简介:摘要大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源,同时人工智能技术的发展促进深度学习应用水平不断提升,推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分,第一部分针对目前主流的深度学习MRI图像分类模型:卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述。首先,阐述了各模型的历史沿袭、最初针对的问题及主要思想;其次,概括了模型的网络架构并探讨其在MRI图像分类上的最新应用;然后,分析了模型的特点、目前存在的局限及各自发展趋势。第二部分论述了一些影响分类性能的关键因素;第三部分提出了一些广泛使用的性能增强技术;文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制,并对未来研究方向进行展望。本文的结果可为研究人员提供一个全面的比较,以及各种深度学习模型的有效性,有望促进脑肿瘤研究的进展。
简介:摘要目的针对前列腺癌放疗,研究锥形束CT(CBCT)生成伪CT的深度学习方法,以满足自适应放疗的需要。方法纳入瓦里安On-Board Imager采集的74例前列腺癌患者的CBCT图像及其模拟定位CT图像,并使用MIM软件进行形变配准。将数据按简单随机法分为训练集(59例)和测试集(15例)。使用U-net、Pix2PixGAN和CycleGAN学习CBCT到模拟定位CT的映射。以形变配准后CT作为参考图像,评价平均绝对误差(MAE)、结构相似指数(SSIM)和峰值信噪比(PSNR)。另外单独分析了图像质量,包括软组织分辨率、图像噪声和伪影等。结果使用U-net、Pix2PixGAN和CycleGAN生成图像的MAE分别为(29.4±16.1)、(37.1±14.4)、(34.3±17.3)HU。在图像质量方面,U-net和Pix2PixGAN生成的图像存在过度模糊的问题,导致了图像失真;而CycleGAN生成的图像保留了CBCT图像结构且改善了图像质量。结论CycleGAN能有效地提高CBCT图像质量,有更大的潜力应用于自适应放疗中。
简介:【摘要】目的:评估手部深度烧伤患者接受早期整形手术的治疗效果。方法:选取我院于2021年12月-2023年1月期间收治的手部深度烧伤患者66例作为评估对象,并以双色球随机抽取法将其平均分为2组,即对比组与评估组,每组33例。对比组接受延期修复治疗,评估组接受早期整形手术,对比两组的治疗效果。结果:经比较两组的实验结果,评估组的各项指标均优于对比组,并发症发生率低于对比组,组间对比有显著差异性(P<0.05)。结论:采用早期整形手术对手部深度烧伤患者治疗的临床效果确切,对改善手部功能和外观、缓解瘙痒、减少并发症有十分显著的促进作用,临床推广价值高。