早期食管癌的计算机辅助诊断系统

本文针对早期食管癌的临床诊断问题，提出了一个有效的计算机辅助诊断系统，对癌细胞图象通过一系列的图象预处理、分割等步骤，提取出反映细胞是否癌变的多个特征参数，为专家的最后判别提供准确、可靠的科学依据。本系统对医院实际病例的上百个细胞进行了实验，结果达到了预期的效果，可以作为临床诊断的辅助手段。系统的涂片制作方法简便，易于临床推广应用，     

嫁接决策树用于相似疾病诊断研究

对于相似性疾病的区别诊断,年青医师可能缺乏经验,经验丰富的医师可能由于经验而容易忽视。如何利用数据挖掘领域中的决策树方法对相似性疾病的诊断给予辅助是本文的目的。本文基于疾病的诊断规则表通过嫁接决策树方法,实现在一棵决策树上对多种相似疾病进行诊断,使医师快速找到疾病判别的分界点,尽早确定较有针对性的诊断方案,避免误诊和医疗资源的浪费,以及缩短病人就诊周期,减轻患者病痛和经济负担。嫁接决策树也可以提高医师对患者可能同时患有多种疾病或存在最可能演化的另一种病种的警觉性,有助于尽早检查或做好预防。     

医学影像计算机辅助分析系统的设计与应用

计算机技术的高速发展使得软件在各个行业领域中的应用已经越来越广泛,尤其在医学图像处理领域,合理有效的医学图像可以为临床医师的诊断提供有力的依据,医学图像已经成为现代医学不可或缺的一部分。本文以MATLAB为基础,设计并实现了一种便携式医学影像计算机辅助分析系统,充分利用了MATLAB图像处理工具箱、以及MATLAB提供的GUI开发界面。为医院医技科室提供了一个操作简单,携带方便,功能丰富的影像处理分析系统,有效的辅助了医师和技师的医学图像处理工作,也为高校医学图像处理教学改革提供了新的思路。     

基于BP神经网络的睡眠呼吸综合症智能检测系统

提出了应用BP网络对睡眠呼吸暂停病症进行检测的技术方法。考虑到临床检测采集具有数据量大，伴有噪音干扰等特点，采用BP网络，其并行性、客错性较好，具有较强的自适应性及通过实例学习的能力，有助于克服单个诊断医师在知识获取方面存在的“瓶颈”问题。开发出来的睡眠呼吸综合症智能检测系统可以选择采集好的病人样本数据进行自学习，建立病人的特征模型，自动进行数据分析和异常情况的识别与分类，对病人的患病率进行预测。通过实验测试，该系统预测的准确率在88．5％左右，高于单纯的人工诊断，并显著提高了诊断效率。     

Ensemble集成平台下医疗质量考核指标数据提取的应用

针对综合医院医疗质量考核研究,目前偏向于医院整体或是医师个体医疗质量评价指标体系的确定与权重的计算. 在提取指标数据方面大多采用半自动化录入汇总或使用同一个系统现有数据方式,提取结果不满足综合医院临床医师三级分组管理模式的要求. 提出在Ensemble集成化平台下,采用Webservice+Xml接口集成方式,集成医院内部多个异构医疗子系统,自动提取出临床科室医师动态分组信息、各分组及组内各成员的医疗质量考核指标数据. 实验结果是自动提取到某临床科室各分组及组内各医师部分医疗质量考核指标数据. 结论是此研究为综合医院各临床科室提供了新的面向团队小组的考核方式及量化的数据依据.     

心电节拍自动分类算法的研究

世界卫生组织调查发现在全球范围内心血管、心脏疾病是导致死亡概率最高的疾病,心电图(ECG)是临床上广泛应用的预防、监护和诊断心血管及心脏疾病的重要工具之一。心电自动分析诊断技术可以大大减少心电医师的工作量,提高心电图的诊断效率,其中心电节拍(ECG Beat)分类是心电自动分析诊断技术的主要研究方向,是自动分析心律失常的一种重要分析手段,特别是在动态心电图或者长期心电记录领域发挥着重要的作用。本文提出一种心电节拍分类算法,该算法在聚类分析的基础上,结合线性分类器加权判断和心电医师对各聚类的抽样判断,获得心电节拍的最终分类。以MIT-BIH-AR[1]心律失常数据库作为原始数据,采用AAMI的ANSI/AAMI EC57:1998/(R)2003[2]标准规定的心电节拍分类种类及准确率的衡量方法,对该算法的检验,发现采用聚类分析和线性分类器加权判断的方法,分类的准确率达到86.60%;结合心电医师的抽样判断后,算法最终的准确率高达98.16%。     

改进Xception模型的乳腺钼靶图像识别研究

乳腺X线摄影技术是早期发现乳腺癌的主要方法,但其结果很大程度上受放射科医师临床诊断经验的限制;基于卷积神经网络对乳腺钼靶图像自动分类的研究可以为放射科医师临床诊断提供意见,然而乳腺癌肿块边缘模糊且良恶性肿块特征差异较小,分类任务面临重重挑战;为了提高乳腺钼靶图像分类的准确率,提出一种基于Xception模型的改进优化算法,改进模型中的残差连接模块,并嵌入Squeeze-and-excitation（SE）注意力机制对模型进行优化;采用优化后的Xception模型并结合迁移学习算法进行乳腺钼靶图像特征提取,并优化全连接层网络进行图像分类,使用公开的乳腺癌图像数据库CBIS-DDSM进行实验,将乳腺钼靶图像自动分为良性和恶性;实验结果表明该方法可以有效提高模型的分类效果,准确率和AUC分别达到了97.46%和99.12%。     

基于SVM的偏瘫患者异常步态识别与临床康复辅助诊断系统

针对脑卒中偏瘫患者的异常步态识别与评估的问题，提出一种基于支持向量机(SVM)的步态分类方法，依据患者下肢行走过程中的连续运动数据对异常步态的细节特征描述，对偏瘫步态进行细分，辅助临床医师对脑卒中患者肢体运动功能异常进行诊断及康复疗效评定。构建穿戴式步态时空参数检测及虚拟现实康复训练系统，提出基于下肢关节角度信息的特征提取方法，建立运动信号与偏瘫步态间的映射关系。基于偏瘫患者在康复治疗中的临床实时步态时空数据，通过对比多种机器学习方法，采用多项式核函数的支持向量机的决策融合模型获得了90%异常步态识别平均准确率，在区分正常与异常步态的基础上，进一步验证了对划圈步态和膝过伸步态的正确诊断。     

SPECT断层显象心肌中心和内外膜半径的确定

提出了一种自动计算单光子断层扫描仪（ＳＰＥＣＴ）心肌短轴图象心肌中心和内外膜半径的方法。该方法基于对心肌边缘位置信息的统计分析和非线性最优化拟合算法，具有可靠性好、精度高、速度快等优点。结果同有经验的医师手工确定的中心位置基本一致，有较高的临床应用价值     

基于案例推理的门诊辅助诊断系统的设计

该文根据门诊诊断的一般过程,引入基于案例推理(CBR)技术,克服了医生在诊疗过程中的局限性,提高了准确性。系统设计符合门诊诊断的一般过程,有助于提高医师诊断过程的自动化水平。     

基于Petri网的混杂系统监控与诊断方法

本文针对混杂系统提出了监控与诊断的集成概念，在此基础上进行了DMF回收蒸发罐运行过程的监控与诊断；建立了描述生产过程混杂特性的HPN信息模型和用于诊断决策的控制器模型，探讨了设备故障和连续参数大的扰动的合成传播问题，仿真结果说明了本文设计方法的有效性。     

一种基于神经网络的电路故障诊断方法

本文提出了利用遗传算法优化神经网络各层权值的方法，并以实际电路为例进行了仿真分析，从仿真结果可以看出，本文方法能对电路故障进行准确的诊断，而且具有较强的抗噪声能力，为电路故障的诊断应用提供了一定的有意义的研究。     

DICOM医学图像胶片输出技术的实现

胶片打印在医院正常工作中占有非常重要的位置。为了在脱离各种医学模态设备时能方便地输出影像胶片，提高医生的诊断效率和诊断的灵活性，在DICOM的基础上，着重分析了打印管理部分的技术构成和技术原理，借助于DCMTK工具和socket通讯编程技术，在Visual C＋＋6平台上实现了DICOM影像的胶片打印。程序在实际应用中取得较好的效果，得到了影像科医师的肯定。     

基于X线的成人OSA计算机辅助诊断综述

阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea,OSA）是成年人较为常见的呼吸类疾病之一,该疾病的特点是睡眠过程中频繁出现上气道完全或部分塌陷,严重影响人们的睡眠质量以及身体健康。阻塞性睡眠呼吸暂停综合征的诊断主要依靠多导睡眠监测,但这种方法无法满足目前大量的诊断需求。随着人工智能的出现及发展,假设深度学习可以有效地协助医生进行诊断该综合征。主要从阻塞性睡眠呼吸暂停的临床诊断方式出发,介绍了颅面侧位片作为诊断数据集的优势,以及人工智能诊断OSA的现状,提出了人工智能辅助医师诊断OSA的技术路线,分析了目前该诊断系统仍然存在的问题和挑战。     

面向房颤分析的左心房分割方法综述

房颤是一种起源于心房的心脏疾病。据估计全球有超过3 000万人受其影响,虽然通过治疗可以降低患病风险,但房颤通常是隐匿的,很难及时诊断和干预。房颤的诊断方法主要有心脏触诊、光学体积描记术、血压监测振动法、心电图和基于影像的方法。房颤类型主要为阵发性房颤,前4种诊断方法不一定能捕捉到房颤发作,而且诊断周期长、成本高、准确率低及容易受医生的影响。左心房的解剖结构为房颤病理和研究进展提供了重要信息,基于医学影像的房颤分析需要准确分割左心房,通过分割结果计算房颤的临床指标,例如,射血分数、左心房体积、左心房应变及应变率,然后对左心房功能进行定量评估。采用影像的方法得出的诊断结果不易受人为干扰且具有处理大批量患者数据的能力,辅助医生及早发现房颤,对患者进行干预治疗,提高对房颤症状和临床诊断的认识,在临床实践中具有重大意义。本文将已有的分割方法归纳为传统方法、基于深度学习的方法以及传统与深度学习结合的方法。这些方法得到的结果为后续房颤分析提供了依据,但目前的分割方法许多都是半自动的,分割结果不够精确,训练数据集较小且依赖手工标注。本文总结了各种方法的优缺点,归纳了目前已有的公开数据集和房颤分析的临床应用,并展望了未来的发展趋势。     

DICOM医学图像胶片输出技术的实现

胶片打印在医院正常工作中占有非常重要的位置。为了在脱离各种医学模态设备时能方便地输出影像胶片，提高医生的诊断效率和诊断的灵活性，在DICOM的基础上，着重分析了打印管理部分的技术构成和技术原理，借助于DCMTK工具和socket通讯编程技术，在VisualC＋＋6平台上实现了DICOM影像的胶片打印。程序在实际应用中取得了较好的效果，得到了影像科医师的肯定，具有较高的应用价值与推广价值。     

应用微机对普通医疗电子设备进行智能化

1引言随着科学技术的发展，一个现代化的医院医疗电子设备水平的高低，在很大程度上决定了医生临床诊断和治疗水平的高低。目前，国外的医疗电子仪器都向着智能化、自动化及高可靠性的方向发展。而我国医院中辅助诊断的主要医疗电子设备（例如，心电图机（ECG）、脑电图机（BEG）、心向量图机（VCG）等）大都是将人体的电生理信号拾取放大滤波后打印在特定的记录纸上以供医生诊断。诊断结果的精度既．取决于医生的临床经验，还取决于医疗设备的测试精度及可靠程度，这就很难从根本上保证诊断结果的正确性。另外，这种昂贵的记录纸也提高…     

基于SENet和GBDT的改进CNN视网膜疾病多分类

由于对眼底视网膜图像进行人工诊断分类时存在效率低、漏诊、误诊等情况, 为辅助医师辨别多种疾病的眼底筛查结果, 降低漏检及误检率, 提出一种基于注意力机制SENet的卷积网络模型和GBDT梯度提升的分类方法来解决视网膜疾病分类问题. 该模型在深度学习模型的基础上, 利用采样卷积网络对提取的视网膜出血、视盘水肿、黄斑区病变这3种特征进行学习, 通过GBDT梯度提升的方法进行识别和分类, 并采用大连市第三人民医院提供的真实临床数据对所提方法的性能进行评价. 结果表明, 该模型在平均准确率, 精确率和召回率分别达到99.27%, 98.35%, 0.9810, 在视网膜疾病临床诊断中具有一定的实用价值.     

基于案例推理的医疗诊断技术研究

随着医院信息系统的不断深入。以临床信息为主的信息管理系统逐渐成为医院信息系统建设的主流。利用信息系统在信息管理方面的优势，充分挖掘其信息资源，为临床医、教、研提供深层次资料，是临床管理信息系统中必不可少的一部分。为此本文将人工智能中较为成熟的技术——案例推理引入医疗诊断。对其中的关键技术及功能进行了设计。为提高临床的诊疗水平及经验交流提供了一个有效的方法。     

基于5G+改进的人工智能算法的肠道息肉自动识别检测

为了辅助提高消化内科内窥镜临床医师对肠道息肉的检测客观识别率和效率，开发了一种肠道息肉自动识别检测系统。在医师进行内窥镜检测时，可以自动识别和标记肠道息肉，并可以自动保存至系统。以YOLOv5算法为基本框架，引入了Ghost模块和混合注意力机制，提高了该算法对肠道息肉的检测能力。同时，该系统结合5G技术，可以将移动手机端作为采集病理的前端设备，更加便捷高效地实现对息肉的检测应用。