【论文阅读 03】机器学习算法在颈动脉斑块影像学分类中的研究进展

本文主要是介绍【论文阅读 03】机器学习算法在颈动脉斑块影像学分类中的研究进展,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

读完之后就是,总结 机器学习(SVM、小波)和深度学习(CNN)在 颈动脉斑块影像学中的 分类效果。只讨论了超声、磁共振两种成像
 

Chin J Clin Neurosci 临床神经科学杂志

复旦大学

颈动脉斑块( carotid plaques) 是一种由于颈动脉血 管壁受损导致血液有形成分聚集而成的团块状结构, 可由不同数量的脂质、出血和钙化组成,是颈动脉发生 粥样硬化的明显特征[1]。

 关于颈动脉斑块的识别和成分判断,临床上主要 依赖医生基于颈部影像进行肉眼识别做出的诊断。近 年来,随 着 人 工 智 能 的 发 展,“机 器 学 习 ( machine learning) ”算法开始应用于颈动脉斑块的研究,并展现 出巨大潜力和应用前景。通过自动识别并勾勒颈动脉 斑块、以及判断斑块内主要成分,一些机器学习算法展 现了与临床医生相近的诊断效果,为未来辅助影像诊 断奠定了基础,有助于降低医生工作量、减轻医疗负 担。文中就机器学习算法在颈动脉斑块分类中的研究 现状进行综述。

机器学习在颈动脉斑块分类研究中的应用

临床用于诊断颈动脉斑块的影像学方法主要包括
超声 ( ultrasound,US ) 
计算机断层扫描血管造 影( computed tomography angiography,CTA) 
磁共振成像( magnetic resonance imaging,MRI) 
数字减影血管 造影( digital subtraction angiography,DSA)

图 2 使用机器学习研究颈动脉斑块影像的整体流程

机器学习算法主要 基于 US 和 MRI,而用于对 CTA 和 DSA 的研究则相对 缺乏。

这些研究中应用 最多的机器学习分类方法是 SVM。2016 年以后随着深 度学习算法的兴起,更多的研究转变是采用 CNN 方法 进行分类。

2. 1 基于 US 图像的机器学习分类研究

Acharya 等[18]使用离散小波变换与平均算法的组合进行特征提取,最后选择能量与平均水平及垂直 DWT 系数作为特 征,基于 SVM 分类器对其进行分类,对于有无斑块的鉴别准确率达到 83. 7%

离散小波变换(Discrete Wavelet Transform,DWT)是一种信号处理技术,用于将信号解成不同频率的子信号。它是小波变换在离散时间域上的实现。

离散小波变换通过信号与一组小波基函数进行卷积运算来现信号的分解和重构。小波基函数是一组具有特定频率和时间局限性的函数,可以用于表示不同频的信号成分。与傅叶变换相比,小波变换具有更好的时局部化特性,够更准确地描述号的瞬时特征。

离散小波变换信号分解为低频分(近似系数)高频部分(细节系)。低频部分含信号的整体趋势和较低频率成分,而高部分包含信号的细节和较高频率的分。通过多级解,可以进一步信号分解不同尺度子信号。

离散小波变换在许多领域中被广泛应,如信号处理图像压缩、数据压缩、模式识别等。它可以提取信号特征、去除噪、压缩数据等,具有很的适应性和灵活性。

 另外一些研究则侧重于机器学习分类算法的改进。 Latifoglu 等[19]基于 114 例图像数据,使用一种新的基于 主成分分析( principal component analysis,PCA) 和 K-NN 的加权预处理和人工免疫识别系统( artificial immune recognition system,AIRS) 的医学诊断系统。结合 3 种算法,在分辨有无颈动脉粥样硬化症状的准确率达到 100%,优于其他研究成果。

2. 2 基于 MRI 图像的机器学习分类研究

Clarke 等[37]( 2006) 研究提出采用最大似然分类 法( maximum likelihood classification,MLC) 进行 MRI 的 颈动脉斑块成分识别,基于像素将斑块成分分为 5 类: 纤维组织、疏松结缔组织、坏死核心、出血和钙化,得 到( 78 ± 15) % 的整体精确度。

Van’t Klooster 等[38]( 2012) 提出在手动勾画出血 管外壁和内腔的前提下,采用线性判别分类器( linear discriminant classification,LDC) 区分钙化、脂质、纤维组 织或出血,对 20 例患者的图像进行分类器训练,并且 在 40 例患者的图像中进行验证,结果对于钙化,出血 和脂质核心,相对专家勾画结果,分别给出了 80% 、 82. 5% 和 97. 5% 的一致性。同样用到线性判别分类器 的还有 Van Engelen 等[39,40]。

Van Engelen 等[41]( 2015) 提出了一种特征归一化 方法,解决不同中心和不同成像序列间的非线性差异, 并根据其他学者的研究[42,43]提出了两种与线性判别分 类一起使用的“迁移学习”方法。迁移学习是运用已存有的知识对不同但相关领域问题进行求解的一种新的机器学习方法,目的是迁移已有的知识解决目标领域 中仅有少量甚至无有标签样本数据的学习问题。结果 对于纤维、脂质、钙化和出血分别得到了 0. 95、0. 73、 0. 72、0. 95 的组内相关系数,平均准确率达到 90% 。

近 年 来,CNN 也 开 始 应 用 于 MRI 图 像。Dong 等[44]( 2017) 提出基于 3 种新提出的 CNN 模型改进构 建 的 新 模 型: GoogleNet[45]、VGG-16[46] 和 ResNet101[47],随机选取 1 098 例图像中的 20% 作为测试集, 其余用作训练网络。结果 ResNet-101 得到 0. 933 的准 确率,尤其对纤维组织的识别精度达到 0. 951

这篇关于【论文阅读 03】机器学习算法在颈动脉斑块影像学分类中的研究进展的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/359475

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖