教学课程资源库 更多>>

关键词： 医学影像读片   会诊系统   影像诊断   实践教学   应用  

摘要： 目的 探讨医学影像读片、会诊系统在影像诊断实践教学中的应用价值.方法 使用随机计算机表法,将70名医学影像诊断专业的学生,分为A组和B组,各组人数均等为35名学生.A组采用医学影像读片+会诊系统教学模式,B组应用传统教学模式,对比两组学生的考核情况以及对教学模式实施满意度的差异.结果 ①A组对教学模式实施满意度高于B组,两组比较统计学意义存在,P<0.05.②A组的理论考核成绩、阅片考核成绩,和B组比较均存在统计学意义,P<0.05.结论 医学影像读片、会诊系统应用于影像诊断实践教学中的效果较好,主要表现在可获得学生对教学模式的满意,提高学生理论知识、阅片的考核成绩等方面,利于提高影像诊断实践教学的整体效果,建议在影像诊断实践教学中应用、推广.

关键词： 中西医临床医学   医学院校   医学影像技术   口腔医学   医学类专业   录取通知书  

摘要： 专业小百科本文主角:中西医临床医学专业分类:中西医结合类实力院校:上海中医药大学、西南医科大学等适合人群:胆大心细,喜欢中医的人选科要求:①首选物理,再选化学;②首选物理,再选化学或生物(选科要求仅供参考,以各省份高校实际招生要求为准)

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： 图像配准   手术导航   增强现实   B样条   ICP  

摘要： 肝脏疾病已经给人类带来了严重的生理以及心理负担。作为常见的肝脏疾病治疗方法,射频消融(Radiofrequency Ablation,RFA)手术需要根据合适的图像引导系统进行穿刺消融,而传统图像引导方式不能展现病人的生理变化等因素从而影响手术的精确判断。因此为了提高手术导航系统的精确度以及可视化程度,提高RFA手术效率,本文以肝脏肿瘤穿刺导航为研究对象,搭建增强现实(Augmented Reality,AR)引导下的交互式手术导航平台,使用迭代最近点算法(Iterative Closest Point,ICP)优化B样条算法校正图像间的偏移误差,实现术中术前图像精确配准,并完成呼吸误差的矫正。同时利用三维立体图像虚实配准算法实现AR图像的精准覆盖并使用术中交互运动补偿方法解决针在插入肿瘤时的误差问题。本文研究内容和成果如下:(1)针对传统RFA手术的引导方式的不足,研究分析肝脏CT影像的特性,设计实现一种增强显示病灶区影像的RFA手术导航系统,主要完成了导航系统的流程设计,并结合4D-CT的特性分割重建腹腔模型的关键组织结构。(2)针对导航系统中术前-术中图像的变化问题,通过研究图像配准问题,设计实现一种基于B样条变换的图像配准算法,通过使用B样条的变换模拟三维图像体素点的变化过程,设计分成网格化、B样条变换、三线性插值灰度赋值、相似性度量以及梯度下降法迭代5个部分,实现不同时序下的图像对齐。(3)针对样条配准速度过慢,精度不高的问题,研究刚性配准算法,设计并实现ICP算法优化B样条算法,采用点云配准的方法完成不同时序图像的平移和旋转的因素的校正,并在配准之前完成区域寻优算法增加数据读取速度。(4)针对导航图像中的虚拟图像与真实物体之间存在位置偏差的问题,使用ICP算法校正两者空间位置误差,并通过研究空间特征标记点的变化规则实现虚拟图像在CT坐标系、全局坐标系、显示坐标系中的转化并将目标物体的全息三维几何虚拟信息叠加在真实的腹部模型中,最后针对消融针与肿瘤间的交互运动,提出一种非匀质异构模型,消除肿瘤对针尖产生的周期性脉冲的影响。(5)搭建基于AR引导的RFA手术导航系统,基于人体腹部结构模型完成传统方法引导以及AR图像引导两种方式的穿刺手术并进行对比,结果表明AR引导方式能提供一个更高精度、快捷的手术导航方式。

关键词： 食管癌   卷积神经网络   医学影像   辅助诊断  

摘要： 食管癌是八大常见恶性肿瘤之一,其发病率和死亡率居高不下。大多数患者在确诊时已是局部进展期或晚期,错失了治疗最佳期,预后效果极差。影响食管癌预后的因素包括临床分期、淋巴结状态、病理类型等,早期诊断且个性化的治疗方案、合理控制食管癌的发病危险因素能有效改善食管癌患者的预后状况。因此,对食管癌的早期诊断与治疗变得十分重要。近年来,以深度学习为主要代表的机器学习技术发展势头强劲,尤其是在自然语言处理、目标识别、图像处理等方面取得了良好的成果。医学影像作为一种特殊的图像,深度学习技术为医学图像数据的挖掘带来了新的希望。尤其是在疾病的鉴别、诊断、检出以及预测等方面大显身手,在辅助临床决策上带来重要参考。新技术的出现,为食管癌临床诊断带来了新契机。本文总结了深度学习近年在医学影像方面的研究进展,以及食管癌术前分期、淋巴结转移状态在临床问题上面临的挑战与技术难题,将深度学习技术引入到食管癌术前影像诊断上,并展开研究。主要研究内容和创新点如下:1.针对食管癌临床影像诊断过程中,部分必要影像图像不完备的情况,本文提出了利用生成式对抗网络从患者的平扫CT影像中生成对应的对比增强CT影像,并改进网络引入感知特征提取器,衡量生成增强图像与真实图像间的关系,同时提出双向感知损失函数,让网络训练更稳定,生成的图像中包含更多符合人眼视觉感知的细节信息。2.针对CT影像对食管癌分期存在敏感性低、准确性低的问题,本文提出了一种基于感知注意力机制的影像空间信息联合时序语义信息的特征提取模型。在影像组学方法描述的影像空间信息基础上,引入长短期记忆网络(LSTM)提取各个时刻切片上的感知时序特征,从时间维度上获取与肿瘤分期相关的更多信息。针对空间、时间等不同尺度的信息融合,引入感知注意力机制衡量不同维度信息对分期的重要程度。另外,利用独立外部验证数据对模型进行了验证。3.针对CT影像在术前诊断食管癌淋巴结转移状态中,准确率低、漏诊率和误诊率高的临床问题,本文提出了多水平影像特征综合预测淋巴结转移状态模型,从机器视觉特征、传统影像组学特征以及感知特征方面,设计稀疏自编码特征融合网络处理不同维度、不同层面的高维特征。并利用统计学方法构建淋巴结转移预测模型,并从鉴别能力、分类能力以及临床实用性等方面综合评估模型性能。综上,本文针对食管癌在临床上亟需解决的影像缺失问题、术前精准分期难、淋巴结转移状态预测难三个关键科学问题进行了深入研究,内容涵盖了基于生成式对抗网络的医学图像的生成、基于深度卷积神经网络的特征提取与融合、多水平特征信息融合以及模型的构建与评估。这些研究对食管癌术前辅助临床诊断、治疗决策具有积极的推动作用。

关键词： 医学教育研究   《继续医学教育》   继续医学教育   医患沟通   临床实践   医学人文   学术动态   医学影像   临床病理分析   病理学  

摘要： 《继续医学教育》杂志是由天津市卫生健康委员会主管,天津医学高等专科学校主办的综合类医学期刊,本刊的国际标准刊号为ISSN 1004-6763,国内统一刊号为CN12-1206/G4。读者对象为各级卫生机构的管理、教学和临床实践的卫生工作者。本刊辟有继续教育实践、医学教育进展、卫生管理进展、医学人文研究、流行病学调查、医疗感染与控制、临床诊疗进展、护理经验探讨、医学检验前沿、医学影像观察、临床病理分析、药物研究进展、中医中药研究、社区卫生管理等栏目,所有栏目均接受作者投稿。栏目介绍如下:

关键词： 医学影像标注   知识图谱   自然语言处理   深度学习  

摘要： 深度学习作为实现人工智能在医学影像发展中的一个重要方法,目前由于缺乏高质量的标注数据,人工智能在医学影像中的发展缓慢。由于医学图像标注的专业性和复杂性,单纯的手工标注效率难以满足深度学习的标注数据量,自动化的图像标注又难以满足标注要求的精确度,故本文采用将图像标注加文字标注相结合,以自动文字标注+手工图像标注的半自动化标注方式解决医学影像标注研究过程中的关键问题,研究和开发一个高效、快速、半自动的标注系统。针对以上关键问题,本文拟构建医学影像知识图谱,利用影像报告文本经过自然语言处理技术分词后与知识图谱进行匹配的方法,自动生成结构化文本的文字标注,通过将文字标注可视化,标注专家可以清晰快速地了解待标注的影像信息和病灶情况,然后在已经过脱敏操作的医学影像图像上进行手工的图像标注。经过系统分析、设计、实现和测试阶段,开发出来的面向深度学习的医学影像快速标注系统可对医学影像数据进行快速、半自动化的标注,经过实验对比和统计学分析,通过医学影像快速标注系统的标注方式在标注时间优于传统手工的标注方式。面向深度学习的医学影像快速标注系统的实现,在一定程度上可以提高标注专家对于影像数据的标注效率,为深度学习在医学影像中的训练测试提供高效和高质量的标注数据,进而推动人工智能在医学影像领域的研究。

关键词： 医学影像产品   售后服务   满意度  

摘要： 随着国家经济的持续增长和人民生活水平的不断提高,国内医疗器械市场整体规模持续上升,医疗机构对医疗设备的需求量越来越大。有统计数据显示,国内医院医疗设备的占有量占医院固定资产的50%以上,特别是高端医疗设备的广泛使用,使得医院对设备售后服务的依赖越来越强。医疗器械售后服务市场利润巨大。随着国家医疗改革的不断深化,《医疗器械临床使用安全管理规范》、《医疗卫生机构医学装备管理办法》等政策的出台,国家监管部门对医疗设备的使用安全及其设备生命周期管理愈加严格,医疗设备售后服务成为医疗质量管理中的重要环节。医疗机构对医疗设备售后服务提供商提出了更加严格的要求。为了从产业的顶层设计上打破厂家售后服务的垄断,让市场有更充分的竞争,同时保障医疗设备在使用、维护等方面的监督和管理,国家在2016年2月1日出台《医疗器械使用质量监督管理办法》,明确第三方售后服务公司来承担医疗设备维护保养工作的合法地位,医疗设备维修市场的竞争格局发生改变。同时在资本市场的推动下,涉及设备保养维修、医院设备选型、设备租赁等多业务组合的第三方维修服务整体托管机构悄然进入售后服务市场,为医疗机构设备管理提供一体化的解决方案。厂家的售后服务受到巨大冲击,客户流失呈蔓延趋势。如何扭转目前被动的局面,顺应时代发展改善售后服务模式和提升售后服务的质量及服务价值,已经迫在眉睫。本研究以西门子医学影像产品售后服务满意度为研究对象,对公司宏观环境和微观环境进行分析。结合西门子公司医学影像产品售后服务中的问题及公司的满意度调查内容进行分析,查阅相关文献并根据前人对医疗设备售后服务满意度分为产品质量、维修质量、维修效率、维修价格、培训、服务态度六个维度的研究,运用这六个维度自行设计售后服务满意度调研问卷。采用李克特七级量表,向西门子医学影像产品客户发放问卷进行调研。对调研采集到的数据进行信度分析和效度检验,同时运用二阶验证因子分析法来计算售后服务满意度六个维度和各个维度下小分类的权重,然后再结合它们满意度的现状分别做IPA分析。最后根据分析结果提出基于亟待提升问题的满意度策略、基于保持良好现状的满意度策略和基于重点保持的满意度策略三大满意度提升策略,并且指出售后服务提升的核心是公司要结合自身的情况,把资源合理分配到满意度的提升策略中,实现资源的最优配置和收益的最大化。从全文看,本研究通过对医学影像产品售后服务满意度调研数据进行统计学范畴的分析,通过数据挖掘问题。然后从统计学的结论提出满意度提升策略,得到符合管理学的结论。本研究的创新之处是运用了二阶验证因子分析法来计算满意度各个维度及各个维度下小分类的权重,结合医学影像产品售后服务满意度的现状进行分析,避免了前人凭借个人经验得出的权重,从保证了数据分析的严谨。由于西门子公司是全球三大医疗巨头之一,在医疗设备售后服务行业具有一定的代表性,其售后服务提升策略对同行业其他公司售后服务质量的改进有一定的借鉴意义。

关键词： 医学影像   图像分割   卷积神经网络   深度学习  

摘要： 各类医学影像为脑部解剖结构的定量分析提供了大量原始数据，成为诊断脑部疾病的有效手段，为后续的手术方案，治疗效果评价以及相关科研提供了重要依据。PET/MRI是目前最先进的多模态影像系统，实现了两种设备在相同空间内同时采集，既结合了PET系统具有的放射性示踪剂高灵敏度及数据定量化特性，又结合了MRI系统具有的软组织高分辨率以及多参数特性，对脑部疾病的诊断以及脑功能的研究具有重要价值。这些临床诊断方法和研究成果都建立在对PET/MRI脑图像进行准确的脑分区并对感兴趣区域量化分析的基础之上。　　由于一体化PET/MRI实现了PET和MRI的同时采集，配准精度高，因此只需要选取一种模态的图像进行脑区分割，然后将分割结果映射到其他模态的图像，即可实现对各模态图像的脑分区定量分析。应当选择何种模态的图像进行脑区分割始终没有得到有效论证。为了解决这一问题，本文分别对PET图像和MRI图像进行基于图谱法的脑区分割，对两者的准确性进行比较，并基于各自的分割结果，分别进行标准化摄取值比(Standard uptake value ratio，SUVR)的计算，对两组SUVR的稳定性进行比较。实验结果表明，PET图像作为脑部功能性成像，具有强度不均匀和高噪声的特点，无法精确地反映脑部解剖结构信息，即便是对于高分辨率的PET/MRI脑部图像，也无法准确地利用脑部PET图像获取脑分区。对PET/MRI图像进行分析时，基于准确地反映脑部的结构信息MRI图像进行脑区分割，然后将分割结果映射到对应的PET图像上，能够使PET图像获得更精确的脑分区，从而提高了SUVR计算的准确性，更好地消除了受试者之间的个体差异，使得PET图像的定量分析更加准确。　　对比实验中使用的方法为基于图谱的分割方法，这是目前临床诊断中使用最广泛的方法。随着深度学习技术的发展，近年来涌现出一大批基于卷积神经网络的脑图像分割算法，进一步提高了分割精度，在很多任务中都取得了不错的效果，有超越传统图谱法的表现。本文根据PET/MRI的图像特点，开发了基于深度学习的脑图像分割方法，分别适用于临床和科研，完成了以下两个研究课题:1、基于改进的U-Net网络，同时利用PET和MRI两种模态的图像进行健康人群的大脑皮质下结构分割;2、设计级联卷积神经网络用于对一体化PET/MRI结合小动物线圈采集的大鼠T2图像进行脑区分割。实验结果表明，同时利用PET和MRI两种模态图像进行大脑皮质下结构分割时，其总体分割精度相比于MRI单模态的分割精度有所提高，且不同区域提高程度不同。相比于小动物MRI采集的T2图像的分割精度（基于脑图谱法），对临床PET/MRI采集的大鼠T2图像采用卷积神经网络方法得到的分割精度在全脑和小脑上显著提升。

关键词： 磁共振成像   压缩感知   可变形配准   深度学习   优化  

摘要： 医学成像技术为无创诊断创造了机会,是医学领域的研究热点,其涉及的医学影像处理技术主要包括图像形成过程与图像计算过程。在形成过程中,压缩感知磁共振成像(CS-MRI)允许以远低于尼奎斯特标准的采样率进行采样,从而加速数据采集过程,重构算法的目标是从稀疏的观测数据中重建出无伪影的全采图像;在图像计算过程中,可变形配准是一项极具挑战性的任务,该任务将多个图像对齐到同一空间,对于病理结构演变的纵向分析等研究工作具有重要意义。重构与配准任务均可以抽象为典型的能量优化问题。为解决该类问题,传统方法致力于设计并优化含有特定物理先验的能量函数,但迭代的数值优化带来了昂贵的计算负荷与漫长的处理过程。深度学习方法通常对大量数据样本中的信息进行编码以直接学习输入到目标的映射,或者将深度模块嵌入到优化过程以加速计算。然而,由于依赖训练样本的选择并且缺乏领域知识的约束,这些可学习的机制无法保障处理结果的真实性,因此在复杂场景的真实应用中性能可能会明显下降。本文结合物理先验与可学习深度优化机制,分别提出基于混合先验的图像重构与配准算法。1)针对重构问题,本文提出了一个具有理论保证的CS-MRI重构框架,该框架将可学习的预测过程与能量优化过程融合,并嵌入误差检测机制以保障算法收敛性。考虑复杂的真实采集场景,本文进一步提出三个扩展模型,以实现噪声污染数据,复数形式数据与多线圈数据的重构。在基准数据集和原始采集数据上的大量实验表明,本文算法可以高效且可靠地收敛到问题最优解。2)针对可变形配准问题,本文提出了一种具有理论矫正的双向深度可变形配准算法,该算法将基于物理准则的正则化级联到可学习的深度估计过程中,以继承领域知识和数据信息的优点。两种不同配准场景下的实验表明本文范例比现有技术提供了更高效、精准且稳定的变形场估计。