基于动态时间规整算法的药用植物叶片识别方法

通过动态时间规整算法实现在没有训练集的情况下,对比药用植物叶片进行药用植物的识别与鉴定。该方法较机器学习模式实现更加简单,可以应用在基础的药用植物分类学习过程中,具有较高的实际应用价值。     

图像识别技术在全国中药资源普查中的应用

随着计算机和图像处理技术的发展应用,图像识别技术已经应用于全国中药资源普查工作的各个阶段。其中,(1)在前期准备工作中,为建立统一的中药资源名录库,基于纸质文献资料采用文字识别技术,辅助进行与中药资源相关各类名录的数字化;为确定每个普查队外业调查的代表区域和样地,基于卫星遥感图像和植被图等基础数据,采用遥感图像分类等技术方法,辅助确定重点调查区域。(2)在外业调查过程中,为相对准确地获取中药材种植面积,基于遥感图像采用决策树模型、光谱特征、面向对象等方法,辅助进行中药材种植区域识别和面积估算。(3)在内业整理过程中,为相对准确的确定区域内中药资源种类,基于植物个体照片、标本照片和名称等采用图像识技术,辅助进行中药资源种类的统计汇总。(4)在成果转化应用中,基于药用资源个体和药材样品照片,开发中药资源种类识别APP和道地药材3D展示系统,辅助进行中药资源种类识别和药材鉴别特征展示。在中药资源普查工作中引入图像识别技术,辅助普查人员开展相关工作,不但能降低人工的工作量、提高工作效率,而且提高了普查成果的信息化水平和共享应用能力。随着中药资源普查工作的不断深入,图像识别技术方法在相关工作中还将发挥其特有的作用。     

基于深度学习的中孕期胎儿超声筛查切面自动识别

目的本研究利用深度学习方法,基于深度卷积神经网络模型,对中孕期胎儿超声筛查图像的31个标准切面进行自动识别。方法采集孕20~24周胎儿超声筛查切面图像共76260张(包含31个切面),将其划分为训练集68386张,测试集7874张。在Vgg16网络模型上进行模型微调,加载数据集进行训练。将训练好的模型在测试集进行验证。结果该模型对于胎儿超声筛查切面的识别正确率为94.8%。结论该方法能够准确识别胎儿超声筛查图像的每个切面,为胎儿超声图像的自动质量控制解决方案打下了坚实的基础。     

基于演化偏微分方程的肝脏病变图像识别

图像识别问题是一个复杂的过程,且对于不同的分割对象,需要有不同的分割方法。本文通过对数字图像识别的研究提出一种利用演化偏微分方程来解决医学图像中肝脏区域的数字图像分割的模型。     

基于影像学机器视觉的乳腺肿瘤病理图像识别

本研究利用影像学机器视觉技术实现对乳腺肿瘤病理图像识别方法的优化设计。首先,从影像学的角度分析乳腺肿瘤的病理特征,并以此作为病理图像识别的参考标准。安装机器视觉的硬件设备,通过机器视觉采集乳腺肿瘤病理初始图像,保证初始图像的清晰度。通过图像预处理、分割等步骤,提取病理图像中的特征。与影像学分析结果比对,得出乳腺肿瘤病理图像的识别结果。通过与传统图像识别方法的对比实验发现,影像学机器视觉技术使乳腺肿瘤病理图像识别优化方法的错误率降低了2.6%。     

通道式X光机在入境行包、特殊物品检疫中的应用研究

〔目的〕将现代图像识别技术成果应用到通道式X光机对国境口岸入境行包和特殊物品的检疫查验中,进一步提高检疫查验质量和效率。〔方法〕采用理论探索和实验测试相结合的方法。根据当前X光检测系统建立违禁物的分类以及特征数据库,在此基础上建立信息处理工作站,实现对违禁物的快速识别。〔结果〕建立了信息采集系统和可扩展的违禁物特征数据库,通过在线检测软件系统,可用于现场监控。〔结论〕本项目利用现代信息技术改进入境行包和特殊物品的检疫查验手段和流程,构筑一种新的快速有效的电子查验流程及其检测工作站,该系统的推广应用,将为开创全新的出入境行包检疫模式提供技术保障。     

中医古籍图文校对中的问题与对策

从分段、撰写校记、改错字、汉字的繁简转化、计算机功能的利用5方面总结了中医古籍图文校对的经验,并提出了解决这些问题的对策。     

胃黏膜色泽与手区胃生物信息影像表达关系研究

目的:研究胃黏膜色泽变化与手区胃生物信息影像表达的关系。方法:通过胃镜观察胃窦黏膜的色泽与手区疾病生物信息中医影像诊断仪记录的手区胃生物信息影像色谱图进行比较。结果:胃镜下胃窦黏膜的色泽、定位、数量分布特征与手区胃信息影像色谱图的胃窦区域的图像素颜色的分级、分布具有客观一致性。结论:手区胃生物信息影像色谱图可以成为无损伤的体外观测和记录胃窦黏膜色泽的客观指标。     

建立临床病理细胞学计算机辅助诊断的探讨

目的本系统是为临床病理细胞学的诊断而研发的一个计算机辅助诊断系统,是辅助病理学工作者在临床病理细胞学方面诊断的一个工具型软件。该软件是将计算机图象识别技术应用于病理细胞学的诊断方面,以期达到提高工作效率、降低劳动强度和缩短诊断时间的目的。方法根据临床病理细胞学的诊断要求,软件对细胞涂片上的细胞图像进行逐点扫描、单个分离、参数提取和判别比对等处理环节来完成整个识别过程。在建立肿瘤细胞特征库方面,采用了计算机具有的“学习”功能,通过在使用中不断地“学习”和记录肿瘤细胞特征数据来逐渐充实和完善细胞特征数据库的数据,从而使判别精度得以逐步提高。结果本系统现阶段对临床细胞学中分离细胞的数十例细胞图像进行实验性检测,识别命中率达到60%左右。结论临床病理细胞学计算机辅助诊断系统的建立,对极大的减轻病理学工作者的劳动强度,缩短诊断时间,提高工作效率具有显著的优点,目前还只是在细胞学方面所做的一个实验系统,对实际应用尚待进一步改进,相信在今后不断的改进中可以成为临床病理细胞学诊断重要的辅助工具之一。     

机器学习在颌面部囊肿及肿瘤中应用的研究进展

随着人工智能在图像识别等领域的发展，其在医学中的应用逐渐得到了重视。近年来，许多研究显示机器学习在口腔医学中应用场景广泛，尤其在颌面部囊肿及肿瘤的临床诊疗中具有较大的临床价值。本文就机器学习在颌面部囊肿及肿瘤中的应用进行综述，以期为口腔颌面部疾病的诊断提供新的方法。