基于实验室设备自主开发了一套320 kV锥束工业CT成像系统。首先设计了基于运动控制卡的六轴机械扫描平台,并将其与320 kV射线机、平板探测器结合搭建了锥束CT成像系统的硬件。其次,利用平板探测器和运动控制卡的动态链接库开发锥束CT投...基于实验室设备自主开发了一套320 kV锥束工业CT成像系统。首先设计了基于运动控制卡的六轴机械扫描平台,并将其与320 kV射线机、平板探测器结合搭建了锥束CT成像系统的硬件。其次,利用平板探测器和运动控制卡的动态链接库开发锥束CT投影数据采集软件和重建软件,自主开发FDK算法并基于CUDA架构实现FDK算法的GPU加速。最后,采用阻尼器对锥束CT成像系统进行测试。结果表明,整个系统运行稳定,可以获得高质量的CT重建图像,且重建效果与VG STUDIO MAX 3.4软件的重建效果一致。展开更多
乳腺肿瘤是一种常见的恶性肿瘤,其临床诊断不但费时费力,还容易出现误诊.本文旨在建立一个基于乳腺数据自动分割的乳腺肿瘤计算机辅助诊断模型,提高临床诊断的速度和准确率.为了用卷积神经网络U-Net模型分割对比增强锥光束乳腺计算机断...乳腺肿瘤是一种常见的恶性肿瘤,其临床诊断不但费时费力,还容易出现误诊.本文旨在建立一个基于乳腺数据自动分割的乳腺肿瘤计算机辅助诊断模型,提高临床诊断的速度和准确率.为了用卷积神经网络U-Net模型分割对比增强锥光束乳腺计算机断层扫描(Contrast-Enhanced Cone-Beam Breast CT,CE-CBBCT)数据,本文首先沿冠状面将3维数据转换成2维切片,通过数据默认的窗口对其进行归一化处理.实验结果显示,使用U-Net卷积神经网络对数据进行分割,Dice系数和IoU(Intersection over Union)分别为0.7920和0.6962.然后,本文用不同骨干网络(即各种深度学习分类网络)去替换U-Net的编码器,再次进行分割并对比不同特征提取对分割性能的影响,发现旋转增广方式可以提升各分割网络的性能.其中,基于ResNet152的U形分割网络的性能最好,Dice系数和IoU分别达到0.8410和0.7576.随后,本文又在所有模型中选取5个性能最好的模型组成一个集成模型,重复分割实验,发现此模型有最佳分割性能,平均Dice系数和IoU可达0.8463和0.7676,性能显著提升.值得指出的是,在处理数据时本文仅使用数据默认的窗口,降低了对人工的依赖.展开更多
背景老年男性恶性肿瘤中,前列腺癌的发病率已位居第2位,其早期筛查有重要临床意义。目的探索前列腺影像报告和数据系统(Prostate Imaging Reporting and Data System,PI-RADS)评分联合^(18)F-PSMA PET/CT评分对前列腺癌的诊断价值。方...背景老年男性恶性肿瘤中,前列腺癌的发病率已位居第2位,其早期筛查有重要临床意义。目的探索前列腺影像报告和数据系统(Prostate Imaging Reporting and Data System,PI-RADS)评分联合^(18)F-PSMA PET/CT评分对前列腺癌的诊断价值。方法回顾性分析2019年1月—2022年11月在解放军总医院行前列腺穿刺活检或手术的124例患者的前列腺磁共振检查(magnetic resonance imaging,MRI)及^(18)F-PSMA PET/CT影像资料,2名影像医师和2名核医学科医师分别对MRI图像和PET/CT图像进行PI-RADS评分和分子成像前列腺特异性膜抗原(molecular imaging prostate specific membrane antigen,miPSMA)评分。以病理结果为金标准,分别以PI-RADS≥3分、miPSMA≥2分以及PI-RADS≥3分联合miPSMA≥2分作为前列腺癌的不同诊断模型,评估各模型的诊断效能。结果124例受试者平均年龄(77.74±10.30)岁,100例被确诊为前列腺癌。以PI-RADS≥3分、miPSMA≥2分以及PI-RADS≥3分联合miPSMA≥2分为标准诊断前列腺癌的敏感度分别为99.0%、96.0%和95.0%;特异度分别为33.3%、83.3%和83.3%;准确度分别为86.3%、93.5%和92.7%;AUC分别为0.662(0.523~0.800)、0.897(0.806~0.987)和0.892(0.801~0.983)。结论前列腺PI-RADS评分≥3分联合miPSMA≥2分有着较高的诊断效能,可作为前列腺癌的精准诊断方案应用于临床。展开更多
文摘PET-CT是一种将正电子发射断层成像(positron emission tomography,PET)和计算机断层成像(computed tomography,CT)两种影像诊断技术有机结合在一起的一种多模态成像技术。该成像可同时提供准确、全面的功能成像及结构信息成像。PET-CT成像在对活体进行心胸成像时,不可避免地呼吸运动和心跳运动导致的运动模糊严重干扰定量分析,进而影响诊断结果判断。目前常用门控成像技术解决呼吸及心跳运动带来的成像伪影影响,主要包括外接门控设备法和数据驱动法。现有的数据驱动门控方法难以兼顾多模态数据处理稳定性,心脏信号提取精准性以及实时性处理及反馈。本文提出了一种改进的数据驱动门控方法——基于局部信息的主成分分析方法(partial data principal component analysis,PD-PCA),实现了优化数据驱动门控成像完整流程。并在中国科学院高能物理研究所自主研制的Eplus多能全景动物PET-CT设备进行了实验验证,实验结果表明改进后的门控成像方法能够保证在心脏信号提取上实现了更高的精度,可实现实时门控动态高精度成像。
文摘基于实验室设备自主开发了一套320 kV锥束工业CT成像系统。首先设计了基于运动控制卡的六轴机械扫描平台,并将其与320 kV射线机、平板探测器结合搭建了锥束CT成像系统的硬件。其次,利用平板探测器和运动控制卡的动态链接库开发锥束CT投影数据采集软件和重建软件,自主开发FDK算法并基于CUDA架构实现FDK算法的GPU加速。最后,采用阻尼器对锥束CT成像系统进行测试。结果表明,整个系统运行稳定,可以获得高质量的CT重建图像,且重建效果与VG STUDIO MAX 3.4软件的重建效果一致。
文摘乳腺肿瘤是一种常见的恶性肿瘤,其临床诊断不但费时费力,还容易出现误诊.本文旨在建立一个基于乳腺数据自动分割的乳腺肿瘤计算机辅助诊断模型,提高临床诊断的速度和准确率.为了用卷积神经网络U-Net模型分割对比增强锥光束乳腺计算机断层扫描(Contrast-Enhanced Cone-Beam Breast CT,CE-CBBCT)数据,本文首先沿冠状面将3维数据转换成2维切片,通过数据默认的窗口对其进行归一化处理.实验结果显示,使用U-Net卷积神经网络对数据进行分割,Dice系数和IoU(Intersection over Union)分别为0.7920和0.6962.然后,本文用不同骨干网络(即各种深度学习分类网络)去替换U-Net的编码器,再次进行分割并对比不同特征提取对分割性能的影响,发现旋转增广方式可以提升各分割网络的性能.其中,基于ResNet152的U形分割网络的性能最好,Dice系数和IoU分别达到0.8410和0.7576.随后,本文又在所有模型中选取5个性能最好的模型组成一个集成模型,重复分割实验,发现此模型有最佳分割性能,平均Dice系数和IoU可达0.8463和0.7676,性能显著提升.值得指出的是,在处理数据时本文仅使用数据默认的窗口,降低了对人工的依赖.
文摘背景老年男性恶性肿瘤中,前列腺癌的发病率已位居第2位,其早期筛查有重要临床意义。目的探索前列腺影像报告和数据系统(Prostate Imaging Reporting and Data System,PI-RADS)评分联合^(18)F-PSMA PET/CT评分对前列腺癌的诊断价值。方法回顾性分析2019年1月—2022年11月在解放军总医院行前列腺穿刺活检或手术的124例患者的前列腺磁共振检查(magnetic resonance imaging,MRI)及^(18)F-PSMA PET/CT影像资料,2名影像医师和2名核医学科医师分别对MRI图像和PET/CT图像进行PI-RADS评分和分子成像前列腺特异性膜抗原(molecular imaging prostate specific membrane antigen,miPSMA)评分。以病理结果为金标准,分别以PI-RADS≥3分、miPSMA≥2分以及PI-RADS≥3分联合miPSMA≥2分作为前列腺癌的不同诊断模型,评估各模型的诊断效能。结果124例受试者平均年龄(77.74±10.30)岁,100例被确诊为前列腺癌。以PI-RADS≥3分、miPSMA≥2分以及PI-RADS≥3分联合miPSMA≥2分为标准诊断前列腺癌的敏感度分别为99.0%、96.0%和95.0%;特异度分别为33.3%、83.3%和83.3%;准确度分别为86.3%、93.5%和92.7%;AUC分别为0.662(0.523~0.800)、0.897(0.806~0.987)和0.892(0.801~0.983)。结论前列腺PI-RADS评分≥3分联合miPSMA≥2分有着较高的诊断效能,可作为前列腺癌的精准诊断方案应用于临床。
