期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
运用超声造影特征选择的淋巴结良恶性鉴别
被引量:
1
1
作者
林细林
张麒
韩红
《自动化仪表》
CAS
2018年第6期58-61,共4页
提取淋巴结超声造影(CEUS)图像的影像组学量化特征可用于淋巴结良恶性的计算机辅助诊断。由于大量特征之间存在冗余和干扰信息,需借助特征选择技术进行特征降维,以获得更具鉴别能力的特征子集。利用实时压缩感知算法进行CEUS视频中淋巴...
提取淋巴结超声造影(CEUS)图像的影像组学量化特征可用于淋巴结良恶性的计算机辅助诊断。由于大量特征之间存在冗余和干扰信息,需借助特征选择技术进行特征降维,以获得更具鉴别能力的特征子集。利用实时压缩感知算法进行CEUS视频中淋巴结病灶的运动补偿,提取时域与空域特征。运用最小绝对压缩(LASSO)法、支持向量机回归特征法(SVM-RFE)、Fisher准则法三种特征选择方法,对特征进行降维。运用支持向量机进行交叉验证,得到分类结果。相对原始特征,三种特征选择方法得到的特征子集的分类性能均有提升。其中,运用LASSO进行降维的效果最好,分类的准确率、精度、敏感性、特异性和约登指数分别达到98.5%、100%、97.1%、100%和97.1%,相较全体特征的分类结果分别提升11.4%、14.8%、15.0%、14.3%和29.2%。结果表明,对影像组学量化特征的降维能够筛选出更具鉴别能力的特征子集,从而提升计算机辅助诊断的性能。
展开更多
关键词
淋巴结
影像组学
超声造影
特征选择
计算机辅助诊断
下载PDF
职称材料
超声图像中胆嚢真假性息肉计算机辅助鉴别
被引量:
1
2
作者
余其徽
袁海霞
+4 位作者
张燕群
俞清
季正标
张麒
王文平
《自动化仪表》
CAS
2021年第4期86-90,共5页
超声检查是胆囊息肉样病变首选的影像学检查方法,但仅根据常规超声对病变回声、形态、血流的检测结果来区分真假性息肉是不可靠的,难以满足快速准确的术前鉴别需求。基于计算机辅助分析,对经病理证实的胆囊腺瘤真性息肉31例31个病灶和...
超声检查是胆囊息肉样病变首选的影像学检查方法,但仅根据常规超声对病变回声、形态、血流的检测结果来区分真假性息肉是不可靠的,难以满足快速准确的术前鉴别需求。基于计算机辅助分析,对经病理证实的胆囊腺瘤真性息肉31例31个病灶和胆囊胆固醇假性息肉37例38个病灶进行研究。从术前超声图像中提取病灶的空域和形态特征,接着对特征进行统计分析并用于支持向量机分类,以鉴别胆囊腺瘤及胆囊胆固醇性息肉。结果表明,胆囊腺瘤组的均一度显著高于胆固醇息肉组(P<0.001),胆囊腺瘤组的像素分布较胆固醇息肉更均匀。相较于空域或形态特征对应的分类模型,所有特征对应的集成模型性能提升。分类准确率,敏感性、特异性分别达到90.5%、91.0%、90.0%,曲线下面积为0.927。因此,计算机辅助分析超声图像有助于提高胆囊真性和假性息肉的诊断准确性。
展开更多
关键词
胆囊真性息肉
胆囊假性息肉
胆囊腺瘤
胆囊胆固醇性息肉
术前鉴別
模式识别
下载PDF
职称材料
基于特权信息学习的淋巴结病变计算机辅助诊断
被引量:
2
3
作者
宋爽
张麒
+1 位作者
韩红
王文平
《自动化仪表》
CAS
2019年第12期61-65,共5页
淋巴结病变的诊断对于患者的治疗具有重要意义。在淋巴结病变的临床超声诊断中,通常只使用单一模态的B型超声图像。有时会采集B型超声和弹性超声或者采集B型超声和超声造影(CEUS)的双模态图像,很少情况下会采集全部三个模态图像。为了提...
淋巴结病变的诊断对于患者的治疗具有重要意义。在淋巴结病变的临床超声诊断中,通常只使用单一模态的B型超声图像。有时会采集B型超声和弹性超声或者采集B型超声和超声造影(CEUS)的双模态图像,很少情况下会采集全部三个模态图像。为了提高B型单模态的诊断性能,提出一种基于特权信息学习的淋巴结病变计算机辅助诊断(CAD)方法,在训练阶段使用三个模态图像,在测试阶段只使用B型。分别提取B型、弹性超声和CEUS图像的量化特征;在CAD模型中,训练样本为B型、弹性超声和CEUS多模态数据,测试样本只有B型;通过训练样本学习,得到结合特权信息的支持向量机(SVM+)模型,使用该模型对测试样本进行分类。试验结果表明,该方法的分类准确率、精度、敏感性、特异性和约登指数达到0.85、0.93、0.88、0.77和0.65,相较单模态B型超声训练的CAD模型,其分类结果分别提升了0.08、0.02、0.08、0.08和0.16。基于特权信息学习,提高了诊断精度,提升了计算机辅助诊断的性能。
展开更多
关键词
淋巴结病变
B型超声
超声弹性成像
超声造影
多模态
特权信息学习
下载PDF
职称材料
超声影像组学助力左心室肥厚病因鉴别
被引量:
1
4
作者
余其徽
俞霏
+3 位作者
马雨琴
夏良华
张波
张麒
《自动化仪表》
CAS
2021年第5期80-83,共4页
左心室肥厚(LVH)是一种常见的、与不良心血管事件相关的临床表现,仅根据超声心动图对病变形态的检测结果,难以满足快速准确的LVH病因鉴别需求。随着人工智能的快速发展,许多学者在医学影像领域取得了一定的进展。基于超声心动图的影像...
左心室肥厚(LVH)是一种常见的、与不良心血管事件相关的临床表现,仅根据超声心动图对病变形态的检测结果,难以满足快速准确的LVH病因鉴别需求。随着人工智能的快速发展,许多学者在医学影像领域取得了一定的进展。基于超声心动图的影像学分析,对高血压性心脏病(HHD)、肥厚性心肌病(HCM)、尿毒症性心肌病(UCM)三组LVH病因进行研究。研究提取了75例LVH患者的心肌纹理特征,接着对特征进行统计分析,并用于阈值法分类和支持向量机(SVM)分类。结果表明,Contrast能显著区分HHD、HCM和UCM(p=0.002)。在SVM模型中,区分HHD、HCM组和UCM组时,曲线下面积(AUC)为0.910。区分HHD组和HCM组时,AUC为0.857。因此,该方法有助于LVH病因的临床鉴别,从而有望为医生的治疗决策提供更好的建议。
展开更多
关键词
左心室肥厚
超声心动图
影像学分析
病因鉴别
模式识别
纹理
计算机辅助分析
人工智能
下载PDF
职称材料
基于改进U-Net深度网络的超声正中神经图像分割
被引量:
7
5
作者
田宝园
程怿
+4 位作者
蔡叶华
陈可
施俊
徐树公
张麒
《自动化仪表》
CAS
2020年第8期36-41,共6页
超声成像作为常见的医学成像技术,在诊断和治疗疾病方面发挥着重要作用。人工判读超声图像依赖于医生主观经验知识,其结果存在观察者间和观察者内的差异,并且过程耗时耗力,难以满足快速、批量的临床诊断需求。随着人工智能的快速发展,...
超声成像作为常见的医学成像技术,在诊断和治疗疾病方面发挥着重要作用。人工判读超声图像依赖于医生主观经验知识,其结果存在观察者间和观察者内的差异,并且过程耗时耗力,难以满足快速、批量的临床诊断需求。随着人工智能的快速发展,基于深度学习的图像分割模型被广泛地应用于医学图像分割领域,并取得了不俗成果。基于U-Net深度神经网络,对其结构进行优化改进,构建适用于超声图像正中神经分割的卷积神经网络模型。在网络中添加了规范层和丢弃层,下采样的最大池化层替换成卷积层;同时,采用指数线性单元激活函数,使用循环学习率,以增加网络模型的鲁棒性。测试结果表明,改进的U-Net模型在超声正中神经图像的自动分割方面表现良好,横切面、纵切面的Dice系数分别达到了78%与89%。该方法有望用于临床超声神经图像的辅助分析。
展开更多
关键词
超声成像
人工智能
深度学习
图像分割
U-Net
神经网络
正中神经
循环学习率
下载PDF
职称材料
题名
运用超声造影特征选择的淋巴结良恶性鉴别
被引量:
1
1
作者
林细林
张麒
韩红
机构
上海大学通信与信息工程学院
复旦大学附属中山医院超声科
出处
《自动化仪表》
CAS
2018年第6期58-61,共4页
基金
国家自然科学基金资助项目(61671281
61401267)
文摘
提取淋巴结超声造影(CEUS)图像的影像组学量化特征可用于淋巴结良恶性的计算机辅助诊断。由于大量特征之间存在冗余和干扰信息,需借助特征选择技术进行特征降维,以获得更具鉴别能力的特征子集。利用实时压缩感知算法进行CEUS视频中淋巴结病灶的运动补偿,提取时域与空域特征。运用最小绝对压缩(LASSO)法、支持向量机回归特征法(SVM-RFE)、Fisher准则法三种特征选择方法,对特征进行降维。运用支持向量机进行交叉验证,得到分类结果。相对原始特征,三种特征选择方法得到的特征子集的分类性能均有提升。其中,运用LASSO进行降维的效果最好,分类的准确率、精度、敏感性、特异性和约登指数分别达到98.5%、100%、97.1%、100%和97.1%,相较全体特征的分类结果分别提升11.4%、14.8%、15.0%、14.3%和29.2%。结果表明,对影像组学量化特征的降维能够筛选出更具鉴别能力的特征子集,从而提升计算机辅助诊断的性能。
关键词
淋巴结
影像组学
超声造影
特征选择
计算机辅助诊断
Keywords
Lymph node
Radiomics
Contrast-enhanced ultrasound
Feature selection
Computer aided diagnosis
分类号
TH-77 [机械工程]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
超声图像中胆嚢真假性息肉计算机辅助鉴别
被引量:
1
2
作者
余其徽
袁海霞
张燕群
俞清
季正标
张麒
王文平
机构
上海先进通信与数据科学研究院(上海大学)
上海大学通信与信息工程学院
复旦大学附属中山医院超声科
复旦大学附属中山医院厦门医院超声科
杭州依图医疗研究院
出处
《自动化仪表》
CAS
2021年第4期86-90,共5页
基金
国家自然科学基金资助项目(61671281、61911530249)
上海市临床重点专科基金资助项目(shsk:zdzk03501)
+1 种基金
福建省卫生健康科研人才基金资助项目(2019-ZQNB-39)
厦门市科技计划(医疗卫生项目)基金资助项目(3502Z20184002)。
文摘
超声检查是胆囊息肉样病变首选的影像学检查方法,但仅根据常规超声对病变回声、形态、血流的检测结果来区分真假性息肉是不可靠的,难以满足快速准确的术前鉴别需求。基于计算机辅助分析,对经病理证实的胆囊腺瘤真性息肉31例31个病灶和胆囊胆固醇假性息肉37例38个病灶进行研究。从术前超声图像中提取病灶的空域和形态特征,接着对特征进行统计分析并用于支持向量机分类,以鉴别胆囊腺瘤及胆囊胆固醇性息肉。结果表明,胆囊腺瘤组的均一度显著高于胆固醇息肉组(P<0.001),胆囊腺瘤组的像素分布较胆固醇息肉更均匀。相较于空域或形态特征对应的分类模型,所有特征对应的集成模型性能提升。分类准确率,敏感性、特异性分别达到90.5%、91.0%、90.0%,曲线下面积为0.927。因此,计算机辅助分析超声图像有助于提高胆囊真性和假性息肉的诊断准确性。
关键词
胆囊真性息肉
胆囊假性息肉
胆囊腺瘤
胆囊胆固醇性息肉
术前鉴別
模式识别
Keywords
Gallbladder true-polyp
Gallbladder pseudo-polyp
Gallbladder adenoma
Gallbladder cholesterol polyp
Preoperative identification
Pattern recognition
分类号
TH-77 [机械工程]
下载PDF
职称材料
题名
基于特权信息学习的淋巴结病变计算机辅助诊断
被引量:
2
3
作者
宋爽
张麒
韩红
王文平
机构
上海先进通信与数据科学研究院(上海大学)
上海大学智慧医疗与智能影像学技术(SMART)实验室
复旦大学附属中山医院超声科
出处
《自动化仪表》
CAS
2019年第12期61-65,共5页
基金
国家自然科学基金资助项目(61671281)
文摘
淋巴结病变的诊断对于患者的治疗具有重要意义。在淋巴结病变的临床超声诊断中,通常只使用单一模态的B型超声图像。有时会采集B型超声和弹性超声或者采集B型超声和超声造影(CEUS)的双模态图像,很少情况下会采集全部三个模态图像。为了提高B型单模态的诊断性能,提出一种基于特权信息学习的淋巴结病变计算机辅助诊断(CAD)方法,在训练阶段使用三个模态图像,在测试阶段只使用B型。分别提取B型、弹性超声和CEUS图像的量化特征;在CAD模型中,训练样本为B型、弹性超声和CEUS多模态数据,测试样本只有B型;通过训练样本学习,得到结合特权信息的支持向量机(SVM+)模型,使用该模型对测试样本进行分类。试验结果表明,该方法的分类准确率、精度、敏感性、特异性和约登指数达到0.85、0.93、0.88、0.77和0.65,相较单模态B型超声训练的CAD模型,其分类结果分别提升了0.08、0.02、0.08、0.08和0.16。基于特权信息学习,提高了诊断精度,提升了计算机辅助诊断的性能。
关键词
淋巴结病变
B型超声
超声弹性成像
超声造影
多模态
特权信息学习
Keywords
Lymph node lesion
B-mode ultrasound
Ultrasound elastography
Contrast-enhanced ultrasound
Multimodal
Leaning using privileged information
分类号
TH-77 [机械工程]
下载PDF
职称材料
题名
超声影像组学助力左心室肥厚病因鉴别
被引量:
1
4
作者
余其徽
俞霏
马雨琴
夏良华
张波
张麒
机构
上海先进通信与数据科学研究院(上海大学)
上海大学通信与信息工程学院
同济大学附属东方医院超声科
上海市医疗图像与医学知识图谱人工智能重点实验室
出处
《自动化仪表》
CAS
2021年第5期80-83,共4页
基金
国家自然科学基金资助项目(61671281、61911530249)。
文摘
左心室肥厚(LVH)是一种常见的、与不良心血管事件相关的临床表现,仅根据超声心动图对病变形态的检测结果,难以满足快速准确的LVH病因鉴别需求。随着人工智能的快速发展,许多学者在医学影像领域取得了一定的进展。基于超声心动图的影像学分析,对高血压性心脏病(HHD)、肥厚性心肌病(HCM)、尿毒症性心肌病(UCM)三组LVH病因进行研究。研究提取了75例LVH患者的心肌纹理特征,接着对特征进行统计分析,并用于阈值法分类和支持向量机(SVM)分类。结果表明,Contrast能显著区分HHD、HCM和UCM(p=0.002)。在SVM模型中,区分HHD、HCM组和UCM组时,曲线下面积(AUC)为0.910。区分HHD组和HCM组时,AUC为0.857。因此,该方法有助于LVH病因的临床鉴别,从而有望为医生的治疗决策提供更好的建议。
关键词
左心室肥厚
超声心动图
影像学分析
病因鉴别
模式识别
纹理
计算机辅助分析
人工智能
Keywords
Left ventricular hypertrophy
Echocardiography
Imaging analysis
Identification of etiology
Pattern recognition
Texture
Computer-aided analysis
Artificial intelligence
分类号
TH-77 [机械工程]
下载PDF
职称材料
题名
基于改进U-Net深度网络的超声正中神经图像分割
被引量:
7
5
作者
田宝园
程怿
蔡叶华
陈可
施俊
徐树公
张麒
机构
上海先进通信与数据科学研究院(上海大学)
上海大学通信与信息工程学院生物医学工程研究所
复旦大学附属华山医院超声科
出处
《自动化仪表》
CAS
2020年第8期36-41,共6页
基金
国家自然科学基金资助项目(61671281,61911530249)。
文摘
超声成像作为常见的医学成像技术,在诊断和治疗疾病方面发挥着重要作用。人工判读超声图像依赖于医生主观经验知识,其结果存在观察者间和观察者内的差异,并且过程耗时耗力,难以满足快速、批量的临床诊断需求。随着人工智能的快速发展,基于深度学习的图像分割模型被广泛地应用于医学图像分割领域,并取得了不俗成果。基于U-Net深度神经网络,对其结构进行优化改进,构建适用于超声图像正中神经分割的卷积神经网络模型。在网络中添加了规范层和丢弃层,下采样的最大池化层替换成卷积层;同时,采用指数线性单元激活函数,使用循环学习率,以增加网络模型的鲁棒性。测试结果表明,改进的U-Net模型在超声正中神经图像的自动分割方面表现良好,横切面、纵切面的Dice系数分别达到了78%与89%。该方法有望用于临床超声神经图像的辅助分析。
关键词
超声成像
人工智能
深度学习
图像分割
U-Net
神经网络
正中神经
循环学习率
Keywords
Ultrasound imaging
Artificial intelligence
Deep learning
Image segmentation
U-Net
Neural network
Median nerve
Cyclic learning rate
分类号
TH-77 [机械工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
运用超声造影特征选择的淋巴结良恶性鉴别
林细林
张麒
韩红
《自动化仪表》
CAS
2018
1
下载PDF
职称材料
2
超声图像中胆嚢真假性息肉计算机辅助鉴别
余其徽
袁海霞
张燕群
俞清
季正标
张麒
王文平
《自动化仪表》
CAS
2021
1
下载PDF
职称材料
3
基于特权信息学习的淋巴结病变计算机辅助诊断
宋爽
张麒
韩红
王文平
《自动化仪表》
CAS
2019
2
下载PDF
职称材料
4
超声影像组学助力左心室肥厚病因鉴别
余其徽
俞霏
马雨琴
夏良华
张波
张麒
《自动化仪表》
CAS
2021
1
下载PDF
职称材料
5
基于改进U-Net深度网络的超声正中神经图像分割
田宝园
程怿
蔡叶华
陈可
施俊
徐树公
张麒
《自动化仪表》
CAS
2020
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部