的效果,平均分割精确度可达到88% 以上.
    • 丘致榕
    • 摘要: 阿尔茨海默氏病(AD)是一种最常见的痴呆症,目前还没有治疗方法来阻止或逆转其进展.治疗这种疾病的费用预计将大幅上升,因此早期诊断非常关键.本文介绍了四种用于阿尔茨海默病诊断的计算机辅助诊断系统,在本文提出的减少大量体积计算的方法中,使用了二维切片和二维卷积神经网络(CNN),减少了计算量,提高了准确率和效率.
    • 石钰阳; 何平; 刘奕; 安利智; 田宇
    • 摘要: 目的:探讨基于粒子群优化支持向量机(PSO-SVM)模型的多区域多参数MRI放射组学特征预测脑胶质瘤O6-甲基鸟嘌呤-DNA甲基转移酶(MGMT)启动子甲基化状态。方法:首先分析了127例脑胶质瘤患者的MR影像资料,从肿瘤及水肿区T1WI增强、T2WI、FLAIR和ADC序列中提取1029个放射组学特征,包括一阶统计量、形状和纹理特征;然后采用主成分分析法(PCA)对提取的特征降维,结合PSO-SVM算法建立放射组学模型训练学习;最后采用受试者操作特性(ROC)曲线和准确率评价模型预测效能。结果:基于PSO-SVM模型的多区域多参数MRI脑胶质瘤MGMT分类实验中,肿瘤区情况最好的是T1WI增强序列,预测脑胶质瘤MGMT启动子甲基化状态AUC为0.88,准确率达90%;水肿区情况最好的是ADC序列,AUC为0.90,测试集全部预测正确。结论:模型具有训练速度快、精确度高的特点,可以快速预测MGMT病理结果,为医生提供一种高效而准确的辅助诊断依据。
    • 石钰阳; 何平; 刘奕; 安利智; 田宇
    • 摘要: 目的:探讨基于粒子群优化支持向量机(PSO-SVM)模型的多区域多参数MRI放射组学特征预测脑胶质瘤O6-甲基鸟嘌呤-DNA甲基转移酶(MGMT)启动子甲基化状态.方法:首先分析了127例脑胶质瘤患者的MR影像资料,从肿瘤及水肿区T1WI增强、T2WI、FLAIR和ADC序列中提取1029个放射组学特征,包括一阶统计量、形状和纹理特征;然后采用主成分分析法(PCA)对提取的特征降维,结合PSO-SVM算法建立放射组学模型训练学习;最后采用受试者操作特性(ROC)曲线和准确率评价模型预测效能.结果:基于PSO-SVM模型的多区域多参数MRI脑胶质瘤MGMT分类实验中,肿瘤区情况最好的是T1WI增强序列,预测脑胶质瘤MGMT启动子甲基化状态AUC为0.88,准确率达90%;水肿区情况最好的是ADC序列,AUC为0.90,测试集全部预测正确.结论:模型具有训练速度快、精确度高的特点,可以快速预测MGMT病理结果,为医生提供一种高效而准确的辅助诊断依据.
    • 曹敏; 侯金秀; 张月芳; 邓红霞; 李海芳
    • 摘要: 猕猴大脑和人脑具有很高的相似性,可以通过研究猕猴大脑组织加深对人脑功能的认知.为了对猕猴大脑皮下核团进行更加准确的分割,提出了一种新的改进稀疏表示的多图谱分割算法.该算法首先在稀疏表示图像块构建时引入标签图像的信息,然后通过改变信息熵的计算方式改进互信息,将其用于对目标图像和图谱图像进行整体相似性度量,这两项措施使融合各图谱的权重更加合理.其次,为了将非局部块的标签融合方法 与稀疏表示的融合方法 分割结果 进行综合,提出了一种基于Dice系数和余弦距离结合的相似性度量指标.实验结果表明,本方法对海马体、纹状体、屏状核等核团的分割准确率有一定的提高,有着较好的鲁棒性.
    • 李梓鸥; 费树岷
    • 摘要: 随着计算机的计算能力大幅提升以及深度学习等基于样本的参数估计模型快速更新和迭代,机器代替人工的医学诊断技术日益发展.然而,由于医疗样本的有限性和私密性导致样本量不足,使得大样本驱动的深度学习方法受到极大限制.一般图像增强方法生成的样本质量不高且多样性不足,传统生成对抗网络(GAN)的对抗式学习过程又具有训练不稳定和模式崩塌问题.对此,从理论以及实验角度分析了基于Wasserstein距离的类GAN模型可维持稳定性原因,同时设计了一种考量多样性的FID指标衡量方式.实验结果表明,该方法与不同种类的增强方法相比,在传统的FID指标上达到了1.29,在新的FID指标上达到了0.07.采用Wasser?stein距离的类GAN模型可以使对抗学习过程有稳定的收敛能力,同时保证了生成样本的质量与多样性.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号