[1]陈绪娇,闫凯麟,宋蓉蓉,王璐,张莉.输卵管异位妊娠患者首诊超声图像特征结合血清β-hCG与临床治疗方式的关系研究[J].中国超声医学杂志,,37(07):-.[2]王瑜,李军,毕紫娟,石玉琳,江涛,屠立平,许家佗.非疾病人群舌面图像与舌下络脉特征研究[J].中医杂志,,62(13):-.研究背景：虽然近年来诊断及治疗技术有很大的进步，但超声检查仍然是进行疾病诊断的首选方法，因此对医学图像特征进行研究具有重要的意义。数据来源：文献[1]选取年1月至年6月到空军军医大学就诊，进行经阴道超声检查诊断为输卵管异位妊娠且血清人绒毛膜促性腺激素(β-hCG)有不同程度升高的患者例为研究对象。文献[2]数据源于年6月至年8月在上海中医院体检中心体检的人群。数据处理：文献[1-2]采用统计SPSS软件进行数据分析，对于符合正态分布的数据使用独立样本t检验；对于不服从正态分布的计量资料，采用非参数检验。研究结论：文献[1]通过输卵管型异位妊娠超声图像的分型，对于患者的预后判断以及治疗方式的选择具有积极的指导意义，尤其是孕囊型异位妊娠，更倾向早期进行外科手术治疗，不适合期待治疗；如果病灶超声表现为包块型，病灶40mm，且同时血清β-hCGIU/L可以尝试期待疗法，但是必须结合患者临床症状、血清学检查结果动态评估与观察病情变化，当病情演进时，应及早采取积极的治疗手段。文献[2]表明不同性别、不同年龄的非疾病人群舌下络脉特征具有显著差异，主要表现为女性舌面与舌下络脉亮度较高，总体饱和度较低；30岁者舌象亮度较高，≥50岁者舌象偏暗。与同类文献相比的优缺点：将患者的超声图像特征与临床诊断相结合，并探究二者的关系，并采用统计的方法进行检验，具有一定的研究意义。[3]李燕云,王永明,周奇,李亦学,王振,王珏,孟妍,蔡青青,隋龙,华克勤.基于宫颈上皮与血管特征的阴道镜图像深度学习模型探索[J/OL].复旦学报(医学版):1-9[-07-10].研究背景：一方面是国内阴道镜诊断效能远远无法满足大量的临床需求，另一方面深度学习凭借其强大的特征提取能力，在提高医学图像的诊断效率及标准化方面展示出了极佳应用前景。数据来源：回顾性收集年3月至年7月复医院宫颈疾病诊治中心9台阴道镜仪器记录的阴道镜数据，每位患者包含3—10张不等的阴道镜图像以及基本信息文件。数据处理：依照国际宫颈病理与阴道镜联盟及美国阴道镜与病理协会阴道镜标准化术语，基于16类宫颈上皮与血管征象，对图像进行像素级标注后得到有效标签个。为降低细粒度标注可能存在的误差，进一步将标签归并为低级别、高级别癌三大类。采用经过二次迁移学习的ResNet预训练网络作为特征提取器分别构建了基于Faster-RCNN网络结构的高级别病变目标检测和低、高、癌三类目标检测模型。研究结论：利用国内最大阴道镜中心的大样本数据，基于上皮与血管特征的精细标注，深度学习模型在宫颈癌前病变检测中取得较好效果。尽管在识别精度上仍有提升空间，但已显示其辅助宫颈癌筛查尤其是指导定位的可行性。与同类文献相比的优缺点：本文基于深度学习模型实现图像特征的提取，能够深度提取特征，为辅助疾病诊断的研究进程提供了重要的工具支持。[4]刘自强,周铁军,傅冬和,彭华.基于颜色和形状的鲜茶叶图像特征提取及在茶树品种识别中的应用[J].江苏农业科学,,49(12):-.研究背景：计算机科学技术快速发展，图像处理技术在诸多领域已有广泛应用。因此利用数字图像处理技术对成品茶叶或植物叶片提取颜色、形状等特征，识别茶叶品种具有重要的研究意义。数据来源：借助数码相机在2h内采集10种不同品种的张鲜茶叶图像。数据处理：先对图像格式进行转换和预处理，再运用HSI模型提取茶叶颜色特征参数并采用二值化后图像提取茶叶形状特征参数，针对每一类特征，用6种分类器训练建模，并比较各模型的预测精度。研究结论：SVMKM和随机森林以2类特征建模，运用十折交叉验证，独立预测分类这2种方法的精确度达到89.5%。说明本研究运用的方法能成功识别出茶叶品种。与同类文献相比的优缺点：本文对研究特征规律进行反馈，通过建模进一步验证了该方法的可行性。[5]沈蕾蕾,陶广昱,傅鸿超,刘雪梅,叶晓丹,叶剑定.基于治疗前增强CT图像纹理特征预测非小细胞肺癌免疫治疗疗效[J].中华肿瘤杂志,,43(05):-.研究背景：目前癌症已成为威胁人类健康的重大疾病，借助计算机等工具进行辅助诊断，具有重要的实践意义。数据来源：回顾性分析年1—7医院接受二线单药免疫治疗的42例NSCLC患者51个病灶的治疗前增强CT图像资料。数据处理：应用MaZda软件计算感兴趣区内病灶图像的纹理特征参数，分别采用Fisher系数法、交互信息法、分类错误概率联合平均相关系数法筛选10个纹理特征参数。根据首次免疫治疗疗效，将51个病灶分为无进展组（26个）和进展组（25个），比较两组间各纹理特征参数的差异。并分别采用主成分分析（PCA）、线性判别分析（LDA）和非线性判别分析（NDA）方法对靶病灶的免疫治疗效果进行分类，计算各分类方法的灵敏度、特异度、准确性，并采用受试者工作特征曲线分析比较各分类方法预测疗效的效能。研究结论：治疗前增强CT图像纹理特征可以用于预测NSCLC免疫治疗的疗效。与同类文献相比的优缺点：本文基于医学图像特征中的纹理特征来预测非小细胞肺癌免疫治疗疗效，相对于人工标注特征，对自动化提取图像特征进行研究是未来重要的发展方向。[6]张天一,朱志明,朱传辉,孙博文.用于弧焊过程的视觉传感图像处理及特征信息提取方法[J/OL].清华大学学报(自然科学版):1-7[-07-10].研究背景：图像特征含有重要的信息，精准提取图像特征，对于图像识别、分类具有重要的研究意义。数据处理：本文提出了用于弧焊过程的视觉传感图像处理及特征信息提取方法。研发了基于视觉与重力融合的多源传感器；为有效降低弧焊环境的强弧光及飞溅等于CCD图像的干扰，优化了相关硬件和图像预处理算法，改进并实现了基于Canny算子的边缘提取和基于迭代腐蚀的骨架细化算法。将这２种算法应用于多源传感器采集的弧焊过程中包含激光线的焊接坡口CCD图像处理，分别实现了图像中的激光线交点和焊接坡口导致的激光线弯折点坐标的有效提取和识别。研究结论：通过对比分析两种算法的特征信息提取速度与识别精度，结果表明，基于Canny算子的边缘提取算法完全能够满足对实时性有较高要求的弧焊过程焊缝跟踪需求。与同类文献相比的优缺点：本文提出了用于弧焊过程的视觉传感图像处理及特征信息提取方法。第一研发了基于视觉与重力融合的多源传感器；第二选择了合适的激光发射器和窄带滤光片，能够大幅降低弧光对CCD图像的干扰，并确保图像中的激光线具有足够亮度；第三进一步采用顶帽变换，可有效提取出图像中的最亮区域(激光线)，最大限度地削弱弧光干扰。[7]刘珍丹,张莉娜,丁丰,曹汉华.沉浸式环境下数字图像的两相流纹理特征提取[J].计算机仿真,,38(06):-.研究背景：一方面数字图像的应用范围逐渐扩大，在对其研究后发现两相流纹理是影响图像应用效果的重要因素之一，为对其进行更好的控制，需要使用提取方法获取此纹理特征。另一方面需要进一步提高纹理特征的提取方法。数据来源：选择Caltech中部分图片作为数据库，本文选取Caltech图像集的10个类图片，共张作为图像检索的数据库。数据处理：设计沉浸式环境下数字图像的两相流纹理特征提取方法。构建图像预处理环节，对原始图像展开灰度图像处理、滤波以及基础分割等处理。使用Rand指数控制分割结果精度，同时对分割误差进行一致性处理。使用改进EHD作为纹理提取方法的设计蓝本，设定特征提取门限值，实现高精度纹理特征提取。研究结论：本文研究方法的查全率和查准率均较高，适用于实际两相流纹理特征提取。与同类文献相比的的优缺点：本文从系统硬件与软件部分分别对原有两相流纹理特征提取进行优化，提升数字图像的边缘和细节处的清晰程度，降低图像两相流纹理的杂质，能较大程度保证了获取的数字图像的细节信息。[8]卞静伟,蔡秀梅.基于CSLBP模糊图像特征提取与检测方法研究[J].光电子·激光,,32(05):-.研究背景：图像作为记录生活和储存信息的重要途径之一，是人对视觉感知的物质的一种再现，同时也是对现实场景的一种真实写照。面对海量的图像数据，如何准确高效的提取图像特征，获取有用信息，将信息转化为所需特征，是需要解决的问题。数据处理：本文基于CSLBP模糊图像特征提取与检测方法，同时结合HOG特征提取与检测、Haar特征提取与检测以及基于深度学习的人脸特征检测方法与本文算法进行比较，对各类方法的基本原理、步骤、应用等进行分析。研究结论：本文提出的模糊图像特征匹配算法较经典算法与深度学习算法而言有一定的优势，但均有改进之处。例如如何控制高噪声情况下的特征提取率，以及如何提高在光照强度下的稳定性，是今后研究的重点问题。与同类文献相比的优缺点：本文在对特征提取时采用改进CSLBP算法，并提出了基于局部的中心对称局部二值模式和图变换相结合的匹配算法，提高了算法的准确率、稳定性和尺度不变性。[9]文荣,高瑞智,林鹏,黄静,万达,何云,杨红.超声组学在腮腺混合瘤和Warthin瘤鉴别诊断的应用研究[J].中国超声医学杂志,,37(07):-.研究背景：超声检查虽然在评估腮腺病变应用日益广泛，但图像的分析通常基于肉眼观察，受限于操作者的主观经验。因此基于计算机高通量地提取并分析肉眼无法观察到的影像特征具有重要研究意义。数据来源：回顾性收集广西医院超声诊断科年1月1日至年2月28日接受腮腺肿瘤切除术的患者。数据处理：基于感兴趣区的勾选，从腮腺肿瘤的超声图像中提取超声组学特征。通过假设检验及套索回归，从所选特征构建预测模型并评估其诊断效能。研究结论：基于超声的影像组学评分对鉴别腮腺混合瘤和Warthin瘤具有良好的诊断效能。与同类文献相比的优缺点：本文为回顾性研究，可能存在一定的偏倚以致影响分析结果。第二，研究样本较少，需纳入更多的例数进一步提高模型鉴别效能。[10]王红玉,张墺琦,卜起荣,崔磊,冯筠.基于双路径特征融合的结肠组织病理腺体分割方法[J/OL].西北大学学报(自然科学版):1-10[-07-10].研究背景：结肠腺癌是一种严重危害人们生命健康的常见癌症，作为癌症检测与诊断的关键环节，腺体分割在结肠腺癌计算机辅助诊断研究中至关重要。数据来源：本文使用Warwick-QU数据集作为研究数据集。它包含使用ZeissMIRAXMIDI显微镜获得的个结肠组织图像，并由医学专家对每个图像进行了腺体的真实标注。数据处理：设计了一种基于双路径特征融合结肠组织病理图像腺体分割网络。该网络利用带注意力的上下文特征提取路径和空间特征提取路径，获得较大的感受野和空间信息，增强网络对腺体形态学特征的学习能力，最终提升了腺体自动分割的性能。研究结论：本文算法在不同类型测试集上的Dice系数、F1得分和Hausdorff距离均取得较好的性能，模型泛化性较强，具有重要的应用前景。与同类文献相比的优缺点：本文算法对于腺体的准确定位和对它边界轮廓的精确分割能力更强，同时具有较强的泛化性。[11]谢军,肖朝轩,张思刚,刘力卿,律方成,谢庆.基于迁移学习和特征融合的复合绝缘子憎水性等级判别方法[J/OL].电网技术:1-9[-07-10].研究背景：目前鉴别复合绝缘子憎水性等级的方法均有一定的局限性，需要借助人工智能技术实现复合绝缘子憎水性等级判别。数据来源：本文在实验室环境下拍摄了张不同憎水性等级的复合绝缘子硅橡胶憎水性图像作为样本集。数据处理：针对传统方法憎水性图像特征表述能力不足的缺点，基于VGG-19卷积神经网络构建了憎水性图像深度特征提取模型，并基于迁移学习理论，通过共享ImageNet集深度特征，提取模型卷积层及网络层参数，实现了训练样本数量受限背景下憎水性图像深度特征提取模型网络优化。针对现场实测环境光照条件多变，深度特征易受影响的缺点，基于局部二值模式提取了憎水性图像局部特征，并以VGG-19网络为基础，通过融合深度特征及局部特征，构建了基于迁移学习和特征融合的复合绝缘子憎水性等级判别模型。研究结论：本方法提取的特征含量丰富，有效提高了憎水性等级判别效果，并可改善光照条件变化对憎水性等级判别结果不利影响。与同类文献相比的优缺点：本文通过融合LBP局部特征，削弱了光照条件对憎水性图像特征的影响，提高了现场实测光照条件多样条件下的憎水性判定效果。[12]徐魏军,魏玺,夏爽,裴广华.新生儿阑尾炎的超声图像特征[J].中国超声医学杂志,,37(05):-.研究背景：新生儿阑尾炎是儿童期急性阑尾炎的罕见特殊类型，本病进展快死亡率高，容易因误诊和漏诊造成严重后果。因此总结新生儿阑尾炎的声像图特征具有重要的意义。数据来源：选取年5月至年10月于天津医科大学就诊且经手术及病理证实为新生儿阑尾炎患儿18例。数据处理：回顾性分析我院经手术及病理证实为新生儿阑尾炎病例18例，总结其声像图特征。研究结论：新生儿阑尾炎临床表现不典型。超声特征为：(1)新生儿阑尾多位于肝下缘或右肾旁；(2)阑尾壁模糊但增厚不明显多2mm；(3)阑尾外径增粗多6mm；(4)阑尾腔扩张积脓一般无粪石；(5)阑尾周围大网膜增厚一般不明显；(6)阑尾周围系膜水肿增厚，多合并肠间隙积脓或脓肿。超声可较准确诊断新生儿阑尾炎，为临床早期干预提供可靠影像学依据。[13]张春晓,何军.一种基于对抗正则化的图像特征提取方法[J].小型微型计算机系统,,42(05):-.[14]李丹,孔繁锵,朱德燕.基于局部高斯混合特征提取的高光谱图像分类[J].光学学报,,41(06):78-89.研究背景：图像特征中含有重要的信息，是我们进行图像识别和分类的关键。数据来源：文献[14]数据来源于IndianPines数据集、PaviaUniversity数据集和Salinas数据集。数据处理：文献[13]基于对抗正则化的图像特征提取方法，在分类目标函数中引入对抗性正则化项，其核心思想是将特征经过Dropout得到两个后验分布，分类器最大化后验分布得到分类边界，特征生成器最小化后验分布生成远离分类边界的特征，二者相互对抗鼓励生成更具有代表性的类别信息，同时探究不同概率分布度量方法对特征空间的影响。文献[14]首先基于高光谱图像的空间结构为每个样本构建局部邻域集合，然后从局部邻域集合中提取高斯混合特征来充分表征空间-光谱信息及相关变化信息，最后将局部高斯混合特征融入包含黎曼核函数的支持向量机(SVM)分类器中，从而完成分类任务研究结论：文献[13]经过对抗正则化后生成器网络提取的特征良好，该方法在不同数据集的分类准确率上有所提升。与同类文献相比的优缺点：文献[13]从图像特征提取的训练角度出发，提出一种提高图像分类精度的对抗正则化方法。通过特征生成器和分类器的对抗训练，鼓励生成器输出具有类别信息的特征，在一定程度上提高模型的泛化能力。文献[14]方法的分类性能在较大程度上优于几种先进的分类方法，尤其在训练样本较少的情况下的优势更为明显。文献[14]方法为每个样本构建局部邻域集合，能够更准确地利用空间结构信息，提取具有更强识别力的局部高斯混合特征，这在很大程度上可以提高分类精度。[15]张明华,罗红玲,宋巍,黄冬梅,贺琪,苏诚.基于稀疏表示和学习图正则的高光谱图像特征提取[J].光子学报,,50(04):-.研究背景：传统的局部特征提取算法难以确定领域参数，且仅考虑数据间的单一结构易漏掉重要信息。数据来源：数据来源于PaviaU数据集和IndianPines数据集。数据处理：首先对稀疏表示模型施加基于学习的图正则器，用该改进的稀疏表示模型自适应揭示样本数据间的局部线性结构，通过局部判别模型全局集成算法来提取局部线性结构中的判别信息。研究结论：本文提出的局部判别与全局稀疏保持投影算法较对比算法取得了最好的性能，由于提取了全局和局部的判别信息，有效提升了高光谱图像的地物分类精度。[16]黄栎有,高先聪,尤传文.基于乳腺X线图像纹理特征建立机器学习模型在鉴别良恶性乳腺肿块中的价值[J].放射学实践,,36(04):-.研究背景：一方面乳腺癌作为发病率最高的女性恶性肿瘤，目前已成为我国45岁以下女性死亡率最高的恶性肿瘤之一。尽早发现和诊断可以有效提高乳腺癌患者的生存率。另一方面乳腺X线检查在良恶性乳腺肿块的鉴别诊断中已得到广泛的临床应用，但仅凭对形态学特征的主观分析来鉴别肿块良恶性仍存在较大困难。数据来源：回顾性搜集年1月-年12月在徐州医院进行乳腺X线检查且经病理证实的例乳腺肿块患者(个病灶)的病例资料。数据处理：将数据按照7﹕3的比例划将所有病灶随机分为训练集和验证集。使用MaZda软件，在X线图像上于乳腺病灶内手动勾画ROI，提取6类共个纹理特征，经降维处理后，利用训练集数据得到线性判别分析(LDA)、Logistic回归(LR)、随机森林(RF)和支持向量机(SVM)共4种模型，并利用验证集对这4种模型进行验证。研究结论：基于乳腺X线图像纹理特征建立的机器学习模型在鉴别乳腺肿块良恶性中具有一定优势。其中RF模型表现出较好的诊断效能，SVM模型的表现仅次于RF模型。与同类文献相比的优缺点：本文研究为回顾性单中心研究，且样本量相对较少，研究结果可能存在一定偏倚；采用ROI为人工勾画，因此纹理特征的提取结果可能受到人为因素的影响。[17]陈璐,杨虹.联合CT纹理分析和高分辨率CT图像特征预测肺腺癌组织学分化程度的研究[J].临床放射学杂志,,40(04):-.研究背景：由于近年体检胸部CT检查的普及，腺癌的发病率正逐年升高。肺腺癌的分化程度很大程度决定了患者的预后。纹理分析是一种能够高通量提取、分析图像信息的方法，采用自动或半自动分析方法将肉眼不可见的特征转换为可挖掘的数据信息，目前广泛应用于肿瘤术前诊断、定性评价、肿瘤分期和治疗后评估等方面。数据来源：回顾性搜集本院年6月至年9月在浙江大医院行胸部高分辨率CT检查后经手术病理证实的肺腺癌患者。共例患者共计个病灶入组，男52例，女94例，年龄24～83岁，中位年龄62岁。数据处理：用MaZda软件提取个纹理特征，将全部病灶按7∶3的比例随机分成实验组和验证组，用LASSO算法进行特征筛选，用验证组数据进行验证，将提取的特征结合影像学表现进行多因素Logistic回归分析。研究结论：中低分化组更容易表现为大结节、不规则形、伴有分叶、毛刺和胸膜牵拉征象的结节(P均0.05)。每个病灶提取出的纹理特征通过LASSO算法最终筛选出5个纹理特征，实验组中的敏感度为86.11，特异度为58.67%，AUC为0.；验证组的敏感度为96.87%，特异度为56.25%；AUC为0.。与同类文献相比的优缺点：本研究存在一定的局限性，本研究属于回顾性研究，可能存在样本的选择偏倚，本研究仅选取病灶最大层面分析，未对肿瘤三维体积进行分析，虽然部分研究显示三维纹理分析对鉴别肺结节的准确率可达95.4%，但后续仍需大样本进行研究。[18]杨海花,应文豪,龚声蓉.跨域图像分类中域不变细节特征提取算法[J].计算机工程与设计,,42(05):-.研究背景：图像特征中含有重要的图像信息，是图像识别分类的关键。数据来源：该数据集是迁移学习领域里使用较频繁的数据集，MNIST包含7万张黑底白字手写数字图片，其中张为训练集，张为验证集，0张为测试集。研究结论：本文提出了一种基于混合池化的深度卷积特征提取方法，不仅在目标域上的分类准确率有所提高，在源域上的准确率也有小幅度提高。与同类文献相比的优缺点：本文依然有待改进的地方，其中一个是可以对源域中的样本进行预处理，去除一些背景信息较多的图像样本；还有一点是实验中只在最后一个卷积层之后采取了混合池化策略，如果在每一个卷积操作后都采取该策略效果是否会更好。[19]乔颖婧,高保禄,史瑞雪,刘璇,王朝辉.融合Tamura纹理特征的改进FCM脑MRI图像分割算法[J/OL].计算机科学:1-10[-07-10].研究背景：医学图像分割是根据解剖学和病理学将人体组织图像划分成有意义区域的过程，其结果的准确性直接决定了医学图像分析结果的好坏，是临床诊断和研究中的重要步骤。数据处理：提取图像的Tamura纹理特征，将其与灰度特征线性加权构成融合特征。然后使用模糊邻域关系计算像素点的密度，将其与距离关系结合自适应选取初始聚类中心。最后使用融合特征作为更新隶属度和聚类中心的特征约束。研究结论：所提算法能获取更优的初始聚类中心，在处理噪声和灰度不均匀图像上表现出更好的鲁棒性，能够快速有效地分割脑MRI图像。与同类文献相比的优缺点：该算法也有不足之处，如分割后的图像仍存在噪声点，融合权值需要人为设定。下一步的研究方向是进一步提高算法的抗噪性并改善线性融合权值的自适应能力。[20]李晓峰,刘刚,卫晋,王妍玮.基于卷积神经网络与特征选择的医疗图像误差预测算法[J].湖南大学学报(自然科学版),,48(04):90-99.研究背景：针对传统医疗图像误差预测算法无法很好的选择图像特征，存在图像误差预测值与实际值拟合度低、预测耗时长等问题，提出基于卷积神经网络与特征选择的医疗图像误差预测算法。数据来源：实验数据统一采用TCGA(TheCancerGenomeAtlas）数据库中的乳腺癌图像数据集.该数据库包含36种癌症数据，每种癌症都涉及多维的图谱信息。避免不同类别医疗图像数据对实验结果的干扰，本实验选取其中的乳腺癌图像数据集为测试集，每一图像特征对应一个时间戳记录。数据处理：选取5种集成规则构建自适应多分类器，对医疗图像区域进行分类；其次，训练卷积神经网络，利用训练完成的神经网络提取不同类别医疗图像区域特征，以此为基础计算区域距离，寻找出相似度最小的区域，完成图像可疑区域定位；再次，融合多评价标准生成特征子集，从中搜索得到最优特征子集，完成可疑区域图像特征选择；最后，以选择得到的特征区域像素点作为训练样本，建立预测样本与训练样本之间的多元线性回归矩阵，实现误差预测。研究结论：所提算法的集成规则适应度较高，分类性能好，区域距离计算准确率高达95%左右，特征选择的AUC值（AreaUnderCurve）高，且预测结果拟合度和预测耗时均优于传统算法。与同类文献相比的优缺点：本研究结果仍旧有待进一步的补充与改善，本文对于卷积神经网络模型仅进行了简单的训练，分析深度不足，未能充分利用卷积神经网络的优势。发布内容主要为河北大学经济学院金剑教授及其学生们的学习、读书、科研笔记，同时分享各类科研成果、消息、新闻，涉及领域主要为各种社会科学研究方法及其应用。。如有意见、建议或投稿，可发邮件至jinjian.
转载请注明：http://www.qifenq.com/glbyh/9695.html
