基于ITK、VTK和MFC的DICOM图像读写及显示

背景：DICOM文件不仅包含了图像本身的信息,同时在文件头中还携带了大量的医疗相关信息,这使得DICOM标准图像的正确读写和显示工作变得尤为重要。 目的：有效地综合利用工具包和开发平台的优点,借以达到一个实现DICOM标准图像的正确读写和显示。 方法：首先将ITK工具包、VTK工具包与MFC深度集成,然后在该集成环境下利用这两个工具包所提供的类和函数读写和显示DICOM文件。 结果与结论：在ITK、VTK与MFC深度集成环境下,通过其所提供给用户的一个灵活、友好、实用的交互界面,采用文中所述具体的方法实现了DICOM图像文件的正确读写及显示,为三者集成环境下的软件开发做了一个初步的尝试,为在此基础之上三者在医学图像处理方面更多功能的实现打下良好的基础。     

基于ITK、VTK的DICOM图像的显示及信息提取

DICOM文件不仅包含了图像本身的信息,同时还携带了大量的医疗相关信息.通过简要分析DI-COM文件的格式,分别介绍了基于VTK和ITK工具包提供的类和函数读取DICOM文件(包括图像的显示和信息的提取)的两种方法.采用这两种方法,不必对DICOM标准和图像格式进行深入的了解,即可获得DICOM文件头中的医疗信息并显示图像,实现方法简单易行.     

基于DICOM 3.0标准的细胞病理图像文件格式及传输设计

本研究以DICOM 3.0标准 2 0 0 3年草案为基础 ,首先分析并设计了细胞病理图像的DICOM文件格式 ,在定义文件格式的过程中一方面充分考虑到了DICOM标准兼容性的要求 ,另一方面也尽可能的涵盖细胞病理图像数字化应用的需要 ;首次 ,对细胞病理图像DICOM文件进行了传输设计与实现。最后 ,对定义的细胞病理图像文件进行了文件格式以及传输的兼容性测试。结果表明 ,本研究的细胞病理图像文件格式和传输安全符合DICOM3.0标准的要求。     

标准医学DICOM图像的转换实现

针对我国目前存在的非DICOM与DICOM设备并存所造成的医疗通讯问题，通过分析BMP与DICOM图像文件的特点，基于VC＋＋6．0编程环境实现了BMP医学图像向DICOM标准图像的转换，为不同设备之间的互联以及PACS系统的发展提供了有利条件。     

DICOM医学图像的存储与管理

随着数字化医学成像设备在医院的广泛使用,对医学图像及相关数据的存档管理以及在不同科室之间的数据共享的要求越来越迫切,这就需要建立PACS(图像存档和通讯系统),这方面国外已经发展了很多年,我国目前处于起步阶段.本文参照PACS系统的一个已经被国际认可的医学图像标准即医学成像和通讯标准DICOM(digital imaging and communication in medicine),研究了标准的各个部分,特别是兼容性、信息对象定义(IOD)、服务对象对类(SOP)、数据编码等部分,就具体实现PACS系统的一个重要方面即医学图像的存档和管理做了深入的探讨,在此基础上建立了医学图像数据库系统,为实现医学图像信息的网络共享打下了基础.     

基于Visual C#语言的DICOM标准医学图像的显示和实现

介绍DICOM 3.0医学图像文件的格胶虲#语言的特点,首次利用Visual C#语言对该标准的图像进行显示和适处理,能够直接读取DICOM格式原始图像数据,并可批量转换成BMP等格式进行处理,此项工作可为医学图像处理研究及相关医学图像软件开发奠定基础.     

DICOM医学图像采集的方法与实践

医学图像采集是PACS的重要环节,也是PACS实用化的关键。本文比较了几种常见的图像采集方法,重点介绍了通过DICOM接口的图像采集,在详细阐明了DICOM网络的概念和DICOM消息交换的规范之后,介绍了我们编写的DICOM医学图像采集软件,本软件是在Windows平台上利用SocketAPI编写而成,提供了DICOM标准定义的验证、存储、查询和检索等服务,测试结果表明,本软件能够顺利地与成像设备连接并采集图像。     

认知医学数字图像通讯标准——DICOM

医学数字图像通讯标准ＤＵＩＣＯＭ３．０是最近几年在医学信息领域蓬勃兴起的一种通用的生产厂商无拳国主数据通讯标准。在国际上，已广泛地应用于各医学成像设备及ＰＡＣＳ，ＲＩＳ／ＨＩＳ等信息系统的网络互联中，本文简要叙述了ＤＩＣＯＭ标准的组成部分，对其中的几个重要概论“Ｅ－Ｒ”模型、ＳＯＰ类、网络连接进行了较详细的阐述，并较完整地介绍了ＤＩＣＯＭ标准这几年的情况及趋势。     

在医学图像DICOM格式中实现JPEG压缩算法

本文描述了在医学图像DICOM格式中实现JPEG压缩算法的编程思路和方法.文中提供了部分VC 代码,并对关键函数进行了较详细的注解,对同类工作具有参考价值.     

DICOM格式医学图像及其图像信息的显示

目的:DICOM(digital image andcommunicati on onmedicine)的普及不仅提供了高效率的图像存取和使用服务,也为医院中包括图像信息在内的综合医学信息管理奠定了基础。因此对DICOM格式图像显示的研究具有重要意义。方法:首先对DICOM医学图像文件的格式及数据编码规则进行了阐述,然后分四步具体介绍了图像及其信息的显示流程。结果:基于Windows平台,成功将DICOM图像及其信息显示出来。结论:实验证明,该方法能够较好地显示DICOM医学图像,同时也为后续工作奠定了基础。     

PACS中的DICOM标准分析及应用

DICOM是PACS系统中被国际认可的医学图像标准。本文分析了DICOM标准的主要部分，特别是信息对象定义、服务类和服务对象、数据组织格式、通讯机制等部分。结合广州医学院附属第二医院的实际情况，阐述了DICOM标准如何在PACS中应用。     

一种DICOM文件并行查找算法的设计与实现

目的为提高DICOM文件查找的速度和效率。方法在分析DICOM文件查找的基本原理基础上,设计一种基于任务等分策略的文件并行查找算法,并基于．NETF ramework 4和Leadtools DICOM开发包实现该算法。该算法特点是采用多线程并行技术,通过任务等分和多核并行实现DICOM文件并行查找。在HPDL380G5服务器上对并行算法进行性能测试,获得并行加速比曲线图。结果测试表明该算法具有良好的并行性能,可显著提高DICOM文件查找效率。结论采用任务等分策略和多线程并行模型,能够有效提高DICOM文件查找的速度和效率。     

一种基于PC的医学图像可视化系统

三维医学可视化是近年来计算机图形学和图像处理技术研究和应用的重要领域。本文在PC上对多模态脑肿瘤医学图像的可视化进行了研究，该系统对医学图像进行了配准、融合、分割及三维重建，并以多种显示方式对重建结果进行显示。为脑肿瘤在诊断、治疗方面提供了有力的工具。     

基于STL格式三维医学模型的可视化研究

目的把STL文件格式应用到医学模型的存储,通过设定三维医学模型的不同部分的颜色以提升模型的三维可视化效果。方法针对STL文件格式表示人体解剖模型色彩单一的问题,对STL文件内容进行了修改:在三角形几何位置信息中加入了颜色信息,通过颜色信息来区分人体解剖模型不同组成部分之间的关系。在三维医学模型不同组成部分边界划分过程中,通过建立二维屏幕坐标与三维模型坐标之间的关系,把屏幕上划分的边界映射到三维模型上,并应用连接算法保证三维边界的封闭性,最后采用类种子填充算法,实现边界内区域的颜色填充。结果通过颜色区分后的医学模型能够更准确地描述模型的不同组成部分,有更好的三维可视化效果。结论边界划分与区域填充算法能够很好地实现三维模型的区域着色,经过改进后的STL文件能够有效地存储彩色的三维医学模型。     

一种符合医学数字影像与通讯标准的医学影像管理系统的设计

医学影像的存储与传输在数字化医疗快速发展的今天占据着非常重要的地位。为了实现医学数字影像与通讯（DICOM）医学影像在局域网上的传输和查询,本文设计了一个符合DICOM标准的医学影像管理系统。该系统能对DICOM格式文件进行解析,并在数据库中把DICOM影像文件与对应的病历信息进行关联存储,可以给医院影像科提供完全数字化的影像和数据。此研究工作不仅满足了医院影像中心对大量影像数据存储的需求,同时也促进了PACS系统的发展。     

基于中层特征的医学图像分割研究进展

图像的中层特征将图像中的全局信息和局部信息结合,同时具备代表性和特异性,能够更好地表达图像的信息。已有的研究工作成功地将中层特征用于医学图像的分割,主要的方法包括稀疏编码和空间金字塔匹配(spatial pyramid matching,SPM)算法,词典学习,以及神经网络等算法。中层特征的应用提高了算法性能。本文介绍了现有的基于中层特征的医学图像分割算法,并对今后的研究工作进行了展望。     

基于影像特征的经皮椎体成形术及其建模与仿真方法

经皮椎体成形术是一种微侵害,在X线影像的导引下将骨水泥注射到结构弱化的椎体以增强其生物力学稳定性的介入治疗方法.本文综述了基于影像特征的经皮椎体成形术建模和仿真计算的临床意义和研究现状以及相关进展,并对其进行了分析和评价.在此基础上提出了进一步研究的初步设想并进行了预期分析.     

基于深度学习的多模态医学图像融合方法研究进展

医学图像融合方法可以将有用的信息整合到一张图上，提高单张图像的信息量。对多模态医学图像进行融合时，如何对图像进行有效的变换，提取到不同图像中独有的特征，并施以适当的融合规则是医学图像融合领域研究的重点。近年随着深度学习的快速发展，深度学习被广泛应用于医学图像领域，代替传统方法中的一些人工操作，并在图像表示、图像特征提取以及融合规则的选择方面显示出独特优势。本文针对基于深度学习的医学图像融合进展予以探讨，介绍了卷积神经网络、卷积稀疏表示、深度自编码和深度信念网络这些常用于医学图像融合的框架，对一些应用于融合过程不同步骤的深度学习方法进行分析和总结，最后，分析了当前基于深度学习的融合方法的不足并展望了未来的研究方向。