针对肺结节计算机断层（CT）图像具有的细节多样性以及类间相似性的问题，构建了一种集卷积神经网络（Convolutional neural network，CNN）和Transformer优势的双路径交叉融合网络对肺结节进行更精确的分类。首先，以窗口多头自注意力和滑动窗口多头自注意力为基础，构建全局特征块，用于捕获结节的形态特征；以大核注意力为基础构建局部特征块，用于提取结节的纹理、密度等内部特征。其次，设计特征融合块用于融合上一阶段的局部与全局特征，使每一条路径都能获得更综合的判别信息。然后，引入KL（Kullback-leibler）散度来增加不同尺度特征之间的分布差异性，优化网络性能。最后，采用决策层融合的方法获得分类结果。在LIDC-IDRI数据集上进行实验，网络的分类准确率、召回率、精确率、特异性、受试者操作特征（ROC）曲线下的面积（Area under curve，AUC）分别为94.16%、93.93%、93.03%、92.54%、97.02%。实验结果表明，所提方法具有较好的肺结节良恶性分类能力。
肺结节良恶性分类 CT图像 局部-全局特征 Transformer 注意力机制 激光与光电子学进展
2024, 61(8): 0837002
流感病毒是呼吸道传染病毒, 增强疫苗接种诱导的黏膜免疫反应对于预防流感尤为重要。目前, 流感病毒疫苗主要为病毒灭活疫苗, 且通过肌肉注射接种, 很难诱导产生黏膜免疫。为增强流感病毒灭活疫苗的黏膜免疫效果, 本文利用薄膜分散法将与肺表面活性物质(PS)相似的磷脂以及胆固醇制备成包裹瑞喹莫德(R848)的PS脂质体(PS-R848)做黏膜佐剂, 将该脂质体与H7N9流感病毒灭活疫苗混合后经鼻腔免疫BALB/c雌性小鼠, 检测免疫指标及攻毒后的保护效果。与灭活疫苗添加R848组相比, 血清中的免疫球蛋白G(IgG)以及分型抗体IgG1与IgG2a效价、血凝抑制(HI)效价和支气管肺泡灌洗液分泌型IgA(sIgA)效价显著提高; 诱导的细胞因子干扰素-γ(IFN-γ)、白细胞介素-2(IL-2)与IL-4的分泌量也显著增加。用同亚型流感病毒攻毒小鼠后的肺部病毒滴度较单独疫苗组降低, 存活率达到100%, 最大体重丢失率较单独疫苗组低且有显著差异 。以上结果表明, R848仿生PS-R848作为黏膜佐剂可以有效提高H7N9流感病毒灭活疫苗的免疫效果, 为开发流感病毒的黏膜疫苗做了数据积累。
流感病毒 灭活疫苗 脂质体 肺表面活性物质 黏膜免疫 influenza virus inactivated vaccine liposome pulmonary surfactant mucosal immunization
1 江苏医药职业学院江宁临床医学院呼吸与危重症医学科，南京 211100
2 南京医科大学附属江宁医院药学部，南京 211100
3 南京市高淳人民医院呼吸与危重症医学科，南京 211300
硫利达嗪作为吩噻嗪类抗精神病类药物，具有诱导肿瘤发生免疫原性死亡（ ICD）、激活特异性免疫反应的潜力。本研究利用 A549和 H1299细胞探讨了硫利达嗪诱导肺腺癌细胞免疫原性死亡及其分子机制。将不同浓度的硫利达嗪与 A549和 H1299细胞共孵育 24 h后，利用四甲基偶氮唑蓝（ MTT）法检测细胞的存活及生长情况，利用流式细胞术分析细胞凋亡率，利用 ATP检测试剂盒检测细胞上清中的 ATP含量，利用免疫荧光法检测细胞表面钙网蛋白（ CRT）的表达，利用蛋白质印迹（ Western blot）法检测凋亡相关蛋白裂解的含半胱氨酸的天冬氨酸蛋白水解酶 3（Cleaved caspase 3）、B淋巴细胞瘤 -2（Bcl-2）、Bcl-2相关 X蛋白（ Bax）、细胞色素 C（Cyt C）的表达水平。结果表明，硫利达嗪能够显著抑制 A549和 H1299细胞的增殖，促进细胞凋亡，细胞增殖抑制及凋亡呈浓度依赖性。 ATP分泌量增加及细胞表面 CRT的表达水平上调，表明上述细胞发生了免疫原性死亡。而 Bcl-2表达水平下降， Bax和 Cyt C以及 Cleaved caspase 3表达水平上调，进一步证明了硫利达嗪可诱导肿瘤细胞凋亡。上述结果表明，硫利达嗪可通过线粒体应激信号通路诱导肺腺癌细胞发生免疫原性死亡，从而抑制肿瘤细胞的增殖。
肺腺癌 硫利达嗪 免疫原性死亡 线粒体应激信号通路 凋亡细胞 lung adenocarcinoma Thioridazine immunogenic cell death mitochondrial stress signaling pathway apoptotic cell
南京航空航天大学自动化学院生物医学工程系，江苏 南京 211106
CT图像肺结节大小、形状和纹理的多样性，导致肺结节的良恶性诊断十分困难。在三维卷积神经网络的基础上，提出了一种基于多深度残差注意力机制的网络（MDRA-net），用于良恶性肺结节分类。MDRA-net通过在残差分支上使用特征融合及迭代分层融合的方法，提升了网络对结节位置特征及全局特征的感知能力；此外，结合注意力机制，引入projection and excitation模块，利用空间和通道信息进行校准，进一步提升了网络提取特征的能力。在LUNA16数据集上的实验结果表明，MDRA-net分类模型的肺结节检测准确率达96.52%，灵敏度和特异性分别为93.01%和97.77%，较现有的基于深度学习的肺结节良恶性分类模型有较大提升。
医用光学 深度学习 三维卷积神经网络 多深度融合 注意力机制 肺结节分类 激光与光电子学进展
2023, 60(4): 0417001
1 湖南师范大学医学院, 长沙 410013
2 长沙市第九医院检验科, 长沙 410004
3 中南大学湘雅三医院, 长沙 410013
研究慢阻肺合并肺部感染患者的病原菌分布及药敏情况, 以期为临床抗生素的正确使用提供依据。从长沙某医院2017年3月—2022年2月慢阻肺合并肺部感染患者痰培养标本检出的病原菌中随机筛选了1?500株进行培养鉴定及药敏试验, 统计并分析病原菌的分布情况以及检出的主要革兰氏阴性菌(肺炎克雷伯菌、铜绿假单胞菌、鲍曼不动杆菌)的耐药特点及趋势。结果发现: 1 500株病原菌中共检出革兰氏阴性菌1 251株(83.40%), 其中比例居前的分别是肺炎克雷伯菌384株(25.60%)、铜绿假单胞菌333株(22.20%)和鲍曼不动杆菌303株(20.20%); 革兰氏阳性菌126株(8.40%), 其中比例居前的分别是金黄色葡萄球菌69株(4.60%)、肺炎链球菌27株(1.80%); 真菌123株(8.20%), 主要为白色念珠菌96株(6.40%)。药敏分析结果显示: 肺炎克雷伯菌对庆大霉素、左氧氟沙星、头孢他啶及氨曲南的耐药率变化具有统计学意义(P<0.05); 铜绿假单胞菌对于氨曲南的耐药趋势具有统计学意义(P<0.05); 鲍曼不动杆菌对于大多数抗菌药物均具有较高的耐药率, 且对于左氧氟沙星、复方新诺明、美罗培南的耐药趋势具有统计学意义(P<0.05)。抗感染是治疗慢阻肺的一个重要措施, 及时正确的选择敏感抗生素是关键环节。本研究为临床精准选择合适的抗菌药物治疗慢阻肺提供了帮助, 同时有助于了解本地区细菌耐药的发展趋势, 具有重要的临床价值和意义。
慢性阻塞性肺疾病(慢阻肺) 肺部感染 病原菌分布 药物敏感性 细菌耐药 chronic obstructive pulmonary disease (COPD) pulmonary infection distribution of pathogenic bacteria drug sensitivity bacterial resistance
1 西北大学 信息科学与技术学院，陕西西安7027
2 西北大学 文化遗产数字化国家地方联合工程研究中心，陕西西安71017
通过表皮生长因子受体（Epidermal Growth Factor Receptor，EGFR）突变情况可以对患者是否患有非小细胞肺癌（Non-small Cell Lung Cancer， NSCLC）进行检测。提出了一种基于对比学习的自监督EGFR基因突变预测方法，在不需要大量专家手工标注患者数据集的情况下，对输入网络的患者病灶区图像进行阴性、阳性预测。对自监督BYOL网络进行修改，增加了网络投影层非线性多层感知器（Multilayer Perceptron，MLP）的层数，并将患者CT和PET两个模态的图像数据融合作为网络的输入，在不需要大量标注患者数据集的情况下，对阴性、阳性病例进行预测。在非小细胞肺癌EGFR基因突变数据集上，与传统的影像组学、有监督VGG-16网络、有监督ResNet-50、有监督Inception v3和无监督迁移学习CAE进行对比。实验结果表明，使用对比学习从患者的CT和PET图像学习到的患者病灶区图像的实例特征可以对阴性、阳性病例进行区分，并取得了77%的曲线下面积（Area Under the Curve，AUC）；相对于传统的影像组学方法分类结果AUC提高了7%，相对于有监督VGG-16网络的分类结果AUC提高了5%；在不需要大量专家手工标注数据集及大量患者临床数据的情况下仅比有监督ResNet-50 AUC低9%。改进BYOL网络仅需要少量标注的患者数据集便可得到比部分传统有监督方法更准确的检测结果，展示了其辅助临床决策的潜力。
医学图像处理 深度学习 对比学习 PET/CT 肺非小细胞肺癌基因突变预测 medical image processing deep learning contrastive learning PET/CT prediction of gene mutations in lung non-small cell lung cancer
1 昆明理工大学信息工程与自动化学院，云南 昆明 650500
2 云南省计算机技术应用重点实验室，云南 昆明 650500
针对受肺肩区域、胸膈角及肋骨影响的胸部肺野分割问题，提出了一种基于改进U-Net的肺野分割算法。首先，用inception模块代替U-Net编码块中的卷积层，在增加网络宽度的同时捕获更多的图像特征。然后，在编码块与解码块中引入残差网络，提升网络深度的同时保证网络稳定；在编码与解码之间用跳跃连接增强特征的传递和利用，解决编码部分连续下采样中的胸部肺野特征丢失问题。最后，在编码与解码部分结合通道和空间注意力机制对图像特征进行重标定，有效提高了算法的分割精度。实验结果表明，相比其他分割算法，本算法的分割性能更好，在公开Montgomery County数据集上的准确率、召回率、特异性、平均交并比分别为98.90%、97.81%、99.28%、97.17%。
图像处理 肺野分割 inception模块 残差模块 跳跃连接 U-Net模型 激光与光电子学进展
2022, 59(2): 0210010
1 武汉大学 物理科学与技术学院, 武汉 430072
2 桂林航天工业学院 电子信息与自动化学院, 广西 桂林 541004
针对图像噪声以及血管、支气管等因素引起的肺分割困难的问题, 提出了一种基于逻辑校准的多分类残差网络分割算法。该算法将图像区域划分为肺、背景及边界三类, 通过扩大不同类型间的差异来提升分割准确率。算法先将图像分割为固定尺寸区域, 然后利用残差网络提取纹理特征进行分类训练与测试, 实现粗分割。最后对边界区域阈值处理实现细分割。利用公开数据集对该算法进行了测试, 实验结果表明, 此分割算法在召回率、精确率以及交并比等方面均优于当下前沿的分割网络之一的U-Net, 分别达到99.79%, 98.13%和97.83%, 可为后续的肺部疾病临床诊断提供参考依据。
图像分割 肺分割 多分类残差神经网络 样本不均衡 逻辑校准 阈值分割 image segmentation lung segmentation multi-class residual network class imbalance logit adjustment threshold segmentation
1 重庆大学 光电技术与系统教育部重点实验室， 重庆400044
2 重庆大学附属肿瘤医院 影像科， 重庆400030
卷积神经网络的语义分割模型未有效利用特征权重信息，导致在医学图像复杂场景中分割边界出现欠分割现象。针对该问题，基于融合自适应加权聚合策略提出一种改进的U-Net++网络，并将其应用于电子计算机断层扫描影像肺结节分割。该模型首先在卷积神经网络中提取出不同深度特征语义级别的信息，再结合权重聚合模块，自适应地学习各层特征的权重，然后将学习得到的权重加载到各个特征层上采样得到的分割图以得到最终的分割结果。在LIDC数据集和重庆大学附属肿瘤医院肺部电子计算机断层扫描数据集上进行了分割实验，所提方法的交叉比在两个数据集上分别可达到80.59%和87.40%、骰子系数分别可达到88.23%和90.83%。相比U-Net和U-Net++方法，该算法有效提升了图像分割性能。本文方法能在肿瘤微小细节上实现精确分割，较好地解决了肺结节向周围浸润性生长时出现欠分割的问题。
计算机图象处理 分割算法 权重聚合 肺结节 CT影像 Computer image processing Segmentation algorithm Weighted aggregation Lung nodule CT image
1 山东省中医院, 山东 济南 250000
2 山东中医药大学智能与信息工程学院, 山东 济南 250355
肺癌是世界上死亡率最高的恶性肿瘤疾病,对其进行早期诊断可以显著提高肺癌患者的生存率。深度学习能够提取医学图像的隐含层特征,并完成医学图像的分类及分割任务,因此应用深度学习方法实现肺结节的早期诊断任务成为研究热点。首先对肺结节诊断领域广泛使用的几个数据库进行介绍,然后结合近几年国内外发表的相关文献整理了深度学习框架应用于肺结节分割和分类的最新研究进展,总结并分析了各类算法的基本思想、网络架构形式、代表性改进方案以及优缺点等。最后讨论了深度学习在肺结节诊断过程中面临的一些问题并给出结论,并对发展前景进行了展望,以期为今后该领域的应用研究提供参考,从而加快该领域研究的成熟和临床落地应用。
图像处理 肺结节 卷积神经网络 计算机辅助诊断 深度学习 分割 分类 激光与光电子学进展
2021, 58(16): 1600005
