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3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：
奇异值分解滤波在甲状腺结节微波消融围术期超声造影评估中的应用
1
作者 李楠 胡海曼 +2 位作者 雷炳松 王琦 叶华容 《中国医学装备》 2024年第6期96-100,共5页
目的:探讨奇异值分解(SVD)在优化超声造影(CEUS)图像质量以及甲状腺结节微波消融(MWA)围术期CEUS评估中的应用价值。方法:收集2023年4月在武汉科技大学附属华润武钢总医院2例行甲状腺结节MWA患者其围术期的二维超声、CEUS图像数据集,根... 目的:探讨奇异值分解(SVD)在优化超声造影(CEUS)图像质量以及甲状腺结节微波消融(MWA)围术期CEUS评估中的应用价值。方法:收集2023年4月在武汉科技大学附属华润武钢总医院2例行甲状腺结节MWA患者其围术期的二维超声、CEUS图像数据集,根据归一化互相关算法获取基于CEUS图像进行SVD滤波处理后的造影图像,比较原始CEUS图像和SVD滤波处理后的造影图像的信噪比(SNR)及微血管密度(MVD)的差异。结果:与甲状腺结节MWA术前和术后的原始CEUS图像相比,经SVD滤波处理后的造影图像能够更清晰显示结节内血管结构且检测出更多的血流信号。术后原始CEUS图像的平均SNR为(1.07±0.66)dB,术后经SVD滤波处理后的造影图像平均SNR为(6.21±1.01)dB(t=-6.015,P=0.038)。术后原始CEUS图像的平均MVD为(0.60±0.33)%,术后经SVD滤波处理后的造影图像平均MVD为(5.42±0.67)%(t=-9.076,P=0.029)。术后经SVD滤波处理后的造影图像SNR、MVD,显著高于术后原始CEUS图像的SNR、MVD,其研究结果均具有统计学意义。结论:SVD滤波可有效抑制噪声并增强微血流信号,通过提升造影图像质量以用于甲状腺结节MWA围术期的精准诊断,灵敏地检测出术后残留的消融不完全区域,以指导临床医师进行更彻底地消融治疗,为精准消融疗效评估提供决策支持。 展开更多
关键词 奇异值分解 超声造影 甲状腺结节 微波消融 微血管
下载PDF
超声矢量血流成像联合奇异值分解滤波检测肝脏深部微血管内血流速度
2
作者 叶华容 田怡 +4 位作者 王琦 余靖 雷炳松 胡海曼 张舸 《中国医学影像技术》 CSCD 北大核心 2024年第2期280-284,共5页
目的观察超声矢量流速成像(VFI)联合奇异值分解(SVD)滤波对检测肝脏深部微血管内血流速度的价值。方法前瞻性对1例疑诊肝血管瘤患者采集肝脏灰阶超声、CDFI及超声造影(CEUS)图;对CEUS图行SVD滤波处理,以互相关算法分别获取基于灰阶超声... 目的观察超声矢量流速成像(VFI)联合奇异值分解(SVD)滤波对检测肝脏深部微血管内血流速度的价值。方法前瞻性对1例疑诊肝血管瘤患者采集肝脏灰阶超声、CDFI及超声造影(CEUS)图;对CEUS图行SVD滤波处理,以互相关算法分别获取基于灰阶超声、原始CEUS及经SVD滤波处理后CEUS的VFI,比较其检测肝脏微血管血流方向和速度的差异。结果肝脏灰阶超声、原始CEUS及经SVD滤波处理后CEUS图的信噪比(SNR)分别为7.56、17.65及22.43 dB,对比组织比(CTR)分别为1.12、7.56及16.34 dB。相比基于灰阶超声和原始CEUS的VFI,经SVD滤波处理后CEUS的VFI可检出更高速、方向更均一的血流。SVD滤波处理前、后,VFI所测肝脏微血管内血流速度分别为1.91(0.81,4.11)及6.83(4.25,9.41)mm/s,差异有统计学意义(Z=-10.671,P<0.001)。结论联合SVD滤波可显著提高VFI检测肝脏深部微血管内血流速度的效能。 展开更多
关键词 肝 血管 奇异值分解 超声检查
下载PDF
基于超声图像的迁移学习模型在乳腺肿块良恶性鉴别诊断中的价值 被引量：4
3
作者 余美慧 袁泉 +3 位作者 曾书娥 程慧 李楠 叶华容 《临床超声医学杂志》 CSCD 2022年第9期652-656,共5页
目的探讨基于超声图像的迁移学习模型在乳腺肿块良恶性鉴别诊断中的应用价值。方法收集我院经手术病理证实的300例乳腺肿块患者共计582张超声图像作为超声数据集(其中训练集482张,测试集100张)。采用迁移学习方法对经ImageNet数据集预... 目的探讨基于超声图像的迁移学习模型在乳腺肿块良恶性鉴别诊断中的应用价值。方法收集我院经手术病理证实的300例乳腺肿块患者共计582张超声图像作为超声数据集(其中训练集482张,测试集100张)。采用迁移学习方法对经ImageNet数据集预训练的3种深度卷积神经网络(VGG-16、Inception-v3、ResNet-50)模型进行训练和测试。第1次迁移学习为3种模型分别对CBIS-DDSM数据集中良恶性乳腺肿块的X线图像进行识别学习,并对模型进行微调;第2次迁移学习为使用乳腺超声数据集中随机挑选的训练集超声图像对3种模型进行微调,在测试集中输出最终分类结果。绘制受试者工作特征曲线分析迁移学习后3种模型对乳腺良恶性肿块的鉴别诊断效能。结果VGG-16、Inception-v3、ResNet-503种模型经过迁移学习后鉴别诊断乳腺肿块良恶性的准确率、敏感性、特异性、精准率、F1分数、约登指数均有所提高,其中基于ResNet-50建立的模型具有最优的诊断效能,准确率88.0%,敏感性82.7%,特异性93.8%,曲线下面积0.915,均高于其他两种模型,差异均有统计学意义(均P<0.05)。结论基于超声图像的迁移学习模型在乳腺肿块良恶性鉴别诊断中具有较高的应用价值,其中基于ResNet-50构建的模型效能最佳。 展开更多
关键词 超声检查 深度卷积神经网络 迁移学习 乳腺肿瘤 良恶性
下载PDF
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