数据提取必须包括定义大量值。特征分为语义和非语义:第一类涉及肿瘤直径、体积和形状等数据,而第二类涉及从图像的数学阐述中提取的数据。特征也可以根据其定义模式进行区分。一阶变量涉及肿瘤体素的信号值,与其空间分布无关,而二阶数据涉及信号空间分布的分析:所谓的纹理分析。纹理被定义为“具有亮度、颜色、大小和形状特征的表面上元素或图案的规则重复”。还有关于肿瘤空间特征的特征:基于形状的特征。最后,可以通过使用分形分析肿瘤来计算不同的数据集:基于分形的特征。随后必须选择数据以识别非冗余、稳定和相关的数据,这些数据最有可能定义具有良好诊断性能的模型 [13]。具体来说,可以通过评估在不同时间重复测试或使用不同肿瘤分割方法的数据的一致性来计算稳定性。
抽象的纹理分析用于非常广泛的场和应用,从纹理分类(例如,用于遥感)到分割(例如,在生物医学成像中),通过图像合成或模式识别(例如,用于图像inpainting)。对于这些图像处理过程中的每一个,首先,必须从原始图像中提取描述纹理属性的象征性特征。在过去的几十年中,已经提出了各种特征提取方法。每个人都有其优点和局限性:其中一些的性能不是通过翻译,旋转,affin和perspective变换来修改的;其他人的计算复杂性低;其他人再次容易实施;等等。本文对纹理特征提取方法进行了全面的调查。后者分为七个类:统计方法,结构方法,基于转换的方法,基于模型的方法,基于图形的方法,基于学习的方法和基于熵的方法。对于这七个类中的每种方法,我们介绍了概念,优势和缺点,并给出了应用程序的示例。这项调查使我们能够确定两类方法,特别是在将来值得关注的方法,因为它们的表现似乎很有趣,但是他们的详尽研究尚未进行。
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是通过 1996 年至 1998 年在 42 个地块(每个 108 公顷)内的 12 个点进行的 10 分钟点计数总结出来的。我们在 1996 年获取的一组数字正射影像上,在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个,我们都总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理和平均鸟类物种丰富度之间的关系。单一图像纹理测量(例如标准差)可以描述物种丰富度高达 57% 的变异性。结合多种纹理测量或将海拔与单一纹理测量相结合可以描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗糙栖息地类型的模型可以描述鸟类物种丰富度 76% 的变异性。这些结果表明,图像纹理分析是一种非常有前途的工具,可用于描述半干旱生态系统的栖息地结构和预测物种丰富度模式。与依赖分类图像的方法相比,该方法具有多项优势,包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是根据 1996 年至 1998 年在 42 个地块(每个 108 公顷)内的 12 个点进行的 10 分钟点计数总结出来的。我们对 1996 年获取的一组数字正射影像在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个,我们总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理与平均鸟类物种丰富度之间的关系。单一图像纹理测量(例如标准差)描述了物种丰富度高达 57% 的变异性。将多种纹理测量或高程与单一纹理测量相结合,可描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗略栖息地类型的模型可描述鸟类物种丰富度 76% 的变异性。这些结果表明,图像纹理分析是一种非常有前途的工具,可用于表征栖息地结构和预测半干旱生态系统物种丰富度模式。与依赖分类图像的方法相比,该方法具有多种优势,包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
摘要 偏置场作为一种低频平滑信号,对磁共振(MRI)图像具有一定的破坏作用,是医生诊断和图像处理(如分割、纹理分析、配准等)的主要障碍。在分析受损的MRI图像之前,需要一个预处理步骤来校正图像中的偏置场。与传统基于信号模型和先验假设的偏置场去除算法不同,深度学习方法不需要对信号和偏置场进行精确建模,也不需要调整参数。经过深度神经网络训练大训练集后,输入带有偏置场的MRI图像,输出校正后的MRI图像。本文提出以log-Gabor滤波器组获得的多个频带上的偏置场局部特征图像和原始图像作为输入,通过深度可分离卷积神经网络对脑MRI图像的偏置场进行校正,并使用残差学习和批量归一化来加速训练过程并提高偏置场校正性能。我们的训练模型在 BrainWeb 模拟数据库和 HCP 真实数据集上进行了测试,定性分析的结果表明我们的训练模型取得了比传统最先进的 N4 和 NIMS(非迭代多尺度)方法更好的性能。关键词:磁共振成像;强度不均匀性校正;偏置场;Log-Gabor 滤波器;深度学习
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是通过 1996 年至 1998 年在 42 个地块(每个 108 公顷)内的 12 个点进行的 10 分钟点计数总结出来的。我们在 1996 年获取的一组数字正射影像上,在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个,我们都总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理和平均鸟类物种丰富度之间的关系。单一图像纹理测量(例如标准差)可以描述物种丰富度高达 57% 的变异性。结合多种纹理测量或将海拔与单一纹理测量相结合可以描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗糙栖息地类型的模型可以描述鸟类物种丰富度 76% 的变异性。这些结果表明,图像纹理分析是一种非常有前途的工具,可用于描述半干旱生态系统的栖息地结构和预测物种丰富度模式。与依赖分类图像的方法相比,该方法具有多项优势,包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是通过 1996 年至 1998 年在 42 个地块(每个 108 公顷)内的 12 个点进行的 10 分钟点计数总结出来的。我们在 1996 年获取的一组数字正射影像上,在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个,我们都总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理和平均鸟类物种丰富度之间的关系。单一图像纹理测量(例如标准差)可以描述物种丰富度高达 57% 的变异性。结合多种纹理测量或将海拔与单一纹理测量相结合可以描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗糙栖息地类型的模型可以描述鸟类物种丰富度 76% 的变异性。这些结果表明,图像纹理分析是一种非常有前途的工具,可用于描述半干旱生态系统的栖息地结构和预测物种丰富度模式。与依赖分类图像的方法相比,该方法具有多项优势,包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
摘要酸奶是由于其营养和健康益处而在全球范围内非常重要的发酵乳制品。这项研究的目的是将乳液乳清混合物的生物转化为酸奶和阿罗尼亚(Aronia Melanocarpa)补充。嗜热链球菌和乳杆菌Delbrueckii亚种。保加利亚被用作对照和功能性酸奶产生的微生物。样品在整个冷藏过程中都根据纹理指数以及纹理和感觉特性进行分析。使用排水法确定协同指数,并从样品的纹理分析中获得纹理参数。感觉评估用于评估消费者接受和对功能性酸奶感觉特性的反应。功能性酸奶表达在存储过程中的传递指数差异,并且明显高于第21天对照酸奶。在存储期间,样品的纹理特性相似。在功能性酸奶中观察到硬度,粘合性和胶粘性的更高的凝聚力和弹性值以及较低的值。结果表明,颜色和味道对酸奶没有统计学上的显着影响。根据酸奶品质的评估,在存储的最后一天,乳清分离水平在存储的最后一天有很大差异。液体乳清成生物转化为功能性酸奶提供了乳清价化技术,可促进人类健康和环境可持续性。
1。Wisner ER,Dickinson PJ,Higgins RJ。磁共振成像的特征是犬内肿瘤的特征。vet radiol超声。2011; 52:S52-S61。2。José-LópezR,Gutierrez-Quintana R,Fuente C等。伴有神经胶质瘤的狗的临床特征,诊断和生存分析。J VET Intern Med。2021; 35:1902-1917。3。Young BD,Levine JM,Porter BF等。狗内星形胶质细胞瘤和少突胶质瘤的磁共振成像特征。vet radiol超声。2011; 52:132-141。4。Bentley RT,Ober CP,Anderson KL等。犬颅内神经胶质瘤:磁共振成像标准与肿瘤类型和等级之间的关系。兽医J。 2013; 198:463-471。 5。 Koehler JW,Miller AD,Miller CR等。 修订了犬神经瘤的诊断性临床化:旨在验证犬神经胶质瘤患者是人神经胶质瘤的天然临床前模型。 J Neuropathol Exp Neurol。 2018; 77:1039-1054。 6。 Kraft SL,Gavin PR,Dehaan C,Moore M,Wendling LR,Leathers CW。 回顾性评论通过磁共振成像评估的50种犬颅内肿瘤。 J VET Intern Med。 1997; 11:218-225。 7。 Bentley RT。 磁性共振成像对狗的脑肿瘤的诊断。 兽医J。 2015; 205:204-216。 8。 Stadler KL,Ruth JD,Pancotto TE,Werre SR,Rossmeisl JH。 前兽医Sci。兽医J。2013; 198:463-471。 5。 Koehler JW,Miller AD,Miller CR等。 修订了犬神经瘤的诊断性临床化:旨在验证犬神经胶质瘤患者是人神经胶质瘤的天然临床前模型。 J Neuropathol Exp Neurol。 2018; 77:1039-1054。 6。 Kraft SL,Gavin PR,Dehaan C,Moore M,Wendling LR,Leathers CW。 回顾性评论通过磁共振成像评估的50种犬颅内肿瘤。 J VET Intern Med。 1997; 11:218-225。 7。 Bentley RT。 磁性共振成像对狗的脑肿瘤的诊断。 兽医J。 2015; 205:204-216。 8。 Stadler KL,Ruth JD,Pancotto TE,Werre SR,Rossmeisl JH。 前兽医Sci。2013; 198:463-471。5。Koehler JW,Miller AD,Miller CR等。修订了犬神经瘤的诊断性临床化:旨在验证犬神经胶质瘤患者是人神经胶质瘤的天然临床前模型。J Neuropathol Exp Neurol。2018; 77:1039-1054。 6。 Kraft SL,Gavin PR,Dehaan C,Moore M,Wendling LR,Leathers CW。 回顾性评论通过磁共振成像评估的50种犬颅内肿瘤。 J VET Intern Med。 1997; 11:218-225。 7。 Bentley RT。 磁性共振成像对狗的脑肿瘤的诊断。 兽医J。 2015; 205:204-216。 8。 Stadler KL,Ruth JD,Pancotto TE,Werre SR,Rossmeisl JH。 前兽医Sci。2018; 77:1039-1054。6。Kraft SL,Gavin PR,Dehaan C,Moore M,Wendling LR,Leathers CW。 回顾性评论通过磁共振成像评估的50种犬颅内肿瘤。 J VET Intern Med。 1997; 11:218-225。 7。 Bentley RT。 磁性共振成像对狗的脑肿瘤的诊断。 兽医J。 2015; 205:204-216。 8。 Stadler KL,Ruth JD,Pancotto TE,Werre SR,Rossmeisl JH。 前兽医Sci。Kraft SL,Gavin PR,Dehaan C,Moore M,Wendling LR,Leathers CW。回顾性评论通过磁共振成像评估的50种犬颅内肿瘤。J VET Intern Med。1997; 11:218-225。7。Bentley RT。 磁性共振成像对狗的脑肿瘤的诊断。 兽医J。 2015; 205:204-216。 8。 Stadler KL,Ruth JD,Pancotto TE,Werre SR,Rossmeisl JH。 前兽医Sci。Bentley RT。磁性共振成像对狗的脑肿瘤的诊断。兽医J。 2015; 205:204-216。 8。 Stadler KL,Ruth JD,Pancotto TE,Werre SR,Rossmeisl JH。 前兽医Sci。兽医J。2015; 205:204-216。 8。 Stadler KL,Ruth JD,Pancotto TE,Werre SR,Rossmeisl JH。 前兽医Sci。2015; 205:204-216。8。Stadler KL,Ruth JD,Pancotto TE,Werre SR,Rossmeisl JH。前兽医Sci。计算机断层扫描和磁共振成像在男性调查方面是等效的,并且类似地在犬颅内神经胶质瘤的等级和类型可预测性方面不准确。2017; 4:157。 9。 Larroza A,BodíV,MoratalD。磁共振成像中的纹理分析:对未来应用的审查和考虑。 in:Contantinides c(ed):使用直接和衍生的MRI方法评估细胞和器官功能以及dys功能。 互联网:伦敦:Intechopen,2016年。 10。 van Timmeren JE,Cester D,Tanadini-Lang S,Alkadhi H,BaesslerB。 见解成像。 2020; 11:91。 11。 Castellano G,Bonilha L,Li LM,CendesF。医学图像的纹理分析。 Clin radiol。 2004; 59:1061-1069。 12。 Rizzo S,Botta F,Raimondi S等。 放射线学:图像分析的事实和挑战。 EUR RADIOL EXP。 2018; 2:36。 13。 Sanduleanu S,Woodruff HC,De Jong Eec等。 与放射线学跟踪肿瘤生物学:使用放射线质量评分的系统评价。 Radiother Oncol。 2018; 127:349-360。2017; 4:157。9。Larroza A,BodíV,MoratalD。磁共振成像中的纹理分析:对未来应用的审查和考虑。in:Contantinides c(ed):使用直接和衍生的MRI方法评估细胞和器官功能以及dys功能。互联网:伦敦:Intechopen,2016年。10。van Timmeren JE,Cester D,Tanadini-Lang S,Alkadhi H,BaesslerB。见解成像。2020; 11:91。11。Castellano G,Bonilha L,Li LM,CendesF。医学图像的纹理分析。Clin radiol。 2004; 59:1061-1069。 12。 Rizzo S,Botta F,Raimondi S等。 放射线学:图像分析的事实和挑战。 EUR RADIOL EXP。 2018; 2:36。 13。 Sanduleanu S,Woodruff HC,De Jong Eec等。 与放射线学跟踪肿瘤生物学:使用放射线质量评分的系统评价。 Radiother Oncol。 2018; 127:349-360。Clin radiol。2004; 59:1061-1069。 12。 Rizzo S,Botta F,Raimondi S等。 放射线学:图像分析的事实和挑战。 EUR RADIOL EXP。 2018; 2:36。 13。 Sanduleanu S,Woodruff HC,De Jong Eec等。 与放射线学跟踪肿瘤生物学:使用放射线质量评分的系统评价。 Radiother Oncol。 2018; 127:349-360。2004; 59:1061-1069。12。Rizzo S,Botta F,Raimondi S等。放射线学:图像分析的事实和挑战。EUR RADIOL EXP。 2018; 2:36。 13。 Sanduleanu S,Woodruff HC,De Jong Eec等。 与放射线学跟踪肿瘤生物学:使用放射线质量评分的系统评价。 Radiother Oncol。 2018; 127:349-360。EUR RADIOL EXP。2018; 2:36。 13。 Sanduleanu S,Woodruff HC,De Jong Eec等。 与放射线学跟踪肿瘤生物学:使用放射线质量评分的系统评价。 Radiother Oncol。 2018; 127:349-360。2018; 2:36。13。Sanduleanu S,Woodruff HC,De Jong Eec等。与放射线学跟踪肿瘤生物学:使用放射线质量评分的系统评价。Radiother Oncol。2018; 127:349-360。
抽象目标建立的心力衰竭(HF)风险的临床前成像评估基于宏观结构心脏重塑。鉴于微观结构改变也可能影响HF风险,尤其是在女性中,我们检查了微观结构改变与事件HF之间的关联。我们研究了n = 2511名成年参与者(平均年龄65.7±8.8岁,56%的女性),他们在基线时没有心血管疾病。,我们基于高频谱信号强度系数(HS-SIC)对超声心动图的纹理分析来量化微结构变化。我们检查了其与性行为和性别特定的COX模型的关系,这些模型涉及传统的HF风险因素和宏观结构的改变。结果我们观察到94个新的HF事件在7。4±1.7岁以上。HS-SIC较高的个体患有HF的风险增加(HS-SIC中的HR 1.67,95%CI 1.31至2.13; P <0.0001)。调整年龄和降压药的使用,这种关联在女性中很重要(p = 0.02),但没有男性(p = 0.78)。调整传统危险因素(包括体重指数,总/高密度脂蛋白胆固醇,血压特征,糖尿病和吸烟)减弱了女性的关联(HR 1.30,P = 0.07),并在这些风险因素的主要方面看到HS-SIC的HF风险中介。然而,除了这些危险因素外,调整了相对壁厚(代表宏观结构改变)后,女性中与HF的HF与HF的关联(HR 1.47,p = 0.02)仍然显着。结论心脏微结构改变与HF的风险升高有关,尤其是在女性中。微观结构改变可能会识别个人从风险因素到临床HF的发展的性别途径。