双线混融在医学应用型本科教学中的创新探索

医学大健康产业的发展,推动着生物医学工程学科和相关产业的飞速发展。在知识快速更新的信息网络时代,传统的教学方式已不能满足学生知识体系的构建和综合能力的提升。双线混融教学指线上与线下教学深度融合。这种新的教学模式可有效联动线上与线下教学,为人才培养和课程教学带来新的变革。《医学仪器原理及应用》是医学应用型本科院校生物医学工程专业的一门核心课程,文章以此课程为例,探索研究了双线混融教学模式在实际中的应用。文中首先分析了双线混融教学模式的特点,接着探讨了其在课程教学中的实践应用,最后对双线混融教学模式进行了反思与总结。双线混融教学模式,不仅充分利用时间长度和空间宽度,有效延长和拓宽课堂教学;而且有利于构建个性化的学习空间,培养学生的自主学习能力,提升学生的可持续发展潜力。     

基于知识图谱理念的生物医学电子学在线课程建设初步探索

为满足疫情期间在线教育需求，基于知识图谱理念，从知识、问题、能力3个维度完善课程知识网络结构，初步探索生物医学电子学在线课程建设新模式，旨在重构教学资源、完善人才培养方案，实现开放、个性、精准的智慧教育体系创新。     

基于双边滤波-距离正则化水平集演化算法的甲状腺超声图像分割

超声图像有斑点噪声,且对比度低、边界模糊,所以甲状腺超声图像分割较为困难。针对此问题,本研究提出一种结合双边滤波(bilateral filters,BF)和改进边缘指示函数的距离正则化水平集演化(distance regularized level set evolution,DRLSE)模型的分割算法。先对甲状腺超声图像进行双边滤波,然后采用改进的DRLSE模型对甲状腺进行分割。通过与采用另外两种边缘指示函数的DRLSE模型对比,本研究提出的BF-DRLSE模型能减少斑点噪声对分割过程的影响,并在明显减少曲线演化运行时间和迭代次数的情况下有效分割甲状腺。     

医学超声图像分割技术的研究及发展趋势

图像分割在医学超声图像的定量分析和定性分析中均扮演着十分重要的角色 ,它直接影响到后续分析和处理工作。目前 ,虽然文献中记载着大量的图像分割方法 ,但对于具有复杂特性的医学超声图像 ,这些方法往往显得无能为力。本文拟在分析医学超声图像特性的基础上 ,对医学超声图像分割方法作一综述和评价 ,并对其发展趋势进行了展望     

基于三维CT图像的淋巴结自动检测算法研究进展

淋巴结检测和定量分析在癌症分期、疗效评估等方面具有非常重要的意义。目前,对淋巴结的检测与评估通常是基于三维CT图像,且基本由医生手动完成。近年来,基于计算机和图像处理技术的淋巴结自动检测算法受到一定程度的关注。本文在分析淋巴结空间分布和图像特征的基础之上,首先从感兴趣区的确定、候选淋巴结检测和假阳性淋巴结的去除三个方面对已有淋巴结自动检测算法做一综述,然后对不同淋巴结自动检测算法的性能进行比较,最后对淋巴结自动检测算法发展趋势如检测区域扩展、先验知识利用、淋巴结类型增多等方面做出分析和展望。     

高强度聚焦超声技术的发展与应用

高强度聚焦超声(HIFU)技术是起源于二十世纪40年代,利用高强度超声波束在体内聚焦,并对目标区域内的病变组织作选择性损坏的一种高强度聚焦超声外科治疗技术.虽然该技术在许多方面优越于传统的外科手术,并且具有极大的潜在临床应用价值,但是由于当时缺乏高精度的成像和定位技术,该技术在临床应用方面的潜能并没有得到广泛的研究和开发利用.近二十几年来,随着计算机、成像及材料等科学技术的迅速发展,众多研究人员对高强度聚焦超声技术再次产生了浓厚的兴趣,并从声源设计、组织损坏机理、消融区域的影像学特征、应用范围的推广等方面进行了广泛而细致的研究.     

医学检验仪器专业生物化学教学实践

上海健康医学院在全国范围内首先开设了医学检验仪器管理与维护专业。检验技术是医学检验仪器专业的必备知识。把生物化学作为检验技术的先导课程。梳理了检验技术和生物化学所对应的知识点,合理选择了教学内容与教材。通过编制习题、建设课程网站、开展实践教学来促进生物化学的教学实践。     

基于CV-RSF模型的甲状腺结节超声图像分割算法

结合CV模型和RSF模型,建立CV-RSF模型,实现甲状腺结节超声图像半自动分割算法。基于CV模型的全局信息对图像粗分割,并以粗分割结果作为RSF模型的初始轮廓,然后再利用RSF模型的局部信息对病灶实现最终的分割。根据设定的两组不同初始轮廓,分别利用RSF模型和CV-RSF模型对病灶分割。结果表明,CV-RSF模型解决了RSF模型对初始轮廓敏感的问题,而且通过重叠率的对比,CV-RSF模型分割更准确。对比RSF模型,CV-RSF模型实现的甲状腺结节超声图像半自动分割算法,更加有效、准确。     

心超图中心内膜边缘检测改进的快速行进算法

目的：探讨一种对心超图中心脏内膜边缘进行检测的自动化方法。方法：根据对传统快速行进算法中存在问题的分析研究，引入活动轮廓线模型中轮廓线能量概念以改进传统快速行进算法的数学模型。结果：将改进的快速行进模型应用于心超图像中心脏内膜边缘检测，实验结果表明该方法能够准确地检测、跟踪出心脏内膜边缘。结论：轮廓线能量概念的引入提高了快速行进算法的稳定性和有效性，而且几乎不影响算法的收敛速度。