TE参数变化对MR颅脑图像分割影响的分析

目的:分析TE(回波延迟时间)参数变化对MR颅脑图像分割的影响。方法:选择不同的TE值,对5名志愿者采集MR颅脑图像,应用MATLAB软件测量脑脊液、脑皮质、基底神经节、脑白质4种组织样点的信号值,应用PEMS3.0软件采用方差分析并进行SNK-q检验进行统计分析。结果:①在TE=26、TE=40组中脑皮质与脑脊液比较,脑脊液与基底神经节比较P>0.05,差异无显著性意义;脑皮质与基底神经节比较P<0.05,余者均P<0.01,差异有显著性意义;②在TE=60、80、100和130各组中4种脑组织信号值两两之间比较,P<0.01,差异均有显著性意义。结论:TE取值的不同,对颅脑MR图像中各组织成分的有效分割会产生较大影响。     

医学信息技术类课程建设与优化策略研究

随着信息技术与现代医学的高度融合,医学信息类专业的人才供需矛盾凸显,毕业生的规模逐年加大,但合格人才的缺口越来越大。现分析了这种尴尬局面的形成原因,提出了切实可行的医学信息学与医学信息技术(工程)课程的建设策略和优化策略,并对课程建设中各交叉学科的教学比重划分、学时分配、选修课设计、教材建设的具体策略进行了深入研究。     

改进的KNN算法及其在医学图像处理中的应用

目的利用最近邻KNN算法对MR图像分割时，要靠人的经验从图像中选出部分像素作为训练样本，本文就是为了减少人的劳动并且使算法自动进行。方法用速度快的k-均值聚类算法得到的聚类中心作为参考，将与之相近的部分像素作为训练样本。此外，在应用KNN方法前，还利用边界跟踪法剔除人脑MR图像中颅骨和肌肉等非脑组织，避免非脑组织对大脑结构分割的干扰。结果能较好地将MR图像分割出脑白质、灰质、脊髓三部分图像。结论实验表明，改进的KNN方法减少了对人工的参与，并且取得了很好的分割效果。     

医学显微图像的自动拼接方法

1特征提取 所谓双梯度: 就是计算离散函数一点与其邻近的左边两点及右边两点的差的绝对值.当其4个差值同号时,就能保证该点在5点中取得最大或最小值,即该点取得最大梯度.如图所示:     

医学信息技术类课程建设与优化策略研究

随着信息技术与现代医学的高度融合,医学信息类专业的人才供需矛盾凸显,毕业生的规模逐年加大,但合格人才的缺口越来越大。现分析了这种尴尬局面的形成原因,提出了切实可行的医学信息学与医学信息技术（工程）课程的建设策略和优化策略,并对课程建设中各交叉学科的教学比重划分、学时分配、选修课设计、教材建设的具体策略进行了深入研究。     

国内医学信息学专业教育研究热点及前沿趋势分析

以CNKI中文数据库文献为数据源,分析国内医学信息专业教育研究热点和前沿趋势,探讨医学信息学专业教育存在的问题,提出相关建议,以期为学科发展提供参考。