Neutron beam optimization based on a ^7Li（p,n）^7Be reaction for treatment of deep-seated brain tumors by BNCT

Neutron beam optimization for accelerator-based Boron Neutron Capture Therapy（BNCT） is investigated using a ^7Li（p,n）^7Be reaction. Design and optimization have been carried out for the target, cooling system,moderator, filter, reflector, and collimator to achieve a high flux of epithermal neutron and satisfy the IAEA criteria.Also, the performance of the designed beam in tissue is assessed by using a simulated Snyder head phantom. The results show that the optimization of the collimator and reflector is critical to finding the best neutron beam based on the ^7Li（p,n）^7Be reaction. Our designed beam has 2.49×109n/cm^2 s epithermal neutron flux and is suitable for BNCT of deep-seated brain tumors.     

脑肿瘤射频热疗仪器的研制

设计并制作了一套工作频率为０．５ＭＨｚ的射频组织间透热治疗系统。由于将肿瘤组织均匀地加热到治疗温度并持续一段时间，是透热疗法的关键难题，因而精确的温度测量，准确的温度控制以及均匀的温度分布是本文所追求的目标。     

基于多尺度特征与通道特征融合的脑肿瘤良恶性分类模型

针对脑肿瘤良恶性分类过程复杂、分类准确率不高等问题,提出了一种基于多尺度特征与通道特征融合的分类模型。该模型以ResNeXt网络为主干网络,首先,将基于空洞卷积的多尺度特征提取模块代替第一层卷积层,利用膨胀率获取不同感受野的图像信息,将全局特征与局部显著特征相结合;其次,添加通道注意力机制模块,融合特征通道信息,提高对肿瘤区域的关注度,降低对冗余信息的关注度;最后,采用学习率的线性衰减策略、图像的标签平滑策略以及基于医学图像的迁移学习策略的组合优化提高模型的学习能力和泛化能力。在BraTS2017和BraTS2019数据集中进行实验,准确率分别达到98.11%和98.72%。与经典模型和其他先进方法相比,该分类模型能够有效地减少分类过程的复杂度,提高脑肿瘤良恶性分类的准确率。     

多模态融合的深度学习脑肿瘤检测方法

针对目前传统方法脑肿瘤检测准确率低的问题,提出一种基于深度学习的三维脑肿瘤检测方法.首先将不同模态的脑肿瘤磁共振成像影像进行融合,获取不同模态下的脑肿瘤病灶三维空间特征;然后在卷积层和池化层之间增加实列归一化层,提高网络的收敛速度,缓解过拟合的问题;并对损失函数进行改进,采用加权损失函数加强对病灶区域的特征学习;最后结合后处理方法解决假阳脑肿瘤病灶多的问题.实验结果表明:提出的脑肿瘤检测方法可有效进行肿瘤病灶定位;相关性系数、敏感性和特异性三种评价指标分别达到了0.926 7、0.928 1和0.997 7,与二维检测网络相比,提高了4.6%、3.96%和0.04%,较初始的单模态脑肿瘤检测方法提升了13.2%、10.42%和0.12%.     

稀土纳米材料在脑肿瘤成像和治疗中的研究进展

脑肿瘤是最致命的疾病之一,由于缺乏有效的诊断和治疗手段导致其预后差、复发率高,患者5年生存率低。因此,许多研究人员致力于开发非侵入性高分辨率成像技术以获得脑肿瘤的解剖结构和信息,实现精准的早期诊断,并开发新型高效的治疗方式,以及诊断、治疗一体化的新范式。稀土纳米材料（Rare earthbased nanoparticles, RENPs）因其独有的优势被广泛应用于疾病诊断、药物输送、肿瘤治疗和生物成像等领域。RENPs具有独特的光学、磁学特性和高X射线吸收能力,可通过荧光成像、磁共振成像和计算机断层扫描成像对脑肿瘤进行高分辨率成像。RENPs的发射光可调谐,特别是其近红外第二生物学窗口（Second near-infrared, NIR-Ⅱ,1000～1700 nm）的发射具有较强的组织穿透性,低的背景荧光干扰,适合用于荧光成像探针及光响应性治疗的光刺激。重要的是,RENPs还具有优异的生物相容性以及表面易功能化等特点,可与抗体、肽和药物等生物大分子结合,以增强穿越血脑屏障（Blood-brain barrier, BBB）的能力,有利于靶向治疗和高对比度成像。因此,本综述重点介绍了...     

基于小波变换和残差网络的磁共振影像分割方法

为了提高磁共振图像分割的准确度,提出一种基于残差网络和小波变换的磁共振图像分割方法.采用离散小波变换对核共振图像的不同序列进行融合,使融合图像包含更加丰富的纹理信息和结构信息;提出了包含通道注意力模块和空间注意力模块的残差网络模型,使网络重点关注于目标分割区域,并加入残差块来缓解深度神经网络的梯度消失问题.最终在公开的...     

一种改进的三维双路径脑肿瘤图像分割网络

近几年,深度学习在生物医学图像处理中的应用得到了广泛关注.从深度学习的基本理论和医学领域应用出发,提出了一种改进的三维双路径脑肿瘤图像分割网络,用于提高核磁共振成像序列中对脑肿瘤各个区域的检测精度.所提算法以3D-UNet为基础架构,首先,使用改进的双路径网络单元构成类似于UNet的编码-解码器结构,该网络单元在保留原...     

纳米胶囊可有效抑制恶性胶质瘤增殖

恶性胶质瘤是患者人数很多的一种恶性脑肿瘤,非常难治且术后复发率较高。日本东京大学的一个研究小组开发出一种内部装有化疗药物的微小高分子胶囊,可有效抑制恶性胶质瘤的增殖,为治疗这种常见的恶性脑肿瘤找到了新方法。脑肿瘤难以治疗的原因在于,构成脑血管的细胞结合非常紧密,血液中的物质不容易渗透到外面,即使向血液中注射药物,也很难到达血管外的肿瘤。     

高强度聚焦超声经颅脑肿瘤治疗焦域的仿真研究*

为了研究脑组织和脑肿瘤组织在HIFU治疗时形成焦域的特性及坏死肿瘤组织、不同治疗剂量参数以及多次治疗时焦点间距和时间间隔对HIFU形成焦域的影响,本文以脑胶质瘤患者为例,利用患者头颅CT图像数据建立HIFU经颅治疗的仿真模型,基于Westervelt声波非线性传播方程和Pennes生物热传导方程进行HIFU经颅治疗的仿真研究。结果表明,脑组织和脑肿瘤组织内形成HIFU焦域的差异较小,坏死肿瘤组织对HIFU温度场分布有较小影响;辐照声强越大,焦点温升达到同一温度所用时间越短,焦域长短轴越短,颅骨处温升越低;当焦点间距在一定范围内时,第一次辐照形成的温度场分布对第二个焦点温升达到同一温度所需时间影响较大;两次辐照时间间隔对颅骨处温升和两次聚焦形成60?C以上温度分布影响较小。     

傅里叶变换红外光谱法检测脑肿瘤

应用傅里叶变换红外光谱法检测了28例液氮冻存的离体脑肿瘤样本及其残留物(将脑肿瘤样本从ATR的ZnSe晶片上取下,样本在ZnSe晶片上沾染后留下的物质).结果发现,神经鞘瘤和神经上皮组织肿瘤(如星形细胞瘤等)的主要特征吸收峰存在明显差异,因此可从各个特征吸收峰的峰位、峰形及不同谱峰强度比的变化来初步鉴别脑肿瘤的性质,脑肿瘤组织样品残留物的红外光谱也可反映不同性质脑肿瘤的差异.与脂类糖蛋白以及核酸相关的谱带变化分析表明,通过特征峰强比(I1460cm-1/I1400cm-1,I1160cm-1/I1120cm-1和I1160cm-1/I1080cm-1)来鉴别肿瘤的性质与病理诊断结果的符合率超过85%.