教学课程资源库 更多>>

关键词： 手术导航   可视化   分层次显示   AR   跨平台  

摘要： 现代医学逐渐发展到了数字医疗和精准医疗的阶段。医学影像提供的相关信息为手术的规划和实施提供了帮助,但也存在新的挑战。首先,对于术前影像的查看与手术规划目前只能在图像工作站进行,无法满足在紧急情况下随时随地阅片的需求。其次,各类神经导航系统可以为医生的手术操作提供一定的辅助,但现有形式大多需要医生在患者和显示屏之间来回切换视角,这降低了手术的连续性。借助AR技术可以将导航信息直接叠加于手术场景中,但虚拟对象不加选择的显示容易引起视线遮挡的问题。针对上述提出的种种问题,本文提出了跨平台的医学影像查看方案、AR辅助导航方案以及优化AR辅助导航的分层次显示方法,并开发了一个用于手术导航的医学影像多层次交互可视化系统。本文的主要工作分为以下三个部分:(1)基于Web的跨平台影像查看方案Slice View。本方案通过基于Web的方式实现跨平台特性,解决了医生无法随时随地进行阅片的问题。对于二维及三维影像部分,本方案实现了DICOM图像的解析和显示,并具有平移、缩放、调窗等交互功能;实现了nii、obj、vtk等三维影像的解析和显示,并具有平移、旋转、缩放以及MPR多平面重建等交互功能。以上的解析显示及交互功能都在浏览器端独立完成,提升了交互的实时性。方案还考虑了不同终端的屏幕分辨率差异,会根据设备本身进行自适应界面布局。(2)用于多终端的AR辅助颅脑手术导航方案。在术中场景下,结合增强现实技术实现AR辅助可视化,解决了医生在显示设备与患者实体之间来回切换视角的问题。本方案通过设置标记物,来定位患者实体和手术器械尖端的坐标并通过空间变换转换至世界坐标系,实现两者的实时定位跟踪;通过术前影像CT、MRI重建得到虚拟模型,将其与患者实体进行三维配准,达到虚实结合的效果。最终帮助医生实现精准手术。(3)优化AR辅助颅脑手术导航方案的分层次显示方法。通过区域的分层次显示区分颅脑组织、手术周边组织、危险组织,解决模型冗杂问题;通过划定感兴趣区域,只显示感兴趣区域内危险组织模型,对其进行实时跟踪显示;通过提供手术器械尖端到目标肿瘤中心点、手术器械尖端与手术路径的偏移值、手术器械尖端与危险组织的最小距离及颜色预警等分层次辅助信息,为医生提供帮助,实现精准手术。

关键词： 医学影像技术   影像临床诊断   应用  

摘要： 医学影像技术是现代医学主要的组成部分,也是目前发展最迅速的医学技术之一,主要包括医学影像分析处理技术、医学成像显示技术和医学图像压缩传输技术.传统医学成像技术根据其成像机理可划分为CT计算机断层成像、X射线成像、放射性核素、超声成像、磁共振成像等.随着计算机技术的日益成熟,目前的医学影像图像仍存在许多问题,一方面是个别病例不具有典型的影像特征,或者不同疾病具有部分相似特征,另一方面的困难来自机器,目前机器尚不能做到精确分辨形态复杂的人体组织器官.这些问题与困难都大大增加了放射医师诊断的难度,因此发展影像处理技术能够在很大程度上提高了医学诊断技术的准确度和清晰度.

关键词： Mesos   分布式   Docker   医学影像   资源分配  

摘要： 近年来,集群研究的迅猛发展也推动了医疗行业的飞速发展,医疗数据的体量和规模也成倍增长。随着医疗技术的不断提升,医学治疗的信息化发展也极大的提升了医疗的精准度。分布式医学影像系统作为医院影像科与门诊的桥梁,可以协助医生完成影像诊断。影像大数据中的成像和判读算法与以往的分布式应用不同,单一算法元较独立,具有运行时间长,资源占用多,隔离性要求高,任务逻辑关联性大等特点,并且需要充分考虑算法后期独立部署、横向扩展、持续升级的需求。因此,构建云端医疗大数据平台,如何有效利用计算集群资源并满足以上特点,是构建大数据平台需要面临的最大的挑战。针对于本系统的数据接入、负载均衡以及服务调度等问题,本文设计并实现了分布式医学影像平台的服务端子系统。其中数据接入模块完成了客户端与云端心跳建立连接,定义了数据交互格式以及如何断开连接等;负载均衡模块使用Marathonlb+Zookeeper设计并实现;服务调度模块针对于Mesos系统现有API给出自定义Mesos Framework的详细实现以及Framework调度器以及执行器;并研究了Mesos中原生DRF调度算法,针对本系统对其进行了定制化改造,并对改进后的算法进行了性能测试;最后利用harbor搭建了本系统的镜像仓库,方便运维人员进行镜像管理和调用。对于系统的整体监控、任务状态监控、计算机节点管理等问题,本文设计并实现了Web监控管理子系统。使用Spring,Require JS,Echarts等Web技术,将集群信息保存在Redis以及My Sql数据库中,实现了对集群的管理和监控,方便系统的运维和管理。文章最后对系统整体进行功能测试以及性能测试,测试结果表明本系统基本符合需求和预期设计,并对本系统的角色权限管理以及日志系统整合做了部分展望,希望后续可以将其完善。本文构建的影像大数据平台,通过Mesos分布式资源管理和Docker容器隔离技术,将需要运行的判读算法和成像算法打包成容器镜像,使其可以弹性地共享资源并且对应用程序进行隔绝,很好地解决集群中资源的动态分配问题,提高了应用程序集群的资源利用率和集群的吞吐量。

关键词： 医学影像分割   图割   图搜索   自适应动态约束   共享孔洞  

摘要： 随着医学成像技术的飞速发展,医学影像在临床疾病诊断与分析过程中发挥了越来越大的作用,其中,精准的组织器官与病灶区域量化分析为临床诊断、疗效评估等提供了强有力的科学保障。因此,临床医生亟需计算机辅助诊断分析软件,对组织器官和病灶区域实现精准的分割量化,以提高临床诊断与分析的效率和准确率。目前,研究人员针对医学影像普遍存在的灰度不均匀、噪声干扰等问题提出了一系列分割算法,而医学影像的多模态特性和组织器官固定拓扑结构特性使得这些图像分割算法依然面临着挑战。另一方面,近年来基于图论的分割算法表现突出,这是由于图论中的图结构能够有效建立图像中像素点的相互关系,并通过特定建图方式实现固定拓扑结构的分割效果,因此更加适用于多模态和固定拓扑结构的医学影像分割任务。本文深入研究了图论中图割和图搜索算法的原理与实现,并以此为算法基础针对医学影像的多模态和分割目标的固定拓扑结构等特性提出了改进与创新。本文的主要研究内容与创新点总结如下:1、针对双模态肺肿瘤分割难点问题,本文提出了一种基于双模态的分割算法,优化了建图模式,改进了代价函数。该算法通过随机游走算法为图割算法扩增了种子点区域,并提出了随机游走能量项和高斯混合模型能量项,充分利用了两个模态的结构信息和功能信息,最终通过建立双子图图割模型,实现了双模态下肺肿瘤的准确分割。本文收集了 25位肺肿瘤患者的双模态影像数据进行了算法验证,并取得了不错的分割结果,验证了该算法的可行性且为多模态医学影像的分割任务提供了有效的分割方案。2、针对三维视网膜层结构分割任务,本文提出了一种自适应动态约束的分割算法,改进了建图模式。该算法根据形状先验信息完成自适应建图,并实现目标表面层的准确分割。该算法相对于传统图搜索算法具有更强的灵活性和适应性,能够在形态差异巨大且变化剧烈的分割任务上实现准确的分割。本文分别在10个正常眼和10个青光眼数据的视盘区域内界膜分层任务上进行算法验证,并取得了 5.38微米的平均绝对距离误差,表明了该算法的准确性,同时为更广泛的目标表面分割任务提供了改进和优化方案。3、针对三维视网膜视盘区域的视杯盘分割任务,本文提出了一种基于自适应动态约束图搜索结合随机森林的分割算法。该算法利用极坐标重采样操作克服了血管阴影等因素所导致的视盘边界模糊且难以界定的问题,并结合动态约束图搜索算法提取了视盘边界有效特征。最终该算法在30个正常眼和35个青光眼数据上进行了测试,分割Dice系数为0.925,进一步验证了该算法的准确性,同时该算法也开发成了软件,并在眼科医院进行了临床和科研的应用。4、针对视盘区域视网膜层的孔洞拓扑结构特点,本文提出了一种具有固定拓扑约束的三维视网膜层分割算法,改进了建图模式。该算法充分利用了形状先验信息,提升了分割准确率,并通过设立共享孔洞边限定了分割结果的拓扑结构,在视网膜分层任务中避免了分层错乱的问题,实现了更准确的视网膜分层。在本文实验阶段,该算法在10个正常眼和10个青光眼数据上实现了8层视网膜准确分层,且平均绝对距离误差为7.51微米,进一步验证了该算法的准确率以及通过建立共享孔洞边实现拓扑约束的可行性,并为其他具有特定拓扑结构的目标分割任务提供了解决思路。

摘要： 《实用医学影像杂志》(ISSN 1009-6817,CN 14-1281/R)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的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、放射治疗等方面的新技术、新进展、新成果以及各种影像机械检新机械检修、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。本刊有以下特点:①信息量大、实

关键词： 深度学习   语义分割   边缘信息   密集连接  

摘要： 由于医学影像数量的激增,医生精力的有限,甚至于有些影像的观察需要依赖于具有完备领域知识和丰富经验的医生,从而有可能会出现医生因经验不足或者疲劳而产生诊断错误的情况。本文主要就医学影像的自动分割问题进行研究。无需人为干预,通过计算机对输入图像的处理,获得输入图像的分割结果。传统图像分割方法的分割结果容易受到噪声的影响。而随着深度学习技术的发展,越来越多的深度学习方法被运用到计算机视觉的各类任务之上。将深度学习方法运用至医学影像的语义分割相比于传统的分割方法而言更不易受噪声的影响。本文首先深入研究了传统的语义分割方法和基于深度学习的语义分割方法,介绍了其中的原理,然后完成了以下的工作:1)本文就医学影像语义分割边界模糊的问题提出了一种基于边缘信息的语义分割方法。因Octave卷积操作不仅能将网络中的某层的特征张量分为两种不同频率段的信息,还能使低频段的信息更为紧凑,减少低频信息的空间冗余性,故而提出对Octave卷积分解出来的不同频段信息分别进行解码,得到图像概况的分割结果和图像细节的分割结果,最终通过图像细节对应的分割结果对图像概况对应的分割结果进行约束,进而获得完整的分割结果。此外,本文还考虑到了分割图像中类别不平衡的问题,通过各类别所占的频率对交叉熵损失函数中的权值进行设置,为稀有类别提供更高的权重,使得分割结果更为精确。后续的实验也证明了这方法Oct-UNet相对于所依赖的分割方法(U-Net网络)更为有效,且所需参数量还要比U-Net少很多。2)本文就Oct-UNet模型中各层特征图之间的连接关系的问题提出了一种对Oct-UNet网络进行密集连接的方法。通过采用密集连接的形式,使得某一网络层的输出不仅同这一层的输入相关还同此层之前的网络层输出相关。这一方法有利于网络中特征信息的流通,能进一步提升网络分割的性能。后续的实验证明了这一方法对于分割问题的有效性。此外通过深度监督学习发现要得到精确分割结果,下采样的层数并非越多越好。本文以U-Net结构为基础,就边缘模糊问题提出Oct-UNet网络结构,而后对Oct-UNet网络结构采用密集连接形式来提升网络中特征信息的流动。本文通过在胎儿的颅脑标准切面超声数据集上的分割实验验证了两种方法的有效性。

关键词： 医学影像大数据   数据库   模板影像   主动表观模型   深度学习  

摘要： 面对医疗大数据时代的海量医学影像资源,如何进行有效存储管理并进一步做好知识挖掘是亟需解决的难题。传统管理方法注重数据的存储与检索,忽略了对其中丰富解剖学和生理学信息的挖掘。另一方面,在医学影像的计算机辅助分析领域,特定人群的模板影像构建需要大量训练数据,急需从医学影像大数据库获取样本资源。模板影像是通过对大量样本影像进行机器学习获得的人群代表性影像,其中包含了样本人群的平均图像特征和不同个体之间的解剖形态和像素灰度差异。模板影像可被用来与个体病人影像进行配准,用于疾病诊断、人体仿真等领域。本研究以课题组常年与全国医院合作收集的大量医学影像为基础,构建数据库实现影像的存储与检索,并进一步研究算法实现海量影像的自动挖掘学习,构建不同身体部位、不同采集模式的代表性模板影像。本文研究内容包括以下三个方面:(1)构建医学影像数据库。基于课题组收集的396435幅医学影像数据设计医学影像数据库框架,实现依据图像采集信息、成像部位和病人信息的数据检索。采用MySQL搭建数据库后端提供数据存储的功能,使用Python编程实现医学影像数据的预处理与自动化存储,通过Django搭建基于Web的数据检索平台,提供医学影像数据在线查询、检索、修改与导出。(2)提出一种基于主动表观模型的模板影像生成方法,使用器官所在图像区域的变形场表示解剖形态变化,利用主成分分析法求解形状和灰度变化的主分量,进一步采用线性规划方法将这些主分量与人体生理参数相关联,最终构建了可以根据生理参数调节器官形态和像素灰度的模板影像。本方法对胸部和腰椎CT(Computed Tomography)、心脏PET(Positron Emission Computed Tomography)影像成功构建了模板影像,为不同生理特征的人群生成针对性的模板影像。(3)实现了一种基于深度学习算法的模板影像生成方法,采用无监督的Voxelmorph图像配准网络生成随人体生理参数变化的模板影像。实验结果展示了该方法可以成功生成随年龄而改变脑部结构形态的脑核磁模板影像。研究进一步对比了深度学习方法与前面的主动表观模型方法的性能,验证并分析了两种模板影像生成方法的优点与不足,主动表观模型方法具有更好的算法可解释性,深度学习方法的模型生成速度与精确度更高。本研究实现了医学影像数据库资源的有效利用,为生成中国人群的代表性医学影像奠定了初步技术基础。

关键词： 手机APP   医学影像成像原理   教学模式  

摘要： 随着手机的发展,手机APP在教育领域被广泛地推广和应用。手机APP与教育的结合,加快了我国教育体制改革的步伐,提升了教学质量。手机APP应用于《医学影像成像原理》课程中开展立体化教学模式改革,极大地激发了学生的学习兴趣,提高了学生的自主学习能力。

关键词： 高职医学影像检查技术   专业化教训模块   教学质量  

摘要： 模块化教学是一种创新的教学方式,对比传统的阶段性、学科性教学方式,模块化教学模式具有实用性以及效率化的特点,模块化教学方式都运用于高职医学影像检查技术专业课程教学中,本文针对模块化应用教学特点和教学内容进行分析,对其教学内容以及教学应用范围进行分析,希望能够为优化教学质量,创新教学范围有所帮助。

关键词： 基因选择   医学影像   关联分析   特征表示学习   反投影稀疏表示分类   非小细胞肺癌  

摘要： 2019年国家癌症中心发布的全国癌症统计数据表明肺癌的粗发病率和死亡率均居于恶性肿瘤的首位.非小细胞肺癌(Non-Small Cell Lung Cancer,NSCLC)是肺癌的主要类型.目前研究多集中于影像或者基因等单模态数据,综合利用多模态数据的研究相对较少.实际上,挖掘多模态数据之间的互补信息,一方面可以发现解释性较强的影像特征,另一方面可以从基因数据中选择与肿瘤发生、发展相关的基因,从而定性和定量分析NSCLC中不同亚型的生物标记物,提高肿瘤的识别精度.因此,结合临床实际需求,综合利用多模态数据,并对数据做深层特征分析和挖掘,即具有理论意义,也具有实际应用价值.基于此,本学位论文针对影像基因组学数据,基于人工智能机器学习方法进行深层特征分析,并对多模态进行关联分析,最终用于NSCLC智能识别.主要工作概括如下:1.构建了一种信息基因选择的统计量化指标.首先,针对当前常用指标受试者工作特征曲线和曲线下面积存在的问题,结合临床实际需求,从理论上构建了一种信息基因选择的统计指标-最大净收益(Maximum Net Benefit,MNB),并分析了其可行性和可辨别性.在美国国立生物技术信息中心(National Center for Biotechnology Information,NCBI)提供的NSCLC数据库和三种不同类型的数据库上进行实验,其准确度、敏感性和特异性的值均表明将MNB应用于基因选择时,优于同类其它基因选择方法.2.提出了一种集成的信息基因选择方法,并用于NSCLC识别.考虑到基因表达数据的相似性和微阵列基因表达数据具有高冗余的特点,提出了一种集成的信息基因选择方法,其集成过程分为两个阶段,第一个阶段是将基因聚成共表达模块,第二个阶段是从第一个阶段聚成的共表达模块中筛选信息基因.具体方法是首先应用加权基因共表达网络(Weighted Gene Co-Expression Network,WGCN)将表达相似的基因聚到同一个基因模块,其次应用MNB从每一个基因模块中筛选候选致病基因,再通过反投影稀疏表示分类模型进行NSCLC识别.实验结果表明集成的信息基因选择方法的分类识别结果是最好的.3.基于影像和基因等多模态数据进行关联分析,并应用于NSCLC识别.基于影像和基因关联分析的NSCLC识别过程分为四个阶段,第一个阶段是对影像进行特征学习,第二个阶段是将基因聚成共表达模块,第三个阶段是跨模态建立影像与基因数据之间的关联分析,第四个阶段是从影像和基因的关联分析中挖掘的互补信息进行NSCLC的识别.具体方法是首先分别基于影像和逐层预训练多层稀疏非负矩阵分解模型提取底层特征和深层特征.其次考虑到基因表达数据的相似性和同一个基因可能参与多个生物学过程的事实,选择局部最大拟群合并(Local Maximum Quasi-Clique Merging,lm QCM)算法将基因聚成共表达模块.最后对影像特征与基因模块进行关联分析,应用MNB从与影像特征相关性较强的基因模块中筛选候选致病基因,将其与影像特征结合进行NSCLC识别.在癌症影像档案(The Cancer Imaging Archive,TCIA)提供的影像和NCBI提供的相匹配的基因数据库上的实验结果表明:影像基因关联分析优于单独基于基因或影像的NSCLC识别结果,在无创识别NSCLC中不同亚型的生物学标记物上具有明显的优势.