基于机器学习的可降解支架检测与分割算法

针对血管内光学相干断层扫描(IVOCT)成像系统,提出一种改进的自适应增强(Adaboost)算法及一种基于动态规划的轮廓分割算法用于可降解支架的自动检测与分割,实现对支架贴壁情况的自动评估。在检测阶段,利用多层决策树构建Adaboost分类器,实现对支架位置和大小的检测;基于检测结果,利用动态规划算法对支架轮廓进行分割;最后,结合分割结果,对支架贴壁情况进行计算。实验结果显示,所提算法的检测召回率达到91.6%,精确率为87.2%,轮廓分割的平均Dice系数为0.80,表明所提算法能够实现IVOCT影像中可降解支架的准确检测与分割,且具有较好的稳健性。     

内窥扫频光学相干层析探测牙齿根裂的研究

根裂诊疗是目前牙科临床医学的难点。搭建三维扫频光学相干层析成像系统,结合心血管内窥成像探头,对46个有根裂(裂缝宽度8～283μm)牙齿切片样本进行扫描成像,该系统对根裂大于30μm的样本的诊断准确率可达98.3%,对根裂小于30μm的诊断准确率为36.3%;对25个无根裂样本扫描,诊断准确率为92%。分析准确率差异原因,优化内窥导管探头与牙齿切片的相对位置和角度,并对部分图像进行三维重建,使得根裂大于30μm的样本的诊断准确率提高到100%,根裂小于30μm的诊断准确率提高到57.6%。实验表明,内窥光学相干层析技术在牙齿根裂临床诊断中具有良好的应用前景。     

基于角点检测的可降解支架轮廓分割算法

针对血管内光学相干断层扫描(IVOCT)影像中,使用动态规划(DP)算法进行可降解支架轮廓分割时,分割结果容易受到血液伪影和支架内部断裂的影响,而导致支架轮廓分割准确度不高的问题,利用IVOCT影像中可降解支架具有四边形外观的先验信息,提出一种使用支架的4个角点得到支架轮廓的算法。实验结果显示:所提出的支架轮廓分割算法的平均Dice系数可达到0.88,相较于DP算法提高了0.08;所提出的支架自动分割算法能够实现IVOCT影像中可降解支架的准确分割,且具有较好的稳健性,能更好地在临床应用中辅助医生进行支架贴壁情况分析。