论解读DICOM医学图像文件及其显示的VC++实施方法

DICOM3.0是医学影像存储和传输的国际标准,它的制定为不同的医学影像设备和用户提供了统一的接口标准和交互协议。解读DICOM3.0的医学图像文件格式以及解决其显示问题是医学图像处理的基础,对医学影像技术的研究具有重要的意义。分析并展示了DICOM3.0医学图像文件的数据结构,利用VC++的DIB位图显示方法显示图像。     

基于模糊贝叶斯网络的星形细胞瘤智能分级模型

本研究提出一种新的融合影像低层视觉特征和语义的模糊贝叶斯网络模型。使用了高斯混合模型（GMM）对连续的视觉特征模糊化处理，解决了传统贝叶斯网络小能操作连续输入的问题，更合理地表达了具有模糊性、不确定性的专业领域的结构性知识。为了验证它的有效性，将它应用于星形细胞瘤恶性程度的分级。建立了一个概率模型。实验结果得出83．33％的正确识别率。该模型为星形细胞瘤恶性程度预测提供了新的定量而客观的辅助手段。     

基于超声射频时间序列分析的乳腺病灶良恶性分类

尝试为乳腺病灶良恶性分类提供高精度且无创的影像辅助诊断手段,提出了基于超声射频(radio frequency,RF)时间序列分析的乳腺病灶良恶性分类方法。以275例女性乳腺病灶为样本,使用常规超声探头采集多帧超声回波RF信号,提取RF时间序列的分形维数(fractal dimension,FD)、频域特征和时域特征,以支持向量机(support vector machine,SVM)和随机森林作为分类器对乳腺病灶进行良恶性分类。分类结果如下:SVM受试者工作特征曲线下的面积(area under receiver operating characteristics curve,AUC)为0.914,分类准确率为85.37%,随机森林AUC为0.937,分类准确率为91.46%。与以往研究相比,提高了乳腺病灶良恶性的分类精度,并开发了乳腺病灶良恶性分类系统,可以给医生提供诊断参考。     

一个腹腔镜图像管理系统的设计和实现

提出了利用计算机和数据库技术实现腹腔镜图像管理的方案,主要介绍腹腔镜图像管理系统的功能和特点,并阐述了其关键技术。     

基于模糊贝叶斯网络的星形细胞瘤分级预测与知识表达

针对医学影像特征具有模糊性和不确定性的特点，提出一种基于模糊贝叶斯网络的影像诊断预测模型。该模型使用高斯混合模型（GMM）对连续的视觉特征进行模糊量化处理，利用专家知识根据病症与影像特征之间的因果关系建立混合贝叶斯网络结构；由数据通过机器学习确定网络参数；采用概率推理定量估计病症的发生概率，从而建立一个可计算的预测模型。将该方法应用于星形细胞瘤分级预测，实验结果得出83．33％的正确识别率，远远超过使用最小近邻分类器（K-NN）实现连续变量硬（crisp）量化的贝叶斯网络模型，更合理地表达了具有模糊性、不确定性的专业领域的结构性知识，为星形细胞瘤恶性程度预测提供了新的辅助手段。     

适合中国国情的PACS系统设计

阐述了PACS系统的功能及其组成,从而根据我国国情提出了PACS的系统设计以及相关技术问题的解决方案。