基于结构MRI的阿尔茨海默病诊断的多模板元信息正则化网络

基于结构MRI的阿尔茨海默病诊断的多模板元信息正则化网络

阿尔茨海默症诊断的多模板元信息正则化网络:基于结构磁共振成像的研究 研究背景 阿尔茨海默症(Alzheimer’s Disease, AD)是一种渐进性神经退行性疾病,其诊断和早期检测是医疗领域的重要挑战。结构磁共振成像(Structural MRI, sMRI)因其能够提供详细的大脑形态学模式和解剖特征,已广泛应用于计算机辅助的阿尔茨海默症诊断。尽管之前的研究验证了结合元数据(如年龄、性别和教育年限)对sMRI进行AD诊断的有效性,但现有方法主要关注于元数据与AD的相关性或混杂效应,如性别偏差和正常老化问题,难以充分挖掘元数据对AD诊断的影响。为了解决这些问题,该研究构建了一种新颖的多模板元信息正则化网络(Multi-template Meta-information Regularize...

基于噪声生成和成像机制的隐式正则化学习网络用于低剂量CT重建

基于噪声生成和成像机制的隐式正则化学习网络用于低剂量CT重建

基于噪声生成和成像机制的隐式正则化学习网络在低剂量CT重建中的应用 低剂量计算机断层扫描(Low-Dose Computed Tomography,LDCT)已成为现代医学成像的重要工具,旨在降低放射性风险并保持图像质量。然而,降低X射线剂量常导致数据受损并引起反投影(FBP)重建不良,进而影响图像质量。为了应对这一问题,研究人员不断开发高级算法以在减少噪声和伪影的同时获取高质量图像。本次报道将详细介绍一项新的研究成果,旨在实现高性能的LDCT重建。 背景介绍 在X射线CT成像中,减少辐射剂量一直是追求的目标,通过降低X射线管电流和/或电压,稀疏视图以及限制角度扫描来实现。然而,这些成像协议可能导致数据损坏和不稳定重建,从而使用经典的FBP算法得到的图像质量较差。因此,开发新的高质量重建算法...

基于新型径向基函数2D插值的时间高效超声定位显微镜

基于新型径向基函数2D插值的时间高效超声定位显微镜

基于全新径向基函数二维插值的时间高效超声局部显微技术 简介 超声波技术是一种主要的医学影像技术,已被广泛应用于可视化皮下体结构如器官、肌肉和动脉中,原因在于其安全性、成本效益和非侵入性。然而,传统超声波成像的性能受限于衍射极限,使得其空间分辨率有限。当频率升高时,空间分辨率会改善,但射束的穿透深度会降低,导致空间分辨率与穿透深度之间存在权衡。 在过去的十年中,超声波定位显微技术(ULM, Ultrasound Localization Microscopy)解决了上述权衡问题。ULM通过精确定位静脉注射的小气泡(MBs, Microbubbles)生成超高分辨率(SR, Super-Resolved)图像。这些SR图像为理解和诊断对血管结构或血流有影响的各种疾病,如癌症、中风和动脉硬化,提供...

一种磁性粒子成像的微创成像和传感方法及其植入式生物电子电路

基于磁性粒子成像的微创成像和传感方法及其植入式电子电路的应用 学术背景 在现代医学中,微创和生物相容性的植入式生物电子电路被广泛用于长期监控体内的生理过程。然而,这些设备在体内成像和同时提取传感器信息的方法依旧稀缺且成本高。磁性粒子成像(Magnetic Particle Imaging,MPI)因其零背景信号、高对比度、高灵敏度和定量成像能力,成为解决这一问题的理想选择。与增大组织深度而不被吸收的磁信号不同,MPI不涉及辐射剂量,提供了安全有效的成像途径。 论文来源 这篇论文题为“基于磁性粒子成像的微创成像和传感方法及其植入式电子电路的应用”,由Zhiwei Tay, Han-Joon Kim, John S. Ho和Malini Olivo等作者完成。论文发表在2024年5月的IEEE ...

通过互相增强的跨模态图像生成与配准方法进行未对齐PAT和MRI图像的无监督融合

通过互相增强的跨模态图像生成与配准方法进行未对齐PAT和MRI图像的无监督融合 背景和研究目的 近年来,光声断层成像(Photoacoustic Tomography, PAT)和磁共振成像(Magnetic Resonance Imaging, MRI)作为前沿的生物医学成像技术在临床前研究中广泛应用。PAT能够提供高光学对比度和深层成像,但软组织对比度较差;而MRI具有优异的软组织成像能力,但时间分辨率较低。尽管多模态数据融合方面取得了一定进展,但由于图像未对准和空间失真的问题,PAT和MRI图像融合仍具有挑战性。 为了解决这些问题,本文作者提出了一种称为PAMRFuse的分阶段深度学习框架,重点在于未对准的PAT和MRI图像融合。该框架包括一个多模态到单模态的配准网络,用于准确对准输入...

面向医学图像分割的模型异质半监督联邦学习

面向医学图像分割的模型异质半监督联邦学习

医学影像分割的模型异质半监督联邦学习 背景介绍 医学图像分割在临床诊断中具有至关重要的作用,它帮助医生识别和分析病情。然而,该任务通常面临敏感数据、隐私问题及昂贵的标注费用等挑战。尽管当前研究主要聚焦于个性化协作训练医学分割系统,但忽视了获取分割标注是耗时且费力的。如何在保持本地模型个性化的同时平衡标注成本和分割性能,已成为研究的一个重要方向。因此,本研究引入了一种新颖的模型异质半监督联邦学习框架。 论文来源 这篇论文题为“Model-Heterogeneous Semi-Supervised Federated Learning for Medical Image Segmentation”,由Yuxi Ma、Jiacheng Wang、Jing Yang和Liansheng Wang共同...

半监督超声视频中的甲状腺结节检测

半监督超声视频中的甲状腺结节检测

半监督超声视频中甲状腺结节检测的研究报告 研究背景 甲状腺结节是常见的甲状腺疾病,甲状腺结节的早期筛查和诊断通常依赖于超声检查,超声检查是一种常见的无创检测方法,可用于检测包括甲状腺结节、乳腺癌和动脉斑块在内的多种疾病。然而,由于甲状腺结节在超声图像中的分辨率低、病变形态不规则且复杂等原因,超声检查高度依赖放射科医生的经验,误诊和漏诊时有发生,特别是在欠发达地区和国家更为常见。因此,开发基于计算机辅助诊断(Computer-Aided Diagnosis,CAD)的自动化精准方法显得尤为重要。 近年来,深度学习技术被引入到超声图像的计算机辅助诊断中。尽管现有的甲状腺结节检测方法在静态超声图像上取得了一些进展,但这些方法未能充分利用诊断过程中随时间变化的空间和时间信息。在临床筛查和诊断过程中,...

半监督医学图像分割的双重监督网络

半监督医学图像分割的双重监督网络

研究背景和动机 医学图像分割在解剖结构和病变区域的图像分析以及临床诊断中具有重要意义。然而,现有的全监督学习方法依赖于大量标注数据,而医学图像的像素级标注数据获取成本高昂且耗时。为了减轻对标注数据的依赖,半监督学习(SSL)方法逐渐兴起。尽管现有的SSL方法如mean teacher(MT)框架已经取得了不错的效果,但仍然存在诸多局限性。因此,本研究提出了一种双向监督网络(bilateral supervision network,BSNet),以更好地利用无标注的样本,从而提高半监督医学图像分割的性能。 文章来源 本文由Along He、Tao Li、Juncheng Yan、Kai Wang和Huazhu Fu撰写。作者分别来自天津大学网络与数据安全技术重点实验室、南开大学计算机学院、H...

基于蒙特卡洛树搜索和流形正则化的3D/2D血管配准

基于蒙特卡洛树搜索和流形正则化的3D/2D血管配准

基于蒙特卡罗树搜索和流形正则化的3D/2D血管配准研究 在介入血管手术中,增强术中实时成像技术通过将术前计算机断层血管造影(CTA)图像投影到术中数字减影血管造影(DSA)图像上,能够弥补DSA导航的不足,如缺乏深度信息和过度使用有毒对比剂。在这些技术中,3D/2D血管配准是关键步骤。本研究提出了一种基于血管图匹配的3D/2D配准方法。 一、背景及研究动机 数字减影血管造影(DSA)是用于微创介入血管手术的主要成像方法,通过向感兴趣的血管腔注入对比剂,获得2D图像。虽然DSA具有高空间和时间分辨率,但它缺乏深度信息,且过度使用对比剂会增加患者负担。因此,结合术前CTA图像中提取的3D血管和DSA图像,是3D/2D配准技术的实际应用,能够为介入放射科医生提供血管深度信息,支持导丝或导管的操控。...

电偶联光检测技术提高多核素SPECT成像的探索

电偶联光检测技术提高多核素SPECT成像的探索

电偶联光检测技术提高多核素SPECT成像的探索 放射性药物疗法(Radiopharmaceutical Therapy, RPT)近年来引起了越来越多的兴趣,尤其是在涉及同时使用多种示踪剂的SPECT成像中。传统的成像方法容易受到不同能量γ射线的散射与串扰影响,导致成像质量显著降低。为了解决这一问题,本文的作者Yifei Jin和Ling-Jian Meng提出了一种称为电偶联光子检测(Coincidence Detection of Cascade Photons,CDCP)的方法,旨在基于电偶联光子的检测,显著减少低活性治疗性放射核素成像中的下散射和串扰污染。 研究背景 CDCP技术的提出源于传统方法在低活性放射性药物疗法成像中的局限性。诸如Ac-225、In-111、Ra-223和Lu...