测地线主动轮廓模型的改进及其医学应用

测地线主动轮廓模型（geodesic active contour）是医学图像分割方法中的最重要内容之一。传统的测地线主动轮廓模型通过高斯平滑的图像预处理使得图像边缘信息模糊甚至消失,以致初始曲线轮廓沿着目标边界逼近的演化过程不稳定,收敛速度慢,分割效果不好。提出基于贝叶斯收缩阈值的小波去噪方法的新测地线模型,由于该去噪方法能在去除噪声的同时,结合噪声与图像信号在频率上的分布特性,增强图像信号细节,从而使能初始轮廓曲线更精确的停止于图像边缘,收敛速度也得到一定程度的提高。     

基于本体的医学图像分析研究

医学图像在临床诊断与治疗中的应用日益广泛,如何有效利用影像管理系统中的大量图像来辅助医生进行分析与诊断,是一个非常重要的问题。传统的基于文本关键字的图像检索方法已不能满足对大型医学图像数据库检索的需要,在分析传统医学图像检索方法不足的基础上,结合模糊本体概念提出一种基于模糊本体的医学图像分析方法。该方法利用模糊本体中隶属度的概念,对查询语句和图像关键词向量空间模型进行模糊本体概念映射和概念相似度计算。实验证明,这一方法具有良好的性能。     

Web上基于内容的病理图像检索的研究方法与展望

0引言讨论了在Internet／Intranet环境下,以基于内容的方式进行医学病理图像信息检索的设计思想与前景展望．其基本思路是利用病理图像的纹理、颜色、形态等多种特征信息的组合,以多种输人方式从病理图像数据库中检索图像．网络上基于医学图像内容的检索技术是一项较新?..     

基于改进的GHSOM聚类算法的图像检索

传统的图像检索需要顺序比较图像库中的图像与请求图像的相似度,检索速度和检索准确度都很低。针对此问题,提出了一种基于改进的增长型分层自组织映射网络（GHSOM）的图像检索方法。先将图像特征库用改进的GHSOM算法进行聚类,在图像检索时先在GHSOM网络模型上找到相似的类,然后在相似的类上继续进行检索,大大提高了检索效率。并且在搜索相似的类时充分利用GHSOM网络的分层结构,更进一步地提高了检索效率。改进的GHSOM网络根据算法的特点构建了赤迟信息量（AIC）准则,用该准则来选择每个独立的SOM网络的生长参数,使得每个网络都能正确地表达映射到它的数据集的结构,提高GHSOM网络的聚类效果,从而提高检索的准确性。实验结果表明,改进的GHSOM算法得到了更好的聚类效果,基于它的图像检索方法提高了将近3倍的图像匹配速度,同时图像检索准确率也得到了一定程度的提高。     

医学图像检索技术发展现状

在大数据技术和医院信息化快速发展的背景下,医学图像在医院诊疗活动中发挥着更加重要的角色,迫切需要建立一个高效、准确的医学图像检索系统。分别对基于文本、基于内容和基于语义的3种医学图像检索方法的关键技术进行详细论述和分析,并对医学图像检索技术的发展方向提出了展望。     

基于内容的图像检索在PACS中的应用进展

本文分析了基于内容的图像检索CBIR在PACS中的应用背景,提出了基于内容的医学图像检索CBMIR,介绍了其应用现状及存在的问题,并讨论了医学图像的信息特点及CBMIR模型,总结并展望了CBMIR的发展前景.     

基于内容的医学图像检索

首先介绍了文本检索的在医学使用中存在的弊端,引出了基于内容的医学图像检索概念,分析了医学图像的特征,讨论了特征提取方法.接着,提出了基于内容的医学图像检索在实际应用中所面临的问题,分析了基于内容的医学图像检索国内外的研究现状.最后,对未来的发展方向做了展望.     

基于DT-CWT变换统计模型的医学图像纹理检索

针对离散小波变换具有平移变化性和弱方向性的特性,本文提出了一种基于双树复小波变换(DT-CWT)统计模型的医学图像纹理检索方法 .该方法 首先利用双树复小波变换系数的平移不变和多方向选择特性,建立广义高斯分布的统计模型,然后基于该模型提取图像的特征矢量,最后利用改进的Log-likelih60d(ILL)相似性测度算法进行纹理图像检索.实验结果 表明,该方法 的检索查准率达到了82.8%,相比于传统的Gabor算法和小波算法都有了较大的提高,对今后的纹理图像检索具有重要的理论与实际意义.     

基于分数阶非高斯模型的超声图像散粒噪声特性分析

医学超声图像在应用中遇到的一个重要问题是如何消除图像中由于散射现象的相干本质而引起的多径乘性散粒噪声. 稳定分布可以用来描述重拖尾非高斯尖峰脉冲信号和噪声.本文利用一种散粒噪声模型,通过分析与稳定分布建模,提出了一种基于稳定分布模型的超声图象散粒噪声建模的新方法.仿真结果表明,该建模方法能更好地描述乘性散粒噪声.     

医学图像检索技术的研究进展

医用影像存储和检索工作离不开计算机技术。本文通过医学图像检索技术的发展历程、热门算法和应用探索简述了医学图像检索领域中的一些情况。基于内容的医学图像检索技术以及它的延伸基于语义的医学图像检索技术是当今研究热点。结合深度学习、人工神经网络等算法,能优化检索技术,这也是未来这个领域的发展方向。     

基于层次化深度学习的海量医学影像组织与检索研究

针对国内外关于医学影像组织和检索方法中的难点问题,提出一种基于层次化深度学习的海量医学影像组织和检索方法,以提高检索效率和精度,在一定程度上解决医学影像检索中存在的语义鸿沟问题。     

一种基于数据挖掘的中医定量诊断方法

目的应用数据挖掘技术开展定量诊断研究.方法应用贝叶斯网络方法通过分析474例血瘀证临床诊断数据进行血瘀证定量诊断.结果该方法发现了血瘀证的7个关键症状,并定量计算其诊断贡献度.基于这些关键症状建立的简单贝叶斯分类器模型对血瘀证诊断的准确率达到96.6 %.结论贝叶斯网络方法在中医定量诊断中具有良好的应用前景.     

Medical Image Retrieval with Compact Binary Codes Generated in Frequency Domain Using Highly Reactive Convolutional Features

Efficient retrieval of relevant medical cases using semantically similar medical images from large scale repositories can assist medical experts in timely decision making and diagnosis. However, the ever-increasing volume of images hinder performance of image retrieval systems. Recently, features from deep convolutional neural networks (CNN) have yielded state-of-the-art performance in image retrieval. Further, locality sensitive hashing based approaches have become popular for their ability to allow efficient retrieval in large scale datasets. In this paper, we present a highly efficient method to compress selective convolutional features into sequence of bits using Fast Fourier Transform (FFT). Firstly, highly reactive convolutional feature maps from a pre-trained CNN are identified for medical images based on their neuronal responses using optimal subset selection algorithm. Then, layer-wise global mean activations of the selected feature maps are transformed into compact binary codes using binarization of its Fourier spectrum. The acquired hash codes are highly discriminative and can be obtained efficiently from the original feature vectors without any training. The proposed framework has been evaluated on two large datasets of radiology and endoscopy images. Experimental evaluations reveal that the proposed method significantly outperforms other features extraction and hashing schemes in both effectiveness and efficiency.     

中心节点可迁移的医学影像存储网络软RAID系统的设计

目的:研究一种满足我院医学影像存储网络需求的网络分布式存储系统. 方法:按照医学影像存储网络的高可用性要求,利用网络软RAID和中心节点迁移技术,本文设计并实现了基于Linux操作系统的中心节点可迁移的网络软RAID系统-PACS RAID系统. 结果:使用Markov过程建立高可用性分析模型进行性能分析,与原有的基于中心节点的医学影像存储网络软RAID系统相比,中心节点可迁移的PACS RAID系统的可用性要高得多. 结论:PACS RAID系统可用性高,灵活性强,扩展方便,能有效地满足我院医学影像采集与传输系统存储网络的临床工作需求.     

信息素质8W教学模型与医学信息检索课融合研究

将信息素质8W模型与医学信息检索课程进行有机整合,并融入网络行为规范、网络信息评价及综合利用等内容,对医学生开展教学干预.研究表明本次教学改革有利于医学生更好地掌握医学信息检索知识,并能引导其理性应用互联网.     

基于Blackboard教学平台的医学文献检索课教学模式改革

比较了传统教学模式和网络教学模式的优缺点,指出了医学文献检索课应采取传统教学模式和网络辅助教学模式相结合的模式,详细介绍了Blackboard教学平台的功能模块在构建医学文献检索课新型教学模式的具体应用。     

EAV模型在临床数据集构建中的应用研究

目的:分析实体属性值模型在临床数据集成中的应用,提高实体属性值模型的检索性能。方法:以重症医学为例,集成重症病人的检查检验、影像报告、医疗文书等临床数据,基于此数据集进行算法分析研究。结果:建立了基于实体属性值模型的重症医学数据集,并提高了数据平台的查询检索性能。结论:实体属性值模型适合存储临床医学数据,同时平衡二叉树的行列转换算法提高其挖掘检索的性能。