基于医学图像降噪阈值选取的动态优化算法

SIFT算法是提取特征点的常用算法之一，具有良好的健壮性，在医学图像处理领域中广泛应用。然而传统的SIFT算法采用固定的降噪阈值会影响特征点选取的合理性，因此提出了一种动态优化算法(PM-SIFT算法)，即采用PSO算法与互信息结合的方式优化传统SIFT算法，并从特征点有效性与计算时效性两方面对2种算法的特征点提取效果进行定量分析的结果表明，与传统的SIFT算法相比，PM-SIFT算法不但可以动态地选取合适的降噪阈值，而且还能提高图像配准的效果。     

国内外卫生技术评估研究对比分析

以Web of Science和“中国学术期刊网络出版总库”中卫生技术评估领域研究文献为对象,对高频关键词和突现词等数据运用EXCEL、CiteSpace进行科学知识图谱绘制,对研究热点和演化趋势进行分析。建议从完善卫生技术评估理论体系、推动研究向实证转变以及加强研究合作等方面来推进我国卫生技术评估研究与发展。     

大数据环境下肿瘤放疗的数据解析

介绍了肿瘤放疗数据的解析方法、肿瘤放疗数据的构成、肿瘤放疗数据解析的需求、肿瘤放疗数据实际的应用场景、肿瘤放疗数据解析意义、常用的数据解析方案,与解析工具和实际TPS系统数据解析的效果,总结了数据解析在肿瘤放疗大数据建设中的实际意义。     

基于GSO算法与互信息的医学图像配准

医学图像处理过程通常包括图像预处理、特征提取、图像分类,Harris角点检测算法是常用的特征点提取算法之一。该算法适应多种变换、运算简便,在医学图像处理领域中广泛应用,但在实际应用中发现传统的Harris算法检测到的特征点数量不足且图像配准精度不高。因此提出了一种优化算法（GM-Harris算法）,即采用群搜索优化算法（GSO算法）与互信息相结合的方式优化传统Harris算法的过程,并从匹配有效率与算法效率两方面对2种算法的特征点提取效果进行了定量分析。实验结果表明,与传统的Harris算法相比,GM-Harris算法不但可以获得较充足的特征点,而且还能提高图像配准的精度。     

基于医学信息的智能化决策服务研究

阐述医学信息在传统决策中的作用、现状、问题以及新形势下决策需要的要素、要求和特点,分析医学信息决策智能化的实现背景及其在健康领域的应用场景和模式,探讨未来基于医学信息的智能化决策服务发展思路。