排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
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。 相似文献
2.
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。 相似文献
3.
4.
医学影像后处理在医学教学中应用的研究 总被引:1,自引:0,他引:1
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。 相似文献
1