医学图像分析:骨小梁各向异性预测与卵巢癌自动诊断
在医学领域,准确的诊断对于疾病的治疗和预后至关重要。近年来,随着医学成像技术和机器学习算法的发展,利用图像数据进行疾病诊断和分析的研究取得了显著进展。本文将介绍两项相关的研究成果,分别是基于定量计算机断层扫描(QCT)图像预测骨小梁各向异性,以及通过稀疏多分辨率组织表示实现卵巢癌亚型的自动诊断。
基于QCT图像的骨小梁各向异性预测
在有限元分析中,骨小梁各向异性对评估骨强度和改善肌肉骨骼疾病的诊断具有重要意义。研究人员提出了一种多输出非线性监督学习技术,用于从临床QCT图像中预测骨小梁各向异性。
- 数据来源 :研究使用了人类近端股骨的QCT和高分辨率外周定量计算机断层扫描(HRpQCT)图像数据库。训练数据包括30个股骨样本(15名男性和15名女性,年龄76±11岁,范围46 - 96岁)。临床QCT图像(Brillance64,Phillips,德国,强度:100 mA,电压:120 kV,体素大小:0.33×0.33×1.00 mm³)和HRpQCT图像(Xtreme CT,Scanco,瑞士,强度:900 A,电压:60 kVp,体素大小:0.082×0.082×0.082 mm³)。临床QCT图像被重新采样以具有各向同性的体素间距,HRpQCT图像中的皮质骨根据相关程序进行了掩膜处理。
- 评估指标 :采用留一法策略对30个股骨样本进行数值评估。从HRpQCT图像中测量MIL张量M,预测张量表示为$\hat{M}$,具有特征向量$\hat{e} 1$,$\hat{e}_2$,$\hat{e}_3$和特征值$
超级会员免费看
订阅专栏 解锁全文

被折叠的 条评论
为什么被折叠?



