简介:摘要目的比较两种不同累积方式下宫颈癌放疗累积剂量,并分析直肠累积剂量与放射性直肠炎严重程度相关性。方法回顾分析278例已完成放疗的宫颈癌患者资料,对其中发生放射性直肠炎的49例患者分别采用直接"剂量-体积"直方图参数累积方法(S-DVH组)与图像形变配准方法(DIR组)获得累积剂量(EQD2Gy),并统计该278例患者S-DVH法的直肠累积剂量(D2.0cm3、D1.0cm3、D0.1cm3)。采用Spearman法进行相关分析。结果S-DVH组较DIR组的高危临床靶体积D90%高2 Gy[(88.66±5.75) Gy∶(86.66±5.54) Gy, P<0.05],膀胱D2.0cm3、D1.0cm3分别高2.13Gy[(82.46±6.91) Gy∶(80.33±6.86) Gy,P<0.05]、2.35 Gy[(88.46±4.37) Gy∶(86.11±3.93) Gy,P<0.05],直肠D2.0cm3、D1.0cm3分别高[1.99 Gy (72.49±5.17) Gy∶(70.50±5.03) Gy,P<0.05]、2.71 Gy[(78.87±4.50) Gy∶(76.16±4.14) Gy,P<0.05]。直肠D2.0cm3、D1.0cm3、D0.1cm3与放射性直肠炎严重程度呈正相关。结论两组累积剂量不同但均在可接受范围,临床上为了简便可用S-DVH法评估。直肠D2.0cm3、D1.0cm3、D0.1cm3可用于预测直肠放疗不良反应。
简介:摘要目的结合图像自动分割技术和机器学习方法对乳腺钼靶X线图像进行准确分类识别。方法以数字钼靶X线图像数据库(DDSM)中的BI-RADS4类的簇状分布多形性钙化钼靶图像为研究对象,自动切分图像的感兴趣区域(ROI)。对小波变换、Gabor滤波和灰度共生矩阵法所提取的特征参数进行融合,并基于灵敏度分析对融合后的特征参数进行筛选。使用基于集成学习的方法,对多项式核支持向量机(SVM)、随机森林和逻辑(logistic)回归分类器进行投票集成,构成用于乳腺钼靶X线图像自动分类的分类器。投票集成方法为软投票。结果提出的集成分类器可高效地识别与分类乳腺钼靶X线图像,其分类的灵敏度、特异度和准确率分别为99.1%、99.6%和99.3%。结论所提出的乳腺钼靶X线图像处理与分类识别方法能为医生的临床判断提供辅助检测的依据,并为细分BI-RADS4类图像提供技术基础。
简介:摘要目的探讨影像组学在低剂量CT扫描条件下实性肺结节CT图像质量控制中的应用价值。方法使用CT750 HD CT分别在不同管电压及不同管电流下对胸部肺结节人体仿真模型进行扫描,记录不同扫描条件下的容积CT剂量指数(CTDIvol),测量并计算图像中结节的信噪比(SNR)和对比噪声比(CNR),分析辐射剂量、噪声与管电压管电流变化的规律,将所有扫描数据通过影像组学分析软件对实性结节的全部特征进行提取,使用R语言统计学软件对提取的特征参数进行主成分分析,选取主成分中对图像质量贡献较大的特征进行分析。对确定的重要特征参数进行单因素方差分析,揭示不同管电压下特征参数的差异,再进一步通过事后检验对不同管电压组之间进行两两比较,找出组间差异。结果辐射剂量在研究的范围内随管电压、管电流的增加而线性增加。肺结节的SNR和CNR总体变化趋势虽然与管电压及管电流的变化呈线性关系,但在低剂量下没有明确的变化趋势阈值存在,无法准确评价低辐射下图像质量。影像组学提取的所有特征参数中均质性、体素值总和及Haralick相关性是3个主要成分,其方差累计的贡献率为89.2%,且特征值均>1。特征参数均质性曲线显示出其变化趋势与管电压及管电流变化成相关性,且稳定性和一致性较好。均质性单因素方差分析结果显示在管电压140及120 kVp时,两组间的均质性值的变化差异无统计学意义(P=0.117),而在其他管电压间均质性值变化差异均有统计学意义(P<0.001)。当管电压在100 kVp、管电流≥60 mA时或管电压在80 kVp、管电流≥90 mA时,均质性无明显变化,可以得到满意的图像质量。结论影像组学分析方法可以有效定量化地评价和控制低辐射剂量下实性肺结节CT图像质量。
简介:摘要: photoshop是一个实践性、艺术性很强的图像处理软件,其内容丰富,工具繁多,图片效果丰富多彩。对这门课的教学看起来容易学起来难。面对学生起点水平的参差不齐,个人兴趣、审美能力的差异,如何把学生吸引到教学中来,让学生乐学、好学的完成学习任务,本人总结多年的电大教学经验,结合学校实际带课实践,认为《 photoshop图像处理》电大教学应当分阶段、分类容,按照不同的内容选择任务驱动式、电大平台教学互动式、设计赏析等多种方式开展。
简介:摘要目的拟采用不同核磁共振图像、不同机器学习模型来建立胶质瘤术前分级的影像组学模型,探究影像组学模型在胶质瘤术前分级中的可行性。材料与方法回顾性分析术前行常规MRI检查的脑胶质瘤患者93例,分为低级别胶质瘤(LGG组)和高级别胶质瘤(HGG组)。将DICOM格式图像导入GE-AK软件,对T2WI和T1增强(T1CE)图像进行感兴趣区(region of interest,ROI)勾画,将提取得到的直方图特征和纹理特征导入R语言软件包进行特征预处理和降维,选择三种函数建立六种机器学习模型,将全部数据按照7︰3比例,分为训练集与测试集,利用10倍交叉验证对六种模型进行训练,然后通过测试集进行验证,并绘制ROC曲线,计算其分类LGG与HGG的敏感度、特异度、AUC。结果LGG组平均年龄低于HGG组,差异有统计学意义(P <0.01)。LGG组与HGG组性别组成差异无统计学意义(P>0.05)。六种影像组学模型的AUC值均大于0.8,基于T1CE图像的影像组学模型的AUC值均大于基于T2WI图像模型的AUC,其中基于T1CE图像的RF模型的AUC最高,达到0.97。结论影像组学诊断模型对胶质瘤的病理分级具有较好的诊断价值,六种影像组学模型的诊断效能均较高,其中基于T1CE图像的RF模型诊断效能最高。