基于深度学习的二维头影测量定点分析系统的研究

目的 探讨基于深度学习的图像高斯金字塔和卷积神经网络方法,构建和训练一种高精准度的自动化二维头影测量标志点定位与分析系统模型。方法 收集2021年1月至12月期间本院所摄的400张年龄在18至50周岁且无牙列缺损的头颅侧位影像,在3D slicer（NIH美国）上完成每张44个牙颌和颅面软硬组织结构标志点的标注,并构建和训练基于图像高斯金字塔和卷积神经网络的自动化二维头影测量标志点定位和分析系统。结果 运用图像高斯金字塔和卷积神经网络方法能高精准获取44个牙颌和颅面的软硬组织结构标志点,在 2.0 mm、2.5 mm、3.0 mm、4.0 mm 精度范围内预测的平均准确率分别为 85.61 %、90.72 %、93.82 %、96.34 %;44个牙颌和颅面软硬组织结构标志点的平均误差为 1.22 mm,平均标准差为 1.27 mm;常见头影测量项目（ANB、SNA、SNB、ODI、APDI、FHI、FMA、MW）的平均预测准确率为 85.00 % 。结论 运用图像高斯金字塔和卷积神经网络方法能高精准获取牙颌和颅面的软硬组织结构标志点,并且对牙颌和颅面形态分析诊断具有良好的准确性,该技术将有助于推进自动化头影测量的临床运用。     

WEB PACS系统的架构研究

本文分析C/S模式和B/S模式PACS系统的体系结构的优缺点,认为单纯的C/S或B/S结构已不能满足需求,而混合式的PACS系统的架构是未来发展的趋势,是提高医院数字化图像技术的研究方向。     

人工智能结合光相干断层扫描技术辅助识别5种眼底病变系统的应用和价值评估

目的:建立基于深度学习光相干断层扫描（OCT）图像眼底病变的眼底智能辅助诊断系统,初步评估其应用价值。方法:诊断性试验研究。2016年至2019年期间于浙江大学医学院附属第二医院眼科中心就诊的25 000例患者的25 000张OCT图像作为眼底智能辅助诊断系统的训练集和验证集。其中,黄斑前膜、黄斑水肿、黄斑裂孔、脉络膜...     

医学影像后处理在医学教学中应用的研究

首先介绍了当前医学教育模型的分类,结合我们开发的医学数字影像后处理系统,详细描述了该系统在医学教学中的应用,在此基础上实现了虚拟医学影像实验室的原型,讨论了它创建虚拟可视、物理和生理人中作用。结果表明我们的影像后处理系统可以很好的模拟现实的教学和实验环境,提高教学和研究的效果。