教学课程资源库 更多>>

关键词： 《中国临床医学影像杂志》   收稿回执  

摘要： 本刊为影像学杂志,要求所有稿件需均附有典型的影像学图片。未附图片的稿件本刊拒收,直接退稿。本刊目前只接收网站在线投稿,不接收其他方式如纸质、电子邮件投稿。本刊网址:http://***或http://***初次投稿时需在网站上进行个人信息注册,注册时尽量将个人信息添全。其中姓名、单位、通讯地址、邮编、电子邮箱地址、个人移动电话号码为必添项目,本刊拒收以上信息不全的稿件。

关键词： 高职   医学影像技术专业   网络虚拟实践教学   实践教学平台  

摘要： 本文主要以高职医学影像技术专业网络虚拟实践教学平台的构建与应用为重点进行阐述,以高职医学影像技术专业的教学现状为主要依据,从网络虚拟实践教学平台功能模块、网络虚拟实践教学平台功能使用方法、网络虚拟技能实训、浏览病历库、加强师生互动几个方面进行研究分析,其目的在于促使教学数字资源得到有效发挥,利用虚拟实践教学平台,提高学生的专业技能水平。

关键词： 医学影像   诊断报告   自动生成   多标签预测  

摘要： 图像描述生成(image caption)旨在为给定的图像生成一段自然语言描述，它是一种多模态任务，涉及计算机视觉(computer vision, CV)和自然语言处理(natural language processing, NLP)两个领域。近些年，人们开始将该项技术应用于医学领域，希望能从医学影像，如CT影像、胸部X射线影像等自动生成诊断结果报告。这项技术有巨大的应用前景，因为对于缺乏经验的医师，书写诊断报告有时会容易出错;而对于经验丰富的医师，这项任务又过于重复、单调。为了解决这一问题，本文利用深度学习(deep learning, DL)的方法，提出一种从医学影像自动生成诊断报告的算法。　　这是一项充满挑战性的任务，它有以下几个难点：第一，相对于一般场景的图像，医学影像的病变位置非常难以辨别;其次，医学影像报告的形式往往比较复杂，不仅包括对病变的描述，还有诊断结果以及诊断意见，整个报告也会有较长的篇幅;最后，我们希望生成的报告是符合人类阅读习惯的自然语言，而非模板化的描述。　　为了克服以上难题，本文提出一种多任务模型，通过对医学影像进行多标签预测，利用图像特征和标签对应的文本信息生成诊断报告。具体地，我们的模型采用经典的编码器-解码器(encoder-decoder)结构，利用卷积神经网络(convolutional neural network, CNN)提取图像特征，并将图卷积网络(graph convolutional network, GCN)引入到多标签分类器对图像进行多标签预测，进而得到对应的图像特征和文本特征，再利用我们提出的自适应的图像-文本混合注意力机制(attention mechanism)生成包含图像和文本的多模态信息的上下文向量;最后，层次化的长短期记忆网络(long short-term memory, LSTM)将对上下文向量进行解码，生成自然语言的诊断报告。整个模型是端到端(end to end)的。　　我们在医学影像公开数据集IUX-Ray上进行了实验，并对实验结果进行了分析。我们发现图卷积网络的加入对多标签分类有不错的效果，OF1等指标明显提升;对于最终生成的诊断报告，在BLEU,CIDER,METEOR,ROUGE等指标上，我们的模型也有不错的表现。

关键词： 生产绩效管理   综合激励模式   层次分析法   归一化指标  

摘要： 国内医学影像设备行业看似“高精尖”,实则形势严峻。不仅要面临外界的政策经济变化、市场增速放缓、创新乏力以及新兴竞争力量不断涌入等负面因素的影响,还要面临诸多企业内部问题。对国内中小型外资企业而言,在面临内外困境时,能够快速、有效的问题解决路径应是先从企业内部出发。通过提升自身的生产绩效管理水平,在保证质量、交期的基础上提高生产效率,为市场提供性价俱备的产品是企业在行业内保持竞争优势与持续发展的必要途径。本文以A企业为研究对象,运用了文献研究法、调查法、定性分性法、定量分性法等方法,对案例公司自身竞争策略、生产方式、指标设定与激励模式等几个影响生产绩效的构面进行深入研究。对其中的高库存高成本、指标权重以及综合绩效激励政策等关键问题分析后,提出了生产方式的转变措施、构建了归一化生产绩效指标以及改善了综合激励模式。通过本研究起到了对案例公司现有生产绩效管理过程“复盘”、对现有生产绩效管理方法进行改善及对行业内企业起到一定借鉴作用。

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： 医学实验室   检验医学   医学检验   临床实验室   医学影像  

摘要： 从"医学检查"到"检验医学"的转换不仅是文本序列的颠倒,还包括文本序列在深刻的意义上,检查行业的发展理念和方向也发生了明显变化。过去主要在医学实验室从事方法学的研究和应用,目的是提供临床服务。准确的数据,辅助试剂的自动仪器化和应用以及标准化管理,方法论研究不再是实验室工作的重点,中国临床实验室专业知识可以得到迅速发展和采用医学实验室的认证逐渐促进了从医学实验室到实验室医学的过渡。

关键词： 中国早产婴儿脑图谱   脑图谱   脑科学   脑影像分析  

摘要： 近年来,各国纷纷开展脑研究计划推动脑科学的发展。脑图谱是一种整合了大脑结构与功能的特征信息的人脑模型,为脑科学研究和影像信息分析提供了重要的指导。脑图谱作为一套人脑结构模板提供的先验知识有助于提高图像分割准确率,为群体脑影像信息分析提供了标准坐标系,方便对不同个体在不同时期的脑影像进行比较分析,有利于病理研究或早期疾病标志物的发现。人种、性别、年龄等因素都会导致大脑的结构与形态存在差异。针对特定人群需要使用专门的脑图谱,否则容易造成识别与定位的误差。通过对国内外相关文献调研发现,国内尚未提供公开的针对0-1岁婴儿进行脑影像分析研究的婴儿脑图谱标准模板,缺乏足量的中国婴儿脑图谱为中国婴儿的脑影像分析研究提供指导。为了推进中国脑研究计划的深入发展,构建中国婴儿脑图谱具有必要性。本研究以现有文献中脑图谱构建理论与相关技术为基础,采用文献调研等方法,选择合适的研究数据与配准技术,再根据实际数据情况,设计出中国早产婴儿脑图谱构建框架。采集了27例中国早产婴儿脑影像数据,通过重定向、颅骨剥离、去噪、偏置校正等预处理操作,提高数据集质量。再根据中国早产婴儿脑图谱构建框架,采用逐组配准的方法,初步构建了由标准模板和组织概率图组成的中国早产婴儿脑图谱。并将构建好的中国早产婴儿脑图谱与公开的西方早产婴儿脑图谱从形态结构、在图像配准任务和图像分割任务上的应用三个方面进行对比研究,来验证本文构建的中国早产婴儿脑图谱的有效性。本研究为中国早产婴儿的脑影像分析研究提供了可用的先验知识,也为后续更为全面和完善的中国婴儿脑图谱构建提供了实践经验。从本文构建的中国早产婴儿脑图谱来看,中西方早产婴儿大脑存在的形态结构差异,与西方早产婴儿大脑相比,中国早产婴儿大脑具有更短、更宽、更矮小的形态结构特点。通过与西方早产婴儿脑图谱在图像配准与图像分割应用上的对比实验,结果表明在图像配准中将中国早产婴儿脑图谱作为参照图像,能保留原始图像的更多形态特征。这说明中国早产婴儿脑图谱确实更能代表中国早产婴儿大脑的结构特征。图像分割实验中,使用本文构建的中国早产婴儿脑图谱先验知识的分割结果与领域专家手动分割标准的平均Dice系数为0.6419±0.0674,而使用西方早产婴儿脑图谱的平均Dice系数为0.5895±0.0502,结果表明使用本文构建的中国早产婴儿脑图谱能图像分割准确率提高了6%-13%(p<0.05)。

关键词： 深度学习   迁移学习   医学影像   特征融合   弹性超声  

摘要： 超声检查是诊断甲状腺结节主要的影像学方法之一。在超声影像上对甲状腺结节进行良恶性分析,对甲状腺癌的早期筛查有着重要意义。随着影像诊断技术的发展,高质量的超声影像及病理资料获取已不再困难,如何准确的判别结节的良恶性结果成为了提高诊断水平的关键。为了实现更为准确的甲状腺结节良恶性诊断,避免不必要的穿刺或活检手术,本文提出了一种基于卷积神经网络的多模态超声影像特征融合的方法,引入了更丰富的特征信息来对甲状腺结节的良恶性进行分类,提高了甲状腺结节良恶性分类的准确率。本文首先分析与整理了233位患者的1156张甲状腺超声影像。从超声设备视频中截取单帧超声影像,标注结节的感兴趣区域。通过颜色通道变化与腐蚀膨胀操作自动提取出超声影像中的感兴趣区域边界,并根据图像的坐标对称性分别提取出常规超声与弹性超声的感兴趣区域图像。然后,卷积网络模型在大规模自然图像数据集上完成预训练,随后通过迁移学习微调的方式将特征参数迁移到超声影像数据域用以生成高维特征。通过引入空间金字塔池化与全局平均池化结构解决输入图像尺寸不一致所引起的分类性能损失。融合常规超声与弹性超声的深度特征形成混合特征空间,并在该混合特征上进行分类。最后,本文提出了一种基于多模态超声影像的甲状腺结节良恶性分类方法。浅层卷积共享图像的边缘纹理特征,高层卷积的抽象语义特征与具体的分类任务相关,使用迁移学习的方法可以解决超声影像上数据量不足的问题。同时弹性超声影像可以对甲状腺结节的病灶硬度进行客观量化,结合常规超声的纹理轮廓特征,二者融合的混合特征可以更为全面地描述不同病灶之间的差异。实验结果表明,该方法的准确率为94.7%,优于其他单一数据源的方法。本文从常规超声与弹性超声的不同成像原理入手,融合二者不同的特征分布并取得了较好的效果。作为计算机辅助诊断系统,在临床上可以有效辅助放射科医生诊断甲状腺结节病症,进一步提高临床诊断的准确性。

关键词： 医学影像   磁共振成像   多中心数据   脑胶质瘤   标准化预处理   直方图规定化   遗传算法  

摘要： 近几年基于人工智能的医疗大数据分析受到越来越多的关注,特别是基于影像组学的研究成为了热点。在基于影像组学的研究中,拥有充足的数据量来保证影像组学分析的一般性和普适性变得至关重要。由于从单个医疗机构获得的数据量往往不大,因此研究人员会将多家医疗机构的数据整合在一起形成多中心数据集。由于多中心数据在收集过程中使用不同的采集设备、设置不同的采集参数,使得数据在存储格式、规格、亮度和对比度等方面存在较大差异,对于临床医生进行鉴别诊断和影像组学分析都会产生干扰。针对该问题,本文基于磁共振的脑胶质瘤影像数据,对多中心数据标准化过程中的信息增强、数据统一等关键问题进行分析,提出了一套医学影像多中心数据的标准化方案,能够降低数据之间的差异,提高数据的适应性和可靠性。本文的主要研究内容如下:(1)针对目前多中心图像数据标准化过程中,不同图像对比度和亮度存在较大差异的问题,提出了基于自动直方图规定化的图像标准化方法HSASR。在HSASR方法中,直方图规定化能够在适当的参考帧的作用下,统一规范整体数据的对比度和亮度的动态分布,同时还能有效地增强肿瘤区域信息;另外,考虑到在规定化过程中,往往由放射科医生选取规定化映射的参考帧,但随着数据量的增加,手工选择的工作量繁重、极度费时的弊端逐渐暴露出来,并且也无法保证选出最佳的参考帧。因此,本方法在直方图规定化的基础上结合网格搜索实现参考帧的自动选择,从而选择出最优参考图像模板来对图像对比度和亮度分布进行标准化处理。最后,将本方法处理后的数据通过影像组学进行验证,实验结果表明,通过该方法处理过的数据比未处理之前的数据在影像组学的分级预测中的AUC、准确率等性能指标平均提高13%左右。(2)针对数据标准化方法处理后的图像存在域边界模糊的问题,提出基于多峰直方图的标准化方法MPH。HSASR方法虽然对整体图像亮度范围进行了统一,突出了肿瘤和其他组织之间的对比度,但是部分图像数据中存在肿瘤各组织区域间界限模糊问题,例如,脑胶质瘤的肿瘤区域一般可分为增强,坏死,水肿区域等,不同区域共同决定了脑胶质瘤的分级。为了提供更加丰富的肿瘤信息,MPH方法能在保证多中心数据图像亮度一致性的基础上着重突出肿瘤各区域的信息。实验结果表明,MPH方法的评价指标比HSASR方法的提升2%,由此验证了本方法的有效性。

关键词： 医学影像   肺结节检测   假阳性识别   三维卷积神经网络  

摘要： 随着工业化程度的提高、环境恶化及吸烟人口的增加，肺癌已逐渐成为威胁人类健康的重要疾病。对肺癌的早筛早查是提高肺癌患者五年生存率的有力手段。目前对肺癌的早期诊断主要通过医学影像检查，但由于医生资源相对紧张、放射科医生的工作量较大及肺结节的形态多变，尤其是附着在血管壁或肺壁的结节等使得对肺结节筛选与良恶性诊断较为困难。如何快速地从肺部三维CT影像中筛选出疑似结节，以及提高恶性结节诊断的精度，是当前医疗人工智能领域亟需解决的一大问题。随着深度学习的发展，关于肺结节检测与假阳性筛选的研究有了比较大的突破。但是现有的研究大多数是基于通用网络模型，没有充分利用肺部CT数据和结节数据的特性。因此本文针对肺结节检测这一特定任务，深入研究了肺结节的特性和针对肺部CT数据的神经网络模型，并且提出了基于三维卷积神经网络的肺结节检测与假阳性识别算法。　　本文的主要工作总结如下，首先在预处理阶段对比使用了阈值法与神经网络图像分割的方法对肺轮廓进行了提取，在方法部分基于深度学习与计算机图形学的方法，分两步对肺结节进行检测。第一步通过三维U-Net模型检测CT图像中的可疑结节的位置，使用多分支网络提高了结节分割的召回率，防止潜在的结节漏检。同时加入深度可分离卷积降低模型参数量，降低训练难度与计算开销。第二步设计了二阶段的方法进行假阳性识别。第一阶段使用特征提取方法对假阳性结节进行初步筛选，第二阶段本文设计了针对肺部CT的三维卷积网络，通过引入残差块、加深网络层数提高模型精度，并且使用聚焦损失提高模型对困难样本的学习能力。最后本文在LIDC-IDRI数据集上得到84.6％的平均无限制受试者工作特征曲线(FROC)，验证了本文提出的模型对于肺结节检测与假阳性识别的良好效果。