目的探讨MR灌注加权成像(perfusion weighted imaging,PWI)的局部特征和全脑特征在急性脑卒中血管内治疗后预后中的价值。材料与方法回顾性分析在我院就诊的180例急性脑卒中患者的PWI图像。采用ITK-SNAP软件勾画Tmax图的灌注异常感兴趣区,应用SPM软件自动分割Tmax图全脑区。应用AK软件分别提取局部和全脑特征并降维,通过支持向量机分类器构建急性脑卒中预后模型并寻找最优预测模型。结果经最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)降维后与预后最相关的局部特征为6个、全脑特征为5个、联合局部和全脑的特征为10个。受试者工作特征(receiver operating characteristic,ROC)曲线分析结果显示基于局部和全脑特征构建的急性脑卒中预后预测模型的曲线下面积(area under the curve,AUC)为0.900,敏感度和特异度分别为82.3%、89.1%,明显优于局部特征模型(AUC=0.706;Z=-3.248;P=0.001)和全脑特征模型(AUC=0.711;Z=-3.393;P<0.001)。结论联合局部和全脑的PWI特征可更为准确地预测急性脑卒中患者预后,为临床早期干预提供个性化指导。
目的本文提出一种新颖的基于模糊同质直方图和数据融合技术的彩色图像分割算法。方法首先计算图像的同质特征和同质直方图,然后检测出直方图的峰值点对RGB彩色图像各层进行初始分割,最后计算各基色彩色图像的概率分配函数,使用基于正交和的Dempster-Shafer(DS)理论合并规则进行图像融合,得到最终的彩色分割图像。结果选用人工合成和多种医学图像进行仿真实验。定性分析表明基于本文算法的分割图像对比度和清晰度均最优,且图像中细胞边界清晰完整,细胞数量真实可靠;定量评估结果显示基于本文算法的图像分割敏感度均最高,显著优于现存的基于目标点到原型成员之间距离的优良模型(Model for Membership Functions,MMFD)和高斯分布假设和直方图阈值(Model Mass Function Method Based on the Assumption of Gaussian Distribution,MMFAGD)算法,且基于同质直方图优于FCM(Fuzzy C-Means)和HCM(Hard C-Means)产生的概率分配函数。结论基于模糊同质直方图的DS证据理论是一种可行的彩色图像分割算法,不仅能获得优质、稳定、准确的彩色分割图像,而且优越于其他现存的分割算法。
