U型结构网络模型在甲状腺结节中的研究与应用
这是一篇关于甲状腺结节,超声影像,识别分割,U型结构,卷积神经网络的论文, 主要内容为甲状腺结节是一种普遍的内分泌疾病,会影响甲状腺腺体的正常功能,危害人体健康,其中恶性结节更是有癌变的风险。超声成像在甲状腺疾病检测的领域中使用广泛,在超声影像中识别并分割出患病结节组织,能对后续的诊断治疗起到辅助作用,这是一项重要的工作。然而,因为技术的限制,甲状腺超声影像中存在噪声和斑点,再加上甲状腺结节本身与周围健康组织紧密粘连,使得甲状腺结节组织区域的界限模糊、边界不清晰,加大了识别分割工作的难度。另外,多数超声影像中具有不止一个不同大小的结节,现有的分割方法出现分割不到位,甚至存在漏割的问题。针对上述问题,本文基于U型结构构建了两个用于甲状腺结节识别分割的网络模型,主要研究内容如下:(1)针对甲状腺结节组织与周围其他组织粘连,导致结节区域边界模糊的问题,构建网络模型DCA-UNet++用于甲状腺结节识别分割。该模型以U型结构U-Net++为基础架构,首先在编码路径阶段利用扩张卷积模块扩增识别分割模型的感受野,保持输入的特征映射尺寸、分辨率不变,增强获取广阔上下文信息的能力。其次,在特征提取阶段,添加高效通道注意力模块,动态地调节各通道特征权重,减少甲状腺超声影像中非结节区域无关信息的干扰,突显图像中重要关键的特征信息。此外,设计使用混合双损失函数来保障模型的收敛性能。最后,采用召回率、平均交互比等多个评价度量指标验证DCA-UNet++网络模型的准确度,其中召回率达到了97.17%、平均交互比达到了75.22%。(2)针对甲状腺结节组织尺寸多变、大小不一,导致结节区域分割缺漏的问题,构建网络模型MCL-UNet用于甲状腺结节识别分割。该模型以U型结构U-Net为基础架构,首先,在编码路径阶段引入创新构建的多尺度卷积模块,以不等大小卷积操作为切入点,捕获不同感受野的特征信息,兼顾浅层阶段和深层阶段的特征,丰富多元化信息提取。其次,在解码路径阶段,引入长短期记忆卷积模块,捕捉甲状腺超声图像中各个像素之间的空间关联,兼顾不同距离的特征信息提取,充分利用特征映射信息。最后,采用交互比、Dice相似系数等多个评价度量指标验证MCL-UNet网络模型的创新性和识别分割的精确度,其中准确率达到了97.27%、DSC达到了80.72%。
基于无锚框与主动学习的超声图像检测系统设计与实现
这是一篇关于超声影像,深度学习,目标检测,主动学习,FCOS的论文, 主要内容为超声成像因其无辐射、低成本、快捷便利等特点,被广泛应用于临床诊断,但同时超声图像也存在高噪声、低分辨率、依赖医生操作经验等缺点。利用机器学习和深度学习技术改善超声图像质量、定量客观的评价图像、提取有利于诊断的计算特征,帮助医生提高诊断准确率,是目前智慧医疗的热点研究问题。本文针对超声图像中的病变检测问题和图像标注问题,以甲状腺超声影像为研究对象,开展了研究,并利用研究成果开发了一个具有实用意义的超声图像检测系统。首先,针对超声图像病变检测困难问题,本文利用无锚框目标检测模型FCOS作为基准模型,通过深入分析其模型特点和存在的问题,提出了Conv NeXt-FCOS模型,该模型的改进有:(1)引入特征提取网络Conv NeXt,替换基准模型中的Res Net特征提取网络,提取更有利于检测和识别的特征;(2)对网络进行卷积层数量调整,使其更适应于超声影像的检测;(3)对损失函数做了优化,引入“distant-ness”替换原模型中的“center-ness”。经过以上调整后,检测性能从原来的64.012AP提升到了68.361AP。其次,针对超声影像标注成本高昂问题,本文提出了基于先验知识的主动学习方法,在每轮训练迭代中,让模型自动挑选出识别比较困难的图像参与到模型的训练微调中,从而减少标注工作量,降低标注成本。针对基准方法ACFT存在的问题,本文提出Priori-ACFT算法,对原方法的改进如下:(1)引入了先验约束,优化了补丁选取逻辑,提高了计算效率;(2)引入了重框判定逻辑,解决检测出现的重框问题。经过实验,可以在使用50%图片的情况下达到原模型90%的性能。最后,本文设计并实现了超声图像检测系统。实现了用户上传、图像检测和分类,图像标注等功能,通过主动学习方法选取更有意义的样本供医生标注,不断修正模型的检测能力,辅助医生提升诊断准确率。
基于深度学习的甲状腺结节超声影像辅助诊断方法研究及应用
这是一篇关于语义分割,图像多标签分类,甲状腺结节,超声影像,辅助诊断系统的论文, 主要内容为甲状腺是人体重要的内分泌器官,对维持人体正常新陈代谢起着至关重要的作用,甲状腺结节是一种常见的甲状腺疾病,通常使用超声影像对甲状腺进行初步诊断,然后使用TI-RADS等诊断标准进行分级判定。超声影像的诊断过程严重依赖于医生的个人能力与诊断经验,因此很可能由于医生的经验不足或疲劳等造成误诊或漏诊,从而让患者错过最佳治疗时机或忍受穿刺的痛苦。对此本文开展了使用深度学习分割甲状腺超声影像中结节的研究,以及对分割后的结节再进行TI-RADS分类的研究。提出了一种语义分割模型,研究和对比了多种图像分类模型在识别甲状腺结节TI-RADS特征时的效果,并为其诊断特征分类提出了一种解决方案。最终设计并实现了一套超声影像辅助诊断系统,降低医生诊断时的误诊率。本文所作的主要工作内容如下:1、提出了一种基于外部注意力机制改进的U-Net语义分割模型,通过添加外部注意力机制提升了U-Net模型获取全局信息的能力。通过实验对比后发现,所提出的模型在Io U、Dice等评测指标上要优于FCN、PSPNet、U-Net等经典语义分割模型。且相较于原U-Net模型在Io U上提高了1个百分点,在像素准确率上提高了2.7个百分点,且模型效果受病变尺寸的影响小。2、研究了用于甲状腺结节超声影像TI-RADS分类的集成学习方法,本文通过实验对比了9个模型在诊断标准上的分类效果,最终筛选出表现最优的4个模型。通过集成学习分工法将这四个模型组合在一起得到了具有优势的分类模型,经结果分析,该分类模型可以提供在本文中最具优势的识别效果。3、为本研究所提出的语义分割模型与分类模型设计并实现了一套甲状腺结节超声影像辅助诊断系统。用户可将超声影像提交至系统实现病变的分割与分类,协助医生诊断,降低医生诊断时的错误和疏漏。本文调研了影像科专家在诊断时的实际需求,开展了甲状腺超声影像分割与分类研究,使用深度学习实现了超声影像结节的自动分割与TI-RADS诊断标准的自动分类并开发了辅助诊断系统。结果表明,本文的研究成果对辅助医生进行甲状腺结节诊断具有一定应用价值。
U型结构网络模型在甲状腺结节中的研究与应用
这是一篇关于甲状腺结节,超声影像,识别分割,U型结构,卷积神经网络的论文, 主要内容为甲状腺结节是一种普遍的内分泌疾病,会影响甲状腺腺体的正常功能,危害人体健康,其中恶性结节更是有癌变的风险。超声成像在甲状腺疾病检测的领域中使用广泛,在超声影像中识别并分割出患病结节组织,能对后续的诊断治疗起到辅助作用,这是一项重要的工作。然而,因为技术的限制,甲状腺超声影像中存在噪声和斑点,再加上甲状腺结节本身与周围健康组织紧密粘连,使得甲状腺结节组织区域的界限模糊、边界不清晰,加大了识别分割工作的难度。另外,多数超声影像中具有不止一个不同大小的结节,现有的分割方法出现分割不到位,甚至存在漏割的问题。针对上述问题,本文基于U型结构构建了两个用于甲状腺结节识别分割的网络模型,主要研究内容如下:(1)针对甲状腺结节组织与周围其他组织粘连,导致结节区域边界模糊的问题,构建网络模型DCA-UNet++用于甲状腺结节识别分割。该模型以U型结构U-Net++为基础架构,首先在编码路径阶段利用扩张卷积模块扩增识别分割模型的感受野,保持输入的特征映射尺寸、分辨率不变,增强获取广阔上下文信息的能力。其次,在特征提取阶段,添加高效通道注意力模块,动态地调节各通道特征权重,减少甲状腺超声影像中非结节区域无关信息的干扰,突显图像中重要关键的特征信息。此外,设计使用混合双损失函数来保障模型的收敛性能。最后,采用召回率、平均交互比等多个评价度量指标验证DCA-UNet++网络模型的准确度,其中召回率达到了97.17%、平均交互比达到了75.22%。(2)针对甲状腺结节组织尺寸多变、大小不一,导致结节区域分割缺漏的问题,构建网络模型MCL-UNet用于甲状腺结节识别分割。该模型以U型结构U-Net为基础架构,首先,在编码路径阶段引入创新构建的多尺度卷积模块,以不等大小卷积操作为切入点,捕获不同感受野的特征信息,兼顾浅层阶段和深层阶段的特征,丰富多元化信息提取。其次,在解码路径阶段,引入长短期记忆卷积模块,捕捉甲状腺超声图像中各个像素之间的空间关联,兼顾不同距离的特征信息提取,充分利用特征映射信息。最后,采用交互比、Dice相似系数等多个评价度量指标验证MCL-UNet网络模型的创新性和识别分割的精确度,其中准确率达到了97.27%、DSC达到了80.72%。
新型超声影像探针用于肿瘤微环境精准影像研究
这是一篇关于超声影像探针,酸性肿瘤微环境,凋亡酶Casp3,超声影像,声阻抗差异自增强策略的论文, 主要内容为肿瘤微环境(TME)与肿瘤的生长、侵袭和转移等密切相关,因此,精准检测肿瘤微环境,对于监控肿瘤生长、侵袭和转移具有十分重要的指导意义。超声影像是一种临床常用的安全、便捷的影像技术;借助于超声影像探针,可实现对肿瘤微环境的定性和定量影像研究。目前,临床常用的超声影像探针一般为微泡;然而遗憾的是,微泡不仅尺寸过大(通常为微米级别),无法穿越肿瘤血管壁到达肿瘤组织区域;同时在体内易发生扩散,导致信号质量下降。因此,微泡影像探针还无法实现肿瘤微环境的检测。相比较而言,纳米级超声影像探针,不仅可以穿透肿瘤血管壁到达肿瘤组织;更为重要的是,通过巧妙的结构设计与组分调控,纳米级超声影像探针还可以特异性响应肿瘤微环境,有望实现对肿瘤微环境的精准超声影像检测。基于此,本论文设计、制备了两类智能型超声影像纳米探针,分别用于肿瘤微环境内低p H(酸性)和凋亡酶Casp3的精准检测,主要研究内容如下:1、“声阻抗差异自增强超声影像”新策略用于检测酸性肿瘤微环境:针对临床超声微泡影像探针(声诺维,Sono Vue)无法进入肿瘤组织内部、易受外界压力干扰,无法实现肿瘤微环境检测的瓶颈问题,本研究提出基于材料声阻抗差异的自增强超声影像新策略,用于检测酸性肿瘤微环境。设计合成了Bi F3@PDA@PEG纳米粒子作为超声影像探针,其可以特异性响应酸性肿瘤微环境,发生原位自聚集,提高肿瘤局部平均密度,进而显著增强肿瘤区与周围组织的声阻抗差异,继而显著提高超声信号对比,实现酸性肿瘤微环境的灵敏检测。荷瘤鼠活体实验表明,该探针响应酸性肿瘤微环境前后的信号对比度增幅高达6倍,可用于灵敏检测酸性肿瘤微环境。更重要的是,Bi F3@PDA@PEG与临床超声探针(声诺维)相比,前者在检测酸性肿瘤微环境时,不受外部压力等因素的干扰,信号稳定。该影像策略不仅可以实现酸性肿瘤微环境的超声影像检测,同时也为利用超声影像技术检测其它疾病微环境提供了借鉴性思路。2、新型铁基超声影像探针用于检测Casp3酶:肿瘤微环境内的Casp3酶与细胞预后密切相关。因此,精准检测Casp3酶的动态变化,有望实现肿瘤的预后监控。然而,目前利用超声影像技术依然无法实现Casp3酶的精准检测。基于此,本研究借助于小分子肽Ac-Asp-Glu-Val-Asp-Cys(St Bu)-Lys-CBT(1)与Fe3O4NPs共价偶联的策略,成功合成了新型的智能铁基超声影像纳米探针Fe3O4@1。利用超声成像实现了Casp3酶的影像检测。智能铁基超声影像纳米探针Fe3O4@1,在肿瘤微环境内Casp3酶作用下,可发生缩合反应,形成Fe3O4交联体,进而提高瘤区局部平均密度,显著增强瘤区与周围组织的声阻抗差异,实现超声影像检测。实验表明,Fe3O4交联体可增强肿瘤组织与周围正常组织的密度差异,显著改变声阻抗差异,提高超声信号对比度,实现瘤区Casp3酶的检测。该策略进一步拓展了超声影像的应用范畴,为利用超声影像实现肿瘤及其它疾病微环境的精准检测提供了新思路。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设项目助手 ，原文地址：https://m.bishedaima.com/lunwen/52277.html
