医学影像“云信息”平台的构建研究

云信息平台是一种新兴的计算机集群平台模式,可以将各个任务分布到大量计算机构成的资源池上。笔者以川北医学院影像学专业体系改革为契机,创新性地建立了医学影像学"云信息"平台。云信息平台通过计算机网络、虚拟仿真、云计算等技术,对实验室原有软硬件进行整合,构建资源池,搭建一个统一的虚拟化云信息平台,通过该平台实现软硬件资源的高效利用和科学化管理,达到课程教学及实验教学资源共享的目的,同时推动医学影像学实验教学改革。     

PACS系统在医学影像学中的应用及发展探究

早些年,PET-CT、DR以及高场强MR和多排螺旋CT等数字化设备系统在医院影像学中的应用逐渐得到普及,从而使得医学影像学的信息量得到了大幅度的增加。近几年,随着科学技术的不断发展,图像存储与传输系统在医学影像学中的应用得到了显著的发展,文本笔者便针对图像储存与传输系统在医学影像学中的应用现状进行分析探究,进而就这种系统在医学影像学中的应用和发展进行深入的比较研究,最终得出该系统自医学影像学中的应用具有显著的实际意义和参考价值的结论。     

计算机与医学影像

当您感到身体不适而去医院看病的时候,一定做过诸如B超、CT、MRI甚至是ECT等检查。但您知道吗,这些没有任何痛苦的现代医学检查手段就是医学影像学,它是随着近年来计算机技术发展起来的。 医学影像学是一门年轻的学科,但影响力却不可小视。对于医生,医学影像学检查可以提供最直接的诊断依据,使医生能更直接地了解病人的情况。对于患者,医学影像学检查可以最大限度的减少诊断带来的痛苦,使患者生存质量明显提高。     

网络媒体技术在医学影像教学领域的运用分析

现阶段,网络、计算机以及信息技术快速发展,为医学影像学提供了技术支持,使得医学影像教学进入了全新 的阶段。医学影像教学过程具有一定的特殊性,我们可以根据具体的特点,在其实践教学中巧妙地应用网络媒体技术,大大提 升教学质量和水平。本文首先介绍了医学影像教学以及网络媒体技术,进而详细分析了教学过程中合理地应用网路媒体技术 的积极作用,它可以极大地提升教学水准,推动教学的进一步改革。     

医学图像的配准的关键技术与研究现状

医学图像融合技术是影像学技术在医学上极具特色的应用,它在医学图像有效配准基础上将解剖影像、功能影像两者有机的结合起来.本文对近年来医学图像配准中的关键技术和主要方法进行综述,比较各种算法的特点,并分析当前该领域在医学图像配准方面存在的技术难点以及发展前景.     

医学教学素材资源库的建设

医学教学素材资源库是医学教学资源库的一个最重要、最基础的子库,也是教育信息化工程的重要组成部分。该文阐述了医学教学素材资源库的简介、必要性、现状、建设的组织原则和,结构。     

以CCCC-CDIO为核心的医学信息实践教学模式探索

作为高等医药院校开办的计算机本科专业,医学信息学的教学有着与普通工科院校不同的医学氛围和信息技术特性。文章探讨如何从CDIO工程教育理念和实施体系的经典模式中提炼适合医学信息教学的关键因素,形成具有软件工程特色的CCCC-CDIO人才培养模式,提出进一步完善计算机专业知识体系结构,使其符合新的医学信息教学规范。     

浅议医学计算机教学模式

当前,我国医学计算机教学中存在一些问题,这些影响了教学效果的实现和教学目的的达成。针对我国医学计算机教学存在的问题,文章就改革我国医学计算机教学模式提出自己的建议,以期能够为我国医学计算机教学提供一定的帮助。     

医学图像处理虚拟实验室的研究与构建

医学图像处理是一门综合性学科,课程学习者需要具备相应的理论知识,同时也需要通过实验来验证相应的理论,这就给课程的教学和实验带来了许多困难。针对教学中存在的问题,设计并实现了一个基于Matlab和.NET平台的医学图像处理虚拟实验室,为理论和实验教学提供一个医学图像处理教学演示及虚拟实验的平台。实际使用的效果表明医学图像处理虚拟实验室能有效地解决教学中的问题。     

医学影像诊断学心血管系统教学方法探讨

医学影像诊断学是医学影像专业的主要课程,心血管系统影像诊断学是课程的主要组成部分,其教学难度相对较大,引导学生有兴趣的主动学习、积极思考非常重要。本文总结了作者在心血管系统影像诊断教学中的一些具体方法,并总结经验和体会,针对心血管系统的特点,浅谈教学中存在的难点。多种教学方法配合使用能让学生更好掌握心血管系统疾病的影像诊断学特征,加强综合认识,提高教学效果;有助于学生更好地掌握理论知识,提高阅片技能,培养学生独立思考的能力及主动发现问题、积极提出问题和解决问题的能力。目的是在有限时间内使学生掌握更多的知识,提高医学影像学教学质量。     

Medical image fusion: A survey of the state of the art

Medical image fusion is the process of registering and combining multiple images from single or multiple imaging modalities to improve the imaging quality and reduce randomness and redundancy in order to increase the clinical applicability of medical images for diagnosis and assessment of medical problems. Multi-modal medical image fusion algorithms and devices have shown notable achievements in improving clinical accuracy of decisions based on medical images. This review article provides a factual listing of methods and summarizes the broad scientific challenges faced in the field of medical image fusion. We characterize the medical image fusion research based on (1) the widely used image fusion methods, (2) imaging modalities, and (3) imaging of organs that are under study. This review concludes that even though there exists several open ended technological and scientific challenges, the fusion of medical images has proved to be useful for advancing the clinical reliability of using medical imaging for medical diagnostics and analysis, and is a scientific discipline that has the potential to significantly grow in the coming years.     

中国医学影像人工智能20年回顾和展望

在过去20年里,医学影像技术、人工智能技术以及这两项技术相结合的临床应用都取得了长足发展。中国在该领域的研究也取得卓越成就,并且在全世界范围内的贡献比例仍在逐步提高。为了记录和总结国内同行的科研成果,本文对中国医学影像人工智能过去20年的发展历程进行回顾和展望。重点分析了国内同行在公认的医学影像人工智能领域的国际顶级刊物Medical Image Analysis （MedIA）和IEEE Transactions on Medical Imaging （TMI）以及顶级会议Medical Image Computing and Computer Assisted Intervention （MICCAI）发表的论文,定量统计了论文发表数量、作者身份、发表单位、作者合作链、关键词和被引次数等信息。同时总结了近20年中国医学影像人工智能发展进程中的重要事件,包括举办的医学影像人工智能知名国际和国内会议、《中国医学影像AI白皮书》的发布以及国内同行在COVID-19（corona virus disease 2019）期间的贡献,最后展望了中国医学影像人工智能领域未来的发展趋势。上述统计结果系统性地反映了在过去20年里中国在医学影像人工智能领域所取得的突出成绩。许多研究论文的作者将数据和源代码公开给全世界共享,为全世界医学影像人工智能的科研和教学做出了杰出贡献。通过本文中国医学影像人工智能领域的发展历程,可为医学影像人工智能同行,尤其为新一代的学者和学生提供科研和教学参考,也为继续促进和加强国际合作交流,为全世界该领域进一步的蓬勃发展做出重要贡献。     

深度学习在医学影像中的应用综述

深度学习能自动从大样本数据中学习获得优良的特征表达,有效提升各种机器学习任务的性能,已广泛应用于信号处理、计算机视觉和自然语言处理等诸多领域。基于深度学习的医学影像智能计算是目前智慧医疗领域的研究热点,其中深度学习方法已经应用于医学影像处理、分析的全流程。由于医学影像内在的特殊性、复杂性,特别是考虑到医学影像领域普遍存在的小样本问题,相关学习任务和应用场景对深度学习方法提出了新要求。本文以临床常用的X射线、超声、计算机断层扫描和磁共振等4种影像为例,对深度学习在医学影像中的应用现状进行综述,特别面向图像重建、病灶检测、图像分割、图像配准和计算机辅助诊断这5大任务的主要深度学习方法的进展进行介绍,并对发展趋势进行展望。     

Tele-medical imaging conference system based on the Web

In this paper, a medical imaging conference system is presented, which is carried out in the Web environment using the distributed object technique, CORBA. Independent of platforms and different developing languages, the CORBA-based medical imaging conference system is very powerful for system development, extension and maintenance. With this Web client/server, one could easily execute a medical imaging conference using Applets on the Web. The Java language, which is object-oriented and independent of platforms, has the advantage of free usage wherever the Web browser is. By using the proposed system, we envisage being able to open a tele-conference using medical images, e.g. CT, MRI, X-ray etc., easily and effectively among remote hospitals.     

一种医学三维数据集中感兴趣空间邻域体快速分割方法

图像分割是一种重要的图像技术,一直以来都受到人们的普遍重视和研究,在各个领域也得到广泛的应用。随着影像医学的发展,图像分割在医学应用中的重要意义也越来越明显。从医学应用的角度出发,通过对阈值法与区域生长法做出改进,提出一种感兴趣空间邻域体的快速分割方法,该方法有效结合从医学三维数据集中获得的感兴趣空间邻域体的二维切片图像及其空间信息,是一种半自动的分割方法。     

光学分子影像关键技术及应用研究

光学分子影像成为近年来医学影像学研究中的新兴热点之一,其以靶向性的分子影像探针为先决条件,以新兴成像模态为发展特色,以多模态分子影像技术为核心内容,以分子影像手术导航为应用出口,在预临床和临床应用方面都取得了突出的进展。在分子影像探针方面,靶向性的光学分子影像探针在疾病的诊断和治疗研究与应用中得到越来越多的关注。契伦科夫成像作为一种新型的光学分子成像模态,可以实现肿瘤的高灵敏早期检测与精准定位。在多模态分子影像方面,以光学为核心有机融合结构与代谢信息的多模态分子成像技术成为医学影像技术发展的前沿,研发实现结构、功能和分子影像数据的同机获取的光学多模态分子影像成像设备,为生物医学领域的研究提供更精细、更全面的生理病理信息。在分子影像手术导航方面,光学分子影像作为一种非入侵式的成像技术,实现手术过程中对肿瘤及病灶组织边界的实时、精准定位,有效的为外科医生提供辅助,从而提高患者的生存率。总之,光学分子影像技术的不断发展,为疾病的精确诊断与个性化治疗提供新的手段。     

基于本体的医学影像信息整合

计算机可理解的统一信息模型是基于语义的医学影像检索研究的数据基础. 讨论了医学影像及其相关信息使用中存在的数据异构、图像标注术语及语法不一致及数据格式不支持现有数据挖掘和图像语义检索的问题, 提出了一种基于本体的医学影像信息集成方案. 在分析医学影像信息来源及其关系基础上, 结合领域专家知识, 使用斯坦福大学提出的本体构建“七步法”设计了医学影像信息本体模型, 实现了本体模型的持久化、原始数据提取和数据整合, 解决了医学影像信息使用中存在的问题, 该信息模型已用于医学影像检索系统中.     

A new multi criteria decision making approach for medical imaging systems considering risk factors

Effective and good quality imaging is important for medical decision-making and can reduce unnecessary costs and procedures. Therefore, decision making regarding any technology can present serious problems for healthcare centers with multi criteria decision making problems (MCDM). This paper is the first to develop the fuzzy axiomatic design with risk factors (RFAD) approach and to use it in multi attribute comparisons of medical imaging systems in a university hospital. Although most MCDM approaches in the literature treat risk factors as separate criteria, in real life every alternative has its own risks related to each criterion. The proposed approach integrates the risk factors in each criterion and calculates the information content to compare alternatives. This paper applies three different approaches to MCDM problems related to the selection of medical imaging systems for a university hospital.