教学课程资源库 更多>>

关键词： 卷积神经网络   乳腺结节   医疗大数据   随机森林   深度学习   医学影像   辅助诊断   肺结节  

摘要： 近年来随着人工智能(artificial intelligence,AI)学习能力的提升和相关医疗大数据的发展,越来越多被应用到了医学影像分析领域,逐渐成为分析医学影像的首选。已经用于辅助诊断肺结节、乳腺结节,特别是卷积神经网络(convolutional neural network,CNN)已将肿瘤诊断与预测的准确率提高了15%~20%[1,2]。常见的机器学习的方法有支持向量机、随机森林和深度学习等。

关键词： 人工智能   数字医疗   医疗界   医学影像   医疗领域   AI   质疑   应用场景  

摘要： AI在医疗领域的落地尝试愈发丰富,医学影像、辅助诊疗、健康管理、数字医疗服务等场景中的新技术、新产品正不断涌现。如果说“AI(人工智能)将彻底改变我们的生活”,应该不会有人质疑,但若细问“AI最好的应用场景是什么?”或许每个人都有不同的答案。

摘要： 《实用医学影像杂志》是由山西省卫生健康委员会主管、山西医药卫生传媒集团有限责任公司主办、面向国内外公开发行的科技期刊。本刊面向医学影像专业及临床各专业学科的广大医务人员,重点反映我国普通放射、CT、磁共振、介入放射、核医学、超声、放疗等方面的新技术、新进展、新成果以及各种影像机械检修、投照及机器应用,同时报道临床各专业学科医生应用影像技术诊治的新经验、新手段和新技术。设有专论、论著、短篇论著、经验介绍、综述、病例报告等栏目。

关键词： 影像检查   自助模式   信息平台   闭环流程  

摘要： 目的:构建智能化影像检查模式,优化检查流程,减少患者医院各业务点往返次数,节省患者排队时间,提升患者就诊效率。方法:基于医院信息集成平台重新规划影像检查业务流程,将分散在HIS、检查预约、PACS等信息系统的患者影像检查数据进行整合,形成从医生开立影像检查医嘱到影像报告发放的智能化自助就诊模式。结果:实现影像检查全自助就诊模式,患者无需往返于医院各业务点,平均等待时间减少120分钟以上。结论:该模式在提升患者就医体验、节约医院人力成本、医疗用地、进一步提升医疗服务质量、院感防控方面均具有重要意义。

关键词： 中医医院   医学影像学   临床教学模式   实践与思考  

摘要： 近年来,医学影像学快速发展,其在临床诊疗中发挥着越来越重要的作用,医学影像科在中医医院中的作用也日益凸显。但中医医院影像教学实习工作中存在着一些问题,致使中医专业的学生学习效果并不理想。结合中国中医科学院望京医院放射科教研室多年来对中国中医科学院及北京中医药大学临床实习带教的实践情况进行分析与探讨,并针对其中存在的问题进行讨论,以期找到更好的改进办法,使医学影像学临床教学在中医医院实习中取得更好效果。

关键词： 影像组学   头颈部疾病   诊断和鉴别诊断   疗效监测   人工智能   医学影像   影像科   医疗器械注册证  

摘要： 影像组学(radiomics)和医学影像人工智能(artificial intelligence,AI)在全身各部位或器官疾病的显示、诊断和鉴别诊断、分期和分级、术前评估、疗效监测和预后等方面的研究广泛开展[1-2],影像AI产品也几乎涉及所有器官或疾病,部分产品已取得国家药监局三类医疗器械注册证[3],显著提高了诊疗水平和效率,促进了个性化诊疗的实施。头颈部器官和结构多,病变发病率较低,虽然全国各地临床和影像科都希望借助影像组学和AI来规范和提高头颈部影像学水平,对影像组学和AI在头颈部的研究和推广应用寄予了很高的期望,但由于头颈部情况特殊,与其它部位相比,影像组学和AI的研究相对困难、步履维艰,AI研究需要的样本量大,故头颈部疾病的AI相关研究开展起来更难。

关键词： 法医病理学   医学影像技术学   心脏性猝死   虚拟解剖   深度学习   心血管系统   综述  

摘要： 在法医学领域,心脏性猝死的诊断受主观因素和人工测量方法的限制,使某些参数可能存在估计偏差或测量偏差。随着死后断层影像在死因鉴定和心脏病理学研究中发挥越来越重要的作用,应用深度学习等人工智能技术对海量的心脏影像学数据进行分析,为法医学鉴定和科研工作者对心脏疾病进行精细诊断和定量分析提供了可能。本文对近几年深度学习在心脏影像学领域的主要研究进行综述,为目前深度学习在心脏性猝死虚拟解剖中的应用提出可行的发展方向。

关键词： 深度神经网络   先验知识   医学影像分割   CT  

摘要： 由于现有神经网络方法泛化性能的局限性、医学影像参差不齐的质量以及肿瘤的不规则性和浸润性,应用神经网络全自动分割方法的效果无法令人满意.为了充分地利用不同图像特有的信息,提出融合空间信息的先验嵌入网络的新范式.在神经网络中引入基于图像空间位置的先验信息引导模型聚焦于病灶区域,学习肿瘤的判别性特征并排除无关信息,从而增强模型对于特征的选择能力并提高分割精度.使用医学图像分割框架2D U-Net和3D nnU-Net分别作为主干网络,在肝肿瘤分割任务上采用LiTS数据进行实验.经过5折交叉验证,先验嵌入网络在训练集上的分割精度比2D U-Net提高22.4%;在测试集上比集成式nnU-Net提高1.2%,比非集成式nnU-Net提高4.4%.

关键词： 校园占地面积   中医药学校   医学检验技术   医学影像技术   母婴护理   康复技术   口腔护理   涉外护理  

摘要： 中职代码:4114"3+2"代码:9601(沈阳市)沈阳市中医药学校是隶属于沈阳市教育局的公办全日制国家级重点中等职业学校,辽宁省职业教育改革发展示范学校,沈阳市标志性学校。学校始建于1949年,校园占地面积10.6万平方米,建筑面积4.8万平方米,在校生6200余人,开设护理"3+2"高职、护理(口腔护理)"3+2"高职、药品生产技术"3+2"高职、护理、护理(涉外护理)、护理(康复护理)、护理(口腔护理)、护理(母婴护理)、中药、药剂、口腔修复工艺、医学影像技术、医学检验技术、康复技术、中医康复技术、中医养生保健等专业。

ISBN: (纸本)9787030641564