教学课程资源库 更多>>

关键词： 生成式对抗网络   计算机辅助诊断   医学影像异常检测   自编码器  

摘要： 医学影像的特点是异常情况复杂多样,而且每种异常的样本数量太少,导致正负样本极度不均衡,很难用常规的神经网络训练得到一个好的结果。除此以外,医学影像的异常只有专业的医疗方向研究人员可以辨别,这给医学影像的标注带来了极大的困难,也提高了标注的成本。基于医学影像异常检测的上述特点,本论文提出了两个基于半监督的异常检测的改进算法对医学影像进行异常检测。两个模型的训练过程不需要异常样本,只使用正常的医学影像就可以完成模型的训练,符合医学影像正常样本和异常样本极度不均衡的实际场景。本文在对模型分别根据实际场景的需求进行改进,提升了模型异常检测的能力,主要内容如下:(1)本文以人体骨骼为主要研究对象,收集了大量的人体骨骼医学影像来制作数据集,对人体骨骼医学影像进行了预处理。由于收集到的人体骨骼图像大小不一,且大部分尺寸较大,因此使用随机切割的方法,在每张图中随机切割50张大小均为64x64的图像小块,最后生成模型的训练集。(2)提出了基于自编码器的改进模型应用于医学影像的异常检测。为了提高自编码器的重构能力,在自编码器的编码器和解码器之间加入记忆增强模块,提高了模型对正常图像的重构能力,以及都异常图像的检测能力。除此之外在自编码器中加入双判别器,不仅能够通过双判别器提高模型的重构能力,而且能有效避免模式崩溃问题。在测试阶段,经过双判别器对抗训练的自编码器,能够很好地重构正常的图像,同时判别出异常的图像。(3)提出了一种改进的GANomaly异常检测模型,该模型在GANomaly的基础上提出了三方面的改进:首先,对模型加入了图像修复模块,通过训练修复被破坏的图像部分,来更好地学习正常样本的细节特征,提高模型对正常图像的重构能力;其次,在生成网络中加入跳层连接,可以更好地学习到图像的细节特征,提高模型的重构能力和异常检测能力;最后,为了更好地提高模型的重构能力和训练的稳定性,对模型结构进行优化,生成器不再是从编码到编码的比较,而是输入图像和重构图像的比较。判别器也设置为一个自编码器,用于接收生成图像,更好的识别原始图像和生成图像之间的差异。与此同时,对网络的损失函数也做了相应的变化,异常分数的计算是由输入图像和重构图像之间的残差分数来得到。基于上述研究,经过大量测试数据对改进后的算法进行验证研究发现,基于自编码器的改进模型与基于GANomaly的改进模型均在异常检测性能方面较之前得到了明显的提升。但是基于GANomaly的改进模型的异常检测能力、稳定性等各个方面均优于基于自编码器的改进模型。

关键词： 发展战略   医学影像设备公司   SWOT分析  

摘要： 医学影像设备在各类疾病的诊疗过程中起着至关重要的作用,关乎国计民生。全球老龄化加剧的问题使得医学影像设备的需求量不断增加。随着我国科技及制造工艺的进步,我国高端医学影像设备行业蓄势待发,大批企业希望借机崭露头角。其中最为著名的是A医学影像设备公司,它成立十余年,走自主研发道路,在短期内积累了深厚的技术实力,成为中国高端医学影像设备的第一品牌。长期以来,我国的高端医学影像设备市场被进口品牌垄断,早期中国的企业由于缺乏核心技术,产品质量和稳定性成为硬伤,以致给我国医院采购决策层造成深远的负面影响。A医学影像设备公司作为民族企业的后起之秀,面临着巨大的竞争压力,担负着重大的发展责任。在今后的发展中,A医学影像设备公司需结合自身情况制定出合适的发展战略,才能在高端医疗影像设备全球市场上突出重围,取得一席之地。 本文以A医学影像设备公司为研究对象,运用企业战略相关理论和分析工具,对该公司的发展战略进行了研究。首先,采用PEST分析法、结合波特五力模型和EFE外部因素评价矩阵,对A医学影像设备公司面临的外部宏观环境和行业竞争情况进行了研究与评价,发现当前A医学影像设备公司面临着难得的发展机遇,但同时也面临着进口品牌影响力大和国产品牌价格战的威胁;其次,深入分析A医学影像设备公司具有的资源和能力,对其自身发展的内在条件进行客观评价,发现A医学影像设备公司拥有较强的研发实力和融资能力,但同时也存在成立时间短、销售渠道管理不足的劣势;第三,通过对公司内外部环境综合分析,并结合公司发展愿景和经营情况,本文认为A医学影像设备公司应该采用多元化战略与国际化经营战略相结合的整体战略,在竞争战略的选择上,以差异化战略为指导,力求在产品、销售模式以及售后服务与竞争对手形成差异化。 最后,围绕该发展战略和竞争战略方案,A医学影像设备公司可从持续提高科研实力实现产品多元化与服务模式多元化、通过海外设立研发中心提高国际影响力以及与科研院校合作实现国际化销售等四个方面来具体实施该战略,公司的相关部门应根据各自职责制定出保障措施以帮助发展战略的顺利实施,使A医学影像设备公司能够赶超竞争对手,并适时的弯道超车,发展成为中国自己的知名品牌并参与全球高端医疗设备市场的竞争。

关键词： 医学影像配准   可变形配准   微分同胚配准   双层优化   自动化机器学习  

摘要： 医学图像配准通过发现图像之间的空间对应关系,将不同的图像转换为一个具有匹配内容的公共坐标系。配准在医学图像分析中起着至关重要的作用,是许多临床任务的基础,如不同模式的图像融合、解剖结构演变的纵向分析、运动提取和群体建模。医学图像配准框架包含待配准图像对及其特征、相似性度量、转换模型和优化方法。传统配准方法旨在求解为每个图像对精心设计的优化问题,计算成本高。基于深度学习的方法用一个全局函数的优化取代昂贵的数值优化,可以实现快速对齐。然而,大多数配准网络只是基于预先设计的损失函数直接学习参数以输出变形场,很难为前端特征提取阶段自适应地强制执行配准约束,并且这些完全数据驱动的深度网络缺乏明确的拓扑保留约束。成功的配准算法,无论是源于传统的能量优化还是深度网络,都需要计算机专家做出巨大的努力以便很好地设计配准能量,或者针对特定类型的医疗数据仔细调整网络结构。为解决上述问题,本文工作从医学影像配准框架的三个方面(特征空间、相似性度量和转换模型)出发,结合深度学习和双层优化机制,提出了如下配准算法。1)本文提出了基于特征学习的双层配准模型。该模型将变形计算的能量作为上层优化,将特征的最大后验概率估计作为下层优化,协同求解变形场和特定于配准任务的特征。在脑部核磁数据集上的大量实验表明,该研究方法在准确性,鲁棒性和效率方面获得领先性能。2)本文设计了新颖的相似性度量——双层自调整损失函数。具体来说,本文提出了一个新的优化学习框架,它将深度网络、微分同胚优化和灵活适应各种场景的双层自调整训练策略相结合。大量的实验证明了所提出方法具有拓扑保留的领先性能。本文还将该框架应用于多模态图像配准,并验证它在支持下游医学图像融合和分割任务上的实用性。3)本文构建了基于三层优化的自动学习配准框架。该框架自动地设计配准网络的损失函数、特征学习和可变形模块的网络结构,使非计算机专家(例如医疗专家)能够方便地找到适用于不同场景的现成配准算法。在各种配准任务上的结果表明,所提出方法可以自动学习面向给定数据的配准网络,并实现比现有技术更准确高效的性能。

关键词： 脑肿瘤分类   脑肿瘤分割   MRI医学图像   注意力机制   多模态  

摘要： 随着我国脑肿瘤患者数量不断增加并且伴随着高致死率,在早期确定脑肿瘤类型和形态大小对帮助医生为患者制定相对应治疗方案来说非常关键。医学影像技术作为脑肿瘤检查研究的重要辅助手段,为协助医生详尽了解脑肿瘤种类和大小等情况提供影像支持。其中,脑肿瘤分类技术能够确定出肿瘤的种类,分割技术可以确定肿瘤的形态大小。在人工智能高速发展的情况下,本文围绕MRI医学影像对脑肿瘤分类与分割技术展开研究,具体工作内容如下: (1)针对脑肿瘤数据各类别间差异较小,分类难度大的问题,设计了基于残差通道注意力的细粒度脑肿瘤分类模型。首先,该网络采用对数变换进行脑肿瘤图像增强,接着通过引入残差通道注意力模块和中心损失函数模块等获得特征图和注意力图,然后在双线性注意力池化算法的引导下进行特征图和注意力图的信息融合,最后经softmax归一化后再送入分类器。通过实验表明,该分类网络相比于目前图像分类中的主流网络来讲表现较好。 (2)设计了引入FAVOR+算法的多分支转换网络脑肿瘤分类模型。本文主要将自然语言处理领域中最流行的Transformer类型网络,即多分支转换网络应用于计算机视觉图像分类方向中。针对多分支转换分类网络对数据集量级要求极高的问题,首先将脑肿瘤数据集扩充到36768张,避免因数据量小造成整个网络质量低下;接着考虑GELU激活函数在Transformer网络中带来的良好效果,也将其应用于补丁学习网络中,同时结合FAVOR+算法在不依靠任何稀疏性的环境下,更全面深入的进行网络计算。实验表明,本文采用NLP领域的多分支转换网络进行脑肿瘤图像分类研究表现较好。 (3)由于脑肿瘤大小和形态边界影响手术的成功率,构建了基于自注意力机制的残差分割研究。首先,在残差分割网络中引入CE和GDL混合损失函数进行分割评价,然后,在残差单元中结合自注意力机制进行编解码操作,通过跨层连接获取特征信息,最后通过反编码和上采样操作恢复图像特征。实验结果表明,该分割模型较好地完成了脑肿瘤MRI图像的分割。 (4)根据前面讨论的分类和分割研究结果,继续探索分割结果对于分类研究的积极作用。将脑肿瘤分割前后的图像送入到分类网络中进行对比分析,用于验证两类分类网络的有效性。实验结果表明,与直接采用脑肿瘤MRI图像训练相比,将脑肿瘤MRI图像分割后再进行分类的效果更好,这表明先进行分割后再送入分类网络的方法有一定的优势。

关键词： 医学影像   胰腺分割   变分自编码器   注意力特征融合   形状约束  

摘要： 计算机断层扫描（Computed Tomography,CT）技术可以对胰腺器官的位置、形态和组织等信息清晰成像,是病灶准确定位、医生定量分析及提供解剖学结构研究的重要前提。通过计算机高效的影像处理能力,精准高效的从CT影像中分割胰腺器官,不仅可以辅助临床疾病诊断、更对肿瘤消融手术的制定有着十分重要的意义。本文通过分析临床医生认知CT影像胰腺器官的特点,从2D分割算法和3D分割算法两方面进行研究,提出基于增强语义信息的CT图像胰腺分割算法,主要的研究内容包括:（1）为了增强2D分割算法提取CT影像中胰腺语义信息的能力,提高胰腺分割精度,本文提出一种基于变分自编码器增强语义信息的胰腺分割算法。首先,引入变分自编码器使网络对深层语义特征进行重建,对输入图像的重建可以有效改善下采样导致的信息丢失问题;其次,通过注意力特征融合模块改进跳跃连接,使网络更加关注胰腺弱小器官区域。实验结果表明,该算法分割最高DSC值达到90.15%,并通过消融实验验证同时加入变分自编码器模块和注意力特征融合模块能达到最好的分割结果。（2）在2D胰腺分割算法中能够获得较为精准且快速的逐张切片分割的结果,因此一直备受关注。虽然2D分割结果的平均精度较高,但切片与切片之间缺乏上下文信息,每张切片的分割精度存在差异,致使切片间的分割连续性较差,从而在获得3D胰腺器官时表面的平滑性和连续性表现较弱。因此本文提出了基于改进V-Net的胰腺分割算法,融合切片内和切片间的信息,有效改善3D模型表面连续性和平滑性,提高预测模型的真实性。实验结果表明,该算法分割最高DSC系数能够达到85.52%,并通过消融实验验证注意力模块的有效性,以及使用DSC损失函数能够使网络模型达到最佳效果。（3）为了克服3D胰腺器官分割结果与原始标签存在欠分割或者过分割的现象,进一步提升胰腺3D模型分割的精度,因此在第三章算法的基础上加入形状约束,通过加入胰腺的骨架预测分支,实现多任务学习的目标,与位置信息共同优化网络模型的训练。实验结果表明,该算法分割最高DSC系数能够达到86.21%,并通过消融实验验证加入形状约束的有效性,并且有效的抑制欠分割或者过分割现象。虽然在现有的3D分割算法中,其算法的网络平均性能与2D分割算法的网络平均性能相比较低,但使用3D分割算法能够有效改善切片间的连续性和平滑性,为辅助医生疾病诊断提供更为真实可靠的决策依据。

关键词： PACS   医学影像学   教学资源库   模块化  

摘要： 随着图像存档和传输系统(Picture Archiving and Communication Systems, PACS)应用于医学影像学教学探索的深入,如何构建基于PACS的教学资源库成为热点,而教学资源库模块的设计与功能完善,是满足新时代教学需求的关键。本研究通过医学影像学教学资源库六大模块的架构与实践,探讨其具体设计、功能分区、主要内容和教学价值。

关键词： 体验式教学   PDCA   医学影像   临床教学  

摘要： 探讨体验式教学法联合PDCA模式在医学影像专业临床实践教学中的应用效果。方法 采用前瞻性研究模型,选取徐州医科大学附属徐州东方医院医学影像科2021届影像实习生50例为研究对象,随机分为实验组25人,对照组25人,其中实验组采用体验式教学联合PDCA模式教学法进行临床实践教学,对照组采用才传统教学模式进行临床实践教学,比较分析两组学生入科、出科理论考试成绩和出科实践考核成绩,同时进行教学效果评价。结果 两组学生入科理论成绩分别为(76.55±2.16)和(75.97±3.21),差异无统计学意义(P>0.05);出科理论成绩实验组(93.15±2.32)优于对照组(87.71±3.15),临床技能实践成绩实验组(95.43±2.91)优于对照组(91.22±3.43),差异均有统计学意义(P<0.05);教学效果评价实验组学生教学满意度评分(9.54±0.32)、教师教学满意度评分(9.15±0.22)均优于对照组(8.15±1.23)、(8.32±1.54),差异均有统计学意义(P<0.05)。结论 体验式教学法联合PDCA模式在医学影像专业临床实践教学中能够有效的提高学生具备较好的同理心和职业价值认同感,培养学生具备发现问题、探索问题、解决问题等的能力,增强其创新思维及自主学习能力的培养,值得同行老师借鉴应用及推广。

关键词： 人工智能   医学影像   诊断效率  

摘要： 阐述人工智能与医学影像学相结合,优化了传统的影像诊断模式,能够贯穿于影像工作流程,显著提高诊疗水平,探讨人工智能在医学影像中的应用、面对的挑战。

关键词： 单位盖章   影像诊断   介入放射学杂志   医学影像   字数限制   临床指南   投稿   英语阅读  

摘要： 《影像诊断与介入放射学杂志》辟有述评、论著、综述、讲座、临床指南、实验研究、病例报道、经验介绍、专家栏目、医学影像英语阅读等栏目。1.投稿须知1.1文稿应具有科学性、先进性、逻辑性和实用性,各类型文章无严格字数限制。请采用网上投稿(文本投稿时应附单位盖章的投稿证明,并在投稿时上传其扫描件)。