脑动静脉畸形磁共振血管造影的计算机辅助分析及临床应用研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61471349
  • 项目类别:
    面上项目
  • 资助金额:
    83.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0125.医学信息检测与处理
  • 结题年份:
    2018
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2018-12-31

项目摘要

Automatic and accurate segmentation of the AVM internal structure from three dimensional magnetic resonance angiography (MRA) datasets is important to optimize surgical planning and relieve surgical risk. In this field, the main problems consist in imperfect display of AVM structure, absence of anatomical position information, low SNR and high background noise. In addition, the AVM segmentation is also confronted with close class separation distance and great intra-class variance between or among various objects and non-objects.Therefore, we should utilize the morphology structure such as cerebral vessels, blood flow, cortex gyrus and sulus to construct mixture-optimal statistic model for the qualitative and quantitative analysises. The project has realized accurate segmentation of cerebral arteries. The subsequent research measures are: (1) to solve the problem of luminance and shape similarities presented between the objects and non-objects within MRA data; (2) to quantitatively characterize the complicate AVM structures, integrating with structures and blood flows, synthetically utilizing various algorithms w.r.t nucleus extraction and postprocess; (3) to construct multi-class and multi-degree segmentation model and 3D grid model of cerebral cortex for accurate position,3D reconstruction, and living brain display. Finally, we will establish a effective platform for researching and analysing w.r.t. computer-assisted and visualized diagnosis & treat of AVM surgery.
从三维磁共振血管造影(MRA)数据集中自动和精确地分割出AVM结构,对于优化手术计划和降低手术风险至关重要。该领域面临的主要问题是单一MRA成像对AVM复杂结构显示不全、缺少解剖定位信息、存在较低的信噪比和较高的背景噪声;AVM图像分割时,也面临多类目标和非目标之间较近的类间距和较大的类间方差等挑战性问题。对此,我们拟利用各类MRA成像数据所反映的脑血管、血流、皮层沟回等结构形态信息,建立混合优化的统计学模型开展定性和定量分析。本项目已实现了脑动脉的精确分割,后续研究对策是:(1)解决噪声条件下目标与非目标结构的灰度和形状特性相似问题;(2)结合结构成像与血流信息,综合利用各种核提取算法和后处理技术进行复杂AVM的量化描述;(3)建立多类多层次的脑皮层沟回分割模型和三维网格模型,进行解剖结构的精确定位、三维重建、逼真显示。最终为可视化AVM辅助诊疗和临床应用建立有效的研究分析平台。

结项摘要

实现对各类信噪比图像的评估,提出三维磁共振血管造影、CT血管造影、数字减影血管造影等多模态医学图像中的血管自动分割和中心线提取的新方法,在描述AVM结构的基础上,设计了血管介入治疗可视化系统,能够有效反应脑血管、血流、皮层沟回等结构形态信息,实现脑动静脉结构精确分割、解剖结构的精确定位、三维重建、逼真显示,申请国内外专利12项,授权1项,已发表SCI论文6篇,已录用1篇;最终研发成功血管介入智能系统样机和操作计划平台,并应用于10例动物血管介入,获得良好的实验效果。

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(0)
会议论文数量(6)
专利数量(12)
A novel remote-controlled robotic system for cerebrovascular intervention
一种用于脑血管介入的新型远程控制机器人系统
  • DOI:
    10.1002/rcs.1943
  • 发表时间:
    2018-12-01
  • 期刊:
    INTERNATIONAL JOURNAL OF MEDICAL ROBOTICS AND COMPUTER ASSISTED SURGERY
  • 影响因子:
    2.5
  • 作者:
    Shen, Hao;Wang, Cheng;Xie, Hongzhi
  • 通讯作者:
    Xie, Hongzhi
A vessel segmentation method for multi-modality angiographic images based on multi-scale filtering and statistical models.
基于多尺度滤波和统计模型的多模态血管造影血管分割方法
  • DOI:
    10.1186/s12938-016-0241-7
  • 发表时间:
    2016-11-08
  • 期刊:
    Biomedical engineering online
  • 影响因子:
    3.9
  • 作者:
    Lu P;Xia J;Li Z;Xiong J;Yang J;Zhou S;Wang L;Chen M;Wang C
  • 通讯作者:
    Wang C
A consistency evaluation of signal-to-noise ratio in the quality assessment of human brain magnetic resonance images.
人脑磁共振图像质量评估中信噪比的一致性评价
  • DOI:
    10.1186/s12880-018-0256-6
  • 发表时间:
    2018-05-16
  • 期刊:
    BMC medical imaging
  • 影响因子:
    2.7
  • 作者:
    Yu S;Dai G;Wang Z;Li L;Wei X;Xie Y
  • 通讯作者:
    Xie Y
Can Signal-to-Noise Ratio Perform as a BaselineIndicator for Medical Image Quality Assessme
信噪比能否作为医学图像质量评估的基线指标
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Zhicheng Zhang;GuangZhe Dai;Xiaokun Liang;Shaode Yu;Leida Li;Yaoqin Xie
  • 通讯作者:
    Yaoqin Xie
The line- and block-like structures extraction via ingenious snake
通过巧妙的蛇提取线状和块状结构
  • DOI:
    10.1016/j.patrec.2018.08.018
  • 发表时间:
    2018-09
  • 期刊:
    Pattern Recognition Letters
  • 影响因子:
    5.1
  • 作者:
    Zhou Shoujun;Li Baolin;Wang Yuanquan;Wang Cheng;Wen Tiexiang;Li Na
  • 通讯作者:
    Li Na

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

基于Metropolis-SA算法的脑部磁共振血管造影图像分割
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    生物医学工程与临床
  • 影响因子:
    --
  • 作者:
    杨俊;郑曲波;吴桂良;高兴旺;李洪亮;周寿军
  • 通讯作者:
    周寿军
基于后验概率的呼吸信号预测
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    中国生物医学工程学报
  • 影响因子:
    --
  • 作者:
    周寿军;周智洋;王文辉;邱建平
  • 通讯作者:
    邱建平
基于投影图像和CT容积图像的三维冠状动脉运动跟踪新方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    生物医学工程与临床
  • 影响因子:
    --
  • 作者:
    杨俊;周寿军;尹岭;李洪亮;吴庆洲
  • 通讯作者:
    吴庆洲
利用模糊识别算法分析冠状动脉造影图像中的血管结构
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机学报
  • 影响因子:
    --
  • 作者:
    江贵平;周寿军
  • 通讯作者:
    周寿军
内照射放疗机器人的研究
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    集成技术
  • 影响因子:
    --
  • 作者:
    余绍德;郑波;郑国焱;周寿军
  • 通讯作者:
    周寿军

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

周寿军的其他基金

基于混合成像的冠心病计算机辅助诊断新方法
  • 批准号:
    61179020
  • 批准年份:
    2011
  • 资助金额:
    60.0 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