基于ResNet深度网络的人类蛋白质图谱图像分类方法研究

将基于深度学习的图像分类方法引入人类蛋白质图谱图像分类中,利用ResNet深度网络构建面向人类蛋白质图谱图像分类的深度卷积神经网络,通过混合模式的蛋白质显微镜图像进行验证。结果表明该方法比其他自动分类法具有更高的准确率和精度,大大节约人力和时间。     

基于深度学习的肝包虫疾病图像分类

目的:为了实现新疆高发病肝包虫病CT图像的正确分类,提出一种深度学习的肝包虫病CT图像的自动分类方法。方法:对单囊、多囊和肝囊肿CT图像使用深度学习的分类方法进行分类。首先,构建并优化ResNet-50网络模型,将肝包虫病图像分批次传入网络,然后用交叉熵作为损失函数,最后把网络结构加入对数据的批归一化处理,通过反向传播算法优化参数使损失函数最小化,最终选择训练所得的最优网络。结果:各类别的最佳分类准确率分别为单囊型78.33%、多囊型81.52%、肝囊肿型80.24%。结论:深度学习卷积神经网络的肝包虫病CT图像疾病分类方法可行、合理、且调整后的ResNet-50模型比较适合肝包虫病图像的分类,有望通过深度学习方法对肝包虫病提供辅助诊断及决策支持。     

X片影像实物演示在医学影像技术本科实验教学中的应用

目的探讨利用X片为载体的影像实物演示教学在医学影像技术本科专业X线摄影检查技术学实验课程教学中的应用价值。方法2015级医学影像技术本科生共63名,随机均分为3组进行胸腹部X线摄影检查技术部分实验课程的教学。实验课程前的准备工作和实验用机器均相同,作为实验组,A组和B组在实验教学过程中添加了以X片为载体的影像实物演示环节。通过模拟上机考核和小测试评估两种方法的教学效果差别,通过问卷调查评估X片为载体的影像实物演示教学在医学影像技术本科生X线摄影检查技术学实验教学中的接受度。结果实验组的模拟上机考核成绩[(7.36±1.39)分]和小测试成绩[(4.24±2.01)分]均高于对照组[(6.05±1.28)和(3.10±1.48)],差异均具有统计学意义(P<0.01,P=0.024)。实验组的问卷结果为,学生100%认可X片为载体的影像实物演示法在X线摄影检查技术学实验教学中的应用。结论将以X片为载体的影像实物演示教学用到医学影像技术本科专业X线摄影检查技术学实验教学中,有助于该专业本科生对新知识的接受,加深其对知识点的印象,提高教学效率,值得开展和推广。     

数据挖掘在医学图像分类中的应用

介绍几种数据挖掘方法的发展历程,分析其在医学图像处理中的应用及其研究现状,包括关联规则、决策树、人工神经网络、支持向量机、粗糙集等,同时阐述数据挖掘在医学图像分类研究领域存在的问题,希望对研究人员有所借鉴。     

基于胃镜图像的智能目标检测技术在早期胃癌筛查中的应用研究

目的:将深度学习技术与胃镜图像相结合,准确稳定地检测胃癌病灶的区域和类别,提高检测的效率与准确性,辅助医生进行早期胃癌的筛查和诊断.方法:对具有不同类别胃癌病灶的胃镜图像进行标注,构建胃镜图像数据集,使用Faster RCNN目标检测算法进行训练,不断优化参数,最终形成一个最优的目标检测模型.结果 与结论:目标检测模型...     

CBL在医学影像技术专业规范化培训图像后处理教学中的应用

目的 探讨以案例为基础的学习（case-based learning,CBL）和基于课堂的学习（lecture-based learning,LBL）在医学影像技术专业规范化培训体系图像后处理课程教学中的应用效果。方法 将四川大学华西医院2018级影像技术规范化培训学员共34人纳入该研究对象,根据学号分为试验组（行CBL教学）和对照组（行LBL教学）,每组各17人。根据规范化培训课程设计,图像后处理课程教学一年后,通过闭卷考试、实例后处理上机测试及问卷调查来进行教学效果评价。采用SPSS 20.0软件进行t检验和Mann-Whitney U检验。结果 试验组闭卷考试成绩（74.42±6.10）和实例后处理上机测试成绩（73.47±6.03）均高于对照组闭卷考试成绩[（69.11±3.70）、（69.08±6.51）],差异有统计学意义（P<0.05）。问卷调查显示,试验组规培学员在学习兴趣的激发、课堂氛围的调动、临床思维的培养、自学能力的培养、疑难病例的解析等方面都认可CBL教学。结论 在医学影像技术规范化培训的图像后处理课程中,合理应用CBL教学,有助于提高规培学员的学习积极性、自学能力、临床综合分析能力、实际操作能力、创新意识等。     

图像后处理技术在医学影像CT教学中的应用

目的 用图像后处理技术把CT轴位图像制作成多种效果的图像,使学生更直观地建立起病变与周围脏器全方位的立体的概念,从而使学生高效率地获得影像学知识.方法 运用多平面重组、表面阴影显示法、最大密度投影法、容积再现三维成像等图像后处理技术加工CT轴位图像,并制作成多媒体课件应用于教学.结果 应用图像后处理技术的多媒体立体教学,提高了学习效率.结论 图像后处理技术应用于CT教学,是一种高效能的教学方法.     

基于MATLAB的医学影像数据迁移学习的实现

目的 探讨基于MATLAB实现医学影像数据的迁移学习.方法 以MIMIC公共数据库中的MIMIC-CXR数据库为例,随机选取胸腔积液阳性和阴性的X线图像各500张作为总数据集,采用MATLAB软件基于ResNet网络模型利用迁移学习方法进行多次训练,计算AUC值评估模型训练对胸腔积液影像分类的准确率.结果 本研究使用的...     

案例教学法在医学影像技术专业规范化培训图像后处理教学中的应用

目的 探讨以案例为基础的学习(case-based learning,CBL)和基于课堂的学习(lecture-based learning,LBL)在医学影像技术专业规范化培训体系图像后处理课程教学中的应用效果。方法 将四川大学华西医院2018级影像技术规范化培训学员共34人纳入该研究对象,根据学号分为实验组(行CBL教学)和对照组(行LBL教学),每组各17人。根据规范化培训课程设计,图像后处理课程教学一年后,通过闭卷考试、问卷调查及实例后处理上机测试来进行教学效果评价。 结果 实验组考试闭卷考试成绩(74.42±6.10分)和实例后处理上机测试成绩(73.47±6.03分)均高于对照组闭卷考试成绩(69.11±3.70分)、实例后处理上机测试成绩(69.08±6.51分)(P＜0.05),差异没有统计学意义(P＞0.05)。问卷调查显示实验组规培学员在课堂气氛、学生参与度、疑难问题的分析、临床思维培养、自学能力培养等方面都认可CBL教学。结论 在医学影像技术规范化培训课程设计中,图像后处理教学时合理应用CBL教学模式,有助于提高规培学员的学习积极性、自学能力、临床综合分析能力、实际操作能力等,尤其是在结束了学校理论教学后的规范化培训学习中CBL教学尤为有意义,在案例讨论、分析过程中不仅要融会贯通基础及临床知识,加深了规培学员与临床医生、诊断医生的沟通和交流,既能激发学员的学习兴趣,也能增强学员的创新意识,可作为LBL教学模式的补充,尤其适用于规范化培训学员的教学模式。     

CR技术在胸部X线检查中的应用价值

2004～2009年收治800例CR，男532例，女268例，年龄3～82岁。其中外伤类243例，正常体检类267例，床边检查102例，其他为常规检查、复查类。     

基于深度学习的图像重建算法在CT图像重建中的应用进展

随着CT扫描技术的飞速发展,在人工智能大背景下,深度学习图像重建（Deep Learning Image Reconstruction,DLIR）算法在CT成像中得到了广泛的应用,相对于目前常用的图像重建算法,该算法能够保证低辐射剂量条件下的图像细节显示,并在一定程度上降低图像噪声,且还能够减少图像重建时间,从而使低辐射剂量扫描成为可能。本文对DLIR算法在人体不同部位CT检查的应用现状及研究进展进行综述,以期进一步推广DLIR算法,在降低公众CT检查辐射剂量的同时改善图像质量。     

16层螺旋CT图像后处理技术在先天性内耳畸形中的应用

目的探讨16层螺旋CT图像后处理技术在先天性内耳畸形中的应用价值。方法对49例先天性感音神经性耳聋患者进行16排螺旋CT高分辩率薄层扫描,将所得的原始数据拆薄并行左、右耳分开放大重建,再传至工作站应用图像后处理技术观察内耳结构。结果49例患者中有12例共23耳见内耳畸形,其中前庭导水管扩大12耳,前庭和半规管畸形6耳,迷路发育不良2耳,前庭腔扩大2耳,Mond in i畸形6耳,内听道扩大2耳,内听道狭窄1耳。结论16层螺旋CT图像后处理技术能精确显示先天性内耳畸形部位和程度,为临床正确制定治疗方案提供重要的参考依据。     

基于注意力机制与深度学习模型的糖尿病眼底图像分类研究

目的：基于注意力机制与经典深度学习模型提出糖尿病眼底图像分类算法,提高糖尿病眼底图像识别的准确率。方法：使用包含5种类别共4 581张图像的开源数据集,进行特征提取、图像增强、批处理、洗牌等操作构建数据张量,将注意力机制与ResNet模型相结合构建ResNet-At模型,比较该模型与经典深度学习模型CNN、ResNet、AlexNet在识别糖尿病眼底图像方面的效果。结果：基于注意力机制的ResNet-At模型的准确率、精确率、召回率、F1值分别为89.5%、74.3%、62.4%、0.678,均高于其他经典深度学习模型。结论：基于注意力机制与经典深度学习模型的糖尿病眼底图像分类算法可以提高糖尿病眼底图像分类的识别效果。     

深度学习在医学影像中的应用:希望还是陷阱?

医学影像技术在疾病的检测、诊断和治疗中起着重要作用。由于人类专家经验的不稳定性,机器学习技术有望辅助研究人员和医师以提高影像诊疗的准确性和减少医疗资源的不均衡性。本文系统概述了深度学习技术的一些方法,介绍了医学影像学中的深度学习技术的应用研究,同时讨论了深度学习技术在医学影像中的局限性。     

DR图像拼接技术在下肢静脉造影检查中的应用

目的探讨DR图像拼接技术在下肢静脉造影检查中的应用。方法回顾分析14例经DR下行常规下肢静脉造影,同时行DR下肢图像拼接所得图像诊断为下肢静脉病变的病例图像资料,总结其技术特点及应用优势。结果所有病例的下肢全长拼接图像连续完整,均能很好地显示下肢静脉病变。结论 DR下肢图像拼接技术能为临床医生选择治疗方案和手术计划提供更有价值的信息。     

基于迁移学习的胃镜图像自动识别多分类系统的研究

目的 通过迁移学习提高早期胃癌图像识别准确率.方法 根据胃癌前病变概念收集5类胃镜图像,分别为早期和进展期胃癌图像783张、胃溃疡图像1042张、慢性胃炎图像1143张、胃息肉图像1096张和正常胃镜图像1763张,按6:2:2的比例分为训练集、验证集、测试集,通过从零训练模型ResNet34与微调迁移模型ResNet...     

CR图像后处理技术在腰椎侧位中的应用

目的:探讨CR图像后处理技术对于提高体厚较大的腰椎侧位影像质量的价值。方法:对500幅体厚大于30 cm的腰椎侧位影像进行图像的谐调处理和空间频率处理的调试。结果:利用窗宽窗位的后处理调节后,影像细微结构符合诊断要求的图像符合率为39.0%,其中在骨皮质与骨小梁、腰椎小关节、腰椎间隙、影像细节方面的符合率分别为37.8%、68.0%、96.4%和36.4%。当再次利用腰椎filter(过滤器)的调节后,影像的细微结构诊断要求的图像符合率为86.4%,在骨皮质与骨小梁、腰椎小关节、腰椎间隙、影像细节方面的符合率分别为86.8%、91.6%、100.0%和51.4%。结论:提高了结构显示的层次,丰富了诊断的信息量。     

螺旋CT图像后处理技术在复杂骨折诊断中的应用

目的 探讨螺旋CT薄层扫描及其图像后处理技术在复杂骨折诊断中的应用,并与常规X线图像、常规轴位CT图像所得诊断结果进行比较.方法 回顾性分析61例解剖结构复杂部位外伤性多发骨折病例,所有病例均行常规X线摄片、常规轴位螺旋CT扫描及薄层轴位螺旋CT轴位扫描后行图像后处理.结果 全部61例骨折受检者,三种方法均能对所有病例之多数骨折作出诊断,但其诊断准确性存在差异,常规X线平片为79.0%、常规轴位螺旋CT扫描为88.5%、薄层螺旋CT扫描图像后处理技术为98.6%(χ2=40.57,P＜0.001)结论常规x线平片可对复杂解剖部位的绝大多数多发骨折作出正确诊断,但假阴性高.常规轴位螺旋CT扫描次之.薄层螺旋CT扫描及图像后处理为三种方法中诊断准确性最高的方法.     

SPECT-CT同机图像融合技术在乳腺癌分期诊断中的初步应用

目的将SPECT-CT同机图像融合技术,应用于^99mTc-MIBI乳腺癌亲肿瘤显像,探讨对乳腺癌术前TNM分期的临床价值。方法对10例怀疑已发生淋巴或血行转移的乳腺癌患者,完成^99mTc-MIBI乳腺癌亲肿瘤显像及SPECT-CT同机图像融合处理,并进行图像评价。以术后与活检的病理结果作为参照标准。结果10例乳腺癌中,1例浸润性导管癌检查呈假阴性;9例阳性病例中,发生腋窝淋巴结转移3例,腋窝淋巴结伴锁骨上淋巴结转移2例,胸骨旁淋巴结转移2例,漏检1例,未发生淋巴结转移1例;本组中有3例肿瘤侵犯乳腺后间隙,有2例发生胸壁转移。结论SPECT-CT同机图像融合技术,应用于^99mTc-MIBI乳腺癌亲肿瘤显像,对乳腺癌的术前TNM分期具有一定的临床应用价值。     

图像分割技术在肝CT容积测量中的应用

目的:研究一种自动测量肝容积和计算相关指标的计算机技术,并验证其效果.方法:利用基于变形模型的肝轮廓提取方法,在自动识别肝轮廓的基础上,实现自动测量.对15个已知容积的标本进行验证测量,另对12例128幅肝CT图像进行自动分割,同时进行手工和自动测量的肝容积值对照.结果:基于变形模型的图像分割技术可以实现肝容积的自动分割,成功率为68%,在分割成功的图像中,测量的单层肝面积与手工描绘测量的肝面积误差率为5.02%.结论:计算机自动测量技术可以实现肝容积的自动测量,但精确性尚需进一步提高.