教学课程资源库 更多>>

关键词： 医学影像学   作者姓名   《中国医学影像学杂志》   审稿程序   影像技术学   网络投稿   编辑部   版面费   中英文摘要  

摘要： 《中国医学影像学杂志》是由国家卫生健康委员会主管、中国医学影像技术研究会主办的全国性专业学术期刊,是中国科技核心期刊、中国科学引文数据库来源期刊、《中文核心期刊要目总览》收录期刊。办刊宗旨:贯彻党和国家的卫生工作政策,坚持理论与实践、普及与提高相结合的方针,反映我国医学影像学领域的重大临床和科研工作进展,致力于各种医学影像技术的基础与临床研究成果的推广和传播,为从业人员建立继续教育和技术交流的平台,促进国内外医学影像学学术交流。本刊刊登放射医学、超声医学、核医学、介入医学、影像技术学、医学影像工程学等相关学科的原创性论文,栏目设置包括实验研究、中枢神经影像学、头颈部影像学、乳腺影像学、心脏影像学、胸部影像学、血管与介入放射学、腹部影像学、妇产科影像学、生殖泌尿影像学、骨骼肌肉影像学、影像技术学、

关键词： 毕业生   就业   形势分析  

摘要： 职业教育就是就业教育,其目的是为社会培养高端技能型人才,服务于区域经济社会发展的需要.毕业生就业率、对口率、起薪、升迁率、用人单位满意率等就业质量的相关指标是衡量专业办学水平、把控专业规模、调整专业设置的重要依据.本文通过深入细致的社会调研,详细的分析了医学影像技术专业毕业生目前的就业现状,希望能为已经开设或准备开设此专业的院校提供决策参考.

摘要： 《中国医学影像学杂志》是由国家卫生健康委员会主管、中国医学影像技术研究会主办的全国性专业学术期刊,是中国科技核心期刊、中国科学引文数据库来源期刊、《中文核心期刊要目总览》收录期刊。办刊宗旨:贯彻党和国家的卫生工作政策,坚持理论与实践、普及与提高相结合的方针,反映我国医学影像学领域的重大临床和科研工作进展,致力于各种医学影像技术的基础与临床研究成果的推广和传播,为从业人员建立继续教育和技术交流的平台,促进国内外医学影像学学术交流。

关键词： CT   仿真系统   实践教学  

摘要： 随着信息化时代的到来，医学影像技术迅速发展，CT设备与技术更换速度也十分迅速。虚拟仿真系统应运而生，其利用计算机技术、虚拟CT情景与CT影像在实践教学中供学生学习操作，获得真实的实践体验，能使学生更牢固地理解掌握理论知识和操作技能。

关键词： 卷积神经网络   目标检测   肺结节   高斯函数   特征提取  

摘要： 随着深度学习和计算机视觉的迅速发展,目标分类、分割、检测技术已经在计算机辅助诊断领域广泛应用。目标检测作为图像理解中的重要步骤,主要任务是从图像中勾画所有感兴趣的区域,确定它们的位置和大小,是机器视觉领域的核心问题之一。而对于医学影像感兴趣的目标区域相较于整个影像往往尺寸较小,并伴有一些特定的形态学特征,因此针对图像的小目标检测方法对于医学图像病灶检测非常有意义。目前计算机辅助诊断(CAD)技术在面对一些癌症诊断和早期筛查时已经扮演十分重要的角色。然而针对复杂的病灶特征,缺乏足够的高质量的标签数据,如何更有效的提取到准确的目标特征,并利用这些经筛选高维特征进行自动的定位、检测、分类,是当前医学图像和机器学习面临的重大挑战。本文就以上问题,提出了小目标检测的两种不同检测思路分别基于目标像素点判断和基于目标区域的端对端识别,并通过LIDC-IDRI数据库中的肺结节公开数据衡量检测效果,本文主要工作如下:1)由于目前基于深度学习方法的小目标检测(以肺结节为例),通常灵敏性较高,但存在进行提取特征的训练时间冗长,假阳性率较高,对于5mm以下结节检测效果差等问题,因此提出了图像高维特征抽取抽取方法,用于像素点分类识别,基于泰勒展式理论和卷积运算下的高斯迭代高阶求导方法,通过对像素点的分类可以更精确地捕捉到小目标的位置并分类,这种直接求解大大的加速了特征选取的训练过程,并经过图像高维映射和分类检测证明了该方法的有效性,选取不同的目标尺度范围,根据分类抽取主要特征,通过分类特征与每个像素点之间的欧氏距离判断像素点属于正负类别。2)针对现有技术对肺结节漏检率高,过小目标检测困难等问题。通过研究当前基于卷积神经网络的肺结节检测方案,提出一种基于YOLO V3的端对端区域检测方案,在此过程中优化了特征提取网络,由于检测目标在图像上尺度与自然图像检测的尺度差异较大,重新将尺度进行聚类。将原有的三层YOLO检测层检测九个尺度改为两层,检测六个目标尺度,并调整上采样倍数。并调整损失函数中预测锚框部分的损失计算进行了修改,将原有高、宽的变化值计算改为损失变化率。综上所述,本文就图像小目标检测提出了像素点分类和目标区域识别两种方法做了深入的研究和分析。主要创新点—是提出了基于高斯多阶导数的图像快速特征提取,与小目标的分类识别,方法简单有效,同时它支持少量样本学习,在特征提取时不需要长时间的迭代优化。二是利用YOLO V3的方法并简化其结构,实现了基于深度学习的小目标检测,实现了YOLO V3在肺结节检测中的应用。基于YOLO算法的区域识别方法可以做到端对端检测,但在GPU加速情况下可以做到实时检测,并且整体结果好于像素点检测的方法,但需要多层卷积长时间的计算。

关键词： 医学影像   主动学习   数据处理   序列转换  

摘要： 医学影像广泛用于临床实践的诊断和治疗。为解决医学影像标准数据集稀缺及人工标注成本过高的问题，有必要引入机器学习中的主动学习方法从庞大的影像数据池中选择具有高价值的样本数据进行标记，目的是降低人工标注成本，增加标注效率，进而减轻专业医生压力，简化临床决策过程。　　本文以乳腺钼靶影像作为研究对象，将主动学习方法应用于医学影像的样本选取中。通过对乳腺钼靶影像数据的预处理、序列的低损失转换、主动样本筛选模型构建的研究，实现了从样本池中筛选出高价值信息的样本。本文的主要工作有：　　(1)针对乳腺钼靶医学影像的样本特征，研究对比了多种不同的主动学习方法在乳腺钼靶影像上的适用性。在分析其局限性的基础上，提出了基于主动学习的样本筛选模型：CSLB模型(CNN-Seq2Seq-Attention-Libact)。通过对比不确定性选择(Uncertainty Sampling)、委员会查询(Query-by-Committee)、支持向量机推荐采样(HintSVM)三种主动学习方法在样本上的表现，可以推荐出更适合本文所用数据的主动学习方法。　　(2)研究对比了主动学习方法中多种不同的度量方式在乳腺钼靶影像上的适用性，在此基础上设计了基于主动学习的样本选择模型CSAP(CNN-Seq2Seq-Attention-AliPy)。通过研究基于流(Stream-Based)、基于池(Pool-Based)中的不确定性度量、相关性度量不同的选择策略，最终筛选出样本池中具有高信息价值的乳腺钼靶影像。　　(3)针对本文所使用乳腺钼靶影像原始数据转化为序列后数组长度过长的问题，引入序列转换Seq2Seq(Sequence-to-Sequence)模型。考虑到传统的Encoder-Decoder模型在序列转换时会损失大量的样本信息，引入Attention机制。构造了基于CNN深度学习网络的CNN-Seq2Seq-Attention模型进行序列的转换，最终得到乳腺钼靶影像序列的“低信息损失”转换序列。　　本文基于已经序列化处理的SKLEARN标准数据集及INbreast上的乳腺钼靶原始影像数据集进行实验。实验结果表明，本文提出CSAP模型在这两个数据集上实验的准确度达到80%以上，CSLB模型的错误率在37%以下。

关键词： 影像检查   核磁共振检查  

摘要： 随着科技的飞速发展,医学技术也越来越发达。人们常用影像检查来观察人体内部的脏器病变的情况,以便更好地帮助治疗。但是,部分影像检查有一定的辐射性,下面就来看看影像检查对儿童是否有什么影响?1.怎样看待影像检查?1.1不能完全诊断出所有的疾病。影像学检查是非常重要的诊断方式,但是并不能诊断出所有的疾病。因为有的疾病在初始阶段,没有明显的器质改变以至于影像无法显示出来;部分疾病即便查出问题,有时也会因为缺乏特异性而无法进行明确诊断。另外,还有些功能性疾病在常规影像学检查不会出现异常表现。

摘要： 根据医学影像技术专业的人才培养目标,要求毕业生熟悉掌握各类医学影像设备检查实践技能。实践技能的培养由于经费限制和学校实验场地限制,而多要在医院进行,由此带来了种种弊端。利用虚拟仿真技术在计算机上真实模拟出价格高昂的各类大型医学影像设备,能在校园机房中轻松实现,弥补实验场地受限等缺陷。本文依据中山大学新华学院建设医学影像技术专业虚拟仿真实验室的建设过程提出思考。随着我国国家建设的高速发展,医疗卫生行业对医学技术类学科人才的需求持续上升,医学技术学科以病人病理生理资料的采集、评估、诊断、非药物和手术治疗的措施、方

关键词： 平台设计与实现   医学影像分割   图像处理   全卷积神经网络  

摘要： 医学图像分割旨在自动勾勒医学影像中对应着人体结构或病变的区域,对疾病诊断、人体结构区域量化、医学影像可视化等有着重要的意义,其也一直是计算机视觉领域一个广受关注的研究课题。医学影像有多种成像模态、也可以从多个器官采集,不同影像间存在显著视觉差异,导致面向不同成像模态和器官的医学影像分割算法研究过程相对繁琐和复杂。由于不同医学影像分割算法中存在较大比例可以复用的模块,因此本文从加快算法设计的角度出发,开展医学影像分割算法实验平台的设计与实现,旨在将繁琐的数据处理流程和网络结构构建流程模块化,降低算法设计的门槛,以更好推动医学影像分割算法设计领域的发展和进步。具体的,本文的主要工作如下:第一,设计了一个医学影像分割算法实验平台。在调研了大量医学影像分割中用到的神经网络后,总结了网络的设计规律,开发了一个医学影像分割算法实验平台。该平台面向科研需求设计并实现了数据解析、数据扩充、网络结构设计、网络训练和结果获取等模块,可支持研究人员选择数据的存储类型并进行自动的图像解析,选择扩张方法进行数据的自动扩张,选择平台支持的基础网络和先进模块设计面向特定任务的分割神经网络结构,并进行相关的训练和测试,得到较为满意的结果。本文的各项测试分析证明了所设计平台的合理性、健壮性和实用性。第二,将本文设计的医学影像分割算法实验平台应用于医学影像的分割神经网络构建。工作包括两个方面:首先研究了分别适用于神经元图像、眼底视网膜图像、腹部图像和皮肤图像的专用分割网络构建,在相应领域数据集上取得了较好效果;其次研究了面向医学影像分割的通用神经网络构建,以解决网络迁移到其它影像类型时性能下降的问题,实验表明所构建的ACE-Net结构在两个不同的数据集上均表现出突出性能。以上实验均验证了本文设计的算法实验平台的有效性。

关键词： 优点和缺点   医学影像技术   临床治疗  

摘要： 超声诊断枝术超声诊断技术是一种应用人体检测的医疗技术,通过对人体的生理结构或者组织形态进行检查,医生能够准确的发现患者的疾病,并借由检测结果来为患者进行诊断。对患者来说,这种检测技术无痛无创、方便便捷,因此在临床治疗上的应用十分广泛,超声技术与X射线、CT检测、核磁共振并称为4大医学影像技术。