教学课程资源库 更多>>

关键词： 影像技术   高职   就业  

摘要： 以某高职2019年影像技术专业就业数据为基础,从毕业生成绩与就业率之间关系的新视角分析就业,并分析了与就业有关的其它因素。探索提高就业率的方法,提出相应的对策建议,为毕业生的就业提供一些有益的参考。

关键词： 深度学习   肋骨骨折检测   肺结节检测   医学影像   计算机辅助诊断  

摘要： 近年来,以深度学习算法为代表的人工智能理论与实践飞速发展,推动了多个研究与应用领域的变革。深度卷积神经网络已经广泛应用在了各大计算机应用中,在某些分类任务上甚至已经能够超出人类的识别能力。为了响应政府提出的“智慧医疗”建设构想,与医学相交叉的辅助诊断算法与应用研究成为了计算机视觉领域中的一大热点问题,涌现出了许多基于深度学习的医学辅助诊断算法。基于深度学习算法实现的医学影像辅助诊断系统能够有效缓解临床放射科医师的工作负担,减少漏诊甚至误诊的情况出现。本文研究了基于深度学习的胸腔医学影像辅助诊断算法设计与应用,总结了前人的相关研究工作,提出了改进与提升方法,主要工作包括以下三个方面:(1)为克服目标检测算法在肋骨骨折检测任务中的局限性,提出了一种基于轻量级MobileNet网络的空间多尺度信息融合模型的肋骨骨折检测算法。将肋骨骨折检测分两个阶段:首先基于图像处理算法提取医学影像中的骨骼区域,将提取得到的肋骨区域通过线性插值方式获得多种尺度大小的肋骨图像;然后采用空间多尺度3D MobileNet卷积神经网络模型融合的方式实现肋骨骨折性质的分类。该网络模型在某医院影像数据集上的实验结果表明,空间多尺度信息模型融合能够有效提升肋骨骨折检测的准确率。(2)为提高卷积神经网络结节检测的准确率,降低误报,提出了一种基于注意力机制的肺结节检测算法,引入注意力机制后的3D卷积神经网络能够对特征映射分别在通道和空间两个层次上进行增强,起到抑制任务无关区域的作用。3D区域提案网络输出层用于生成候选肺结节区域,最后通过非最大抑制算法去除冗余的候选结节区域,得到肺结节检测结果。该网络模型在LUNA16数据集上的实验结果表明,引入注意力机制的卷积神经网络能够有效提升肺结节检测的准确率。(3)结合(1)和(2)中的两大胸腔医学影像检测任务,设计并实现了一个基于深度学习的胸腔医学影像辅助诊断系统。辅助诊断系统划分为了三个模块:数据持久化模块、模型推断模块和诊断可视化模块。该辅助诊断系统根据患者的检查类型,通过后台搭建的处理流程完成医学影像数据预处理和模型推断工作,将检测结果作为诊断建议可视化返回给临床放射科医师,辅助医师完成诊断工作。

关键词： 医学影像   身体观念   数据的身体   虚拟的身体   实验影像  

摘要： 本文基于医学影像的梳理研究医学影像产生的身体观念,并籍此影像研究创作实验影像,以期批判的思考在现代医疗社会中,人类身体作为一个对象是如何被成像、拆分、处理、解读和重构的,以此作为该研究的落脚点。本文先通过对医学影像定义的梳理和分析,总结本文中影像的研究内容和问题意识。西方现代医学通过对身体的实证观察和研究为了获得对身体的真实认识,而在医学影像出现之后,人们通过医学成像技术走向对身体的仿真,医学影像改变了人们对身体认知的一种主客体关系。第一章追溯了西方医学以及它的身体哲学中身体观的历史演进,本质上近代医学的身体观是按照理性结构所组建起来的。接着本文通过对医学成像的演变,医学影像的类型学研究看到医学影像在身体显示和处理的巨大操作空间。从而进一步论述医学影像产生多种新身体形象的认知:身体成为透明化的身体;身体是一种以自我为观察对象的景观身体;身体成为一连串的数据;序列数据又能重构出虚拟的身体,身体成为一种仿真的身体。这样的身体表现给身体的认识带来了重大的影响。它改变了传统医学中从外部观察身体并进行类比和推想的认知关系,甚至也以解剖观察身体的感知过程有很大的不同。在医学影像中,身体成为一个自我观看的对象,观看者观看的是他自己。人在第一次镜像阶段通过身体完整镜像的观察获得了自我的观念。而当主体观看这些由医学影像所构造的内部身体的时候,观察的主体成了自我观察的对象,从而进入了人的第二次镜像阶段。新的身体观也在人的第二次镜像阶段的医学影像中生成。艺术家意志的插入也灵活地重构和使用医学影像,使医学影像成为传统身体观、现代身体观以及当代信息时代的身体观互相对话和交战的一个平台。通过研究,医学影像已经极大的重构了我们的身体观,身体的定义和边界获得了延展和想象的空间。医学影像拆除了身体的整体并使认知主体进行自我观察,医学影像让身体变成了曲线图、伪彩图、数据仿真模型、超声波的辉度、同位素和温度的分布图等形象。身体不再是一个整体,因此它提供出多种阐释空间和重构的可能。

关键词： X线根尖片   邻面龋   计算机辅助诊断   深度学习  

摘要： 目的:(1)利用离体牙X线根尖片图像建立数据集,构建基于深度学习模型的计算机辅助龋病诊断系统。(2)通过增量样本训练,优化计算机辅助龋病诊断系统,并通过分析临床X线根尖片图像中的邻面龋,评估其临床应用的可行性。方法:(1)收集2017～2018年就诊于福建医科大学附属口腔医院患者自愿提供的因治疗需要而拔除的人恒前磨牙及磨牙160颗。利用其中80颗离体牙(160个邻面)的X线根尖片图像构建数据集,采用Matlab(Matlab2016b,Math Works,USA)建立基于深度学习模型的计算机辅助龋病诊断系统。由两名观察者和计算机辅助龋病诊断系统分别对其余80颗离体牙(160个邻面)的X线根尖片图像的邻面龋损进行评估,以组织学检测结果作为金标准,通过受试者工作特征(receiver operating characteristic,ROC)曲线综合评估肉眼影像诊断和计算机辅助龋病诊断系统的灵敏度和特异度,利用ROC曲线下面积(areas under the ROC curves,AUC)值比较两种诊断方法的总体诊断准确性。通过灵敏度、特异度、阳性预测值(positive predictive value,PPV)和阴性预测值(negative predictive value,NPV)及其95%置信区间(confidence interval,CI)进一步比较两种诊断方法的准确性。使用SPSSAU(SPSSAU 20.0,北京青丝科技有限公司,中国)比较两个AUC值,利用卡方检验比较两种诊断方法的灵敏度、特异度、PPV、NPV以及对离体牙不同等级龋坏的诊断结果(α=0.05),对计算机辅助龋病诊断系统诊断邻面龋的性能进行初步验证。(2)收集2018～2019年就诊于福建医科大学附属口腔医院的60名患者的60张X线根尖片,共182颗牙。利用其中91颗牙(182个邻面)的X线根尖片图像作为训练数据集,对计算机辅助龋病诊断系统进行增量样本训练及改进。由两名观察者和计算机辅助龋病诊断系统分别对其余91颗牙(182个邻面)的X线根尖片图像的邻面龋损进行评估,以3名牙体牙髓科专科医生的评估结果作为金标准进行ROC曲线分析。通过比较肉眼影像诊断和计算机辅助龋病诊断系统的AUC值、灵敏度、特异度、PPV和NPV(α=0.05),评价该系统的临床应用价值。结果:(1)以80颗离体牙的X线根尖片图像(160个邻面)作为训练数据集,采用Matlab实现龋齿的X线根尖片图像处理与识别算法,并初步建立了基于深度学习模型的计算机辅助龋病诊断系统。当分析对象为离体牙X线根尖片时,肉眼影像诊断与计算机辅助龋病诊断系统的AUC值分别为0.729(95%CI:0.650～0.808)和0.762(95%CI:0.685～0.839),差异无统计学意义(P=0.555)。计算机辅助龋病诊断系统与肉眼影像诊断的特异度、PPV、NPV相似(P均>0.05)。计算机辅助龋病诊断系统的灵敏度显著高于肉眼影像诊断(P=0.014)。肉眼影像诊断和计算机辅助龋病诊断系统对离体牙X线根尖片中1级龋坏(龋坏到达釉质外1/2)的检测灵敏度分别为27.3%和77.3%,二者差异有统计学意义(P=0.001)。(2)以30张临床X线根尖片图像(91颗牙,182个邻面)作为增量数据集,对计算机辅助龋病诊断系统进行了增量样本训练,并对该系统进行了改进及优化。当分析对象为临床X线根尖片时,对于前磨牙、磨牙、前磨牙和磨牙,肉眼影像诊断与计算机辅助龋病诊断系统的AUC值分别为0.697(95%CI:0.572～0.822)和0.846(95%CI:0.755～0.937)、0.835(95%CI:0.741～0.929)和0.782(95%CI:0.688～0.875)、0.765(95%CI:0.686～0.844)和0.810(95%CI:0.744～0.875),差异均无统计学意义(P均>0.05)。肉眼影像诊断对磨牙、前磨牙和磨牙的PPV显著高于计算机辅助龋病诊断系统(P均<0.05),计算机辅助龋病诊断系统对前磨牙、前磨牙和磨牙的NPV显著高于肉眼影像诊断(P均<0.05),两种诊断方法对前磨牙的PPV和磨牙的NPV无统计学差异(P均>0.05)。计算机辅助龋病诊断系统相比肉影像眼诊断灵敏度高而特异度低(P均<0.001)。肉眼影像诊断和计算机辅助龋病诊断系统对临床X线根尖片中1级龋坏(龋坏到达釉质外1/2)的检测灵敏度分别为25.0%和100.0%,二者差异有统计学意义(P=0.007)。肉眼影像诊断和计算机辅助龋病诊断系统对临床X线根尖片中4级龋坏(龋坏到达牙本质外1/2)的检测灵敏度差异亦具有统计学意义(P=0.032)。结论:利用离体牙的X线根尖片图像作为基础数据集、临床X线根

关键词： 医学影像学   微信   CBL教学法  

摘要： 目的:探讨微信平台结合CBL教学法在医学影像学实习教学的价值。方法:对昆明医科大学2014级医学影像诊断专业的54名实习同学为研究对象,随机将54名实习同学分为两组,每组27人,A组同学实行微信平台结合CBL教学的临床带教模式,B组同学对其进行PACS系统结合CBL教学的带教模式,每周一个系统的同样5例常见典型病例向两组同学以各自的教学方法授课,每周日进行本周系统病例学习情况的小测试,时间为1个月,最后给学生以不记名的方式填写教学满意度调查。结果:A组对知识点的掌握情况明显优于B组,问卷调查的结果也明显好于B组。结论:微信结合CBL的教学法能提高实习学生的学习效果,值得推荐。

摘要： 自新冠肺炎疫情发生以来,上海全景医学影像诊断中心在全国开展免费远程阅片(医学影像片子)活动,向全国医疗机构免费开通全景云平台,全景影像诊断中心的医生也参与录制小视频教大家如何科学地防疫新冠肺炎病毒。同时,全景影像诊断中心积极向社会捐赠防疫物资,总价值达200余万元。全景影像诊断中心先后向武汉市第一医院、武汉沌口方舱医院、第四批国家中医医疗队、重庆市援助孝感市医疗队等捐赠了防疫物资;向东方肝胆医院、复

关键词： 《中国临床医学影像杂志》   编委会   汉语拼音  

摘要： 为了深入贯彻全国卫生大会精神,以提高卫生服务质量为重点,进而深化公立医院的全面改革,在基础服务能力建设的基础上,应优化医疗资源的均衡分配,并建立合理、全面的诊断治疗模式。如何使用云计算来构建医学影像云平台,进而促进区域医疗和健康信息资源的共享,满足以患者为中心的临床治疗和护理手段,更好地实现医疗资源的辐射是当前研究的重要课题。在本文中主要以基于医联体的医学影像云平台实践为主要研究内容,进而为提高基层医院医学影像服务质量作出贡献,为今后的临床工作提出宝贵建议。

关键词： 肺癌   计算机断层扫描图像   U形网络   生存预测   随机森林  

摘要： 随着医疗智能化、计算机技术和人工智能技术的发展,在肺部病变诊疗的过程中,计算机扫描断层(Computed tomography,CT)技术被广泛用于对患者进行初步检查。通过CT扫描得到的肺片数量巨大,长时间的肺片检测工作对放射科医生来讲是极大的负担,而且导致了人工诊断精度的下降。利用深度学习技术辅助医生识别肺部中的病变区域可以大大减轻医生的负担,提高对病人诊断的效率。肺癌已成为中国乃至全球发病率和死亡率最高的恶性肿瘤,严重威胁人类的健康。在肺癌诊治过程中,产生了海量的肺癌大数据。针对目前基于深度学习的肺癌辅助诊断方法无法准确定位病灶的问题,本文提出了基于改进U-Net的肺癌识别算法。先利用U-Net获得病灶精确位置,再采用卷积神经网络(Convolutional Neural Network,CNN)对其是否癌变进行分类,完成对癌变病灶的识别。实验结果表明,该方法可以对肺部病灶进行较为精确的定位,分割效果的Dice相似系数(Dice Similarity Coefficient,DSC)超过80%,对肺癌病灶进行分类诊断的准确率达到90.7%。肺癌一般被视为绝症,现有医疗技术可以给予病人支持性治疗,但一般无法彻底治愈。在这种情况下医生往往会告知病人的预期生存时间,并且可以利用预期生存时间为病人制定针对性的治疗方案。影响肺癌患者生存时间的因素有许多,本文提出了改进的随机森林生存预测算法,对肺癌数据进行分析判断,融合随机森林分类算法和多层感知机分类算法实现对患者生存时间的预测。该算法对病人身体特征、癌症分期状况和生活特征等进行建模分析,对肺癌患者预期生存时间进行预测,实验结果表明该预测算法的预测准确率超过70%,有利于改善肺癌的治疗效果,提高癌症患者的生存几率。

关键词： 远程影像诊断   医学图像标注   智能诊断   标准化  

摘要： 为解决我国医学影像资源分配不均和医学数据不能充分共享等问题,本文在分级诊疗背景下,设计并实现了一种医学影像数据采集及标准化系统。首先研究医学影像的远程调取与标准化显示、浏览,实现无论何时、何地和何种终端都可以调阅医学影像。进而研究影像数据的标准采集、标注等预处理方法,为深度学习准备高质量标注数据提供支撑。特别是,针对医学影像数据快速增长而放射科医师短缺问题,设计一种可在诊断过程中调用的人工智能辅助诊断模块,以提高医师诊断效率和水平。本文完成的主要工作包括:1.针对区域影像数据远程调阅需求,设计了一种远程影像诊断模块。利用Canvas绘图技术实现对医学影像的标准显示和浏览,同时,后端将调阅的DICOM文件按标准化结构存储在服务器,并在配置文件中保存文件结构信息,前端采用Webworkers多线程的方式进行调阅,实现精准有序地快速调阅数百幅医学图像,使影像的调阅速度提高3倍。2.针对深度学习算法缺少高质量标注数据,致使人工智能辅助诊断产品性能有限问题,设计一种医学影像诊断和标注相结合的方法,使医师在诊断的同时可以获得标注数据。提供矩形、多边形、自由描画等多种标注方式,支持图像标注的收藏、可视化加载、多病种保存、数据导出等功能。医师用户在影像诊断过程中,只需对病灶进行标注、保存两步操作,就可以便捷的完成图像标注。3.针对放射科医师与影像检查需求相比严重不足问题,设计一种可在诊断过程中调用的人工智能辅助诊断模块。通过图像缓存、容器隔离部署、高性能消息队列等技术,实现了可并行调用深度学习模型的检测模块,使检测速度提升2倍以上,并支持深度学习模型种类的扩展。本文的医学影像数据采集及标准化系统,包含医学影像的远程调阅、标准化采集、标注、病灶的辅助检测等功能,可在一定程度上解决区域医疗资源分配不均以及高质量标注数据缺乏的问题。同时,本文提出的智能辅助诊断的解决方案,可以有效地促进医疗影像领域向着更高效、更智能、更精准的方向发展。