教学课程资源库 更多>>

关键词： 人工智能   医学影像   肺结节   临床检测  

摘要： 目的:分析人工智能+医学影像在肺结节检测中的临床应用效果.方法:选取时间段为2018.11月～2019.11月期间,于本院进行肺部CT扫描的患者共计489例,将其作为本次实验的研究对象,并在使用CT扫描后分别进行人工智能阅片和医师人工阅片,对比两种阅片方式的敏感度、假阴性率、假阳性率和使用时间.结果:对比两种阅片方式对肺结节检测的结果,人工智能阅片敏感度(96.31％)假阴性率(3.68％)假阳性率(25.35％)使用时间(0.52±1.33分),医师人工阅片组敏感度(86.91％)假阴性率(9.61％)假阳性率(2.45％)使用时间(3.75±1.26分),人工智能阅片的敏感度和使用时间较短,但其假阳性率相对较高,医师人工阅片的敏感度和使用时间稍差一些,但其假阳性率较低.结论:相对于传统的医师人工阅片来说,使用人工智能进行医学影像的阅片工作,具有较高的检测敏感度,且阅片速度也较快,能够为肺结节的临床诊断提供准确的参考依据,但由于其假阳性率较高,所以仍需与医师人工阅片结果相结合.

关键词： 智能阅片系统   核医学   骨显像   阅片教学  

摘要： 目的:探讨在新冠肺炎期间利用全身骨显像智能阅片系统配合开展远程线上核医学影像读片网络教学的可行性及教学效果评价。方法:选取四川大学华西临床医学院临床本科五年制第五年医学生共56名作为研究对象,按随机数字表法分为对照组(n=28,观看教师录播视频+典型病例PPT对照解读训练模式)和实验组(n=28,观看教师录播视频+在线智能阅片系统训练模式)。分别在学生课程前、课程结束后,对学生进行全身骨显像阅片能力考核。课程结束后,通过问卷调查了解学生对两种教学模式的满意度,对比两种模式的教学效果。结果:课程前,两组学生阅片成绩差别无统计学意义(P>0.05);课程结束后,实验组学生阅片成绩高于对照组,差异有统计学意义(P<0.05)。针对"有助提高学习兴趣、有助提高自主学习能力、教学模式创新性"三项内容的问卷调查结果显示,学生对使用在线智能阅片辅助开展教学的评分均高于对照组,且差异有统计学意义(P<0.05)。结论:核医学全身骨显像智能阅片系统的在线教学应用效果良好,学生满意度高,为配合新冠肺炎疫情期间的核医学在线教学提供了有效的新型教学方法。

关键词： 医学影像   发展趋势   人才发展   学生教育  

摘要： 一百多年来医学影像学发展迅速,在临床诊疗上起到了愈加重要的作用。随着社会发展,当今影像学正在朝着智能化、独立影像中心、介入分子影像学等方向发展。在良好的发展趋势下,影像专业每年的毕业生人数不断增加,但是多数学生的工作期望值高于自身能力水平。学生若想提高竞争力,就必须通过增长专业能力、实践经验,提升英语水平,开拓自身视野等方面来完善自身素质。此外,高校应及时探索教学模式,重视学生实践、专业素养、科研水平以及英语和就业能力等方面的发展。

关键词： 核酸检测   冠状病毒感染   医学影像科   新型冠状病毒  

摘要： 新华社武汉2月6日电《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》,将"疑似病例具有肺炎影像学特征者"作为湖北省临床诊断病例标准,这提示湖北地区新型冠状病毒诊断不再依赖核酸检测结果。日前,武汉大学中南医院医学影像科副主任张笑春教授在朋友圈发布"强烈推荐CT影像作为目前新型冠状病毒感染的肺炎首选诊断方法"言论,引起社会广泛关注。

关键词： 密集卷积网络   监督核哈希   核主成分分析   Canny边缘检测   SPIHT  

摘要： 医学影像是辅助临床医师对疾病进行诊断、治疗和分析愈后情况的重要依据。随着数字化医院的快速建设以及越来越先进的医学成像设备与技术的出现,每天在医院都会有大量的医学影像产生,这大大增加了医学影像数据的存储空间,也使得医学影像诊断医师的工作量大大增加,再加上诊断医师对医学影像的诊断具有很大的主观性,从而容易导致误诊和漏诊情况的发生。对大量的医学影像数据进行检索与压缩处理,可以在一定程度上减少诊断医师的工作量、提升诊断医师的诊断效率与准确率和减缓医学影像数据对存储空间的需求。本文对医学影像检索与压缩的方法进行了研究,主要的研究内容和创新性如下:（1）结合密集卷积网络的医学影像哈希检索。图像特征提取和哈希编码是医学图像检索的两个关键性步骤,为了提取出能够充分表达图像内容的图像特征和减少哈希编码中的投影误差,提出了一种基于密集卷积网络（Dense Convolutional Network,Dense Net）和改进的监督核哈希方法。该方法先对Dense Net模型进行训练优化,并用训练好的Dense Net模型来提取图像的高层语义特征;然后,对提取到的图像特征进行核主成分分析投影,以充分挖掘图像特征中蕴含的非线性信息和减少投影误差,再对投影后的图像特征进行监督核哈希学习,把图像特征映射到汉明空间,以生成更紧凑的二值哈希码,并通过比较哈希码间的汉明距离来完成检索。实验结果表明,在LUNA16数据集和Paris6K数据集上,与其它六种常见哈希方法相比,本文方法在不同哈希码长下的平均检索精度均高于其它方法,且在哈希码长为64bits时,平均检索精度分别高达92.9%和89.2%,从而验证了本文方法的有效性和可拓展性;也将本文方法与基于卷积神经网络的哈希算法进行了时间复杂度的比较,结果表明本文方法的时间复杂度较低,说明了本文方法具有一定的高效性。（2）一种联合Canny边缘检测和SPIHT的医学影像压缩方法。鉴于医学影像的特殊性,图像中的纹理细节等高频信息对诊断医师进行判断至关重要,所以,本文以提升压缩后的重构图像对高频信息的保留量为出发点,并针对多级树集合分裂（Set Partitioning in Hierarchical Trees,SPIHT）算法的重构图像会损失高频信息的不足,提出了一种联合Canny边缘检测和SPIHT的医学影像压缩方法。该方法先对图像进行Canny边缘检测,以提取图像的高频信息,获得图像的边缘图像;然后,对图像进行SPIHT编码,并用哈夫曼（Huffman）算法对SPIHT编码后的码流进行优化,依次经Huffman解码和小波逆变换后得到一幅重构图像,将该重构图像与前面获得的边缘图像进行相加以恢复原图像。实验结果表明,在选取的10幅包含有医学和非医学的标准测试图像上,与SPIHT结合Huffman的算法相比,在不同比特率下的本文方法重构图像的信息熵较高,说明了本文方法重构图像的高频信息得到了有效保留,从而验证了本文方法的可行性和有效性。

关键词： 医学影像   DICOM   安全   访问机制  

摘要： 在信息化时代,很多数据文件可以很方便地进行增删改查等操作。由于信息化文件的一系列优点,医学影像领域也随之进入了信息化时代,很多数字化的影像、文本诊疗数据逐渐被各大医疗机构、科研机构应用起来。目前国际通用的医学影像文件格式是DICOM标准。目前最新的DICOM3.0标准中,出于兼容性、通用性等许多方面考虑,患者的信息是明文存放的,任何人、任何支持DICOM标准的设备拿到DICOM文件即可以访问其中的内容,若存有患者隐私的DICOM文件被泄露,患者的私人医疗信息可能被未获授权的第三方查看、篡改,设计一整套针对医学影像的安全机制已经成为社会个人隐私的重中之重。本文针对DICOM协议在文件层面上的安全弱点,利用AES、RSA、MD5加密算法,基于图像隐写、信息摘要、数据脱敏技术,设计了一套兼容DICOM格式的数字医学影像安全机制,解决了DICOM数字医学影像在存储、访问过程中的安全问题。为了贴合医疗诊断过程中的实际场景,本安全访问机制设计了多个角色,并分别设计了对应的访问机制,有很好的实用性。在保证安全性的前提下,本安全机制在算法的选择上偏向于选择并行性好的算法,最大程度上保证数字医学影像查看的方便性和速度。首先,本文阐述了本研究的背景和意义,介绍数字医学影像的发展现状和数字医学影像安全机制的发展现状,并结合上述现状,讲述本文的主要研究方向、主要研究内容和论文的整体结构。其次,本文详细介绍了数字医学影像DICOM标准的发展历史,介绍目前最新的DICOM3.0标准中定义的文件组成部分、文字和图片标签的结构、DICOM标签各个分组的含义,以及本实验中涉及到的安全相关的技术介绍,包括密钥的特性、主流的对称/非对称密钥体系、MD5签名算法、信息摘要生成、图像隐写技术、信息脱敏等技术,为本安全机制做了技术铺垫,并实现了一种多标签的信息摘要算法和一种适用于DICOM图像像素结构的LSB图像隐写算法。再次,本文实现了一种可以用于DICOM标准的安全访问机制,详细介绍了本安全访问机制的详细组成部分和安全原理,包括本安全机制的实验环境搭建,实验工具的选择、实验示例文件结构等细节。本文设计了一套基于患者身份信息的、带有干扰因子的密钥生成算法,并针对医生、患者等多个角色制定了详细的分层访问机制;实现了一套适用于DICOM3.0标准的敏感标签摘要、脱敏和标签验证模块。接下来,本文详细介绍了安全机制各个模块的设计原理和算法选用,包括密钥生成模块、敏感信息摘要模块、标签脱敏模块、图像隐写模块以及文件加密模块。然后,本文对多角色的加解密步骤进行阐述,对本安全机制有可能产生的各种安全问题进行了详细剖析,并列出了各种异常情况的处理办法,分析了算法开销。最后,本文根据前述实验结果,得出实验结论,并提出由本实验引申的展望和改进。

关键词： 《中国临床医学影像杂志》   编委会   汉语拼音  

关键词： 甲状腺乳头状癌   胶囊网络   ResCaps   BDCaps  

摘要： 甲状腺乳头状癌是甲状腺癌中占比最大的类别,并且任何年龄均存在发病的可能,近几年以来中国患病的人数逐年增加,于是提高甲状腺乳头状癌诊断的精确度显得尤其重要。就目前而言医学影像已经是甲状腺癌医学检查诊断的一个非常重要的技术手段,可以在两方面协助医师诊断疾病:一是借助医学设备获得医学影像,直接理解判断;二是通过其他专业的医师解读医学影像,检查是否存在异常,若存在异常的话,需要对病灶的位置、大小、钙化程度进行量化、最后确定病症的分类和等级。诊断甲状腺乳头状癌的超声图像存在清晰度差、分辨率低等现象,再由甲状腺周围的组织结构复杂,干扰的因数较多等原因,所以甲状腺癌超声图像的病灶特征分类有较大难度。随着近几年人工智能技术的发展,深度学习技术中的卷积神经网络已经应用于医学影像当中。但是基于卷积神经网络的模型识别医学影像的精度普遍不高。除了医学图像本身难以识别的因数以外,还有模型自身结构缺陷,容易产生过拟合或者欠拟合,导致学习能力不足。现有的数据集不足,使得利用深度学习技术识别甲状腺乳头状癌症的精度也不高,数据量不足也是阻碍人工智能技术在医学影像领域的发展。本文利用深度学习技术中的胶囊网络作为基础网络解决甲状腺乳头状癌分类和生成问题。针对分类和生成两问题本文提出下列解决方案:针对分类问题,本文在原胶囊网络的基础上提出了新的网络模型,并命名为ResCaps网络。ResCaps网络是通过融合残差模块使胶囊网络模型输入更高级的特征,加强其模型的抽象化表达,更有利于ResCaps网络模型解决超声图像组织重叠问题,通过对照CNNCaps网络进行实验,可以得出ResCaps网络能够提高甲状腺乳头状癌超声图像分类准确率的。针对生成问题,本文在胶囊网络的最后三层全连接层之间融入Batchnorm和Dropsort方法,并且使用新的Huber损失函数,并命名该网络为BDCaps。Batchnorm和Dropsort方法拥有有效的防止过拟合能力,并且与全连接层衔接后能够达到提高最后生成图片的准确率的效果。生成的医学图像添加到原始数据,丰富数据集的多样性,增强BDCaps网络模型的鲁棒性。实验证明ResCaps与BDCaps两种新的网络都比原胶囊在性能上有所提高,对于解决甲状腺乳头状癌的分类和生成问题都有一定的促进作用。

关键词： 深度学习   医疗诊断   图像预处理   特征提取   图像分类  

摘要： 医疗诊断水平影响着人民的生命健康生活。目前医疗数据量日益增大,但能否利用好这庞大的医疗数据为医疗事业做出贡献至关重要。临床医学影像是医疗大数据中极具代表性的一种,伴随着医学影像技术的发展,临床实际中产生了大量医学影像数据,与此同时,这些影像数据里存在着大量的无效信息和干扰因素。为了准确进行疾病诊断,必须要精确找出医学影像中的有效信息。与此同时,深度学习技术在解决诸如视觉识别、语音识别和自然语言处理等很多问题方面都表现出色。因此,本文主要基于深度学习技术去挖掘医学影像中的可用信息。本文首先对一些经典的机器学习相关算法进行了分析与研究,并重点介绍了BP神经网络模型、传统卷积神经网络模型和VGG模型。然后,对传统的医学图像诊断方法做了研究和总结,并从图像去噪,图像分割,特征提取,图像分类四个方面进行了介绍,并分析其缺陷与不足。最后,针对卵巢癌和新型冠状病毒肺炎两种临床医学影像,基于深度学习技术,建立了卵巢癌与新冠状性病毒肺炎的智能判别模型。通过对相关图像进行图像处理,包括图像去噪,灰度化处理,高斯滤波,图像放缩,然后再调整不同参数进行实验,建立起效果最好的诊断模型,从而实现对卵巢癌与新冠肺炎的辅助诊断。实验结果表明,深度学习技术可以应用于医学影像诊断,对于卵巢癌,分类结果召回率达到0.90。对于新型冠状病毒肺炎,诊断召回率达到0.96。

关键词： 子空间分析   子空间聚类   簇间相关性   低秩表示   难分类病变  

摘要： 过去的几十年里,多种模态的数据爆炸式增长。虽然这些数据形式上多为高维,但它们的内在维度通常比形式上的维度小得多,目前被广泛研究的子空间分析可以用于这种高维数据内在维度的分析和处理。子空间分析中,由噪声引起的簇间相关性会影响数据的内在结构分析,导致子空间算法性能降低。针对该问题,本论文从不同子空间之间的相关性入手,改进低秩表示模型的子空间分析算法。同时由于目前的乳腺病变分类算法大都是基于单级分类算法,因此本文提出了两级分类算法并将子空间方法应用医学影像数据的分析中。本文工作主要分为以下两部分。(1)提出了检测簇间相关性的方法,并在此基础上进行聚类分析,以降低光照等噪声对子空间分析的影响。本文基于低秩表示得到的表示矩阵来检测具有强簇间相关性的异常数据,并通过构造新字典,建立低秩模型,从而对数据进行子空间聚类。另外,本文还对纹理数据进行了预处理,该方式使子空间聚类也能够被有效地扩展到纹理数据分析中。实验表明,算法在纹理数据上的聚类准确率能够达到90%,在Extended Yale Database B上的聚类准确率达到93%,在AR数据集的两个实验中,聚类准确率分别达到95%和83%。同时,为了证明所提方法可以减少簇间相关性,本论文在不同数据集上计算了相关性参数,最后发现所提方法的相关性参数最小。(2)乳腺DCE-MRI肿瘤良恶性的分类中,基于病变形态特征、动态增强特征和纹理特征,提出了通过区分常见病变和难分类病变来提升总体分类性能的两级分类模型,并进一步借助子空间分析建模和划分样本库,获得可靠的难分类病变样本集,从而获得可靠的分类结果。首先,本文提出乳腺良恶性分类的两级分类模型,通过第一级分类中三类特征的判别结果来寻找难分类病变并对常见病变进行分类,接着进行特征选择以融合病灶各类特性,最后对难分类病变进行二次分类。初步获得病变分类的敏感度为94%,特异度为90%,准确率为92%,Matthews相关系数为0.84。分类模型中,难分类病变的筛选是影响最终分类性能的重要因素。因此本论文提出使用子空间分析获取难分类病变样本集。该方法通过使用低秩表示模型来对数据进行聚类,得到其中分布异常的数据,即难分类病变,然后分别对常见病变和难分类病变进行分类。最后获得病变分类的敏感度为100%,特异度为93%,准确率为97%,Matthews相关系数为0.94。实验结果显示,通过子空间分析的方法来寻找难分类病变可以进一步提高乳腺病变的分类性能。本论文研究结果表明,通过减少簇间相关性可以提高聚类性能,并且本论文基于子空间分析在医学影像分析中也获得了理想的效果。