簡介：點擊查看更多面向醫(yī)學(xué)影像三維重建的標(biāo)志點檢測與姿態(tài)估計.pdf精彩內(nèi)容。

簡介：在人們對自身健康越來越關(guān)注的今天，各種醫(yī)療影像設(shè)備得到不斷的開發(fā)與升級，然而如何能夠使掃描的圖像進(jìn)行更直觀的顯示并且包涵的信息量更大一直是各研究單位研究的重點與難點。本文通過對醫(yī)學(xué)影像成像特點的分析，設(shè)計完成一個能夠?qū)崿F(xiàn)醫(yī)學(xué)影像的三維重建、分割醫(yī)學(xué)影像中的血管和骨骼并且實現(xiàn)多模配準(zhǔn)的系統(tǒng)。本文的工作內(nèi)容主要有以下幾個方面1系統(tǒng)分析圖像配準(zhǔn)框架，通過對配準(zhǔn)框架各模塊的剖析以及其實現(xiàn)流程的特點，根據(jù)待處理圖像區(qū)域為肝臟部分選定了B樣條變換來完成圖像的幾何變換，并在此基礎(chǔ)上選用了三線性插值來完成圖像插值。為比較待配準(zhǔn)圖像與參考圖像的質(zhì)量，通過比對幾種不同的多模圖像配準(zhǔn)相似性測度，最終采用最大化互信息方法來完成該流程，同時為避免由于最大化互信息在計算中陷入極值而導(dǎo)致的配準(zhǔn)失敗，還添加優(yōu)化方法中的LBFGSB算法來對整個配準(zhǔn)過程進(jìn)行優(yōu)化。2根據(jù)三維多模圖像配準(zhǔn)會有龐大的數(shù)據(jù)運(yùn)算，詳細(xì)分析多分辨率策略原理，為使配準(zhǔn)過程能夠提升速度和成功率，在多模圖像配準(zhǔn)的基礎(chǔ)上添加了多分辨率策略模塊，有效提高了圖像配準(zhǔn)的效率。3根據(jù)醫(yī)學(xué)影像圖像的特點，深入剖析圖像三維重建方法中的面繪制和體繪制算法，選取了面繪制算法中的移動立方體算法和體繪制中的光線投射算法作為系統(tǒng)中三維重建模塊的設(shè)計方法，并且分析對比了兩者的優(yōu)勢和不足，使醫(yī)生能夠選擇合適的三維重建方法進(jìn)行圖像重建。4依照血管和骨骼分割的特點，重點解析海森矩陣，通過海森矩陣具有對管狀結(jié)構(gòu)進(jìn)行濾波的優(yōu)勢，達(dá)到對血管的加強(qiáng)處理。在對血管進(jìn)行加強(qiáng)處理后，通過比對各種常見的分割算法，深入分析區(qū)域生長算法，并采用此算法完成分割模塊的設(shè)計。5為使系統(tǒng)有友好界面，認(rèn)真研究QT中的信號與槽機(jī)制，并在此基礎(chǔ)上構(gòu)建一個整合以上各功能模塊的系統(tǒng)。對完成的系統(tǒng)進(jìn)行穩(wěn)定性和功能性的測試，調(diào)試的結(jié)果表明，本文設(shè)計的三維醫(yī)學(xué)影像分割和配準(zhǔn)系統(tǒng)實現(xiàn)了所有功能并具有良好的性能，能夠滿足醫(yī)院對圖像的基本處理要求。

簡介：“醫(yī)學(xué)影像存儲與傳輸系統(tǒng)”PICTUREARCHIVINGCOMMUNICATIONSYSTEMPACS于20世紀(jì)70年代末期應(yīng)運(yùn)而生。它是將醫(yī)學(xué)圖像資料轉(zhuǎn)化為計算機(jī)數(shù)字形式。本文構(gòu)建了一個適用于醫(yī)院自身環(huán)境與條件的大型PACS系統(tǒng)，并對其設(shè)計和網(wǎng)絡(luò)安全管理進(jìn)行了探索和研究。首先，分析了秦皇島市第一醫(yī)院建設(shè)PACS系統(tǒng)建設(shè)的必要性，以及需要達(dá)到的預(yù)期目標(biāo)?；陬A(yù)期目標(biāo)，設(shè)計實現(xiàn)了建設(shè)PACS系統(tǒng)的工作流程。其次，設(shè)計了PACS系統(tǒng)建設(shè)方案。該建設(shè)方案設(shè)計的PACS主服務(wù)器群采用多機(jī)負(fù)載均衡冗余集群系統(tǒng)，CLIENTSERVER架構(gòu)為主，并以WEB方式為輔。在網(wǎng)絡(luò)環(huán)境下的通訊服務(wù)和支持DICOM應(yīng)用進(jìn)行消息交換的必要的上層協(xié)議和消息交換的網(wǎng)絡(luò)通訊支持，基于DIAGNOSTICVIEWERCOMMLINE的PACS接口整合，用集中管理模式，來獲得可靠性高的服務(wù)。系統(tǒng)建設(shè)以醫(yī)院放射科為起點，建設(shè)覆蓋醫(yī)院放射科，包括普放、CT、MR及胃腸在內(nèi)的醫(yī)學(xué)影像網(wǎng)絡(luò)系統(tǒng)。實施了放射影像檢查診斷的無膠片化工作方式，將所有醫(yī)學(xué)影像以WEB的形式發(fā)布至整個醫(yī)院所有醫(yī)技科室、臨床科室，實現(xiàn)與其它信息系統(tǒng)的完全聯(lián)網(wǎng)集成。最后，基于PACS建設(shè)方案，給出了第一醫(yī)院PACS系統(tǒng)的功能模塊的實現(xiàn)方法，包括邏輯分布、功能單元和系統(tǒng)界面。這些功能模塊采用柔性軟件思想，設(shè)計可隨意拆分組合的模塊單元來支持管理、查詢等功能需求，滿足臨床醫(yī)生需求。同時，制定了該系統(tǒng)的安全維護(hù)、服務(wù)器維護(hù)和數(shù)據(jù)維護(hù)規(guī)范。

簡介：利用計算機(jī)技術(shù)輔助放射科醫(yī)生進(jìn)行病例診斷，即計算機(jī)輔助診斷COMPUTERAIDEDDIAGNOSIS，CAD在早期乳腺癌檢查中起到越來越重要的作用，能有效幫助減少乳腺癌患者的死亡率。臨床上已標(biāo)記病例樣本難以搜集同時陰性病例樣本數(shù)遠(yuǎn)大于陽性病例樣本數(shù)，因而在CAD應(yīng)用中存在小樣本、非平衡數(shù)據(jù)集的學(xué)習(xí)問題。非平衡及小樣本學(xué)習(xí)問題是關(guān)于類別嚴(yán)重不對稱及信息欠充分表達(dá)數(shù)據(jù)集的學(xué)習(xí)性能問題。非平衡及小樣本學(xué)習(xí)在許多現(xiàn)實應(yīng)用中具有重要意義，盡管經(jīng)典機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘技術(shù)在許多實際應(yīng)用中取得很大成功，然而針對小樣本及非平衡數(shù)據(jù)的學(xué)習(xí)對于學(xué)者們來說仍然是一個很大的挑戰(zhàn)。本論文系統(tǒng)地闡述了機(jī)器學(xué)習(xí)在小樣本與非平衡學(xué)習(xí)環(huán)境下性能下降的主要原因，并就目前解決小樣本、非平衡學(xué)習(xí)問題的有效方法進(jìn)行了綜述。本論文在充分理解常用欠采樣方法在處理非平衡樣本時易于丟失類別信息的問題基礎(chǔ)上，重點研究如何合理、有效處理非平衡數(shù)據(jù)。論文提出兩種欠采樣新方法有效提取最富含類別信息的樣本以此解決欠采樣引起的類別信息丟失問題。另外針對小樣本學(xué)習(xí)問題，論文提出新的類別標(biāo)記算法。該算法通過自動標(biāo)記未標(biāo)記樣本擴(kuò)大訓(xùn)練樣本集，同時有效減少標(biāo)記過程中易發(fā)生的標(biāo)記錯誤。本論文聚焦小樣本、非平衡數(shù)據(jù)的學(xué)習(xí)技術(shù)研究。圍繞非平衡數(shù)據(jù)集的重采樣及未標(biāo)記樣本的類別標(biāo)記等問題展開研究。論文的主要工作包括1針對CAD應(yīng)用中標(biāo)記病例樣本難以收集所引起的小樣本學(xué)習(xí)問題，本論文利用大量存在的未標(biāo)記樣本來擴(kuò)充訓(xùn)練樣本集以此解決小樣本學(xué)習(xí)問題。然而樣本標(biāo)記過程中往往存在錯誤類別標(biāo)記，誤標(biāo)記樣本如同噪聲會顯著降低學(xué)習(xí)性能。針對半監(jiān)督學(xué)習(xí)中的誤標(biāo)記問題，本論文提出混合類別標(biāo)記HYBRIDCLASSLABELING算法，算法從幾何距離、概率分布及語義概念三個不同角度分別進(jìn)行類別標(biāo)記。三種標(biāo)記方法基于不同原理，具有顯著差異性。將三種標(biāo)記方法有一致標(biāo)記結(jié)果的未標(biāo)記樣本加入訓(xùn)練樣本集。為進(jìn)一步減少可能存在的誤標(biāo)記樣本對學(xué)習(xí)過程造成的不利影響，算法將偽標(biāo)記隸屬度引入SVMSUPPTVECTMACHINE學(xué)習(xí)中，由隸屬度控制樣本對學(xué)習(xí)過程的貢獻(xiàn)程度?；赨CI中BREASTCANCER數(shù)據(jù)集的實驗結(jié)果表明該算法能有效地解決小樣本學(xué)習(xí)問題。相比于單一的類別標(biāo)記技術(shù)，該算法造成更少的錯誤標(biāo)記樣本，得到顯著優(yōu)于其它算法的學(xué)習(xí)性能。2針對常用欠采樣技術(shù)在采樣過程中往往會丟失有效類別信息的問題，本論文提出了基于凸殼CONVEXHULL，CH結(jié)構(gòu)的欠采樣新方法。數(shù)據(jù)集的凸殼是包含集合中所有樣本的最小凸集，所有樣本點都位于凸殼頂點構(gòu)成的多邊形或多面體內(nèi)。受凸殼的幾何特性啟發(fā)，算法采樣大類樣本集得到其凸殼結(jié)構(gòu)，以簡約的凸殼頂點替代大類訓(xùn)練樣本達(dá)到平衡樣本集的目的。鑒于實際應(yīng)用中兩類樣本往往重疊，對應(yīng)凸殼也將重疊。此時采用凸殼來表征大類的邊界結(jié)構(gòu)對學(xué)習(xí)過程是一個挑戰(zhàn)，容易引起過學(xué)習(xí)及學(xué)習(xí)機(jī)的泛化能力下降?？紤]到縮減凸殼REDUCEDCONVEXHULL，RCH、縮放凸殼SCALEDCONVEXHULL，SCH在凸殼縮減過程中帶來邊界信息丟失的問題，我們提出多層次縮減凸殼結(jié)構(gòu)HIERARCHYREDUCEDCONVEXHULLHRCH。受RCH與SCH結(jié)構(gòu)上存在顯著差異性及互補(bǔ)性的啟發(fā)，我們將RCH與SCH進(jìn)行融合生成HRCH結(jié)構(gòu)。相比于其它縮減凸殼結(jié)構(gòu)，HRCH包含更多樣、互補(bǔ)的類別信息，有效減少凸殼縮減過程中類別的信息丟失。算法通過選擇不同取值的縮減因子與縮放因子采樣大類，所得多個HRCH結(jié)構(gòu)分別與稀有類樣本組成訓(xùn)練樣本集。由此訓(xùn)練得多個學(xué)習(xí)機(jī)，并通過集成學(xué)習(xí)產(chǎn)生最終分類器。通過與其它四種參考算法的實驗對比分析，該算法表現(xiàn)出更好分類性能及魯棒性。3針對欠采樣算法中類別信息的丟失問題，本論文進(jìn)一步提出基于反向K近鄰的欠采樣新方法，RKNN。相比于廣泛采用的K近鄰，反向K近鄰是基于全局的角度來檢查鄰域。任一點的反向K近鄰不僅與其周圍鄰近點有關(guān)，也受數(shù)據(jù)集中的其余點影響。樣本集的數(shù)據(jù)分布改變會導(dǎo)致每個樣本點的反向最近鄰關(guān)系發(fā)生變化，它能整體反應(yīng)樣本集的完整分布結(jié)構(gòu)。利用反向最近鄰將樣本相鄰關(guān)系進(jìn)行傳遞的特點，克服最近鄰查詢僅關(guān)注查詢點局部分布的缺陷。該算法針對大類樣本集，采用反向K最近鄰技術(shù)去除噪聲、不穩(wěn)定的邊界樣本及冗余樣本，保留最富含類別信息且可靠的樣本作為訓(xùn)練樣本。算法在平衡訓(xùn)練樣本的同時有效改善了欠采樣引起的類別信息丟失問題?；赨CI中BREASTCANCER數(shù)據(jù)集的實驗結(jié)果驗證了該算法解決非平衡學(xué)習(xí)問題的有效性。相比于基于K最近鄰的欠采樣方法，RKNN算法得到了更好的性能表現(xiàn)。

簡介：近些年，隨著醫(yī)學(xué)自動診斷技術(shù)的需求不斷增加，醫(yī)學(xué)影像處理技術(shù)正在蓬勃的發(fā)展。醫(yī)學(xué)影像分割技術(shù)作為醫(yī)學(xué)影像處理技術(shù)的基礎(chǔ)受到了廣泛的關(guān)注。其中，最值得關(guān)注的就是算法的準(zhǔn)確性和時效性。目前，醫(yī)學(xué)影像分割技術(shù)的準(zhǔn)確性已經(jīng)得以保障，而分割算法的時效性成為一個重要的研究方向。本文采用通用計算圖形處理器GENERALPURPOSEGRAPHICSPROCESSINGUNIT，GPGPU技術(shù)優(yōu)化基于乘子的連續(xù)最大流來提升醫(yī)學(xué)影像分割算法的時效性。本文從NVIDIA公司的統(tǒng)一計算設(shè)備架構(gòu)COMPUTEUNIFIEDDEVICEARCHITECTURE，CUDA入手，探究其硬件架構(gòu)、軟件架構(gòu)和存儲器架構(gòu)的工作原理和工作方式，以及該架構(gòu)下的編程模型及其優(yōu)勢。通過圖理論和網(wǎng)絡(luò)流理論來構(gòu)建ST網(wǎng)絡(luò)并建立了連續(xù)最大流的模型，引入拉格朗日乘子從而得到基于乘子的連續(xù)最大流算法。為了增強(qiáng)基于乘子的連續(xù)最大流算法的時效性，本文提出了基于CUDA的連續(xù)最大流醫(yī)學(xué)影像分割算法，即將原串行分割算法更改為基于CUDA的并行分割算法。給出了本文提出算法的線程分配和核函數(shù)設(shè)計等技術(shù)方案，并采用歸約算法來優(yōu)化主機(jī)內(nèi)存與設(shè)備端內(nèi)存之間的數(shù)據(jù)傳輸問題，進(jìn)一步優(yōu)化了本文算法的處理能力。針對本文提出的算法，在MATLAB平臺下采用4組不同分辨率的153幅腎臟圖像進(jìn)行了仿真實驗。在采用不同分辨率的腎臟圖像作為待分割圖像，并在不影響分割精度的前提下，其實驗結(jié)果表明，基于CUDA的連續(xù)最大流算法的時效性遠(yuǎn)遠(yuǎn)優(yōu)越于傳統(tǒng)的串行連續(xù)最大流算法。并且，在采用歸約等算法改進(jìn)后的分割算法擁有更好的時間優(yōu)勢。

簡介：醫(yī)學(xué)成像模式多樣，數(shù)據(jù)內(nèi)容豐富，極大地豐富了醫(yī)生的診斷手段，提高了診斷的效率與準(zhǔn)確性。同時，隨著生活水平的提高，人們對優(yōu)質(zhì)醫(yī)療影像診斷的需求不斷增加。但醫(yī)學(xué)影像設(shè)備價格昂貴，相關(guān)醫(yī)療資源分配不均勻，不是所有人都能享受優(yōu)質(zhì)的醫(yī)學(xué)影像診斷服務(wù)。而醫(yī)療機(jī)構(gòu)之間存在數(shù)據(jù)交換壁壘，導(dǎo)致病人在不同醫(yī)院就診時會重復(fù)檢查，增加就診成本以及輻射傷害。借助遠(yuǎn)程渲染技術(shù)，產(chǎn)生了基于影像的遠(yuǎn)程醫(yī)療、在線問診等醫(yī)療模式，為優(yōu)化醫(yī)療資源配置提供了新的途徑，為上述問題提供新的解決思路。本文研究醫(yī)學(xué)影像遠(yuǎn)程實時后處理的關(guān)鍵技術(shù)，設(shè)計并實現(xiàn)了支持客戶端服務(wù)器（CLIENTSERVER，CS）和瀏覽器服務(wù)器（BROWSERSERVER，BS）兩種模式的醫(yī)學(xué)影像遠(yuǎn)程實時后處理框架和通信協(xié)議，并對其進(jìn)行驗證和實際應(yīng)用。具體內(nèi)容如下設(shè)計醫(yī)學(xué)影像遠(yuǎn)程實時后處理架構(gòu)。該架構(gòu)支持多種方式接入醫(yī)院現(xiàn)有影像數(shù)據(jù)，采用遠(yuǎn)程渲染實現(xiàn)醫(yī)學(xué)影像實時后處理，支持CS和BS兩種模式訪問醫(yī)學(xué)影像。針對互聯(lián)網(wǎng)應(yīng)用多用戶并發(fā)的特點，該架構(gòu)采用去耦合設(shè)計，實現(xiàn)負(fù)載均衡和系統(tǒng)的自由擴(kuò)展；針對無線網(wǎng)絡(luò)環(huán)境，對渲染參數(shù)采用自反饋調(diào)節(jié)機(jī)制，提高交互體驗。對遵循該架構(gòu)的應(yīng)用系統(tǒng)進(jìn)行性能評估，測試了渲染算法、網(wǎng)絡(luò)環(huán)境、渲染分辨率以及圖像質(zhì)量因子對于遠(yuǎn)程渲染性能的影響和系統(tǒng)的魯棒性。設(shè)計醫(yī)學(xué)影像遠(yuǎn)程實時后處理通信協(xié)議（POSTPROCESSINGPROTOCOLFMEDICALIMAGE，PPMI），定義了PPMI協(xié)議的語法、語義以及時序。該協(xié)議定義了CS模式下對DICOM（DIGITALIMAGINGCOMMUNICATIONSINMEDICINE）影像及其聚合對象的操作指令，提供驗證機(jī)制和容錯機(jī)制，并支持用戶自定義擴(kuò)展。遵循該協(xié)議的醫(yī)學(xué)影像遠(yuǎn)程實時后處理系統(tǒng)，支持在移動客戶端上對不同成像模式、不同像素格式的醫(yī)學(xué)影像進(jìn)行遠(yuǎn)程實時的后處理操作。擴(kuò)展DICOM網(wǎng)絡(luò)訪問接入（WEBACCESSTODICOMPERSISTENTOBJECT，WADO）協(xié)議，提供DICOM聚合對象的WEB訪問接入機(jī)制，支持在線的醫(yī)學(xué)影像實時后處理。通過PPMI協(xié)議與WADOE協(xié)議的結(jié)合，可在WEB客戶端、移動客戶端以及桌面客戶端中訪問醫(yī)學(xué)影像后處理服務(wù)。將醫(yī)學(xué)影像遠(yuǎn)程實時后處理架構(gòu)、PPMI以及WADOE協(xié)議結(jié)合，分析該技術(shù)在移動醫(yī)療、區(qū)域醫(yī)療以及遠(yuǎn)程醫(yī)療中的應(yīng)用場景以及應(yīng)用模式，并提供實際應(yīng)用案例。該案例中的應(yīng)用系統(tǒng)可實現(xiàn)與醫(yī)院信息系統(tǒng)的數(shù)據(jù)交換、并接入業(yè)務(wù)流程，提供醫(yī)學(xué)影像實時后處理服務(wù)。醫(yī)學(xué)影像的跨院訪問、醫(yī)務(wù)人員在線交流以及醫(yī)患在線問診等應(yīng)用需求逐步增加，醫(yī)學(xué)影像的遠(yuǎn)程訪問越來越頻繁，迫切需要網(wǎng)絡(luò)中共享醫(yī)學(xué)影像并進(jìn)行實時處理。本文的工作為該應(yīng)用需求提供了一種可行的解決思路。

簡介：點擊查看更多納米材料在醫(yī)學(xué)影像上的應(yīng)用.pdf精彩內(nèi)容。

簡介：近年來，隨著現(xiàn)在信息技術(shù)迅速發(fā)展也帶動了醫(yī)療行業(yè)的飛速發(fā)展，醫(yī)療行業(yè)加速信息化的同時，醫(yī)療數(shù)據(jù)也呈現(xiàn)幾何倍數(shù)的增長，作為醫(yī)療數(shù)據(jù)中占比最大的醫(yī)學(xué)影像數(shù)據(jù)，隨著成像技術(shù)和造影設(shè)備的進(jìn)一步升級和更新?lián)Q代，醫(yī)療影像數(shù)據(jù)存在數(shù)據(jù)格式復(fù)雜，數(shù)字化傳輸和信息共享困難等許多問題，而且隨著數(shù)據(jù)量的日積月累，傳統(tǒng)PACS系統(tǒng)面對醫(yī)學(xué)影像大數(shù)據(jù)的巨大挑戰(zhàn)，亟需有新的技術(shù)來解決醫(yī)療影像大數(shù)據(jù)的管理問題。目前國內(nèi)大部分醫(yī)院對醫(yī)學(xué)影像的存儲模式大多是以文件的形式采用傳統(tǒng)的NAS、DAS、SAN，三種存儲模式各有優(yōu)缺點，但卻都存在硬件設(shè)備的成本高、性能和擴(kuò)展能力不足、可用性受限等缺點，同時在醫(yī)學(xué)影像信息在區(qū)域上或是醫(yī)院內(nèi)部的共享、醫(yī)生之間的遠(yuǎn)程診斷和會診等方面也都存在一定程度上的障礙。國內(nèi)外對醫(yī)學(xué)影像存儲的優(yōu)化方式大多采用HADOOP和HDFS分布式文件系統(tǒng)，然而HDFS并不適用于醫(yī)學(xué)影像小文件的特點，解決此問題也需要麻煩的優(yōu)化工作。因此，本文通過結(jié)合云計算技術(shù)、緩存技術(shù)和分布式文件系統(tǒng)，針對海量醫(yī)學(xué)影像的存儲和訪問中存在的問題及目前國內(nèi)外研究現(xiàn)狀，對醫(yī)學(xué)影像進(jìn)行研究和相關(guān)的性能優(yōu)化。主要研究內(nèi)容為（1）設(shè)計并實現(xiàn)新型醫(yī)學(xué)影像云存儲架構(gòu)，設(shè)計了“本地云端”兩級存儲模式；（2）構(gòu)建了PROXMOXVE虛擬資源環(huán)境，并結(jié)合新興容器技術(shù)DOCKER，實現(xiàn)了醫(yī)學(xué)影像云存儲服務(wù)；（3）根據(jù)提出的兩級存儲模式，集成了開源HIS系統(tǒng)GNUHEALTH、開源WEBPACS系統(tǒng)THANC、開源分布式文件系統(tǒng)FASTDFS，提供了一個大規(guī)模分布式醫(yī)療影像存儲架構(gòu)；（4）針對兩級存儲模式的云端FASTDFS存儲，提出了基于REDIS的醫(yī)學(xué)影像存儲優(yōu)化，進(jìn)一步提高緩存命中率和醫(yī)學(xué)影像的存取速率。

簡介：電子科技大學(xué)UNIVERSITYOFELECTRONICSCIENCETECHNOLOGYOFCHINA專業(yè)學(xué)位碩士學(xué)位論文MASTERTHESISFPROFESSIONALDEGREE論文題目基于HDFS的海量醫(yī)學(xué)影像系統(tǒng)的數(shù)據(jù)建模與轉(zhuǎn)換引擎專業(yè)學(xué)位類別工程碩士學(xué)號201222060553作者姓名晏舒婷指導(dǎo)教師湯羽教授RESEACHOFDATAMODELINGTRANSFMATIONOFMULTILEVELMEDICALIMAGINGSTAGESYSTEMBASEDONHDFSAMASTERTHESISSUBMITTEDTOUNIVERSITYOFELECTRONICSCIENCETECHNOLOGYOFCHINAMAJMASTEROFENGINEERINGAUTHSHUTINGYANSUPERVISYUTANGSCHOOLSCHOOLOFCOMPUTERSCIENCEENGINEERING

簡介：分類號R89密級UDC610學(xué)校代碼11065碩士學(xué)位論文成年腰椎成年腰椎MRMR影像測量在法醫(yī)學(xué)鑒定中的應(yīng)用影像測量在法醫(yī)學(xué)鑒定中的應(yīng)用宋揚(yáng)指導(dǎo)教師郝大鵬副教授學(xué)科專業(yè)名稱法醫(yī)學(xué)論文答辯日期2015年5月28日ABSTRACTOBJECTIVEOURADULTLUMBARMRIMAGINGTOMEASURETHEPROGRESSIVEDEVELOPMENTOFRADIOLOGYMAXILLOFACIALRADIOLOGYONSINCETHE1980SGRADUALLYIMPROVETHEDEVELOPMENTOFMEDICALIMAGINGFIMAGEMEASUREMENTHASBEENTRANSFMATIVEREMARKABLETREMENDOUSPROGRESSDEVELOPMENTINMEDICALIMAGINGTECHNOLOGYGRADUALLYDEVELOPEDXRAYVIDEOTECHNOLOGYXRAYFILMDIGITALSUBTRACTIONTECHNIQUESCOMPUTERIMAGEPROCESSINGTECHNOLOGYATTHESAMETIMEARTHROGRAPHYSIALOGRAPHYANGIOGRAPHYOTHERIMAGINGTECHNOLOGYHASALSOBEENAMERAPIDDEVELOPMENTFURTHERENRICHTHECONTENTOFTHELUMBARSPINEMRIMAGINGRADIOLOGYINTHISSTUDYLUMBARSPINEMRIMAGINGMEASUREMENTDATATHEESTABLISHMENTOFGENDERDISCRIMINATIONHEIGHTINFERREDAGEESTIMATIONMETHODSPROVIDINGNEWTARGETSNEWMETHODSFFENSICIDENTIFICATIONMETHODSINTHISPAPER30T15TSUPERCONDUCTINGMAGICRESONANCEIMAGERSIEMENSFASTSPINECHOTSESEQUENCET1WEIGHTEDUSINGTRTE40012MSSCANT2WEIGHTEDUSINGTRTE3400120MSSCANSAGITTALSLICETHICKNESS5MMCROSSSECTIONALTHICKNESSOF5MMSCANRANGEINCLUDESL12L5S1SEGMENTVERTEBRALDISCENDPLATEZONEMRSIGNALCHANGESINDIAGNOSISCLASSIFICATIONMETHODBASEDONMODICTHEMAINOUTCOMEMEASURESHAVEVERTEBRALHEIGHTWEIGHTRATIOOFTHESIZEOFNMALLUMBARMRINSAGITTALDIAMETERHEIGHTRATIOOFTHESIZEOFTHEVERTEBRAEINTHELOWERBACKTHESIZEOFTHEBODYANGLEDCONALPLANELUMBOSACRALANGLESIZEDIFFERENTAGEGROUPSVERTEBRALCEREBROSPINALFLUIDCONTRASTTONOISERATIOOFNMALLUMBARSPINEMRIMAGESOFDIFFERENTGENDERSOONTHISEXPERIMENTWILLBEDONEUNDERTHEGUIDANCEOFTHEQINGDAOMUNICIPALPUBLICSECURITYBUREAUOFINTERPOLTEAMTHEAFFILIATEDHOSPITALOFQINGDAOUNIVERSITYRESULTSTHESTUDYFOUNDTHATINDIVIDUALINDICATSTHEREARESOMEDIFFERENCESINEACHAGEGROUPTHE4150YEAROLDAGEGROUPTHEBIGGESTCONSIDERATIONMIGHTBERELATEDTOTHEDEVELOPMENTDEGENERATIONINADDITIONTHELENGTHINDICATSARESIGNIFICANTDIFFERENCESBETWEENTHESEXESSUBSTANTIALLYALLMALEFEMALEBUTALMOSTNODIFFERENCEINTHEANGLEINDICATSTHATISSLIGHTLYLARGERTHANTHEFEMALEMALELUMBARSPINEBUTTHERATIOOFTHETWOISSUBSTANTIALLYTHESAMEMPHOLOGYCANBEUNDERSTOODASTHEMALEFEMALELUMBARONLYDIFFERENCECOMPAREDTOTHESIZEOFTHEACTUALINTERNALSTRUCTUREISSIMILARCONCLUSIONTHEDEVELOPMENTOFFENSICANTHROPOLOGYFTHEIDENTIFICATIONOFRACEGENDER

簡介：目前我國在醫(yī)療衛(wèi)生系統(tǒng)的發(fā)展方面還存在巨大的問題和不足，我國東西部地區(qū)醫(yī)療水平在發(fā)展的過程中還存在巨大的差距和不足。而在醫(yī)療衛(wèi)生系統(tǒng)的發(fā)展過程中，醫(yī)學(xué)影像在其中扮演著重要的角色，對于整個醫(yī)療衛(wèi)生系統(tǒng)的水平起著決定性的作用。但是從目前的發(fā)展情況來看，我國很多地區(qū)還沒有醫(yī)學(xué)影像相關(guān)的設(shè)備，再加上其他軟硬件設(shè)備的缺失，導(dǎo)致醫(yī)療水平無法滿足社會對其的需求。一般來講醫(yī)生在疾病診斷的過程中都需要結(jié)合醫(yī)學(xué)影像對疾病做出相應(yīng)的判斷。隨著信息技術(shù)的快速發(fā)展以及云平臺的出現(xiàn)。醫(yī)療服務(wù)的不平衡性以及我國醫(yī)療資源的不均衡已經(jīng)成為我國學(xué)術(shù)界和我國社會關(guān)注的焦點問題之一。在信息社會中，醫(yī)學(xué)影像是整個醫(yī)療服務(wù)中最為主要的部分，通過醫(yī)學(xué)影像的運(yùn)用來提高對醫(yī)療服務(wù)及醫(yī)療相關(guān)事業(yè)的管理。就醫(yī)問題也是目前我國亟待解決的問題之一，由于醫(yī)療資源緊缺導(dǎo)致我國各大醫(yī)院無法滿足社會的就醫(yī)需求。在云計算和云服務(wù)平臺出現(xiàn)之后，為解決醫(yī)學(xué)影像服務(wù)平臺及醫(yī)學(xué)影像的信息化管理提供了機(jī)會，通過云服務(wù)平臺的運(yùn)用來進(jìn)行相關(guān)業(yè)務(wù)的管理。本文在醫(yī)療影響云服務(wù)平臺基礎(chǔ)構(gòu)架相關(guān)問題的分析和研究過程中，對相關(guān)的問題進(jìn)行了系統(tǒng)性的分析和研究。具體來講本系統(tǒng)所研究的主要兩個方面為醫(yī)學(xué)影像的相關(guān)數(shù)據(jù)及數(shù)據(jù)的應(yīng)用和算法。本文在醫(yī)學(xué)影像云服務(wù)系統(tǒng)設(shè)計和開發(fā)的過程中對目前醫(yī)學(xué)醫(yī)療服務(wù)在發(fā)展過程中存在的問題和不足進(jìn)行全方位的分析和探討，在分析和研究中結(jié)合具體的情況提出基于HADOOP構(gòu)建的醫(yī)學(xué)影像數(shù)據(jù)平臺，進(jìn)而實現(xiàn)相關(guān)的功能。通過部署HADOOP的部署能夠在很大程度上保證整個醫(yī)學(xué)影像云服務(wù)系統(tǒng)中的各種數(shù)據(jù)和信息能夠?qū)崿F(xiàn)長期性和安全性的存儲，提高了對整個數(shù)據(jù)的管理水平和管理能力。同時結(jié)合醫(yī)學(xué)影像云服務(wù)系統(tǒng)的實際情況對不同用戶的權(quán)限進(jìn)行分配和管理。其中科研人員能夠利用醫(yī)學(xué)影像云服務(wù)系統(tǒng)中的各種數(shù)據(jù)和信息進(jìn)行大規(guī)模的分析和研究，通過分析和研究來實現(xiàn)相關(guān)的功能。通過云服務(wù)平臺的運(yùn)用能夠提高對醫(yī)學(xué)影像等數(shù)據(jù)資源管理的應(yīng)用效率。通過對醫(yī)學(xué)影像云服務(wù)系統(tǒng)的測試得出本文所設(shè)計的醫(yī)學(xué)影像云服務(wù)系統(tǒng)能夠滿足相應(yīng)的功能。

簡介：隨著計算機(jī)斷層掃描技術(shù)CT不斷的發(fā)展和更新?lián)Q代，CT圖像已經(jīng)成為腦部疾病診斷的重要工具。通過對CT顱腦影像的讀片和分析，影像學(xué)醫(yī)師可以根據(jù)臨床經(jīng)驗和病人的病歷進(jìn)行定性診斷。然而，CT技術(shù)的廣泛應(yīng)用使CT圖像信息數(shù)據(jù)量越來越多，導(dǎo)致醫(yī)師讀片的工作量越來越大，而且由于人的主觀性影響導(dǎo)致診斷缺少客觀性，增大了出現(xiàn)誤診的風(fēng)險。在此情況下，本文期望通過計算機(jī)輔助診斷CAD來解決部分問題，其主要內(nèi)容為通過對病灶的自動提取得到病變區(qū)域圖像及病變的醫(yī)學(xué)參數(shù)量化。本文分析了目前廣泛應(yīng)用的醫(yī)學(xué)圖像病灶提取算法，介紹了這些算法的特點和適用范圍。由于目前多數(shù)病灶提取是在已知病灶的類型或某些病灶特征之后進(jìn)行，所以還不是實際意義上的對未知病灶的自動分割。本文基于左右腦半球存在相近對稱性的先驗知識，通過對左右腦半球紋理特征差異的分析，實現(xiàn)真正意義上的對未知病灶的提取。首先，由于顱腦CT圖像在拍攝過程中病人頭部矢狀線會呈現(xiàn)不同的角度，因此，需要對顱腦CT圖像進(jìn)行中矢狀線提取，最終得到歸一化圖像。本文以互信息量作為測度，在顱腦左右半球搜索匹配點，進(jìn)而確定中矢狀線的位置。本算法不僅提高了中矢狀線提取的精度，而且在左右腦半球存在部分不對稱結(jié)構(gòu)時算法仍然有效，具有較強(qiáng)的魯棒性。其次，本文以小波變換為工具，以病灶的自動提取為目標(biāo)，通過對左右腦半球紋理特征差異的比較，提出了一種基于紋理特征的顱腦CT病灶自動提取算法。在確定病灶位置、大小等信息之后，利用CV水平集法對病灶輪廓進(jìn)行二次提取，使病灶邊界影像更加精確。本算法實現(xiàn)了真正的對未知病灶的自動提取，并且能夠得到精確的病灶邊界。最后，為了克服傳統(tǒng)的影像學(xué)醫(yī)師診斷方法存在的主觀性強(qiáng)，隨意性大，不同的醫(yī)師對同一病例所做出的診斷經(jīng)常不一致等缺陷。在病灶己提取的基礎(chǔ)上，對病灶的面積、灰度等參數(shù)進(jìn)行量化，為顱腦病灶的診斷提供輔助客觀依據(jù)。

簡介：點擊查看更多ROC分析方法在影像醫(yī)學(xué)中的應(yīng)用.pdf精彩內(nèi)容。

簡介：四川大學(xué)碩士學(xué)位論文額竇數(shù)字X線影像法醫(yī)學(xué)同一認(rèn)定的研究姓名徐喆申請學(xué)位級別碩士專業(yè)法醫(yī)學(xué)指導(dǎo)教師鄧振華20070430四川大學(xué)碩T學(xué)位論文徐吉占法醫(yī)臨床學(xué)2005級額竇數(shù)字X線影像法醫(yī)學(xué)同一認(rèn)定的研究法醫(yī)臨床學(xué)方向研究生徐吉番指導(dǎo)教師鄧振華副教授中文摘要【研究背景及目的】應(yīng)用放射影像資料進(jìn)行同一認(rèn)定是法醫(yī)放射學(xué)重要的研究課題之一，因人類額竇獨特多樣的形態(tài)特征使其成為顱面中最常應(yīng)用的識別標(biāo)志。采用人類額竇放射影像學(xué)資料對個體進(jìn)行個人識別在法醫(yī)學(xué)中應(yīng)用越來越廣泛，這是基于單個人體的額竇具有高度個人特異、終生不變、難于偽造、易于觀察與測量等特征，可以用于法醫(yī)學(xué)同一認(rèn)定。然而，從證據(jù)學(xué)角度考察，額竇同一認(rèn)定的方法與指標(biāo)還有待客觀化、標(biāo)準(zhǔn)化。本研究旨在于進(jìn)一步探究額竇的數(shù)字X線影像學(xué)分型和同一認(rèn)定的指標(biāo)及數(shù)字編碼?！痉椒ā?按照納入與排除標(biāo)準(zhǔn)收集額竇CR片2在額竇CR片上作出與兩側(cè)眼眶上緣均相切的直線，3并觀察此直線與額竇的位置關(guān)系，對額竇形態(tài)學(xué)特征進(jìn)行分型研究4同時篩選出額竇不對稱性、左側(cè)額竇面積與左側(cè)眼眶面積比、右側(cè)額竇面積與右側(cè)眼眶面積比、較大額竇面積側(cè)別、左側(cè)額竇上緣弓形彎曲數(shù)、右側(cè)額竇上緣弓形彎曲數(shù)、額竇部分分隔位置、額竇中間隔位置8項指標(biāo)進(jìn)行描述性統(tǒng)計分析和數(shù)字編碼研究?！窘Y(jié)果】1提出額竇數(shù)字X線影像學(xué)特征六類分型I標(biāo)準(zhǔn)型、LI單側(cè)L

簡介：點擊查看更多面向深度學(xué)習(xí)的醫(yī)學(xué)影像分析系統(tǒng)及其在胃鏡視頻分割中的實踐.pdf精彩內(nèi)容。