基于深度学习的医学影像分割研究综述

医学影像分割是计算机辅助诊断中的一项基础且关键的任务,目的在于从像素级别准确识别出目标器官、组织或病变区域。不同于自然场景下的图像,医学影像往往纹理复杂,同时受限于成像技术和成像设备,医学影像噪声大,边界模糊而不易判断。除此之外,对医学影像进行标注极大依赖于医疗专家的认知和经验,因此可用于训练中的标注数据少且存在标注误差。由于上述的医学影像边缘模糊不清、训练数据较少和标注误差较大等特点,基于传统图像分割算法搭建的辅助诊断系统难以满足临床应用的要求。近年来随着卷积神经网络（CNN）在计算机视觉和自然语言处理领域的广泛应用,基于深度学习的医学影像分割算法取得了极大的成功。首先概述了近几年基于深度学习的医学影像分割的研究进展,包括这些医学影像分割算法的基本结构、目标函数和优化方法。随后针对医学影像标注数据有限的问题,对目前半监督条件下医学影像分割的主流工作进行了整理归纳和分析。此外,还介绍了针对标注误差进行不确定度分析的相关工作。最后,总结分析了深度学习医学影像分割的特点并展望了未来的研究趋势。     

基于C/S结构的计算机辅助诊断系统设计

根据医学影像临床诊断实际需求，基于C/S结构设计了计算机辅助诊断系统的整体架构和系统工作流程。使用Python编程语言，并通过TCP/IP协议、Twisted异步框架、RabbitMQ消息中间件等技术实现了所设计的服务器端和客户端的主要模块与功能。所开发的计算机辅助诊断系统具有影像读取浏览、影像手动分割、影像自动分割、影像诊断、诊断报告生成等功能，能够辅助医生进行医学影像诊断，降低医生的工作负担，提高诊断准确率和速度。     

基于目标检测算法的肺结节辅助诊断系统

据统计,肺癌在全世界范围内是发病率、致死率最高的疾病之一。随着计算机辅助诊断系统（CAD）和卷积神经网络（CNN）的成熟化,医疗领域的诊断治疗也逐渐智能化。本文提出一种基于目标检测算法的肺结节自动检测方法,并提出一套将阈值分割算法和数字形态学处理相结合的肺实质CT影像处理流程。对LUNA16数据集中的1186个肺结节进行训练和学习,观察YOLO V3模型在数据集中的评价结果来验证模型,实验结果准确率达到92.18%,每张图片平均检测时间为0.035 s。与现有的肺结节检测算法SSD、CNN、U-Net等模型进行对比试验,以验证YOLO V3模型的有效性。同时本文基于CAD技术设计肺结节辅助诊断系统,实现人机交互,为医生提供简单明了的辅助诊断工具。     

GPGPU技术及其在医学图像处理中的应用

介绍通用图形处理器技术（GPGPU）技术的基本原理及其特点,分析其在医学影像领域的应用,并对医学图像处理常用的卷积滤波算法和各向异性扩展滤波算法进行优化及实验。结果表明,此技术可以极大地提高图像处理的速度,使得普通计算机上也可实现复杂的医学影像处理与可视化应用。     

一个面向医学影像理解的研究与开发平台

近年来,面向应用的软件开发平台正在越来越有力地支持着用户实现各类复杂应用系统的设计与开发.面向医学影像理解的研究与开发平台(MedRDP)是一个支持医学影像数据管理、医学影像理解、算法复用、算法模拟和算法集成的环境.本文提出了一个具有高复用、易操作特点,并由用户接口层、功能组件层、执行服务层和数据管理层四个层次构成的多层框架结构,描述了平台的应用及其主要的功能实现.     

基于Client／Server的课件系统的设计与实现

文章论述了基于Client／Server的智能计算机辅助教学（ICAI）的实现技术，据此采用VB、SQLServer、IIS等开发平台．建立了一个用于高等数学教学的ICAI试验系统。     

基于云计算的医学影像处理与3D打印平台

随着现代计算机辅助技术与医学成像系统的发展,临床医生对医学影像处理、三维可视化以及新兴技术的引入提出了更高的要求。医学影像处理软件,作为满足以上临床需求的主要手段,成为了近年来的研究热点。本文介绍了一款自主研发的、基于云计算的医学影像处理与3D打印平台。该平台不仅实现了云端数据管理、模型重建、三维可视化、手术规划、3D打印与工程服务等诸多功能,还充分预留了下一代应用如手术导航与混合现实的开发接口。     

医学图像计算机辅助诊断数据平台研究

计算机辅助诊断系统,是现代医疗事业广泛应用的数字化平台,其应用实现了医疗诊断数据的全面分析,大大提高了疾病诊断准确率,是现代社会医疗事业中不可缺少的部分.本文对计算机辅助诊断数据平台的研究,主要从医学图像应用方面进行分析,为我国医疗的进步提供了技术研发的新领域.     

基于组件的医学影像处理算法平台的实现

随着ITK和VTK的成功,很多知名公司与学术机构也投入大量的人力和物力来研究开发自己的医学影像算法平台,并取得一定的进展.但是,目前大部分医学影像处理算法平台只能用文本编程,不但需要用户有一定的编程水平,而且还要进行不必要的重复编码.针对上述问题,设计并实现了一个能够可视化编程的医学影像处理算法平台,通过对该平台组件的形式化描述,提出了树形数据流模型及遍历方法,并给出平台的语法规则-扩展数据流编程语言的形式化描述.在该平台下,用户可以通过定义和连接各种代表不同图像处理功能的组件来创建程序,不但使非编程人员也能开发出复杂的医学影像处理算法,而且提高了算法的重用性.     

基于眼底视网膜照片的计算机辅助诊断

介绍基于眼底视网膜照片的计算机辅助诊断技术的发展,分析和评述了计算机辅助诊断系统的组成和关键技术。从图像预处理、血管和病理损伤的分割、特征提取、模式识别和对计算机辅助诊断系统的评价等几个方面,介绍了近年来基于眼底视网膜照片的计算机辅助诊断技术取得的研究成果。各环节中多种方法的联合使用将成为计算机辅助诊断的发展趋势。     

几种滤波算法在医学图像上的实现

文中研究的目的是通过滤噪来改善图像质量,便于医生分析CT图像和实现计算机辅助诊断对医学图像的预处理。采用均值滤波、中值滤波、自适应滤波算法对医学图像进行噪声处理。不仅提供了算法的程序代码,还通过Matlab平台进行了模拟实验。实验结果表明,均值滤波算法的滤噪能力和保护图像细节能力不及中值滤波算法,自适应中值滤波算法处理效果优于其他两种滤波算法。结论是文中所研究的几种滤波算法在医学图像上滤噪是可行且有效的。     

医学影像计算机辅助检测与诊断系统综述

计算机辅助检测/诊断（Computer-aided Detection/Diagnosis, CAD）能提高诊断准确性,减少假阳性的产生,为医生提供有效的诊断决策支持.本文的主要目的是分析计算机辅助诊断工具的最新发展.文章以CAD研究较多的四大致命性癌症的发病医学部位为主线,按不同的成像技术和病类,对目前CAD在不同医学图像领域的应用进行了较为详尽的综述,从图像数据集、算法和评估方法等方面作多维度梳理.最后分析了医学图像CAD系统研究领域目前存在的问题并对此领域的研究趋势和发展方向进行展望.     

基于遗传算法和BP神经网络的孤立性肺结节分类算法

为了提高计算机辅助诊断系统中孤立性肺结节的良恶性诊断的准确性,提出了一种基于遗传算法和BP神经网的分类算法。该算法针对BP神经网络容易陷入局部最优的问题,综合考虑孤立性肺结节的医学诊断特性,采用遗传算法对基于BP神经网络的分类器进行优化,并通过对PET/CT图像进行处理,提取病灶的功能特征、结构特征以及临床信息作为神经网络分类器的输入样本,实现孤立性肺结节的良恶性分类。对医院以及网络公共数据库中的大量实验数据进行分类实验,结果表明优化后的算法在分类准确性上有较大的提高,说明该方法在肺结节临床分类方面是有效的。     

Surgical Robotics: An Introduction

Surgical robots assisting surgeons during operations are being used in selected medical fields like neurosurgery, orthopaedics and endoscopy. In an introductory part, the authors present a workflow for robot assisted surgery, which includes the steps: image data acquisition, image processing, surgical planning and the actual robot assisted intraoperative transposition. Each step of the workflow comprises different computer aided methods and apparatuses, which are presented in this paper. The following part focuses on different mechanical set-ups and various application fields for surgical robots. They include neurosurgery, orthopaedic surgery, radiosurgery and radiotherapy, prostatectomy, endoscopy, laparoscopy, cardiac surgery and craniofacial surgery.     

基于计算机辅助的医学图像测量与控制方法研究

医学图像常规检查中,需要对目标图像进行测量以获取相关数据。测量主要集中在对距离,面积,角度以及周长等数据的获取。由于医学检测的严谨性,数据准确,方法简便是必不可少的要求。随着计算机技术的发展,其在医学中的应用也得到了广泛的推崇。计算机辅助的医学图像测量不但替代了传统的手工测量方式,也极大地提高了测量的精度与效率。分析医学图像测量算法,针对如何确定目标区域的问题设计了颜色填充的方法,可有效区分出目标区域图像。为了提高该算法的效率,进一步提出了其改进算法,降低了算法执行次数,提高了系统性能。     

基于Ncut分割和SVM分类器的医学图像分类算法

为解决医疗诊断中由于疲劳和主观因素影响导致的诊断错误,本文提出了基于Ncut分割方法的医学CT图像的分割、特征提取和诊断的新方案.将Ncut分割方法应用于脑CT图像.先进行图像分割,提取感兴趣区域,再从边缘、灰度,纹理三方面提取特征,最后利用支持向量机(SVM)对图像进行分类,为医生的诊断提供参考.从表格化的分类结果看,所提方案有较大的应用价值.     

面向CCSDS协议的未知协议逆向工程

空间数据系统咨询委员会(CCSDS)标准协议是国际主流的空间天地链路通信协议,面向CCSDS协议的未知协议逆向工程,可以对卫星天地链路中的未知通信流进行行为分析,也有助于发现和分析针对空间站等国际联网实体的攻击。设计了一种CCSDS协议框架下的未知协议逆向工程分析系统,主要包括系统的架构设计和流程设计。针对该流程中未知协议会话报文字段的迭代式进化树聚类所导致的算法开销过大问题,提出了一种基于反馈型动态豫迟因子的仿射传播聚类算法。仿真实验结果表明,该算法相比通常的非权算术平均聚类算法可以有效提高针对未知协议的逆向工程效率。     

An interactive medical image segmentation system based on the optimal management of regions of interest using topological medical knowledge

This paper presents an original interactive system for efficient medical image segmentation in computer aided diagnosis. The main originality concerns the method used to manage, according to an a priori topological-based structural model, regions of interest (ROIs) within which computations can be constrained. The goal is then to avoid the processing of irrelevant image points, therefore improving and accelerating segmentations. In the case of a hierarchical modeling procedure, our ROI management method enables, for delineating a given medical structure, to optimally determine image points of interest by taking previously segmented structures into account. We propose a mathematical formulation of the method as well as a possible implementation within an interactive system. We also detail an experience report focussing on the segmentation of several abdominal structures from a CT image. It illustrates the behavior and the potential of our method.     

一个基于软件Agent的工艺工作流系统

先进制造模式对工艺设计提出了过程管理的要求,基于工作流技术和软件Agent技术,设计了一个能有效实现过程管理的计算机辅助工艺设计系统,通过对工艺流程的分析,建立了形式化的工艺工作流模型,在此基础上,定义了包括过程、意向、技能、熟人等模型的实现工作流运行的软件Aent模型,构造了可嵌套的Agent联邦结构,增强了系统的灵活性,上述关键技术在自主开发的商品化软件GS-CAPP中得以实现。     

医用内窥镜图像计算机辅助诊断研究进展

内窥镜作为一种重要的医学诊断工具,广泛地应用于多种疾病的诊断和筛查。随着电子内窥镜的广泛应用,基于图像处理技术的计算机辅助诊断算法不断地涌现。就应用于医用内窥镜图像的计算机辅助诊断研究进展予以综述,分别总结了基于人选特征和基于卷积神经网络的内窥镜图像分析方法,最后分析了两类方法在处理内窥镜图像时的优势与缺点。