给大家分享5篇关于计算机断层扫描的计算机专业论文

今天分享的是关于计算机断层扫描的5篇计算机毕业论文范文, 如果你的论文涉及到计算机断层扫描等主题,本文能够帮助到你

基于多视角多任务的脊柱CT图像重建算法研究与应用

这是一篇关于计算机断层扫描,脊柱分割,边缘检测,融合,多任务学习的论文, 主要内容为脊柱分割是医学影像处理的重要任务,旨在分离脊柱与周围组织和结构。该任务的实现能够辅助医生进行椎体的检测和评估,以及脊柱建模和老化过程监视,具有重要的研究与应用价值。目前基于神经网络的分割主要分为二维和三维模型,仍存在前后帧断层易丢失全局上下文信息导致分割不平滑,以及边缘分割效果差等问题。为解决这些问题,本文针对基于计算机断层扫描(Computed Tomography,CT)的脊柱影像分割进行算法设计,主要工作和创新如下:(1)针对脊柱分割在捕获全局上下文信息局限性的问题,本文提出了D2D3Net算法。首先在预处理过程中通过调整不同组织间的阈值突出脊柱区域,然后分别对三个视角的二维切片进行分割,并相互监督学习融合分割结果,最后为了得到更精准的边界分割,加入了形状流信息和CRFs后处理结构化预测,使三维脊柱结构形态更加完整、平滑。实验表明,本文的模型在VerSe2020分割任务上的Dice为94.8%,P/R为96.3%/97.01%,PA为83.4%,三维可视化预测结果与真实标签的IoU达到了0.85。同样地,所提出的算法在BraTS 2018脑肿瘤分割任务上仍然有着较为明显的优势,在数据量较少的情况下,提出的算法取得了80.0%的PA,实验表明网络模型较优且具有一定的泛化能力。(2)针对脊柱边缘分割不连续不清楚的问题,本文提出基于融合检测信息的ETSNet算法。具体来说,所提出的网络分为三个模块:分割模块、边缘检测模块和融合模块。首先输入分割模块将目标区域从CT影像中分离出来,同时利用边缘检测模块检测目标区域的边缘位置,最后对两个模块的输出结果进行特征融合,在特征融合阶段实施基于SE-Net、CAM和CBAM混合注意机制,充分利用了目标区域信息,得到精确的分割结果。实验表明,本文提出的方法在FoM、SSIM和HoD的综合定量分析上表现更优,边缘检测效果较好;Dice系数值达到了97.19%,ASSD达到了5.63(mm),优于其他比对算法;最后,在不同视角下观察分割结果,本文提出的利用边缘检测使得网络可以很好的学习到边界的真实形态,证明本方法的有效性。

胰腺癌胰周神经浸润的无创预测和临床应用研究

这是一篇关于胰腺导管腺癌,神经浸润评分,胰周神经浸润,计算机断层扫描,神经浸润,电子计算机断层扫描,深度学习,影像组学的论文, 主要内容为第一部分:基于CT的神经浸润评分在胰腺导管腺癌中的应用研究研究目的:探讨基于多排螺旋CT的胰腺导管腺癌(PDAC)神经浸润评分与胰周神经浸润(EPNI)之间的关系。研究方法:回顾性分析2018年3月至2020年5月间本院374例行根治手术且术后病理证实为PDAC患者的临床、影像学和病理学资料,根据胰周神经是否浸润的病理学结果将患者分为EPNI阴性组(111例)和阳性组(263例)。对患者的影像图像进行神经浸润评分,采用单因素和多因素logistic回归模型分析神经浸润评分与EPNI之间的相关性。最后,采用受试者工作特征曲线下面积(AUC)、敏感度、特异度、阳性预测值、阴性预测值和准确度评估基于CT的神经浸润评分预测EPNI的诊断效能。结果:EPNI阴性和EPNI阳性患者病理特征中的T分期、N分期、胆总管侵犯、切缘阳性及CT影像特征中的肿瘤大小、血管侵犯、淋巴结转移、MDCT神经浸润评分、胰腺轮廓、胰腺实质萎缩、十二指肠侵犯、脾脏及脾血管侵犯、胆总管侵犯的差异均有统计学意义(P值均<0.05)。单因素分析结果显示,肿瘤大小、血管侵犯、淋巴结转移、CT神经浸润评分、胰腺轮廓、胰腺实质萎缩、十二指肠侵犯、脾脏及脾血管、侵犯胆总管侵犯均与EPNI显著相关。多因素分析显示,MDCT神经浸润评分与EPNI风险显著相关(评分为1分时,OR=2.97,95%CI 1.685.25,P<0.01;评分为2分时,OR=5.82,95%CI 2.7412.34,P<0.01)。神经浸润评分诊断EPNI的AUC为0.67,95%CI 0.600.73,敏感度、特异度、阳性预测值、阴性预测值和准确度分别为69.96%、63.06%、81.78%、46.98%和0.68。结论:基于CT的神经浸润评分是PDAC发生EPNI的独立风险因素,可作为术前预测EPNI的评价指标。第二部分:基于CT的多层感知网络分类器在胰腺导管腺癌的胰周神经浸润诊断的应用研究研究目的:胰周神经浸润(EPNI)是胰腺导管腺癌(PDAC)术后切缘阳性、早期复发的重要原因。但现有的影像学评分受主观性评估影响较大。本研究建立一种新的评分手段,即肿瘤-血管接触(TVC)评分用于EPNI的诊断。最后基于临床特征、TVC评分、深度学习及影像组学特征(DLR)形成DLR模型,用于术前诊断患者的EPNI。研究方法:收集我院2016年3月至2020年12月间本院收治的690例PDAC患者的临床、影像学和病理学资料。按照病理学EPNI的结果将患者分为EPNI阳性组和EPNI阴性组。采用了nn U-Net模型进行胰腺肿瘤和周围血管进行自动分割,然后提取了肿瘤内部和血管周围的影像组学特征和肿瘤内部的深度学习特征,使用最小绝对值收缩和选择算子(LASSO)逻辑回归算法进行特征选择,最后使用多层感知网络分类器分别建立临床模型和DLR模型。采用受试者工作特征曲线下面积(AUC)、敏感度、特异度、阳性预测值、阴性预测值和准确度评估两个模型的性能。结果:共纳入690例患者,其中EPNI阳性组506例,EPNI阴性组184例。DLR预测模型在训练集和验证集中均显示出良好的诊断效能,AUC分别为0.89和0.88。训练集和验证集中的敏感度、特异度、阳性预测值、阴性预测值和准确度分别为81.10%、81.53%、92.79%、59.54%、0.81和76.74%、86.65%、92.59%、67.35%、0.86。结论:基于CT的DLR多层感知网络分类器是诊断PDAC患者的EPNI的一个准确的无创工具。

基于CT影像组学列线图鉴别甲状腺乳头状癌与结节性甲状腺肿的价值

这是一篇关于甲状腺乳头状癌,结节性甲状腺肿,影像组学,列线图,计算机断层扫描的论文, 主要内容为目的:探讨基于CT影像组学列线图鉴别诊断甲状腺乳头状癌(Papillary Thyroid Carcinoma,PTC)与结节性甲状腺肿(Nodular Goiter,NG)的临床价值。方法:回顾性分析2019年1月至2022年4月本院经病理证实的甲状腺结节患者的临床资料及计算机断层扫描成像(Computer Tomography,CT)图像。术前2周内行CT平扫及增强检查;PTC 113例,NG 119例;以7:3的比例随机分层抽样划分成训练集(n=162)和测试集(n=70)。从CT平扫及双期增强图像中提取甲状腺结节相关征象和影像组学特征,通过临床影像征象和影像组学特征筛选,训练集与测试集均构建4个独立模型并计算影像组学评分,基于影像组学评分和临床模型构建联合模型,并基于联合模型绘制列线图。通过受试者工作特征曲线(Receiver Operating Characteristic,ROC)、曲线下面积(Area Under Curve,AUC)、连续净重分类改善度(Net Reclassification Improvement,NRI)及综合判别改善度(Integrated Discrimination Improvement,IDI)等多个指标评估各模型对PTC与NG的鉴别诊断效能,利用校准曲线直观的评估列线图的可靠性与准确性,使用决策曲线评估列线图的临床实用价值。结果:平扫、动脉期、静脉期分别保留了6、4、3个影像组学特征,分别构建单期相影像组学模型。单期相中,平扫模型鉴别诊断效能最优,6个独立预测因子用于构建临床模型,基于联合模型的列线图对PTC与NG具有最高的鉴别诊断效能(训练集:AUC为0.980;测试集:AUC为0.928)。Delong检验显示除测试集临床模型外,AUC值在列线图与其余各独立模型间的差异均具有统计学意义(P<0.05)。训练集和测试集列线图较平扫模型和临床模型均具有正向改善力(NRI>0,IDI>0)。校准曲线显示列线图预测结果与病理结果间有较好的一致性,决策曲线表明列线图具有更高的临床实用价值。结论:基于甲状腺临床影像征象联合影像组学模型构建的列线图对于鉴别诊断PTC与NG具有较高的临床价值。

不同碘流率在腹部CT虚拟平扫图像的应用初探

这是一篇关于计算机断层扫描,碘流率,虚拟单能量图像,虚拟平扫图像的论文, 主要内容为目的:评估不同碘流率(IFR)及不同碘浓度对腹部双能量CT虚拟平扫(VUE)图像质量的影响。方法:94例患者使用双能CT行腹部平扫加三期增强,包含动脉期、门脉期和延迟期。根据注射碘流率的不同94例患者被随机分为4组。虚拟平扫图像在70 keV虚拟单能量图像条件下得到。测量、计算并记录每个患者腹主动脉、门静脉主干、肝脏实质、肝内病灶、胰腺实质、脾脏实质、双侧竖脊肌及腹膜后脂肪共8处感兴趣区的CT值、图像噪声、信噪比及对比噪声比。分别记录包括常规平扫及不包括常规平扫的剂量长度乘积及有效辐射剂量,用以计算潜在可降低的辐射剂量。两位有经验的放射科医师使用5分法分别对主观图像质量进行评分并记录。所得数据首先进行单样本正态性检验。组内数据符合正态分布,使用单因素方差分析CT值、图像质量、信噪比及对比噪声比值等客观指标;对于有数据不符合正态分布的情况,则使用非参数检验。由于进行了多组检验比较,统计学显著型水准校正为0.01(双侧)。结果:4个不同碘流率组各组间相同期相的虚拟平扫图像之间CT值比较没有统计学差异(P>0.05)。同一碘流率组动脉期、静脉期及平衡期分别获得的虚拟平扫图像与常规平扫图像之间CT值比较没有统计学差异(P>0.05)。虚拟平扫图像的信噪比值明显高于常规平扫图像(P<0.01);虚拟平扫图像的对比噪声比值相等于或略高于常规平扫图像(P>0.05)。虚拟平扫图像的主观评价得分相等于或略低于常规平扫图像(P>0.05),可以满足临床诊断需要。使用虚拟平扫图像代替常规平扫图像可潜在降低辐射剂量约25%。结论:虚拟平扫图像可以部分代替常规平扫图像,且虚拟平扫的图像质量不会受到碘流率变化的影响。在不影响诊断的前提下使用虚拟平扫图像可潜在降低辐射剂量约25%。