基于Dense-UNet++的关节滑膜磁共振图像分割

为解决以往基于深度学习的滑膜磁共振图像分割模型存在的分割精度较低、鲁棒性较差、训练耗时等问题,本文提出了一种基于Dense-UNet++网络的新模型,将DenseNet模块插入UNet++网络中,并使用Swish激活函数进行训练．利用1 036张滑膜磁共振图像数据增广后的14 512张滑膜图像对模型进行训练,并利用68张图像进行测试．结果显示,模型的平均DSC系数为0.819 9,交叉联合度量（IOU）为0.927 9．相较于UNet、ResUNet和VGG-UNet++网络结构,DSC系数和IOU均有提升,DSC振荡系数降低．另外在应用于相同滑膜图像数据集和使用相同的网络结构时,Swish函数相比ReLu函数有助于提升分割精度．实验结果表明,本文提出的算法对于滑膜磁共振图像的病灶区域的分割有较好的效果,能够辅助医生对病情做出判断．     

基于3D VNetTrans的膝关节滑膜磁共振图像自动分割

膝关节是类风湿性关节炎（Rheumatoid Arthritis,RA）常见累及关节,膝关节滑膜的精准分割对RA诊断和治疗有重要影响,本文提出了一种基于VNet网络的改进算法对膝关节滑膜磁共振图像进行自动分割．首先对39名滑膜炎患者的膝关节磁共振图像进行数据预处理,通过将Transformer编码器嵌入VNet网络底部的方式构建VNetTrans网络,使用MemSwish激活函数进行训练. 最终模型平均Dice系数为0.758 5,HD为24.6 mm;相较于VNet,Dice系数提升0.083 6,HD距离减少10 mm．实验结果表明,该算法可对膝关节磁共振图像中滑膜增生区域实现较好的3D分割,具有诊断和监测RA发展过程的应用价值．     

基于小波变换的磁共振图像去噪

去噪是图像处理中的一个非常重要的问题. 传统去噪方法在降低噪声的同时会模糊图像的细节,基于小波变换的图像去噪方法能在降低图像噪声的同时较好地保持图像的细节,目前基于小波变换对图像进行去噪已经成为最有前途的去噪方法之一. 本文综合小波域去噪的文献,对小波域的磁共振图像去噪方法进行了综述,详细介绍了各种小波域的磁共振图像去噪方法,并对他们的性能进行了总结,对小波域去噪方法的发展趋势进行了展望.     

Display of Phosphorus-Containing Components on Low-Frequency Magnetic Resonance Images Using Double Magnetic Resonance

Applied Magnetic Resonance - One of the promising areas in MRI diagnostics is the mapping of the distribution of nuclei other than 1H. It is caused by the presence of such nuclei in molecules...     

基于GPU加速的磁共振血管造影图像的并行分割与追踪算法

在应用磁共振血管造影图像进行临床诊断时,临床医生往往需要提取感兴趣区域(Region Of Interest,ROI)的部分血管.这个工作传统上需要手工进行,费时费力.该文提出一种并行的血管分割与追踪算法,利用现代图形处理器(Graphics Processing Unit,GPU)所具备的大规模并行计算能力进行快速的血管分割.首先将三维图像网格化为共面的立方体,并行处理每个立方体,确定立方体中哪些表面有血管通过,以及立方体中哪些体素包含血管.之后再将该结果用于串行的全局分割与血管追踪处理.实验结果表明,利用这种先并行后串行的方法,可以在1 s之内完成全脑血管的分割,分割的结果也更准确.     

Monodispersed Spherical Nanoparticles GdxSiyOz:Eu3+ for Magnetic Resonance Tomography and Optical Imaging

Physics of the Solid State - The melt method is used for synthesizing monodispersed spherical silica nanoparticles Gdx-SiyOz:Eu3+. The particle diameter is 450 nm, and the standard deviation does...     

The Value of Laryngeal Electromyography in the Evaluation of Laryngeal Motion Abnormalities

SUMMARY: Laryngeal electromyography (EMG) functions routinely as a prognostic tool in the evaluation of vocal fold paralysis, as a guide for therapeutic injections into the laryngeal muscles, and more recently as an assessment tool in the evaluation of vocal fold paresis. This study investigates the clinical utility of laryngeal EMG as a diagnostic aid in the evaluation of movement disorders of the larynx in patients complaining of dysphonia. A retrospective chart review of all laryngeal EMGs performed at a tertiary laryngology referral center over a 13-month period was performed. All laryngeal EMGs were performed to evaluate laryngeal motion abnormalities in dysphonic patients. Thirty-seven laryngeal EMGs were completed during this study period. Analysis of the data revealed that the medical treatment plan changed as a result of findings on laryngeal EMG in 10/37 patients (27.0%); laryngeal EMG guided and/or confirmed the course of treatment in 12/37 patients (32.4%) and did not change the treatment plan in 15/37 patients (40.5%). Laryngeal EMG is a useful diagnostic tool that, in this study, contributed significantly to and helped guide the evaluation and management of motion disorders in the larynx of dysphonic patients.     

基于Markov随机场的自适应正则化三维显微图像复原

提出了基于马尔可夫随机场模型的正则化因子自适应调整三维显微图像复原算法,并用模拟序列样本和真实生物样本进行了实验.为了保持复原图像的边缘等细节信息,以Markov随机场模型作为图像的先验概率模型,对代价函数添加边缘约束惩罚项.其中,正则化因子在迭代过程中自适应地进行更新.实验结果表明此算法在对原始图像进行估计的同时,能够有效地保留图像的边缘等细节信息.而EM算法虽然能够有效地去除层间干扰,却丢失了大量的细节信息.     

基于磁共振图像和改进的UNet++模型区分阿尔茨海默症患者和健康人群

阿尔茨海默症（Alzheimer's Disease,AD）是一种神经退行性疾病,高效准确的早期诊断对其治疗至关重要．本文提出了一种融合多语义级别的深度卷积神经网络结构,基于磁共振图像,用于区分AD患者与正常受试者的方法．首先,在传统UNet++网络的基础上改进了深度监督整合算法;然后,构建了一种新的特征融合结构,进一步细化了不同语义级别的特征;最后,基于不同组织区域（白质、灰质和脑脊液）的磁共振图像,使用本文所提出的方法区分AD患者和正常受试者,并探究了从不同组织获得的信息对分类准确率的影响．实验结果表明,使用本文提出的方法区分两类人群的最高准确率为98.74%,平均准确率为98.47%,高于目前文献报道的其他方法．     

Modified Method for Reconstructing the Image from Projections in Magnetic Resonance Tomography

Technical Physics - A method for reconstructing the image from projections in magnetic resonance tomography using an excitation pulse with a linear frequency modulation has been considered. The...     

结合小波融合和深度学习的脑胶质瘤自动分割

针对水肿区域边界模糊和瘤内结构复杂多变导致的脑胶质瘤分割不精确问题,本文提出了一种基于小波融合和3D-UNet网络的脑胶质瘤磁共振图像自动分割算法.首先,对脑胶质瘤磁共振图像的T1、T1ce、T2、Flair四种模态进行小波融合以及偏置场校正;然后,提取待分类的图像块;再利用提取的图像块训练3D-UNet网络以对图像块中的像素进行分类;最后加载损失率较小的网络模型进行分割,并采用基于连通区域的轮廓提取方法,以降低假阳性率.对57组Brats2018（Brain Tumor Segmentation 2018）磁共振图像测试集进行分割的结果显示,肿瘤的整体、核心和水肿部分的平均分割准确率（DSC）分别达到90.64%、80.74%和86.37%,这表明该算法分割脑胶质瘤准确率较高,与金标准相近.相比多模态图像融合前,该算法在减少输入网络数据量和图像冗余信息的同时,还一定程度上解决了胶质瘤边界模糊、分割不精确的问题,提高了分割的准确度和鲁棒性.     

Towards the Automatic Study of the Vocal Tract From Magnetic Resonance Images

Over the last few decades, researchers have been investigating the mechanisms involved in speech production. Image analysis can be a valuable aid in the understanding of the morphology of the vocal tract. The application of magnetic resonance imaging to study these mechanisms has been proven to be reliable and safe. We have applied deformable models in magnetic resonance images to conduct an automatic study of the vocal tract; mainly, to evaluate the shape of the vocal tract in the articulation of some European Portuguese sounds, and then to successfully automatically segment the vocal tract's shape in new images. Thus, a point distribution model has been built from a set of magnetic resonance images acquired during artificially sustained articulations of 21 sounds, which successfully extracts the main characteristics of the movements of the vocal tract. The combination of that statistical shape model with the gray levels of its points is subsequently used to build active shape models and active appearance models. Those models have then been used to segment the modeled vocal tract into new images in a successful and automatic manner. The computational models have thus been revealed to be useful for the specific area of speech simulation and rehabilitation, namely to simulate and recognize the compensatory movements of the articulators during speech production.     

基于PCAU-Net的快速多通道磁共振成像方法

多通道磁共振成像方法采用多个接收线圈同时欠采样k空间以加快成像速度,并基于后处理算法重建图像,但在较高加速因子时,其图像重建质量仍然较差．本文提出了一种基于PCAU-Net的快速多通道磁共振成像方法,将单通道实数U型卷积神经网络拓展到多通道复数卷积神经网络,设计了一种结构不对称的U型网络结构,通过在解码部分减小网络规模以降低模型的复杂度．PCAU-Net网络在跳跃连接前增加了1×1卷积,以实现跨通道信息交互．输入和输出之间利用残差连接为误差的反向传播提供捷径．实验结果表明,使用规则和随机采样模板,在不同加速因子时,相比常规的GRAPPA重建算法和SPIRiT重建方法,本文提出的PCAU-Net方法可高质量重建出磁共振复数图像,并且相比于PCU-Net方法,PCAU-Net减少了模型参数、缩短了训练时间．     

基于磁共振成像的人脑图谱构建方法研究进展

基于磁共振成像的脑图谱构建对于脑与认知科学的研究非常重要,借助脑图谱,研究者可以精确地分析比较不同的脑影像数据,然而目前尚没有比较统一的标准脑图谱.本文针对基于磁共振成像的脑图谱构建方法进行概述,首先介绍了人脑图谱构建的发展进程,阐述脑图谱构建中需解决的技术问题及其局限性;然后着重描述了构建脑图谱的基本方法;最后论述了应用脑图谱进行精确定量分析的统计学方法,包括基于体素的形态学测量分析法和基于纤维束示踪的空间统计分析法,并较深入地比较了两种方法的差异和近期研究进展.通过分析目前研究现状,本文总结了脑图谱构建研究中的主要方法及不足,并就该领域未来的研究进展进行了展望.     

基于铯原子光泵磁共振的磁场传感实验系统设计

给出了铯原子光泵磁共振测量磁场的原理.利用MEMS封装与制造技术,设计了一种芯片级的激光铯磁场传感系统,可实现对微弱磁场的检测.     

基于改进DRLSE模型的前列腺磁共振图像分割

在图像引导下的前列腺磁共振图像分割的介入诊断与治疗具有重要意义.本文对距离正则化水平集演化（DRLSE）方法进行了改进并用于前列腺磁共振图像分割.前列腺磁共振图像中靠近膀胱一侧边界较为模糊,靠近尿道一侧及左右两侧边界较为清晰,仅用传统的梯度信息指示函数无法达到理想分割结果.本研究分别采用两个指示函数控制边界清晰段及模糊段的演化,以达到准确分割的目的.此外,还在外部能量函数中增加了能量牵制项,避免演化在虚假边界停止,驱使水平集向灰度波动较大的区域移动,并能在模糊边界停止演化.实验表明利用本方法进行前列腺磁共振图像分割的效果较好;Dice相似性系数（DSC）均值达到96%,接近专家手动分割结果.     

一种新的磁共振图像处理流水线的设计与实现

磁共振图像的重建、后处理及可视化是磁共振成像（MRI）系统的重要组成部分.本文开发了一个新的用于磁共振图像重建、后处理及可视化的开源框架YAP（Yet Another Pipeline）,利用此框架可以方便地构建图像处理流水线.与现有的一些其他开源框架相比,本文开发的框架具有如下特点：（1）采用基于接口的设计,可使用基于接口的插件对流水线的功能进行扩展;（2）允许用户使用编写脚本的方式构建图像处理流水线,编辑与修改流水线都很方便;（3）支持带有分支结构的流水线,便于流水线的构建与调试.目前,该框架已经在商用系统中获得了应用.     

基于Gadgetron平台的多GPU分布式磁共振图像重建

为了满足磁共振成像（MRI）临床扫描的需求,磁共振图像重建算法的开发一直在不断进行.目前广泛使用的算法实现方式是利用中央处理器（CPU）对磁共振扫描数据进行数学变换得到图像,随着算法复杂度的提升,计算性能问题逐渐显露.利用CPU在大数据量下执行复杂算法时,计算并行性的缺失以及运算中产生的海量数据的存储负荷会导致计算变得极为缓慢,使得一些算法因为重建时间过长,在临床上面临难以推广的问题,也制约了基础研究中新算法的研发.本文设计并实现了一种新的重建算法执行方式,利用Gadgetron磁共振软件重建平台在多核CPU基础上搭载多块图形处理器（GPU）,将磁共振图像重建以分布式并行计算方式实现,并以重建耗时较长的3D径向数据采集Stack of Star（SOS）的图像重建为实例,展示这种重建的实现方法能以相对低廉的硬件成本极大提升重建的速度.     

基于USB总线的一体化核磁共振谱仪控制台

针对台式核磁共振谱仪便携化、小型化的发展趋势，开发了一套基于USB总线的一体化核磁共振谱仪控制台，将控制/通讯部分、脉冲序列控制部分、射频发射部分与信号接收部分集成于一卡，并可实现两种工作模式. 工作模式1：系统基于USB与一台个人计算机通讯，由计算机控制来完成从对谱仪的实时控制到数据处理及显示的所有任务；工作模式2：系统由集成的微处理器控制，不需要计算机的参与，独立完成整个工作进程. 本文详细介绍了该谱仪控制台的设计思路和硬件结构，给出了常规NMR序列的实验结果.