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
共找到7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：
基于空间域与频域特征自适应融合和类间边界区域增强的三维海马分割
1
作者 白贺 滕野 +3 位作者 冯蕾 孟海伟 汤煜春 刘树伟 《解剖学报》 CAS CSCD 2024年第1期73-81,共9页
目的海马萎缩是诊断阿尔茨海默病等诸多精神疾病的临床重要标志,因此准确分割海马是一个重要的科学问题。随着深度学习的发展,人们提出了大量先进的自动分割方法。然而,由于MRI中各种噪声的影响以及海马不同类别之间不清晰的边界,三维... 目的海马萎缩是诊断阿尔茨海默病等诸多精神疾病的临床重要标志,因此准确分割海马是一个重要的科学问题。随着深度学习的发展,人们提出了大量先进的自动分割方法。然而,由于MRI中各种噪声的影响以及海马不同类别之间不清晰的边界,三维海马分割仍然具有挑战性。因此本文旨在提出新的自动分割方法来更精确地分割海马头、体、尾。方法为了克服这些挑战,本文提出了两个策略。一种是空间域与频域特征自适应融合策略,通过快速傅立叶变换和卷积自动选择合适的频率组合,减少噪声对特征提取的影响。另一种是类间边界区域增强策略,它允许网络通过加权每个类之间边界区域的损失函数来增强对边界区域的学习,以达到精确定位边界和调节海马头、体、尾大小的目的。结果在50例青少年大脑MRI数据集上进行的实验表明,我们的方法实现了较先进的海马分割,海马头、体、尾相较于现有的方法都取得了一定的提升。消融实验证明我们提出的两种策略有效,我们还在260例Task04_Hippocampus数据集上验证了网络具有强大的泛化能力,说明本文提出的方法可用于更多的海马分割场景。结论我们提出的方法可以帮助临床医生更清楚地观测海马萎缩,并完成更精确的病情诊断和追踪。 展开更多
关键词 空间域与频域特征自适应融合 类间边界区域增强 医学图像分割 海马分割 人
下载PDF
MRI脑图像海马自动分割方法研究进展
2
作者 杨春兰 初同朋 吴水才 《北京工业大学学报》 CAS CSCD 北大核心 2018年第4期636-640,共5页
基于磁共振成像(magnetic resonance imaging,MRI)图像的海马分割是计算机辅助诊断神经系统疾病的重要手段.海马结构边界的精确描绘是计算其体积和对其进行形状测量的前提.手动分割海马过程高度耗时,缺乏重复性,因而发展自动化分割算法... 基于磁共振成像(magnetic resonance imaging,MRI)图像的海马分割是计算机辅助诊断神经系统疾病的重要手段.海马结构边界的精确描绘是计算其体积和对其进行形状测量的前提.手动分割海马过程高度耗时,缺乏重复性,因而发展自动化分割算法具有重要的意义.综述了MRI脑图像海马自动分割方法进展,剖析了每种算法的优缺点,并对今后海马分割方法的发展进行了展望. 展开更多
关键词 海马分割 磁共振成像 自动分割方法
下载PDF
结合深度学习和支持向量机的海马子区图像分割 被引量：14
3
作者 时永刚 程坤 刘志文 《中国图象图形学报》 CSCD 北大核心 2018年第4期542-551,共10页
目的由于海马子区体积很小且结构复杂,传统的分割方法无法达到理想的分割效果,为此提出一种基于卷积神经网络和支持向量机的海马子区分割方法。方法该方法构建一种新模型,将卷积神经网络和支持向量机结合起来,使用支持向量机分类器替换... 目的由于海马子区体积很小且结构复杂,传统的分割方法无法达到理想的分割效果,为此提出一种基于卷积神经网络和支持向量机的海马子区分割方法。方法该方法构建一种新模型,将卷积神经网络和支持向量机结合起来,使用支持向量机分类器替换卷积神经网络的输出层,通过训练深层网络自动提取图像块特征,利用所提取的图像特征训练支持向量机实现图像的像素级分类。结果实验选取美国旧金山CIND中心的32位实验者的脑部磁共振图像(MRI)进行海马子区分割测试,在定性和定量方面分别对比了本文方法与支持向量机(SVM)、卷积神经网络(CNN)和基于稀疏表示与字典学习方法的分割结果。所提方法对海马子区CA1、CA2、DG、CA3、Head、Tail、SUB、ERC和PHG的分割准确率分别为0.969、0.733、0.967、0.837、0.981、0.920、0.972、0.968和0.976。本文方法优于现有的基于稀疏表示与字典学习、支持向量机和卷积神经网络的方法,各海马子区分割准确率均有较大提升,对较大子区如Head,准确率较现有最优方法提升10.2%,对较小子区如CA2、CA3,准确率分别有36.2%和52.7%的大幅提升。结论本文方法有效提升了海马子区的分割准确率,可用于大脑核磁共振图像中海马及其子区的准确分割,为诸多神经退行性疾病的临床诊断与治疗提供依据。 展开更多
关键词 医学图像处理 海马子区分割 卷积神经网络 支持向量机 图像特征 特征提取
原文传递
字典学习和稀疏表示的海马子区图像分割 被引量：7
4
作者 时永刚 王东青 刘志文 《中国图象图形学报》 CSCD 北大核心 2015年第12期1593-1601,共9页
目的海马子区体积极小且结构复杂,现有多图谱的分割方法难以取得理想的分割结果,为此提出一种字典学习和稀疏表示的海马子区分割方法。方法该方法为目标图像中的每个体素点建立稀疏表示和字典学习模型以获取该点的标记。其中,字典学习... 目的海马子区体积极小且结构复杂,现有多图谱的分割方法难以取得理想的分割结果,为此提出一种字典学习和稀疏表示的海马子区分割方法。方法该方法为目标图像中的每个体素点建立稀疏表示和字典学习模型以获取该点的标记。其中,字典学习模型由图谱灰度图像中的图像块构建。提出利用图谱标记图像的局部二值模式(LBP)特征增强训练字典的判别性;然后求解目标图像块在训练字典中的稀疏表示以确定该点标记;最后依据图谱的先验知识纠正分割结果中的错误标记。结果与现有典型的多图谱方法进行定性和定量对比,该方法优于现有典型的多图谱分割方法,对较大海马子区的平均分割准确率可达到0.890。结论本文方法适用于在大脑核磁共振图像中精确分割海马子区,且具有较强的鲁棒性,可为神经退行性疾病的诊断提供可靠的依据。 展开更多
关键词 海马子区分割 稀疏表示 字典学习 多图谱 局部二值模式 图像块
原文传递
SyMRI定量技术在海马硬化型颞叶内侧癫痫中的应用 被引量：2
5
作者 王一婷 闫梦楠 +3 位作者 摆玉财 李健 熊昱辉 陈兵 《中国医学影像学杂志》 CSCD 北大核心 2023年第11期1127-1132,1144,共7页
目的探讨集成磁共振成像(SyMRI)技术在颞叶内侧癫痫伴海马硬化(HS)中各亚区的定量研究价值。资料与方法前瞻性纳入2021年1月—2023年1月宁夏医科大学总医院经MRI诊断或病理证实为单侧HS的患者(病例组)28例,并纳入同期健康志愿者(对照组... 目的探讨集成磁共振成像(SyMRI)技术在颞叶内侧癫痫伴海马硬化(HS)中各亚区的定量研究价值。资料与方法前瞻性纳入2021年1月—2023年1月宁夏医科大学总医院经MRI诊断或病理证实为单侧HS的患者(病例组)28例,并纳入同期健康志愿者(对照组)38例。两组对象均于3.0T MRI行T1加权等体素三维磁化强度预备梯度回波序列及集成MRI序列扫描。扫描图像分别经freesurfer V7、SyMRI StandAlone 8.0.4后处理得到海马及其亚区的感兴趣区及T1、T2、质子密度(PD)定量图,二者融合得到T1、T2、PD值。比较HS患侧组、健侧组及对照组各项参数值并进行多重比较。对组间差异有统计学意义的参数采用逐步回归分析筛选出显著性变量,并采用受试者工作特征曲线下面积评价其诊断效能。结果3组间下托(SUB)的T1和PD值差异无统计学意义(F=1.819、0.570,P均>0.05),其余亚区各参数差异均有统计学意义(F/H=5.539~71.570,P均<0.05)。组间两两比较显示,患侧组CA1、CA3、CA4、齿状回的T2、T1值均高于健侧组及对照组,PD值高于对照组,患侧组SUB的T2值高于对照组,患侧组CA3的PD值高于健侧组(P均<0.05)。逐步回归法显示CA1、CA3、SUB的T2值为显著性变量(模型调整后R2=0.828,F=105.089,P<0.001,方差扩大因子=2.693、2.113、1.721)。CA1、CA3区T2值的曲线下面积最大,均为0.972,截断值、敏感度、特异度分别为101.42 ms、92.86%、100%,95.56 ms、92.86%、92.11%。结论SyMRI对颞叶内侧癫痫伴HS海马亚区组织弛豫时间的定量测量可为临床提供更加精准的影像学参考依据,尤其是CA1、CA3区T2值可有效提高HS的诊断效能。 展开更多
关键词 癫痫 颞叶内侧 海马硬化 集成磁共振成像 海马自动分割
下载PDF
串行处理卷积神经网络的海马子区分割 被引量：4
6
作者 时永刚 郝华胤 刘志文 《中国图象图形学报》 CSCD 北大核心 2018年第1期74-83,共10页
目的海马体积很小,对比度极低,传统标记融合方法选用手工设计的特征模型,难以提取出适应性好、判别性强的特征。近年来,深度学习方法取得了极大成功,基于深度网络的方法已应用于医学图像分割中,但海马结构复杂,子区较多且体积差别较大,... 目的海马体积很小,对比度极低,传统标记融合方法选用手工设计的特征模型,难以提取出适应性好、判别性强的特征。近年来,深度学习方法取得了极大成功,基于深度网络的方法已应用于医学图像分割中,但海马结构复杂,子区较多且体积差别较大,特别是CA2和CA3子区体积极小,常见的深度网络无法准确分割海马子区。为了解决这些问题,提出一种结合多尺度输入和串行处理神经网络的海马子区分割方法。方法针对海马中体积差距较大的子区,设计两种不同的网络,结合多种尺度图像块信息,为小子区建立类别数量均衡的训练集,避免网络被极端化训练,最后,采用串行标记的方式对海马子区进行分割。结果在Tail,SUB和PHG子区上的准确率达到了0.865,0.81,0.773,较现有的多图谱子区分割方法有较大提高,并且将体积较小子区CA2,CA3上的准确率分别提高了6%和9%。结论该算法将基于卷积神经网络的分类方法引入到标记融合阶段,根据海马子区特殊的灰度及结构特点,设计两种针对性网络,实验证明,该算法能提取出适应性好、判别性强的特征,提高了分割准确率。 展开更多
关键词 海马子区分割 多尺度 卷积神经网络 串行分割 多图谱
原文传递
人工智能在医学影像中的MRI海马区分割算法研究综述 被引量：4
7
作者 朱大龙 易云山 《网络安全技术与应用》 2020年第12期47-49,共3页
核磁图像MRI(Magnetic Resonance Imaging)海马体的形态特征分析在许多临床应用中被用作重要的生物标志物,包括颞叶癫痫、阿尔茨海默病(AD)和轻度认知障碍(MCI)、精神分裂症、重度抑郁症、双相情感障碍以及许多其他神经和精神疾病。因此... 核磁图像MRI(Magnetic Resonance Imaging)海马体的形态特征分析在许多临床应用中被用作重要的生物标志物,包括颞叶癫痫、阿尔茨海默病(AD)和轻度认知障碍(MCI)、精神分裂症、重度抑郁症、双相情感障碍以及许多其他神经和精神疾病。因此对MRI图像海马区的分割算法的研究,可以极大地提高临床医学效果。本文首先介绍了传统的Atlas-Based和DeformableModel两大类MRI海马区分割算法和方法,然后对近几年比较流行的基于传统人工、自动化技术、图像处理技术、人工智能、神经网络、深度学习、大数据、云计算等新兴计算机网络技术的MRI海马区分割算法和方法进行了介绍和应用比较,最后总结了MRI海马区分割算法的发展趋势和算法技术方向。 展开更多
关键词 MRI 海马区分割 深度学习 人工智能
原文传递
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
使用帮助 返回顶部