您的位置: 专家智库 > >

张文华

作品数:6 被引量:12H指数:2
供职机构:南方医科大学更多>>
发文基金:广东省自然科学基金国家自然科学基金更多>>
相关领域:自动化与计算机技术医药卫生更多>>

文献类型

  • 3篇期刊文章
  • 2篇专利
  • 1篇学位论文

领域

  • 4篇自动化与计算...
  • 1篇医药卫生

主题

  • 4篇图像
  • 2篇图像分割
  • 2篇图像分割方法
  • 2篇图像配准
  • 2篇配准
  • 2篇胃肠
  • 2篇胃肠道
  • 2篇胃肠道间质瘤
  • 2篇先验
  • 2篇先验信息
  • 2篇描述子
  • 2篇扩散
  • 2篇扩散加权
  • 2篇灰度
  • 2篇灰度图
  • 2篇灰度图像
  • 2篇间质
  • 2篇间质瘤
  • 2篇标号
  • 2篇参考图

机构

  • 6篇南方医科大学
  • 2篇南方医科大学...

作者

  • 6篇张文华
  • 5篇卢振泰
  • 4篇张明慧
  • 3篇刘颖
  • 2篇阳维
  • 2篇冯前进
  • 2篇陈韬
  • 1篇李国新

传媒

  • 2篇计算机科学
  • 1篇南方医科大学...

年份

  • 2篇2019
  • 3篇2018
  • 1篇2017
6 条 记 录,以下是 1-6
排序方式:
基于放射组学特征的胃肠道间质瘤的分类预测被引量:7
2019年
胃肠道间质瘤(GastroIntestinal Stromal Tumors,GIST)是常见的胃肠道肿瘤,具有非定向分化特征,缺乏特异性,且具有恶性潜能,所以GIST的良恶性诊断是临床较为关注的问题。然而,病理活检及CT检查等临床鉴别手段在研究肿瘤异质性方面存在一定困难。文中提出一种基于CT图像提取大量量化的放射组学特征并利用SVM分类器对GIST良恶性进行分类预测的非侵入式方法。首先,应用放射组学方法对120个患有GIST的病人的CT图像肿瘤区域分别提取4个非纹理特征和43个纹理特征。然后,应用基于ReliefF的前向选择算法进行特征选择,再用最佳特征子集训练得到的SVM分类器来对GIST良恶性进行分类预测。实验中,共有14个纹理特征入选最佳特征子集,且SVM分类模型对GIST良恶性分类的AUC、准确率、敏感性、特异性在训练集中分别为0.9949,0.9277,0.9537,0.9018;在测试集中分别为0.8524,0.8313,0.8197,0.8420。该方法以放射组学的研究方法建立的模型,为GIST良恶性预测提供了一种非入侵式的检测手段,有望成为一种辅助诊断工具,以提高临床GIST良恶性诊断的准确率。
刘平平张文华卢振泰陈韬李国新
关键词:胃肠道间质瘤支持向量机
多b值扩散加权图像配准研究
近年来磁共振设备及成像技术高速发展[1],扩散加权图像的量化分析在临床诊断上也得到越来越多的应用。通过对组织扩散系数的分析可以对疾病的诊断、治疗、预后做出预测。图像采集时病人呼吸、心脏和肠蠕动等运动会导致不同b值的图像间...
张文华
关键词:图像配准
一种基于方向和尺度描述子的多图谱图像分割方法
本发明涉及一种基于方向和尺度描述子的多图谱图像分割方法,以下步骤:首先读入所有图谱灰度图像I<Sub>train</Sub>和对应的图谱标号图像L,再读入待分割图像I<Sub>target</Sub>,将待分割图像作为参...
刘颖卢振泰张明慧阳维张文华冯前进
基于放射组学的胃肠道间质瘤分类模型被引量:5
2018年
目的通过对CT图像中提取的大量纹理特征进行多变量分析建立一个用于胃肠道间质瘤良恶性分类的模型。方法本研究包含110个患有胃肠道间质瘤的病人(80个作为训练集,30个作为验证集)。首先在初始特征集中应用0.632+自助法进行特征降维,然后在特征子集中进行逐步前向的特征选择,最后通过逻辑回归建立分类模型。结果 6个纹理特征建立的分类模型能够在训练集和验证集中成功地区分良恶性胃肠道间质瘤。该模型在训练集中得到的AUC、敏感性、特异性和分类准确率分别为0.93、0.88、0.85和0.87;验证集中分别为0.91、0.87、0.86和0.86。结论本文以放射组学的研究方法建立了一个分类模型,对胃肠道间质瘤良恶性分类具有优良的预测性能,因此可以将其作为术前肿瘤分类的辅助工具。
张文华陈韬张明慧刘平平卢振泰
关键词:胃肠道间质瘤
一种基于方向和尺度描述子的多图谱图像分割方法
本发明涉及一种基于方向和尺度描述子的多图谱图像分割方法,以下步骤:首先读入所有图谱灰度图像I<Sub>train</Sub>和对应的图谱标号图像L,再读入待分割图像I<Sub>target</Sub>,将待分割图像作为参...
刘颖卢振泰张明慧阳维张文华冯前进
文献传递
拟合精度引导的扩散加权图像配准被引量:1
2018年
扩散加权图像的量化分析在临床诊断上有着广泛应用,而图像采集时病人呼吸、心脏运动导致的不同b值图像间的偏差对诊断结果有着重要影响,因此配准是精确量化估计的前提条件。由于由于不同b值的扩散加权图像中的信号衰减程度不同且同一b值图像内存在灰度不均匀性,因此使用传统的配准算法会导致在将不同b值图像配准到b0图像的过程中产生较大的偏移,尤其是在高b值的图像上。文中提出了拟合精度引导自由形变(Free-Form Deformation,FFD)模型的新方法,实现了多b值扩散加权图像的精确配准。所提方法应用体素不相干运动(Intra-Voxel Incoherent Motion,IVIM)模型对图像进行参数拟合从而得到拟合精度,并使用拟合精度构造的权重矩阵对图像中的不同位置自适应地加权自由形变的变形步长以得到最优的变形场。5组不同b值序列图像上的实验结果表明,所提方法提高了扩散加权图像的配准效果,且经过配准后获得了更加精确的IVIM模型参数。
张文华张明慧郭义昊卢振泰刘颖
共1页<1>
聚类工具0