国际生物医学影像杂志
日记指标
录取率 23%
提交最终决定 106天
接受出版 74天
CiteScore 5.700
影响因子 -

利用长-短期记忆网络局部极值量化Haralick特征检测糖尿病视网膜病变

阅读全文

杂志简介

国际生物医学影像杂志旨在通过在这个快速增长的跨学科领域发表高质量的研究文章和评论来促进生物医学成像的研究和发展。

编辑聚光灯

国际生物医学影像杂志维护来自世界各地的实践研究人员的一位练习委员会,以确保手稿由作为学习领域的专家的编辑处理。

特殊的问题

您认为是否有一个新兴的研究领域真正需要突出显示?或者已经被忽视或将从更深入的调查中受益的现有研究区?通过领导特殊问题提高研究区域的概况。

最新文章

更多物品
研究文章

医学图像增强几何正线Hopfield神经网络

Hopfield神经网络(HNN)的主要缺点之一是网络可能并不总是会聚到一个固定点。主要是培训期间局部优化的HNN,以实现网络稳定性。在本文中,使用两种方法来解决收敛问题:(a)通过通过像素梯度向量和(b)通过调节几何来测量各种图像超平面内的特征的几何相关性来排序连续修改的HNN(MHNN)的激活像素梯度向量。这些通过规则地在协调学下进行了建议的MHNN来实现,这使得它们能够充当像素光谱序列的非传统滤波器。它将焦点转移到本地和全局优化,以加强每个图像子空间内的特征相关性。结果,它增强了边缘,信息内容,对比度和分辨率。在十五个不同的医学图像上测试了所提出的算法,其中基于熵,视觉信息保真度(VIF),加权峰值信噪比(WPSNR),对比度和均匀性进行评估。与四个现有的基准增强方法相比,我们的结果证实了优势。

研究文章

利用细胞外基质染色技术进行组织清除治疗的肺纤维化灶在肺泡尺度的三维成像

特发性肺纤维化是一种进行性,慢性肺病,其特征在于细胞外基质蛋白质,包括胶原蛋白和弹性蛋白。纤维化肺中细胞外基质的成像对于评估其病理状况以及药物分布对肺部焦点的分布以及其治疗效果是重要的。在这项研究中,我们将细胞外基质染色的技术与光学组织清除处理进行了用于开发肺纤维化中聚焦位点的三维成像方法。肺纤维化的小鼠模型是通过血糖霉素的肺内施用制备的。荧光标记的番茄凝集素,胶原蛋白I抗体和COL-F是用于胶原蛋白和弹性蛋白的荧光探针,用于比较完整的纤维化肺中纤维化焦点的成像。使用澄清清除这些肺样品T2.组织清除技术。清除肺部使用激光扫描共聚焦显微镜进行两维观察,并将图像与肺组织切片的图像进行比较。此外,从串行二维图像重建三维图像。荧光标记的番茄凝集凝集素未能在清除纤维化肺部的纤维化焦点的可视化。虽然胶凝胶原胶原I可以通过免疫荧光染色来可视化,但胶原蛋白才能清晰可见,直到40 μm来自肺表面。Col-F染色可使胶原蛋白和弹性蛋白的显示深度达到120μ在清除肺组织中。此外,我们使用COL-F在清除的纤维化肺中可视化三维细胞外基质,并且图像提供比免疫荧光染色更好的可视化。这些结果表明明确了T2.组织清除治疗结合Col-F染色是一种简单、快速成像完整肺纤维化灶的技术。本研究为细胞外基质相关疾病的各种器官成像提供了重要信息。

研究文章

一种改进的复值MRI重建相位循环方法

相位循环法是目前最先进的复值磁共振图像重建方法。然而,当遵循实际的二维分采样笛卡尔采集时(二维分采样笛卡尔采集仅在相位编码方向进行随机采样),会出现大量的伪影。提出了一种改进的方法,通过在相位循环方法中加入一维全变差(TV)正则化,在更新前对幅度分量进行“预处理”,从而消除实际MRI子采样下的伪影。此外,采用SFISTA的操作来更新星等和相位图像以获得更好的解。实验结果表明,该方法能够有效地消除环形伪影,改善星等重构。

研究文章

基于多分类器的集成学习在儿童手部x线片分割中的骨龄评估

在临床儿科自动骨龄评估(BAA)的研究中,手部x线片对象区域的提取是一个重要部分,它直接影响BAA预测的准确性。但目前还没有找到一个完美的分割方案。本工作旨在开发一种高精度、高效率的手动x线图像自动分割方法。我们将手形分割视为一个分类问题。以每幅图像的最优分割阈值作为预测目标。我们利用各图像归一化后的直方图、均值和方差作为输入特征,利用多分类器集成学习的方法训练分类模型。数据集包括600张左侧x线片,骨龄从1岁到18岁不等。与传统的分割方法和最先进的U-Net网络相比,该方法具有更高的分割精度和更少的计算量,平均PSNR为52.43 dB, SSIM为0.97,DSC为0.97,JSI为0.91,更适合临床应用。此外,实验结果还验证了手部x线图像分割能使BAA性能平均提高至少13%。

研究文章

基于人工智能的胸部X射线图像分类,进入Covid-19和其他传染病

2019冠状病毒病(COVID-19)的持续大流行除了造成巨大的社会经济影响外,还导致了全球卫生和医疗危机。本次危机的重大挑战之一是迅速和有效地识别和监测COVID-19患者,以便及时作出治疗、监测和管理决定。研究人员正在努力开发耗时更少的方法来取代或补充基于rt - pcr的方法。本研究旨在创建高效的深度学习模型,并使用胸部x线图像进行训练,用于COVID-19患者的快速筛查。我们利用公开获得的COVID-19成年患者的PA胸片,开发基于人工智能(AI)的COVID-19分类模型和其他主要传染病。为了增加数据集大小和开发通用模型,我们对原始图像进行了25种不同类型的增强。此外,我们利用迁移学习方法对分类模型进行训练和测试。两种性能最佳的模型(分别对286张图像进行训练,旋转120°或140°角度)组合显示出对正常、COVID-19、非COVID-19、肺炎和结核病图像的最高预测精度。通过迁移学习方法训练的基于人工智能的分类模型能够有效地对代表研究疾病的胸部x线图像进行分类。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

一个算法的 -规范和 -基于有限投影的CT图像重建的正则化算法

-常模正则化在计算机断层成像中引起了广泛的关注。这 -图像的梯度的规范提供了图像的梯度的稀疏度。在本文中,我们提出了一个新的合并 -常态和 -从计算机断层扫描中的有限投影数据图像重建的规范正则化模型。我们还提出了一种在代数框架中的算法,以利用具有硬阈值方法的非单调交替方向算法有效地解决优化。数值实验表明,这种新算法通过涉及提供了更大的改进 -规范正规化。

国际生物医学影像杂志
日记指标
录取率 23%
提交最终决定 106天
接受出版 74天
CiteScore 5.700
影响因子 -
提交