导读:本文包含了图像辅助论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:超声,甲状腺,图像,乳腺癌,卷积,计算机,瘢痕。
图像辅助论文文献综述
邹奕轩,赵紫婷,周蕾蕾,韩煜东,田书畅[1]（2019）在《基于深度学习的甲状腺超声图像辅助诊断研究进展》一文中研究指出介绍了超声成像在甲状腺疾病诊断中的优劣势,简述了深度学习辅助诊断与传统计算机辅助诊断的主要差异,分析了深度学习在甲状腺超声图像感兴趣区域检测与分割、结节分类2个方面的应用现状。提出了深度学习模型用于甲状腺超声诊断的难点,指出了跨模式多维度的迁移学习可能是未来甲状腺超声图像分析的一个发展方向。(本文来源于《医疗卫生装备》期刊2019年12期）
高贵芳,原利晶,叶芊君,陈武[2]（2019）在《甲状腺超声图像处理软件系统辅助鉴别甲状腺良恶性结节的应用价值》一文中研究指出目的探讨甲状腺超声图像处理软件(以下简称CAD)辅助鉴别甲状腺良恶性结节的诊断价值。方法 166例甲状腺结节患者根据二维超声及二维联合超声造影图像特征分别进行TI-RADS分级,CAD系统分析后自动进行分级。绘制受试者工作特征(ROC)曲线,比较CAD系统分析、二维超声及二维联合超声造影对甲状腺良恶性结节的诊断效能,计算曲线下面积。结果二维超声、CAD系统、二维超声联合超声造影将甲状腺结节分为TI-RADS 3、4a、4b、4c级的个数分别为28、43、73、22个;23、35、54、54个;39、26、34、67个。CAD系统分析显示甲状腺良恶性结节低回声、强回声点(疑似微钙化)、不规则边缘比较差异均有统计学意义(均P<0.05),而不均质实质、纵横比>1、粗钙化、边缘有低回声晕或部分低回声晕比较差异均无统计学意义。以≥TI-RADS 4b级作为叁种方法诊断甲状腺恶性结节的截断值,CAD系统的诊断敏感性及准确率均高于二维超声(91.2%vs. 79.4%,85.5%vs. 78.9%),特异性低于二维超声(76.6%vs.78.1%);二维联合超声造影的诊断特异性及准确率均高于CAD(82.8%vs. 76.6%,86.1%vs. 85.5%),差异均有统计学意义(均P<0.05)。ROC曲线分析显示CAD系统、二维超声、二维联合超声造影的曲线下面积分别为0.859、0.833、0.930。结论 CAD系统可客观、全面、准确地量化结节特征,其作为一种鉴别甲状腺良恶性结节的辅助诊断方法,临床应用价值高。(本文来源于《临床超声医学杂志》期刊2019年11期）
陈佳,丁茜琳,王铮,谢东,金观桥[3]（2019）在《基于常规CT图像的纹理分析在进展期胃癌新辅助化疗疗效预测中的价值》一文中研究指出目的探讨CT纹理分析对进展期胃癌新辅助化疗疗效的预测价值。方法回顾性分析广西医科大学附属肿瘤医院2013年1月至2018年3月连续入组的75例接受新辅助化疗及根治性胃癌切除术患者。根据新辅助化疗疗效将患者分为有效组和无效组。患者于新辅助化疗前、后行腹部CT增强检查。选取病灶最大层面图像,应用MaZda软件提取病变部位新辅助化疗术前CT纹理特征,采用交互信息法、Fisher算法、分类错误概率联合平均相关系数及联合法对纹理特征进行筛选,然后用原始数据分析法、主要成分分析法、线性分类分析法和非线性分类分析法对胃癌患者新辅助化疗疗效进行预测。由2名医师共同评估CT直接征象(肿瘤最大厚度、胃壁蠕动性、浆膜浸润、强化方式、淋巴结转移、远处转移)及间接征象(腹腔积液、腹膜增厚或腹膜结节)。通过多元回归分析联合以上CT征象,构建主观征象的预测模型。比较纹理分析与CT主观征象模型的诊断效能。结果各扫描期相中,预测新辅助化疗疗效的纹理特征主要来自静脉期,误判率最小为2.67%。纹理特征参数选择方法中,联合法选择的纹理特征参数预测病变的误判率最低,为2.67%。纹理特征分类分析方法中,非线性分类分析和线性分类分析预测的误判率最低(2.67%)。但是,总体上非线性分类分析预测的错判率(2.67%～32.00%)低于线性分类分析(2.67%～42.67%)。纹理分析预测模型诊断的敏感度97.8%,特异度96.7%,准确率97.3%。CT主观征象诊断模型中,准确率为57.4%,敏感度57.4%,特异度53.6%。结论常规CT纹理分析可为预测进展期胃癌新辅助化疗疗效提供可靠的客观依据,其预测效能高于CT主观征象模型。(本文来源于《临床放射学杂志》期刊2019年11期）
颜青龙,杨涵,李乐,王凡,刘林奇[4]（2019）在《图像分析技术辅助软组织扩张术的临床研究》一文中研究指出目的探讨图像分析技术辅助皮肤软组织扩张术治疗增生性瘢痕的临床疗效。方法对48例增生性瘢痕患者随机分为对照组(23例)和观察组(25例)。对照组采用传统方法行软组织扩张术。观察组采用图像分析技术辅助软组织扩张术;一期置入扩张器前对瘢痕部位行叁维激光扫描,并模拟切除瘢痕,计算缺损面积;二期术前行叁维激光扫描测量扩张皮肤面积,确定能足够修复皮肤缺损时行二期手术。同时比较两组患者的注水时间、注水量、切口愈合时间、皮瓣成活率,以及术后6个月时切口瘢痕增生情况和患者的满意度。结果观察组与对照组相比,其注水时间、注水量及切口愈合时间减少,皮瓣的成活率增高(P<0.05)。术后6个月,观察组切口瘢痕的增生率降低,患者的满意度提高(P<0.05)。结论采用图像分析技术辅助皮肤软组织扩张术,可以为皮肤扩张程度及切除范围提供依据,从而改善增生性瘢痕的治疗效果,提高患者的满意度。(本文来源于《中国美容整形外科杂志》期刊2019年11期）
陈太丽[5]（2019）在《乳腺癌新辅助化疗患者2DUS与SWE图像分析》一文中研究指出目的分析乳腺癌新辅助化疗患者二维超声(2DUS)与剪切波弹性成像(SWE)图像,并探讨其临床意义。方法选取2016年8月至2018年9月新乡市第一人民医院收治的103例(108个病灶)乳腺癌患者,所有患者均接受新辅助化疗,分别于化疗前、化疗后2、4、6、8周行2DUS和SWE检查,分析化疗前后不同时间病灶图像,以病理诊断作为金标准,计算2DUS评价疗效的敏感度、特异度、准确度以及化疗前、化疗后2、4、6、8周病灶的最大弹性值Emax。结果新辅助化疗后患者Dmax小于新辅助化疗前,差异有统计学意义(P<0.05)。2DUS敏感度为78.38%(58/74),特异度为70.59%(24/34),准确度为75.93%(82/108)。新辅助化疗不同周期末Emax值总体比较,差异有统计学意义(P<0.05);第6周期末Emax值小于第4周期末,第4周期末Emax值小于第2周期末,第2周期末Emax值小于化疗前,差异有统计学意义(均P<0.05)。结论 2DUS在乳腺癌新辅助化疗疗效评价中具有重要作用,且Emax值随化疗周期的延长呈下降趋势,SWE可为2DUS提供有价值的补充。(本文来源于《河南医学研究》期刊2019年20期）
谭超,席在芳[6]（2019）在《Matlab仿真在数字图像处理课程辅助教学中的应用》一文中研究指出数字图像处理技术在计算机技术推动下得到了迅猛发展,成为了工农业生产及军事等相关应用领域中一项重要的技术手段。Matlab具有强大的矩阵数值计算能力,非常适合二维图像信号的处理仿真。本文从叁个方面对matlab仿真对数字图像处理课程辅助教学进行研究,以期促进高校信息类专业数字图像处理课程教学改革发展。(本文来源于《数字传媒研究》期刊2019年09期）
谭培兰,张晓林,柏辉,谢樯[7]（2019）在《计算机辅助CT图像特征在磨玻璃结节早期肺癌诊断中的应用》一文中研究指出目的分析计算机辅助CT图像特征在磨玻璃结节(GGN)早期肺癌诊断中的应用价值。方法收集128例肺结节患者的131个肺结节标本,均经手术切除或穿刺活检病理证实为纯磨玻璃结节(pGGN),另经计算机辅助CT获取有效的121个肺结节图像纹理特征参数,将其分为侵袭前组42例[原位腺癌(AIS)31例,非典型腺瘤样增生(AAH)11例)]以及侵袭性组79例[浸润性腺癌(IAC)43例,微浸润性腺癌(MIA)36例],并对两组患者肺结节的CT图像特征进行分析,应用计算机辅助进行分割,比较图像纹理特征参数,查找漏检原因。结果侵袭性组容积纹理特征参数中最大有效长径、体积、表面积、质量,一阶纹理特征参数中平均密度、标准偏倚以及二阶灰度共生矩阵参数中逆差矩、对比度均高于侵袭前组,二阶灰度共生矩阵参数中能量低于侵袭前组,差异均有统计学意义(P﹤0.05);两组结节一阶纹理特征参数中峰度、偏度以及二阶灰度共生矩阵参数中自相关、熵比较,差异均无统计学意义(P﹥0.05)。经计算机辅助系统检测,共有12个pGGN漏诊,多为最大径﹤5 mm或位于胸膜下及周围性的结节。结论计算机辅助CT图像特征诊断GGN早期肺癌有较好的效果,运用图像纹理分析能够较为准确地鉴别表现为p GGN的侵袭性肺癌。(本文来源于《癌症进展》期刊2019年16期）
周建设,张文彦,张凯,马鲁妮[8]（2019）在《基于逻辑图像理论的机器智能辅助阅读定量模型构建及其验证》一文中研究指出本文从逻辑图像理论出发,在讨论了影响阅读量的相关因素特征后,提出了基于逻辑图像理论的智能辅助阅读定量模型,并以290名小学生和50名高校生作为实验分析对象,分别就阅读速度、心像信息量获取曲线等内容进行拟合和分析,设计出不同类型的智能辅助阅读定量初始化原型,并给出后续定量生长曲线方向。本文为机器智能辅助阅读系统的定量考核提供基础模型和实验分析说明,是智能辅助阅读"六定模型"中的重要组成部分。(本文来源于《语言文字应用》期刊2019年03期）
陈鸿翔[9]（2019）在《DIS辅助验证牛顿第二定律并分析a-F图像的误差率》一文中研究指出在DIS实验平台下,对于M与m的倍数关系与a-F图像相对误差之间的联系进行分析探讨,作出不同的M与m倍数关系下的a-F图像,并从图像中获取小车质量的实验值M′,且与实际小车质量M进行比较,同时作出质量的相对误差率η与M与m倍数关系的图线,并得出结论.(本文来源于《物理通报》期刊2019年08期）
段慧芳,刘娟[10]（2019）在《密集卷积神经网络和辅助特征相结合的乳腺组织病理图像有丝分裂检测方法》一文中研究指出显微镜下特定大小视野范围内的平均有丝分裂个数是乳腺癌分级的一个重要指标。传统的人工检测方法耗时费力,结果受病理医生主观因素影响大,容易出错。本文提出将密集卷积神经网络(DenseNet)与辅助特征相结合,构建预测模型,以实现有丝分裂的自动检测。本文方法针对训练过程中正负样本严重不均衡问题,使用代价敏感损失函数缓解该问题。利用本文方法与其他算法对乳腺组织病理图像有丝分裂进行检测,实验结果表明,本文方法在独立测试集上的F分数为0. 801 9,高于其他方法,验证了其有效性。(本文来源于《武汉大学学报(理学版)》期刊2019年05期）
图像辅助论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的探讨甲状腺超声图像处理软件(以下简称CAD)辅助鉴别甲状腺良恶性结节的诊断价值。方法 166例甲状腺结节患者根据二维超声及二维联合超声造影图像特征分别进行TI-RADS分级,CAD系统分析后自动进行分级。绘制受试者工作特征(ROC)曲线,比较CAD系统分析、二维超声及二维联合超声造影对甲状腺良恶性结节的诊断效能,计算曲线下面积。结果二维超声、CAD系统、二维超声联合超声造影将甲状腺结节分为TI-RADS 3、4a、4b、4c级的个数分别为28、43、73、22个;23、35、54、54个;39、26、34、67个。CAD系统分析显示甲状腺良恶性结节低回声、强回声点(疑似微钙化)、不规则边缘比较差异均有统计学意义(均P<0.05),而不均质实质、纵横比>1、粗钙化、边缘有低回声晕或部分低回声晕比较差异均无统计学意义。以≥TI-RADS 4b级作为叁种方法诊断甲状腺恶性结节的截断值,CAD系统的诊断敏感性及准确率均高于二维超声(91.2%vs. 79.4%,85.5%vs. 78.9%),特异性低于二维超声(76.6%vs.78.1%);二维联合超声造影的诊断特异性及准确率均高于CAD(82.8%vs. 76.6%,86.1%vs. 85.5%),差异均有统计学意义(均P<0.05)。ROC曲线分析显示CAD系统、二维超声、二维联合超声造影的曲线下面积分别为0.859、0.833、0.930。结论 CAD系统可客观、全面、准确地量化结节特征,其作为一种鉴别甲状腺良恶性结节的辅助诊断方法,临床应用价值高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像辅助论文参考文献
[1].邹奕轩,赵紫婷,周蕾蕾,韩煜东,田书畅.基于深度学习的甲状腺超声图像辅助诊断研究进展[J].医疗卫生装备.2019
[2].高贵芳,原利晶,叶芊君,陈武.甲状腺超声图像处理软件系统辅助鉴别甲状腺良恶性结节的应用价值[J].临床超声医学杂志.2019
[3].陈佳,丁茜琳,王铮,谢东,金观桥.基于常规CT图像的纹理分析在进展期胃癌新辅助化疗疗效预测中的价值[J].临床放射学杂志.2019
[4].颜青龙,杨涵,李乐,王凡,刘林奇.图像分析技术辅助软组织扩张术的临床研究[J].中国美容整形外科杂志.2019
[5].陈太丽.乳腺癌新辅助化疗患者2DUS与SWE图像分析[J].河南医学研究.2019
[6].谭超,席在芳.Matlab仿真在数字图像处理课程辅助教学中的应用[J].数字传媒研究.2019
[7].谭培兰,张晓林,柏辉,谢樯.计算机辅助CT图像特征在磨玻璃结节早期肺癌诊断中的应用[J].癌症进展.2019
[8].周建设,张文彦,张凯,马鲁妮.基于逻辑图像理论的机器智能辅助阅读定量模型构建及其验证[J].语言文字应用.2019
[9].陈鸿翔.DIS辅助验证牛顿第二定律并分析a-F图像的误差率[J].物理通报.2019
[10].段慧芳,刘娟.密集卷积神经网络和辅助特征相结合的乳腺组织病理图像有丝分裂检测方法[J].武汉大学学报(理学版).2019
论文知识图
