深度学习在骨科领域的应用研究进展

深度学习是当前人工智能发展最为迅速的一个分支。深度学习可以在大样本数据中自动提取良好的特征表达，有效提升各种机器学习的任务性能，广泛应用于图像信号处理、计算机视觉和自然语言处理等领域。随着数字影像的发展，深度学习凭借自动提取特征，高效处理高维度医学图像数据的优点，已成为医学图像分析在临床应用的重要技术之一。目前这项技术在分析某些医学影像方面已达到放射科医生水平，如肺结节的检出识别以及对膝关节退变进行级别分类等，这将为计算机科学发展在医疗应用的提供一个新机遇。由于骨科领域疾病种类繁多，图像数据特征清晰，内容复杂丰富，相关的学习任务与应用场景对深度学习提出了新要求。本文将从骨关节关键参数测量、病灶检测、疾病分级、图像分割以及图像配准五大临床图像处理分析任务对深度学习在骨科领域的应用研究进展进行综述，并对其发展趋势进行展望，以供从事骨科相关研究人员作参考。      

神经网络技术及其在医学图像处理中的应用

神经网络技术是模拟生物神经系统的原理而构成的一种新型智能信息处理技术,已成功应用于疾病预报、方剂配伍等医学领域。近年来,在医学图像处理与分析领域,神经网络技术也得到了广泛应用。本文就神经网络技术在医学图像分割、医学图像配准以及基于医学图像的计算机辅助诊断技术等方面的应用及其研究进展进行综述,阐述具有代表性的技术和算法。     

机器学习在麻醉学科中的应用进展

机器学习作为人工智能的研究热点,在医学领域已得到广泛应用。麻醉学科的任务和特点使人工智能成为其发展所需。机器学习目前在麻醉学科的不同领域也已得到初步的应用,本文综述了机器学习在围术期风险评估与预测、麻醉深度监测与调控、麻醉基本技能操作及围术期危机诊治方面的应用进展。随着技术日益成熟,机器学习在图像分析、评估预测、辅助决策及自动化中的优势将给麻醉学科的发展带来巨大契机。     

深度学习在脑肿瘤医学图像研究进展

近年来,随着人工智能相关技术不断发展,深度学习（DL）技术日益提高,已成为医学领域的研究热点。DL在医学图像中的深入研究,为精确诊断脑肿瘤、个体化治疗和预后评估带来全新发展方向。本文就DL在脑肿瘤医学图像中的应用现状及未来发展进行综述。     

人工智能在乳腺癌诊治中的应用与思考

正1956年,美国达特茅斯大学举行首次人工智能(artificial intelligence,AI)研讨会,John McCarthy等首先提出"人工智能"的概念~([1])。AI是个多义词,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。1966年,美国学者Ledley首次提出"计算机辅助诊断(computer-aided diagnosis,CAD)",是指通过影像学、医学图像处理技术以及其他手段,主要包括图像采集、图像预处理、感兴趣区域(region of interest,ROI)分割、特征提取和分类识别等,再结合计算机的分析,辅助发现病灶,提高诊断的准确率~([2])。近年来,特别聚焦于基于医学图像的影像学、病理学辅助诊断与放疗图像配     

结合甲状腺影像报告及数据系统的甲状腺超声CAD的研究进展

近年来医学人工智能迅速发展,计算机辅助诊断(computer-aided diagnosis,CAD)作为医学人工智能的前沿领域逐渐应用于临床工作当中。超声医学以其高分辨率、实时、动态、多角度的优点,在甲状腺结节的术前评估、术中引导以及术后评价方面有其他影像技术无可替代的作用;而甲状腺影像报告和数据体系(thyroid imaging report and data system,TI-RADS-US)的制定为甲状腺结节超声诊断提供了指南性规范。结合TI-RADS-US的甲状腺超声CAD系统更是成为了医学人工智能的研究热点。     

医学图像融合技术及其应用

医学图像融合技术在临床诊断和治疗、计算机辅助诊断、远程医疗、放射治疗及制定手术计划等方面有着广泛的应用前景,本文详细介绍了医学图像融合的意义、融合技术的内涵、分类、主要方法和步骤以及应用发展概况,并在此基础上分析了医学图像融合的技术难点和目前亟需解决的问题,最后对医学图像融合技术的发展前景作了展望.     

数字X线胸片肺结节计算机辅助检测系统与PACS的整合应用

计算机图像存储和传输系统(picture archiving and communication system, PACS)在影像学科的医疗工作中具有重要作用.计算机辅助诊断(computer-aided diagnosis, CAD)技术是医学影像学发展的前沿技术[1-2].PACS系统和医用CAD系统的整合及应用未来将是医院影像科的发展方向.笔者就我院CAD系统在PACS中的整合及应用进行了初步观察,报道如下.     

引进图像存档与通讯系统的前期准备

近年来，特别是90年代中期以来，随着数字成像技术、数据库技术和计算机网络技术的飞速发展，医学影像领域出现了所谓医学影像存档与通讯系统(Picture archiving and communication systems,PACS)技术。可以说PACS是临床医学、医学影像学、数字化图像技术与计算机技术、网络通信技术结合的产物。它集医学图像获取、大容量数据存储、     

人工智能在检验医学领域的应用进展

人工智能为检验医学的划时代发展提供了良好机遇。目前人工智能在检验医学领域的应用主要包括样本处理环节、形态学检验、检验结果审核及检验报告解读等,其在检验各阶段的参与均有效提高检验质量。利用机器学习对检验及相关临床数据进行深度挖掘从而建立疾病诊断模型已成为人工智能在检验医学领域的潜在应用思路。大数据与人工智能对于检验医学精准化的转变具有无可替代的作用,发展前景广阔,但当前仍面临诸多挑战。正确应对随之而来的挑战,促进二者的融合,势必将推动检验医学的高质量发展。     

循证实验诊断医学--实验诊断医学发展的新思路

循证医学是近十多年来在临床医学领域中迅速兴起的一门朝阳学科,它的迅猛发展给传统医学带来极大的冲击,也为临床各级人员带来深刻思考.近年来,随着医学检验的迅速发展,对其自身提出了巨大挑战,如硬件系统(技术和仪器等)已大大更新,而软件系统(研究和人员素质)相差甚远、学科建设如何发展等问题. 循证医学与实验诊断医学两个学科的交叉,为医学检验的发展提供了新的思路.本文仅就实验诊断医学的发展与现状、国际循证实验诊断医学的概念及展望两个方面进行简要阐述.     

医学图像三维重建系统的关键技术研究与设计

背景:医学影像三维可视化技术将二维断层图像转化为三维图像,有利于提高医疗规划的准确性,是当今医学领域研究的热点,在诊断医学、手术规划、模拟仿真等领域都有重要的应用.目的:利用二维医学图像序列重建出三维模型的关键技术,对可视化系统进行总体设计.方法;首先研究现有三维重建技术,包括预处理技术,图像分割和配准可视化算法.其次给出了系统体系结构设计图,各模块中应用到各种三维重建关键技术.结果与结论:根据现有关键技术的研究,选用OpenGL作为可视化开发工具,设计了一种基于PC机的三维医学图像可视化系统.     

人工智能辅助诊断系统研究进展

本文概述了人工智能领域中专家系统(Expert system,ES)、机器学习等技术在国内外医疗领域辅助诊断中的研究进展。指出从20世纪50年代起,专家系统在常见疾病如阿尔兹海默病、脑血管疾病等的医疗辅助决策中均显示出了较好的应用前景。机器学习在医学领域如疾病诊断、图像识别与分析等方面已得到广泛应用。人工智能技术与疾病诊断深度融合,有助于缓解优质医疗资源不足的问题,减轻医生负担,提高诊断效率和准确性。但目前应用仍存在一些问题,需要从机制、法律及数据提取等方面进一步发展。     

前列腺癌多参数MRI计算机辅助诊断系统的构建

多参数磁共振成像(multiparametric MRI,mp MRI)已成为前列腺癌检出、分期、指导活检及治疗后随访最常用的影像学方法。由于MRI技术的复杂性,诊断具有较强的经验依赖性。计算机辅助诊断(computer-aided diagnosis,CAD)技术可进行多变量分析,提高疾病的临床诊断效能,近年来广泛应用于医学图像分析。基于mp MRI的前列腺癌CAD系统近几年取得了较大进展并显现出良好的应用前景,本文结合本单位实际经验,简要介绍CAD在前列腺癌mp MRI诊断中的进展。     

数据挖掘及其在医学领域中的应用和展望

信息化、网络化时代,伴随数据库技术以及信息管理系统在医疗机构的广泛运用,促进了医学信息的数字化,信息量的剧增,然而由此却导致了信息过量难消化、真假难分、形式不一致难处理的困惑。但是在这大量的数据后面却蕴含了许多对疾病的诊断、治疗以及卫生行政决策有重大价值的信息。常用的数据库及传统的统计分析方法已经远不能满足现实的要求,为了解决把数据灾难变为数据宝库的需求,一门融合人工智能、机器学习、数理统计等方法的新型学科技术即数据挖掘诞生了。目前,该技术在医学领域应用尚处于起步阶段,因而阐述其理论框架及其在医学领域应…     

医学影像存档与通信系统(PACS)的发展和意义

随着医学事业的迅猛发展,对影像诊断提出了更高的要求。医学影像的数字化是当今医学影像技术中最新、最热门、最重要的技术,PACS(picture archiving and communication sys-tems,医学影像存档与通信系统)是近年来随着数字成像技术、计算机技术和网络技术的进步而迅速发展起来的、旨在全面解决医学图像的获取、显示、存贮、传送和管理的综合系统。PACS实现了医学图像的存储共享,更重要的是实现医学影像的量化诊断、图像融合、存备份、各种图像转换、三维仿真等功能,PACS的数字量化诊断基础、各种数字化技术及信息整合处理手段的应用,带…     

人工智能与检验医学

人工智能是一门正处于发展前沿的新兴学科,随着第三次技术浪潮的兴起,人工智能在检验医学领域中的应用飞速发展。通过对实验室信息管理系统中的海量数据进行机器学习和数据挖掘,人工智能不仅可以有效提高检验效率缩短检验周期,还能挖掘有效数据为临床诊疗提供重要信息。该文介绍了人工智能在检验医学领域中的最新应用进展,并初步探讨了未来的发展方向。     

影像数字化技术在医学领域中的应用

1 数字化(影像)医学诊断、检验设备数字化技术的开发利用可以从两个角度去考虑：一是各种医学诊断(影像)、检验设备的实现越来越靠数字技术,譬如在前端就把接收到的超声信号数字化,采用数字波束形成用图像技术处理的全数字化彩超[1];MRI设备前端采用数字化的RF通道等,用近年来迅速发展的数字技术代替传统的模拟技术,使医学图像设备的生产和图像质量的大幅度提高变得更加容易实现,也使设备的可靠性和性能得到提高。二是医学诊断(影像)、检验结果以数字方式输出,使这些影像(数据)可直接用计算机技术进行处理、传输和存储,从而导致医…     

平均光密度在医学图像分析中的定量

近年来,由于图像分析系统的发展和不断完善,它已成为对医学图像进行定量分析的一个强有力的工具。医学图像分析系统（ｉｍａｇｅａｎａｌｙｓｉｓｓｙｓｔｅｍ）是医学、光学、电子学、图像图形学和现代计算机技术结合的产物,它可用于对医学图像进行定量分析及图像处理...     

医学检验专业学生实习前强化训练探究

临床检验实习阶段是医学检验专业学生总体培养方案中的重要环节。医学检验专业当今已发展成为医学领域中较成熟的、多技术多学科交叉的、具有独特应用目标的学科,即检验医学(Laboratory Medicine)。检验医学是现代实验室检验科学技术与临床医学在更高层次上的有机结合[1]。当代检验医学发展迅猛,学科特点要求从业人员有丰富的临床医学知识、