彩色眼底图像视网膜血管分割方法研究进展

视网膜血管分割方法是眼科计算机辅助诊断和大规模疾病筛查系统的基础,文中讨论了基于彩色眼底图像的视网膜血管分割方法研究进展.概述了该领域的背景意义、常用标准库、性能衡量指标、采用的主要算法及其优缺点,旨在快速地引导研究人员了解本领域研究内容.视网膜血管分割方法可分为基于血管跟踪的方法、基于匹配滤波的方法、基于形态学处理的方法、基于形变模型的方法和基于机器学习的方法等5大类,各类方法都各有特点,为后期研究提供了基础.其中基于机器学习的方法是目前最重要的分割方法,以数据驱动的方式为眼科辅助诊断系统提供依据.尽管研究人员已经做了大量工作,视网膜血管分割依然有进一步提高精度和效率的空间.眼底图中其他生理结构和各种病灶的干扰,微小血管、视盘内血管、新生毛细血管网等的分割,都是血管分割问题中有待解决的难点.     

不确定性推理技术在医学诊断中的应用研究

介绍了不确定性推理技术中几种主要方法,根据不同医学诊断的特点,设计了基于动态模糊逻辑和加权模糊逻辑相结合的计算机辅助医学诊断系统,最后通过一个实例说明了该方法的有效性。     

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。     

肺结节DR图像的计算机辅助诊断技术

在胸部DR图像中,肺结节一直是备受关注的焦点,其早期检出及良恶性的鉴别对肺癌的早期诊断和治疗尤为重要。但是由于肺结节形态多变,大小各异以及位置不固定等因素,其检测诊断一直是放射学家的一个难点,随着计算机辅助诊断逐渐成为医学领域的研究热点之一,越来越多的学者致力于开发肺结节的计算机辅助诊断系统,利用计算机辅助诊断系统提高医生在肺结节检测和诊断上的准确率和减少漏诊率。本文介绍了计算机辅助诊断系统的构成,重点讨论了计算机辅助检测和诊断的关键技术,最后采用实验对胸部DR图像进行了肺结节的识别工作。     

基于眼底图像的糖尿病视网膜病变分类系统设计

针对眼底图像,设计了一个糖尿病视网膜病变(Diabeticretinopathy,DR)分类系统,通过对视网膜血管图像进行定量分析来实现对DR病程的分类.采用Messidor数据集的眼底照片图像,这个数据集共包含100个研究项目,其中32张未患DR的眼底照片,24张患NPDR.根据数据集中DR患者和非DR人群的眼底图像以及眼科专家的分类结果,利用数字图像处理技术分析特征值的统计意义,判断该图像所反映的DR病程.预处理为提取特征值前的图像增强、主像素成分分析、匹配滤波以及Gabor滤波,对预处理后的图像进行直径、角度和分形维数等特征值提取.最终结果展示了直径、角度和分形维数的准确率达到了93％、96％、81.8％,提供有效的辅助诊断手段.糖尿病视网膜病变的特征值分析包括直径、角度和分形维数准确率较高.对于缺乏医疗条件的地区很有价值.     

基于PST和多尺度高斯滤波的视网膜血管的分割

视网膜血管分割是眼科计算机辅助诊断和大规模眼科疾病筛查系统的基础。为辅助眼科医生进行眼底疾病的诊断，文中提出了一种基于相位拉伸变换(PST)和多尺度高斯滤波的视网膜血管分割方法。首先，将彩色眼底影像的绿色通道分量图进行增强预处理；然后采用不同尺度的高斯滤波器对预处理增强后的视网膜血管进行降噪处理，再结合PST边缘检测算法初步获得视网膜血管分割图；最后整合初步获得的视网膜血管分割图并进行形态学去噪，获得最终的视网膜血管分割图。通过在视网膜图像库DRIVE上进行实验，其平均准确率为93%，平均灵敏度达77%，平均特异性为95%，该实验结果验证了文中方法的有效性。     

支气管扩张CT影像计算机辅助诊断研究综述

支气管扩张症是一种常见的慢性呼吸道疾病,严重影响患者的生活质量,带来了沉重的社会经济负担。随着人工智能的发展,可利用计算机视觉领域的目标检测技术辅助诊断这类疾病。报告了支气管扩张症人工智能诊断系统的研究现状,介绍了支气管扩张症的临床诊断方式,并基于此提出了计算机辅助诊断该类疾病的诊断技术路线,总结了CT影像噪声抑制、肺实质提取、肺叶分割的传统和深度学习方法,针对支气管扩张金标准数据集匮乏的问题,从两个方面综述了目标检测应用于计算机辅助诊断的问题及挑战,详细比较了不同算法的特点和适用场景。最后讨论了未来可能的发展趋势。     

视网膜血管图像分割及眼底血管三维重建

眼底视网膜图像的血管分布情况为高血压、糖尿病等疾病的早期诊断提供了重要依据. 计算机处理眼底图像可以减少医生的重复劳动. 本文提出了一种新的眼底视网膜血管图像分割算法. 利用构建的局部归一化方法消除视网膜血管图像背景的差异性. 利用期望最大化算法进行聚类, 实现了眼底视网膜血管图像分割. 最后, 根据眼底图像成像原理, 通过投影逆变换构建了眼底视网膜图像的三维模型. 构建的模型可以进行多角度观察分析.     

儿童运动协调障碍AI诊断系统研究综述

运动协调障碍是儿童生长发育过程中的一种高发问题,严重影响儿童身心健康并对成年后的远期健康造成多种不良影响。随着人工智能的发展,可利用计算机视觉领域的人体姿态估计和动作识别技术辅助诊断这类疾病,有利于提升医疗普惠程度和医疗效率,对缓解医疗资源不足有着重要意义。报告了儿童运动协调障碍AI诊断系统的研究现状,介绍了儿童运动协调障碍的临床诊断方式,并基于此提出了计算机辅助诊断该类疾病的诊断技术路线,总结了人体姿态估计和动作识别任务的深度学习方法,分析了目前主流使用的人体姿态估计与动作识别任务评估指标与其对应数据集,讨论了其应用于计算机辅助诊断的问题及挑战。     

模糊逻辑技术在医学诊断中的应用研究

介绍了不确定性推理技术中几种主要方法,并分析了各种方法的优缺点。根据目前医学诊断中存在的问题及不同医学诊断的各自特点,设计了基于模糊逻辑的计算机辅助医学诊断系统,主要介绍了其中采用的动态模糊逻辑和加权模糊逻辑相结合的方法。该方法不仅能够帮助医生初步确诊疾病,而且能够分析出引起某种疾病变化的主要原因,从而帮助医生提高业务水平,提高其诊断的速度,减少误诊率。