国际生物医学成像杂志
期刊指标
录取率 23%
提交最终决定 106天
录取出版物 74天
小城堡 5.700
影响因子 -

糖尿病视网膜病检测使用本地极值Quantued Haralick特性,短期内存网络

阅读完整的文章

期刊档案

国际生物医学成像杂志旨在通过在此快速增长的跨学科领域发布高质量研究文章和评论,促进生物医学成像的研究和开发。

编辑焦点

国际生物医学成像杂志拥有一个由来自世界各地的实践研究人员组成的编辑委员会,以确保稿件由该研究领域的专家编辑处理。

特殊问题

你认为有一个新兴的研究领域真的需要被强调吗?或者一个被忽视的现有研究领域,或者可以从更深入的调查中获益?通过领导特刊提高研究领域的知名度。

最新的文章

更多的文章
研究文章

几何正则化Hopfield神经网络用于医学图像增强

Hopfield神经网络(HNN)的一个主要缺点是网络可能不总是收敛到一个不动点。HNN主要局限于训练过程中的局部优化,以达到网络的稳定性。本文采用两种方法解决收敛问题:(a)通过像素梯度向量,根据不同图像超平面内特征的几何相关性,对连续修正HNN (MHNN)的激活进行排序;(b)通过调节几何像素梯度向量。这些是通过在上同调下正则化所提出的mhnn来实现的,这使得它们能够作为像素光谱序列的非常规滤波器。它将焦点转移到局部和全局优化,以加强每个图像子空间内的特征相关性。因此,它增强了边缘、信息内容、对比度和分辨率。在15幅不同的医学图像上测试了该算法,基于熵、视觉信息保真度(VIF)、加权峰值信噪比(WPSNR)、对比度和同质性进行了评价。与现有的四种基准增强方法相比,我们的结果证实了其优越性。

研究文章

使用组织清除处理与细胞外基质染色技术的肺泡尺度肺纤维化焦点的三维成像

特发性肺纤维化是一种进行性慢性肺部疾病,其特征是细胞外基质蛋白(包括胶原和弹性蛋白)的积累。纤维化肺细胞外基质的影像学检查对于评估纤维化肺的病理状况、药物在肺病灶的分布及治疗效果具有重要意义。在这项研究中,我们比较了细胞外基质染色技术和光学组织清除治疗在开发肺纤维化病灶部位的三维成像方法。采用博莱霉素肺内给药制备小鼠肺纤维化模型。用荧光标记的番茄凝集素、I型胶原抗体和Col-F(胶原和弹性蛋白的荧光探针)来比较完整纤维化肺纤维化病灶的成像。这些肺样本是用Clear清除的T2tissue-clearing技术。激光扫描共聚焦显微镜对清肺进行二维观察,并与肺组织切片图像进行比较。在连续二维图像的基础上重建三维图像。荧光标记的番茄凝集素在清除的纤维化肺中不能显示纤维化灶。虽然通过免疫荧光染色可以看到纤维化肺中的I型胶原,但我型胶原直到40岁才清晰可见μ.m来自肺表面。COL-F染色促进了胶原蛋白和弹性蛋白的可视化,深度为120 μ.M在清除的肺组织中。此外,我们使用Col-F对纤维化肺的三维细胞外基质进行了可视化,图像的可视化优于免疫荧光染色。这些结果表明ClearT2组织清除处理与COL-F染色相结合代表了一种在完整纤维化肺中成像纤维化焦点的简单且快速的技术。本研究提供了具有细胞外基质相关疾病的各种器官的重要信息。

研究文章

复合估值MRI重建的改性相循环方法

相循环方法是重建复值MR图像的最先进的方法。然而,当它遵循实际的二维(2D)限位笛卡尔获取时,该笛卡尔获取仅在相位编码方向上执行随机采样时,出现了许多幅度的伪影。提出了一种修改的方法,通过在实际MRI分配过程中通过将一维总变化(TV)正规化添加到相位循环方法中以“预处理”更新之前的幅度分量,以使这些伪像除去这些伪像。此外,采用SFISTA中使用的操作来更新幅度和相位图像以获得更好的解决方案。实验结果表明了所提出的方法消除环形伪影和改善幅度重建的能力。

研究文章

用多硅和小儿手动射线照片分割的组合学习骨龄评估

在临床实践中对儿科自身骨龄评估(BAA)的研究中,手动射线照片的对象区域的提取是一个重要的部分,它直接影响BAA的预测精度。但尚未发现完美的细分解决方案。这项工作是开发一种具有高精度和效率的自动手动射线影片分割方法。我们认为手分割任务是分类问题。每个图像的最佳分割阈值被视为预测目标。我们利用每个图像的归一化直方图,平均值和方差作为输入特征,以培训分类模型,基于与多个分类器的集合学习。在数据集中包含600名患者骨骼年龄的左侧射线照相。与传统的分割方法和最先进的U-Net网络相比,所提出的方法更好地进行了更高的精度和较少的计算负荷,实现了52.43dB的平均PSNR,SSIM为0.97,DSC为0.97,JSI为0.91,更适合于临床应用。此外,实验结果还验证了手烟道片段可带来至少13%的BAA性能的平均改善。

研究文章

基于人工智能的胸部x线图像COVID-19及其他传染病分类

除了巨大的社会经济效果之外,冠征疾病持续的冠状病毒疾病(Covid-19)导致了全球健康和医疗保健危机。这场危机中的一个重大挑战是快速有效地识别和监控Covid-19患者,以促进其治疗,监测和管理的及时决策。研究努力开发少耗时的方法来替换或补充基于RT-PCR的方法。本研究旨在创造有效的深度学习模型,培养了胸部X射线图像,用于快速筛选Covid-19患者。我们使用的公开可用的成人Covid-19患者的PA胸X射线图像,用于开发人工智能(AI)基于Covid-19和其他主要传染病的分类模型。为了增加数据集大小和开发广义模型,我们在原始图像上执行了25种不同类型的增强。此外,我们利用传输学习方法进行分类模型的培训和测试。两种最佳模型的组合(每次训练在286个图像上,旋转到120°或140°角)显示了正常,Covid-19,非Covid-19,肺炎和结核病图像的最高预测精度。通过转移学习方法培训的基于AI的分类模型可以有效地分类代表研究疾病的胸部X射线图像。我们的方法比以前发表的方法更有效。 It is one step ahead towards the implementation of AI-based methods for classification problems in biomedical imaging related to COVID-19.

研究文章

一种算法 -常态和 -限量投影CT图像重建的规范正则化算法

-规范正则化引起了计算机断层扫描中的图像重建的关注。的 -一幅图像的梯度范数提供了图像梯度稀疏性的一种度量。在本文中,我们提出了一种新的组合 -规范和 -计算机断层成像中有限投影数据图像重建的范数正则化模型。在代数框架内,我们还提出了一种基于硬阈值法的非单调交替方向算法来有效地解决优化问题。数值实验表明,该算法在引入新算法的基础上有了很大的改进 -规范正规化。

国际生物医学成像杂志
期刊指标
录取率 23%
提交最终决定 106天
录取出版物 74天
小城堡 5.700
影响因子 -
提交