教学课程资源库 更多>>

关键词： 教学PACS系统   医学   影像诊断教学   教学应用   应用效果   操作考核   教育  

摘要： 目的探讨教学PACS系统在医学影像诊断学教学中的应用。方法选择在我院进行实习的2018届影像诊断学实习生22名,按照随机数字法分为对照组和观察组,每组实习生成员各11名,其中对照组学员采用常规教学法进行相关教学,观察组学员采用PACS系统教学法进行相关教学,观察两组学员的教学应用效果。结果经研究结果显示,对照组学员的理论测试成绩为(84.06±2.44)分,操作考核成绩为(86.16±2.89)分;观察组成员的理论测试成绩为(90.16±2.16)分,观察组成员的操作考核成绩为(92.87±2.66)分。由此可见,观察组学员的理论测试成绩与操作考核成绩均明显优于对照组,其差异具有统计学意义(P<0.05)。结论在医学影像诊断学教学中采用PACS系统进行相关教学,能够有效提高学生的理论测试成绩和操作考核成绩,因此,该方法具有临床应用价值。

关键词： 中枢神经系统肿瘤   非典型脑膜瘤   MRI扫描   水肿程度   蛛网膜   肿瘤边界   医学影像技术   囊变  

摘要： 脑膜瘤是一种常见的中枢神经系统肿瘤,微囊型脑膜瘤(MCM)与非典型脑膜瘤(AM)是脑膜瘤2种病理亚型[1]。MCM较罕见,是世界卫生组织(WHO)Ⅰ级肿瘤,起源于蛛网膜脑膜细胞,在脑膜瘤患者中约占1.6%;AM是WHOⅡ级肿瘤,在脑膜瘤患者中约占5%~7%[2]。这2种脑膜瘤亚型均可发生囊变,从影像学看两者的强化方式、肿瘤边界及水肿程度都存在交叉重叠,使临床诊断及鉴别难度增加[3,4]。AM主要采用手术切除并辅以放疗,因AM具有侵袭性,5年复发率可达40%,可据此对两者进行诊断[5,6]。随着医学影像技术的不断发展,MCM及AM在磁共振成像(MRI)的影像学表现具有一定特征,本研究对比MCM、AM的MRI扫描征象,以期提高临床术前诊断率。

关键词： 教育   解剖学   科学技术   临床实习   医学教育   医学影像   实影渲染  

摘要： 对当代医学生来说,深入了解人体结构、对正常解剖有一个清晰的认识是至关重要的。虽然教学方法因国而异,因校而异,但《人体解剖学》教学仍然以传统课堂讲授为主。目前,将医学影像整合到解剖课程中已经越来越普遍,与标准图谱、解剖标本相比,它具备以下优点:为学生提供了一个展示大体解剖结构、内部血管关系、生理及病理等变化的机会。运用实影渲染(cinematic rendering)技术能让医学影像更真实地展示活体中的诸多细节,能让未来的医生们更好地辨认重要的人体结构。此外,医学生自己也认为,影像实影渲染技术与医学教育的融合具有正面的影响,对他们未来的职业生涯非常有益。

关键词： 脑出血   图像存档及通信系统   人工智能  

摘要： 目的:探讨医学影像人工智能(AI)技术在脑出血定量评估方面的准确性。方法:回顾性分析2018年11-12月在我院经头部CT检查确诊为脑出血的50例患者影像资料。采用AI软件对原始影像资料中的脑出血特征进行自动识别,并与基于图像存档及通信系统(PACS)的手动容积测量结果作对比研究。主要测量的指标:脑出血部位,脑出血体积,颅脑中线结构偏移程度,脑出血最大面积层面的长、短径,侧脑室的受压情况以及得出具体数据所花费的时间。结果:与PACS容积测量相比,AI识别脑出血部位的准确率为56%(28/50)。脑出血体积和颅脑中线结构偏移程度在PACS容积测量与AI测量之间的差异均有统计学意义(P<0.001,P=0.002);最大面积层面长、短径在PACS容积测量与AI测量之间差异无统计学意义。脑室受压情况,2种测量方式的差异有统计学意义(P<0.001)。PACS容积测量得出脑出血体积所需时间远远长于AI测量。结论:对于脑出血定量分析,AI测量简便、快捷,但仍有较大提升空间。AI进行脑出血定量分析后仍需诊断医师进一步审核,尤其是在脑出血部位、体积、中线结构偏移程度及脑室是否受压几个方面。

关键词： 医学图像处理   人工智能   深度学习   影像基因组学   精准医疗  

摘要： 利用深度学习方法对医学影像数据进行处理分析,极大地促进了精准医疗和个性化医疗的快速发展。深度学习在医学图像领域的应用较为广泛,具有多病种、多模态、多组学和多功能的特点。为便于对深度学习在医学图像处理领域的应用进行更深入有效的探索,本文系统综述了相关研究进展。首先,从深度学习在影像基因组学中的应用出发,理清了深度学习在医学影像领域应用的一般思路和现状,将医学影像领域分为智能诊断、疗效评估和预测预后等3个模块,并对模块内的各病种进行总结,展示了深度学习各算法的优缺点及面临的问题和挑战。其次,对深度学习中出现的新思路、新方法以及对传统方法的改进进行了阐述。最后,总结了该领域现阶段面临的问题,并对未来的研究方向做出了展望。基于深度学习的医学图像智能处理与分析虽然取得了一些有价值的研究成果,但还需要根据临床的实际需求,将深度学习与经典的机器学习算法及无创并且高效的多组学数据结合起来,对深度学习的理论和方法进行深入研究。

关键词： 医学影像   虚拟化   虚拟内存盘   云桌面  

摘要： 目的:主要介绍解放军总医院海南医院PACS建设现状及PACS全面虚拟化的实现方法。方法:结合医院PACS运行现状,对系统资源进行虚拟化改造,实现系统的高效稳定运行。结果:应用服务器虚拟化技术、虚拟内存盘技术及云桌面技术,提升了资源利用率,提高了PACS运行效率。结论:应用虚拟化技术减少系统建设成本,提升了系统的稳定性、高效性。

关键词： 医学影像   医药卫生   病例报告   核医学   中国标准连续出版物号   ISSN   传媒集团   介入放射  

摘要： 《实用医学影像杂志》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,中国标准连续出版物号为ISSN 1009--6817,CN 14-1281/R。内容包括普通放射、CT、磁共振、超声、介入放射、核医学等学科。栏目设有:专论、论著、短篇论著、综述、讲座、经验介绍和病例报告等。它是医学影像界同行学习和交流的理想园地,欢迎广大医学影像工作者和研究人员踊跃投稿。

关键词： 学习产出教育模式   混合式学习   医学影像专业  

摘要： 随着国家高校教育教学改革的推进对本科教学要求的不断提高,教师针对该院医学影像学在不同层次、不同专业医学生教学中出现的相关问题,通过改善教学方式,融合线上教学、线下课题教学,改进考核评价体系,引入“学习产出”教育模式,避免“混合式学习”简单的迁移,最终为医学影像学本科教学质量的提升提供有效保障。

关键词： 医学影像人工智能   新型冠状病毒肺炎   诊治  

摘要： 新型冠状病毒肺炎疾病需借助医学影像设备了解患者肺部感染情况实现诊断,因此对医学影像的需求量极大。文章介绍了新型冠状病毒肺炎的影像学表现、医学影像所面临的挑战,提出了提高医学影像人工智能在新型冠状病毒肺炎诊治中应用的相关改进措施。

关键词： 医学影像   刚性配准   多模态   循环一致   生成对抗网络  

摘要： 目的:采用循环一致生成对抗网络(CycleGAN)方法在保证医学影像刚性配准精度的同时,降低图像配准的时间以及训练数据获取难度。方法:首先对训练数据进行标准化与归一化,同时对图像进行重采样与剪裁,去除多余的空气部分。其次采用阈值法与扫描线法获取图像的外轮廓信息,基于CycleGAN建立两个生成器与两个判别器,生成器输入配准图像对和输出配准结果,判别器输入配准图像对和输出配准程度。在原始CycleGAN损失函数基础上,增加轮廓损失项,以约束网络训练方向,提高收敛速度。结果:选取75例腹部病例,其中65例作为训练数据集,10例作为测试数据集,配准结果与配准软件Elastix对比。计算测试图像集外轮廓Dice系数,配准前图像对的平均Dice系数为0.858,Elastix配准后的平均Dice系数为0.926,本方法配准后的平均Dice系数为0.925。配准时间上Elastix的平均配准时间为12.1 s,本研究方法的平均配准时间为0.04 s,加速比达到302。结论:本方法在保证图像配准精度的同时极大降低了图像配准所需的时间,提高了配准流程工作效率。除此之外,与其他深度学习网络相比,本方法不需要真实配准结果以及传统相似性测度。