肺实质

摘要： 支气管源性囊肿是先天性呼吸系统胚芽发育异常所致的囊性肿物,多位于纵膈及肺实质内,异位于膈肌及腹膜后的支气管源性囊肿罕见[1]。现将我院2018年8月至2021年6月收治2例患者的临床资料及治疗体会探讨如下。病例1,女,12岁,因“体检发现左侧肾上腺区包块6年余”入院,曾多次复查提示包块逐渐增大。无明显腰腹部疼痛、腹部肿块等阳性症状及体征。

摘要： 慢性阻塞性肺疾病(Chronic obstructive pulmonary disease, COPD)是引起全球慢性呼吸系统健康问题的主要原因之一,是全球范围内发病率和死亡率较高的一种常见的慢性肺部疾病。气道炎症、阻塞和重塑以及肺实质的结构改变是COPD最重要的特征,这些过程产生的临床症状(如咳嗽咳痰、运动不耐受、呼吸困难)与不可逆的进行性气流受限直接相关,尤其是在疾病加重时^([1])。

摘要： 计算机断层扫描(Computed Tomography,CT)是诊断肺部疾病常用的方法之一,CT能显示人体肺部的断层图像,但CT图像中对于诊断肺部疾病有帮助的只有肺实质区域.因此,提供干扰更少、病灶更加明显的肺部断层图,会使医生更容易发现一些早期的疾病或得到更加准确的诊断结果.文章归纳总结了边缘检测、U-net和U-net++等CT图像的肺实质分割技术,并将其中的Matlab的边缘检测与U-net神经网络进行对比分析.对比结果显示,U-net神经网络的图像分割效果远好于Matlab的边缘检测.

摘要： 自发性气胸是胸部疾病常见急症之一,是指在没有外伤或其他人为等明显外因的情况下,肺实质或脏层胸膜出现破裂,导致空气从肺泡经脏层胸膜进入胸膜腔内引起胸膜腔积气,进而导致肺脏塌陷,并引起胸闷、胸痛、呼吸困难等症状。该病男性多见,发病率呈逐渐上升趋势,复发率约为15%~20%。

摘要： 目的:将肺部颜色特征与纹理特征融合形成一种更有效的特征,并利用改进的U-Net深度学习网络结构对肺部CT影像进行图像分割以准确提取肺实质区域.方法:使用的CT影像数据来源于LIDC-IDRI数据库,首先通过色彩空间转换、高阶邻域统计的方法分别提取颜色特征和纹理特征,然后采用加权平均直方图融合两类特征,最后将特征输入改进后的U-Net模型,进行1000次CT扫描测试,以达到完整的肺实质输出.结果:该方法最终的骰子系数、灵敏度、特异性分别为93％、96％和97％.结论:本方法较单一特征分割方法具有较高的分割精度,有效提高肺实质的分割精度,可为后续的肺部疾病自动诊断提供可靠基础,减少临床诊断的成本并节省医生诊断时间.

摘要： 目的:探讨零回波时间(ZTE)成像技术在肺实质显示中的可行性及临床应用价值.方法:采用GE 3.0T MR扫描仪对20例健康志愿者行常规单次激发快速自旋回波(SS-FSE)序列和ZTE序列扫描,对两种成像方法获得的图像质量进行主观评分,测量SNR和SIR,以及各个序列的肺实质SI和主支气管腔内SI,并进行统计学分析.结果:SS-FSE序列的图像质量主观评分为2.00±0.75,ZTE序列的图像质量主观评分为3.50±1.00,两者差异有统计学意义(Z=-3.681,P<0.01).SS-FSE序列和ZTE序列的SNR分别为5.81±1.96和8.84±1.36,两者差异有统计学意义(t=7.804,P<0.01).SS-FSE序列和ZTE序列的SIR分别为0.78±0.22和0.97±0.11,两者差异有统计学意义(t=4.056,P<0.01).在SS-FSE序列中,肺实质SI为69.36±24.18,主支气管腔内SI为307.94±206.55,两者差异有统计学意义(Z=-3.920,P<0.01).在ZTE序列中,肺实质SI为34.16±3.79,主支气管腔内SI为28.59±8.59,两者差异有统计学意义(Z=-2.837,P=0.005).结论:ZTE技术显示肺实质是可行的,它能够清晰地显示肺实质结构,在MR肺部成像中具有较高的临床应用价值.

摘要： CT成像技术是辅助医生诊断肺部疾病的重要手段.针对肺部各组织结构复杂,难以准确地对肺部CT图像中肺实质进行分割和提取的问题,提出了一种编/解码模式的肺分割算法.为了获得图像的多尺度信息,首先向网络模型中输入多尺度图像,使用残差网络结构作为编码模块,在扩展网络深度的同时不造成网络退化问题;此外,在编码和解码之间利用空洞空间金字塔池化(ASPP)充分提取上文多尺度信息;最后利用级联操作,将捕捉到的信息与编码层信息级联,结合注意力机制从而提高分割精度.通过对LUNA16数据集中89位患者的13465张CT图像进行测试,以相似性系数和精确度作为主要评判标准,实验精度分别达到了99.56％和99.33％.实验结果表明,该方法能有效分割出肺实质区域,与其他网络相比分割效果更好.

摘要： 慢阻肺主要是指慢性阻塞性肺部疾病,属于慢性气道阻塞性疾病,其主要病因是以小气道、肺实质受损,引发慢性气道阻塞、呼吸阻力增加和肺功能不全的疾病,发病基础是小气道和肺实质受损,主要发病的诱因包括职业性粉尘与化学物质粉尘的吸入、长期吸烟、病毒或细菌感染、肺部病变或空气污染中所含有害物质吸入肺部。从病理学讲,慢性阻塞性肺疾病是属于一种具有明显气道受阻特征的肺部疾病,其气道受阻大多不可逆,会呈现出进行性发展。

摘要： 针对计算机辅助诊断的需求,提出一种基于CT图像的肺实质分割方法.首先,使用大津法实现CT图像肺实质预分割,并利用数学形态学去除噪声;然后,采用区域生长法以及小面积删除法完成肺实质分割;最后,使用改进的凸包法对分割后的肺实质CT图像进行边界修复,并将得到的掩膜图像与原图像进行数学运算,得到肺实质感兴趣区域.实验结果表明:本文提出的方法具有分割精确高、鲁棒性强、自动化程度较高的特点.

摘要： 慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)患者临床表现具有多样性、异质性强的特点,COPD早期诊断困难,稳定期生活质量差,频繁急性加重的患者住院治疗费用高,属于高社会负担和经济负担疾病.COPD具有患病率、致残率和致死率高的特点,预计到2020年COPD将成为世界第3大死亡病因,也是第5位的主要致残性疾病.目前尚缺乏针对COPD精确全面的定量技术.本研究团队在承担国家卫生健康委员会公益性行业专项"基于数字肺的呼吸系统疾病诊断与评价体系"的基础上,基于CT定量技术,以肺实质、肺支气管、肺血管为3条研究轴线,研究了上述3种肺部组织结构在COPD患者中的形态学变化以及相互之间的联系,对COPD患者进行了个体化、标准化、全方位的评估.此外,本文还对COPD的热点问题进行讨论,指出了下一步的研究方向.

摘要： @@ COPD是呼吸系统常见疾病，其发病率和病死率呈逐年增高趋势。目前，COPD的发病机制尚不明确，造成防治上的困难。近年来，越来越多的研究结果表明，COPD患者存在肺内细胞增殖和凋亡的平衡失调，无论是肺内实质细胞还是炎症细胞，都存在凋亡增多的现象，而肺内实质细胞凋亡增多的机制尚无定论。尿激酶型纤溶酶原抑制剂(PAI)-1具有可以抑制生理状态和药物诱导状态细胞的凋亡作用，因而引起关注。本研究旨在探讨PAI-1与COPD患者肺实质细胞凋亡的关系。

摘要： 咯血为源自下呼吸道的出血，是肺部严重疾病的征兆，急需对肺实质、气道和肺部血管进行综合评估。本研究目的就是应用16排螺旋CT行肺动脉与支气管动脉血管成像(CT pulmonary angiography，CTPA；CT bronchial angiography，CTBA)对咯血患者的肺血管和肺实质进行综合评估，进一步探讨其临床应用价值。

摘要： 一种肺实质的图像分割处理方法，包括步骤S1，对采集的同一肺部数据分别处理得到若干个肺部图像中躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像；步骤S2，选取一个经过所述步骤S1筛除处理后的肺部图像生成躯干掩膜图像；步骤S3，其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞处理，与躯干掩膜图像叠加相减生成肺实质掩膜图像；步骤S4，将所述肺实质掩膜图像中的气管去除，叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像；提取若干个躯干掩膜位置，无需处理肺实质外的空气、检查床等部分，提高处理的速度及肺实质边缘的准确度；分割区域对比肺实质掩膜图像确认特征部分，防止切割的肺实质不准确。

摘要： 本发明公开了一种用于肺实质CT图像的全自动分割方法，其特征在于，包括以下步骤：1)肺实质模板初步提取；2)左右肺全自动分离；3)纵膈面平滑；4)肋面平滑。本发明设计了一种用于肺实质CT图像的全自动分割方法，可实现肺部CT图像全自动精确分割，有助于辅助临床医生诊断肺部疾病，大大减少医生的工作量和操作时间，更快更准确地检查出肺部疾病。本发明在得到初步肺实质模板后，进行左右肺全自动分离、纵膈面平滑、肋面平滑的操作，保证了分割结果的准确性、完整性和鲁棒性，辅助临床医生诊断肺部疾病；本发明全部过程无需手工标定和设置参数，确保了肺实质CT图像分割方法的广泛性和普遍性。

摘要： 本发明公开了一种基于深度神经网络的CT图像肺实质三维语义分割方法，该分割方法包括离线部分和在线部分。离线部分：包括4个步骤：数据集的预处理；全卷积神经网络框架搭建；GRU循环卷积神经网络框架搭建；网络训练。在线部分：包括5个步骤：图像预处理；像素特征提取与融合；体素特征提取与融合；分割输出；分割结果评价。特征融合包括编码层与解码层之间的特征融合，解剖结构层与层之间的特征融合。通过设计带有门控循环单元的深度神经网络模型，利用肺部的解剖结构先验信息，提取空间特征来有效表征断层序列之间的表观演变关系，实现对CT图像中的肺实质进行准确的三维语义分割。

摘要： CT图像的U型区域、长短边的判断方法及肺实质外部轮廓的修复方法，属于图像处理领域，为了解决肺实质底部特殊形状的外边缘修复的问题，S1.输入待修复的已分割肺实质掩膜数据；S2.判断是否为肺实质底部的U型区域；S3.若是U型区域，则判断U型区域的长短边S4.若是短边，则取出短边缘区间信息，在该区间修复，效果是对肺底部为U型区域的外边缘修复具有显著效果。

摘要： 本发明提出一种基于聚类算法和卷积神经网络的肺实质提取方法，本发明采用聚类算法对肺部CT图像进行预处理，得到CT图像的肺实质区域和非肺实质区域的数据集，将已知的肺部CT图像的数据集划分为训练集和验证集，将未知的肺部CT图像的数据集作为测试集；建立卷积神经网络模型，采用训练集和验证集数据对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；将测试集输入训练后的卷积神经网络模型中，得到CT图像肺实质区域，实现了对未知患者的肺部CT图像进行肺实质区域提取功能，并对下一阶段自动搜寻肺癌区域垒下基础，有助于下一阶段的肺癌提取、分类。

摘要： 本发明公开一种肺实质对称四分区判定肺结节三维空间内深度的方法，包括如下步骤：S1：获取影像资料；S2：对S1中影像资料进行图片处理，将全肺肺叶对称四分区；S3：在S2的全肺肺叶对称四分区内找出目标肺结节所属区域支气管，以目标肺结节所属区域支气管起始处截面的中心为O点；S4：目标肺结节中心点为A点，连接O点和A点，形成线段OA；S5：线段OA上，自A点向外作延长线，直至与胸膜相交于B点，形成线段OB；S6：测量线段OA和线段OB的数据；S7：根据公式(OB‑OA)/OB，计算得出的是目标肺结节在所属分区肺实质内的三维空间深度的百分比数值；S8：判定。优点：本发明方法，在尽可能避开纵隔因素的影响下，在肺实质内对病灶‑肺结节在三维空间中的深度位置提出了数据量化的概念。

摘要： 本发明提供一种基于Unet模型的肺实质图像分割方法，解决了基于深度学习的肺实质分割模型复杂度高、运算量大和参数多的问题，属于医学图像处理领域。本发明包括：获取待分割的肺实质CT图像；图像预处理；建立LUnet网络结构：以原始Unet模型为基础，使用预激活的残差模块替代编码路径中原有的卷积模块，并在编码路径和解码路径中间引入多尺度上下文模块，同时减少网络层数和调整每层的通道数；利用预处理好的肺实质CT图像对LUnet网络进行训练；将待分割的肺实质CT图像测试集输入训练好的LUnet网络获取分割结果。实验结果表明本发明相较于其它经典语义分割模型，具有参数少、运算量小和精确度高等优点，实现了肺实质图像的快速分割。

摘要： 本发明涉及一种基于特征融合的肺实质自动分割方法及其实现方式，该方法使用LIDC‑IDRI数据库的CT影像数据，首先利用图像处理技术对每张肺部CT原图进行噪声处理和边缘检测；然后通过色彩空间转换、高阶邻域统计的方法分别提取颜色特征和纹理特征；然后采用加权平均直方图融合两类特征，最后将特征输入改进后的U‑Net模型，进行1000次CT扫描测试，以达到完整的肺实质输出。本发明提供了一种计算机辅助影像诊断的方法，可以解决医生漏诊、误诊等诊断问题，并提供出较高准确率的分割结果，从而减少临床诊断的成本，节省医生诊断的时间，为后续的肺部疾病的自动诊断提供可靠基础。

摘要： 本发明提供一种基于胸部CT影像的肺实质自动分割方法，由于采用了自动种子点提取方法来提取种子点，采用了区域生长方法以及孔洞填充方法来提取得到胸腔轮廓，采用了面积阈值方法来去除两个连通域中的气管区域，从而得到肺实质区域，进一步地，还将得到的肺实质区域以及对应的胸部CT影像作为一一对应的标签和图像，组成训练集，基于该训练集进行分割网络的训练，得到训练好的肺实质分割网格模型，用于后续从新的胸部CT影像中提取肺实质区域，因此，该方法能够自动获取分割标签，不再需要人工进行标注，减少了人工工作量，提高了效率，并且获取的分割标签具有较高的一致性。

摘要： 一种肺实质的图像分割处理方法，包括步骤S1，对采集的同一肺部数据分别处理得到若干个肺部图像中躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像；步骤S2，选取一个经过所述步骤S1筛除处理后的肺部图像生成躯干掩膜图像；步骤S3，其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞处理，与躯干掩膜图像叠加相减生成肺实质掩膜图像；步骤S4，将所述肺实质掩膜图像中的气管去除，叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像；提取若干个躯干掩膜位置，无需处理肺实质外的空气、检查床等部分，提高处理的速度及肺实质边缘的准确度；分割区域对比肺实质掩膜图像确认特征部分，防止切割的肺实质不准确。