基于先验形状束的前列腺CT图像自动分割新方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    30900380
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    17.0万
  • 负责人：
    冯前进
  • 依托单位：
    南方医科大学
  • 学科分类：
    H29.放射医学
  • 结题年份：
    2012
  • 批准年份：
    2009
  • 项目状态：
    已结题
  • 起止时间：
    2010-01-01 至2012-12-31

项目摘要

近年来，前列腺癌在我国发病率显著提高，前列腺癌的诊疗技术在我国临床需求日益紧迫。前列腺CT图像的分割是前列腺癌放疗中的必要环节，前列腺的手工分割困难且耗时，临床迫切需要前列腺CT图像自动分割方法。本项目旨在提出新的适用于放疗临床的前列腺CT图像自动分割方法。为我国前列腺癌的放疗提供技术支撑。.本项目将在申请者前期研究基础上从先验形状约束、优化图像特征、代价函数设计与优化迭代策略三方面展开研究。主要研究内容包括：通过去除病人间前列腺变化对形状统计模型的影响，构建能精确描述待分割病人前列腺形状的先验形状约束; 通过基于树的回归算法，构建基于SFIT、多尺度Harr-like、边缘等特征的优化图像特征;通过引入平滑正则项与刚性变换约束，构建优化代价函数以克服极值点对求解的影响;通过对训练集中数据手工标定建立精确前列腺表面置信度模型，整合自适应聚焦优化迭代策略实现对代价函数的优化求解。

结项摘要

项目主要研究成果包括两部分：.（1）针对CT前列腺癌图像分割在理论与方法上的研究成果。①提出了利用群体病人残余形状与待分割病人的平均形状构建前列腺形状模型的建模方法：提出并验证了不同病人的前列腺形状变化大于同一病人前列腺在放疗过程中形状变化假设。以此为基础,建立了基于群体信息与个体信息的前列腺形状模型，着重刻画当前病人前列腺形状变化，并给出了在线-离线学习方法②提出了一种适用于三维CT前列腺图像的自适应图像上下文特征（Auto-Context）分类方法，充分利用了图像上下文信息,显著提高了前列腺CT图像的分割精度。③提出了一种基于图像特征三维形状点集对齐方法，在对齐过程中结合点的几何空间信息和图像特征信息构造目标函数，提高了活动外观模型精度。.（2）对肿瘤分割中的一些共性问题取得的进展。①提出了基于同质片的图像特征提取方法，克服了在基于区域的特征提取过程中区域大小的选择造成的区域内统计特征的可靠性与特征的局部性的矛盾；②提出了基于Graph Cut优化框架的针对高维图像特征的代价函数构造方法；并将上述方法用于多种肿瘤分割，显著提高了分割精度。.本课题共发表论文12篇，其中SCI收录4篇，2区以上SCI论文3篇。

项目成果

期刊论文数量（0）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

磁共振图像的原始-对偶近似迭代重建算法
  • DOI：
    10.1007/978-1-0716-1677-2_10
  • 发表时间：
    2018
  • 期刊：
    计算机工程与应用
  • 影响因子：
    --
  • 作者：
    刘晓晖;张鑫媛;路利军;冯前进;陈武凡
  • 通讯作者：
    陈武凡
基于Moreau-包络的近似平滑迭代磁共振图像重建算法
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    计算机应用
  • 影响因子：
    --
  • 作者：
    刘晓晖;路利军;冯前进;陈武凡
  • 通讯作者：
    陈武凡
基于非局部权值先验和GPU加速的3D低剂量CT成像
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    南方医科大学学报
  • 影响因子：
    --
  • 作者：
    冯前进;陈武凡;ZHANG Xi-le;TIAN Ling-ling;HUANG Jing;MA Jian-hua;ZHANG Hua;FENG Qian-jin;CHEN Wu-fan
  • 通讯作者：
    CHEN Wu-fan
基于GPU的快速三维医学图像刚性配准技术
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机应用研究
  • 影响因子：
    --
  • 作者：
    秦安;徐建;陈武凡;孟晓林;冯前进
  • 通讯作者：
    冯前进
基于非局部权值先验和GPU加速的3D低剂量CT成像
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    南方医科大学学报
  • 影响因子：
    --
  • 作者：
    张喜乐;田玲玲;黄静;马建华;张华;冯前进;陈武凡
  • 通讯作者：
    陈武凡

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

冯前进的其他基金

面向脊柱穿刺消融手术的多模态图像导航关键算法研究
  • 批准号：
    12126603
  • 批准年份：
    2021
  • 资助金额：
    100 万元
  • 项目类别：
    数学天元基金项目
基于稀疏表达与深度学习的动态增强磁共振图像配准方法研究
  • 批准号：
    81974275
  • 批准年份：
    2019
  • 资助金额：
    55 万元
  • 项目类别：
    面上项目
PET-CT鼻咽部肿瘤多模态图像联合分割新方法研究
  • 批准号：
    31371009
  • 批准年份：
    2013
  • 资助金额：
    85.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码