国家自然科学基金(61271382)
- 作品数：15 被引量：39H指数：4
- 相关作者：刘国才朱苏雨刘科吴峥刘国旺更多>>
- 相关机构：湖南大学中南大学国家工程研究中心更多>>
- 发文基金：国家自然科学基金湖南省科技计划项目国家科技支撑计划更多>>
- 相关领域：医药卫生自动化与计算机技术电气工程更多>>
- 头颈部肿瘤PET与MRI融合放疗靶区自适应区域生长勾画被引量：3
- 2016年
- 目的:为了有效解决单独使用正电子发射断层扫描(PET)和核磁共振成像(MRI)影像勾画大体肿瘤靶区(GTV)存在的肿瘤、水肿及其周围正常组织区分难题。方法:首先选取PET图像上包含肿瘤区域的感兴趣区域(ROI)中标准摄取值(SUV)最大的体素点作为肿瘤区域生长算法的初始种子点,在PET和MRI影像上分别进行第一阶段自适应区域生长。然后从其勾画的肿瘤PET靶区内自动获取肿瘤的最小SUV值,并联合肿瘤MRI靶区自适应区域生长的最佳阈值构建第二阶段肿瘤PET和MRI联合区域生长准则,进行第二阶段区域生长,完成PET与MRI融合靶区勾画。结果:与单独使用PET和单独使用MRI影像的自适应区域生长分割结果相比,参考两位经验丰富的临床放疗专家手工勾画的鼻咽癌MRI GTV,本文方法勾画的融合GTV与MRI GTV具有最高相似性,且同时具有较高灵敏性和较高特异性。结论:本文方法可实现头颈部肿瘤PET与MRI融合大体肿瘤靶区自适应高精度勾画。
- 刘国才胡泽田朱苏雨袁媛刘科吴峥赵许平聂茂张九堂莫逸
- 关键词：正电子发射断层扫描靶区勾画头颈癌
- 用于肿瘤调强放射治疗影像分析与转换的深度学习方法被引量：8
- 2022年
- 癌症已成为严重威胁人类健康的主要公共卫生问题。60%~70%的癌症患者需要进行放射治疗。调强放疗是当前主要的临床放疗技术。对近几年基于深度学习的影像分析与转换方法在肿瘤调强放疗计划中的应用进展及关键技术进行综述,包括计算机断层扫描(CT)、锥形束CT(CBCT)、磁共振成像(MRI)、正电子发射断层扫描(PET)引导的肿瘤调强放疗技术应用现状与发展趋势,肿瘤CT/CBCT/MRI/PET影像放疗靶区分割、影像配准以及转换深度卷积神经网络、生成对抗网络的有监督或无监督学习方法,并对未来的研究方向进行展望。
- 刘国才顾冬冬刘骁刘劲光刘焰飞张毛蛋
- 关键词：医学图像分割医学图像配准
- 三相逆变控制系统建模仿真与谐波分析被引量：4
- 2014年
- 在逆变控制电源研制过程中,借助于Matlab/Simulink相关模块,建立了以绝缘栅双极型晶体管(IGBT)为开关器件,以电压外环、电流内环为控制策略,并具有数字调压功能的三相电压型正弦脉宽调制(SPWM)逆变系统仿真模型。建立了从调制器直流电压输入到逆变交流输出的动态数学模型及仿真,并用仿真软件中的快速傅里叶变换(FFT)分析工具对三相逆变输出电压进行谐波分析。在仿真基础上建立三相逆变控制系统实验平台,实验输出波形与仿真波形大体一致,仿真和实验结果证明了控制策略的合理性和建模的准确性。
- 刘国旺戴瑜兴刘国清刘雄
- 关键词：闭环控制系统谐波分析
- 头颈部肿瘤PET图像分割随机游走方法被引量：2
- 2016年
- 针对肿瘤放疗生物靶区高精度勾画难题,根据头颈部肿瘤PET(positron emission computed tomography)影像特点,提出了肿瘤PET图像分割随机游走方法.首先,根据PET SUV(standardized uptake value)影像,采用三维自适应区域生长和数学形态学膨胀方法确定随机游走方法的种子点,将包含肿瘤的感兴趣区域分为核心肿瘤区域(标记为前景种子点)、正常组织区域(标记为背景种子点)和待定区域.然后,利用头颈部肿瘤和周围正常组织PET图像具有不同的对比度纹理特征,将PET SUV及其对比度纹理值作为随机游走方法中边的权值计算依据.实验结果表明,该法不仅比传统随机游走方法平均提速9.34倍,而且,以临床医生手工勾画的大体肿瘤区作为参考标准,相似度平均提高32.5%(P<0.05).本文方法能够有效地自动勾画头颈部肿瘤放疗生物靶区.
- 刘国才胡泽田朱苏雨袁媛刘科吴峥张九堂莫逸
- 关键词：医学图像分割随机游走生物靶区头颈癌
- 正电子发射断层扫描图像非局部几何非线性扩散去噪方法
- 2016年
- 目的:评估一种新的正电子发射断层扫描技术(PET)图像去噪方法—非局部几何非线性扩散滤波。方法:首先,计算PET图像的几何非线性扩散系数;然后,对该扩散系数进行非局部邻域加权平均;最后,用非局部加权平均后的扩散系数对PET图像进行几何非线性扩散滤波。结果:与原几何非线性扩散滤波、非局部均值滤波、PURE-LET滤波方法相比,非局部几何非线性扩散滤波可提高PET图像峰值信噪比和结构相似性,增强图像视觉效果。结论:非局部几何非线性扩散滤波是一种有效的PET图像去噪方法。
- 刘国才王帅卿朱苏雨
- 三相高功率PWM整流变换器的设计与开发被引量：3
- 2021年
- 电力电子负载非线性特性容易造成电网网侧电流畸变,会引发谐波污染。针对传统大功率整流变换器转化效率低、非线性负载能力不强、电流谐波高、功率因素低等一系列问题。提出一种新型脉宽调制(PWM)整流变换器控制方案,并对三相PWM整流变换器半桥主电路拓扑结构进行建模分析,建立旋转d,q坐标系数学模型,采用空间矢量PWM(SVPWM)方案使PWM整流变换器运行在高功率状态。在建模的基础上借助于Matlab软件进行仿真,仿真结果与理论分析一致。最后搭建了一套6 kW的高功率因数PWM整流器装置并进行测试,结果表明:三相高功率PWM整流变换器输出电压可以实时同步跟踪电网相电压及相电流,系统输出相电压相电流可实现与电网电压、电流同频同相并网;整流变换器在不同输出负载情况下功率因数接近于1,效率接近98%,输出电压对整个电网无谐波污染,可抑制非线性负载造成电网网侧电流发生畸变,具有工程参考价值。
- 李灿刘国旺龙玉莲刘美意
- 关键词：变换器脉宽调制高功率
- ^18F-FDG PET-CT功能参数对其引导下鼻咽癌生物调强高剂量放疗预后的意义被引量：3
- 2018年
- 目的报告一组^(18)F-FDG PET-CT引导下调强高剂量放疗的长期随访结果,分析其功能参数与预后的关系。方法回顾性分析实施^(18)F-FDG PET-CT引导同步加速生物靶区调强高剂量放疗的87例鼻咽癌患者资料。治疗后对该组患者进行随访,分析PET-CT的相关参数,包括鼻咽原发灶最大标准摄取值(SUVmax-P)、鼻咽原发灶平均摄取值(SUVmean-P)、鼻咽原发灶肿瘤代谢体积(MTV-P)、鼻咽原发灶肿瘤糖酵解总量(TLG-P)、颈部转移淋巴结最大标准摄取值(SUVmax-N)、颈部转移淋巴结平均摄取值(SU-Vmean-N)、颈部转移淋巴结肿瘤代谢体积(MTV-N)、颈部转移淋巴结肿瘤糖酵解总量(TLG-N)与治疗结果的关系。结果 5年总生存率为80.2%,5年无局部复发生存率(LRFS)为93.9%,5年无局部区域复发生存率(LRRFS)为91.4%,5年无远处转移生存率(DMFS)为85.6%,5年无病生存率为77.6%。纳入晚期放疗不良反应分析的80例患者均未发生3级或3级以上晚期放疗不良反应。多因素分析显示GTVnx.pet剂量是5年LRRFS的独立预后因素;MTV-P≥11 cm^3、SUVmax-N≥7和MTV-N≥14 cm^3是5年DMFS的独立预后因素。结论 ^(18)F-FDG PET-CT引导下调强高剂量放疗获得了极高的局部和区域控制率。GTVnx.pet放疗剂量是影响LRRFS的独立预后因素。鼻咽部MTV、颈部转移淋巴结SUVmax和MTV是影响DMFS的独立预后因素。
- 李金娇朱苏雨刘科吴峥刘媛媛邓俊周菊梅刘国才
- 关键词：^18F-FDGPET-CT预后
- 逆变电源建模仿真与控制策略优化设计被引量：4
- 2015年
- 在数学建模与仿真实验的基础上搭建一台三相逆变电源,分析三相逆变电源在空载、纯阻性负载、纯感性负载的情况下逆变输出电压、电流波形图,并对该系统在突增负载与突卸负载的情况下输出电压进行了研究。研究分析表明:该控制策略使得逆变电源系统输出电压稳定,无明显波形失真与波形畸变、谐波含量少、系统稳定性强,并具有良好的鲁棒性、抗干扰性与动态响应性能。
- 刘国旺张顺彪吴奕王富光魏晓慧常秀丽
- 关键词：逆变电源数学建模系统仿真SPWM双环控制策略
- 基于循环投影统计的数学公式自动定位方法
- 2013年
- 数学公式自动识别的第一步就是数学公式定位,只有从文档图像里正确定位出公式,后续的步骤如公式符号识别、公式版面分析、公式语义分析才能进行。本文根据中文文字特性,设计了一种基于循环投影统计的数学公式定位方法,该方法首先通过投影来统计关键信息,然后提取出可疑行,最后通过一系列条件进行可疑行的确认。实验结果表明本文提出的方法在计算成本非常低的前提下能保证结果的正确性。
- 彭晓阳毛建频
- 基于极限学习机的玻璃瓶口缺陷检测方法研究被引量：1
- 2016年
- 针对目前玻璃空瓶回收再生产过程中造成瓶口缺陷破损的在线实时检测难题,提出一种基于极限学习机(Extreme Learning Machine,ELM)的检测算法。首先对采集的瓶口进行预处理,通过研究表面缺陷,提取灰度方差等6种表面特征。然后运用遗传算法对极限学习机的输入层层的阈值和权值进行优化,提高算法的检测精度。最后现场选取569个样本对所设计ELM分类器进行训练学习与测试,并与LVQ算法、BP分类器对比实验。结果表明该算法能够满足对机器视觉检测系统缺陷检测高速高精度的要求。
- 黎牧星黄志鸿
- 关键词：机器视觉特征提取极限学习机
