医用耗材分类编码工作会在京召开

11月24日,中国医学装备协会和中国物品编码中心在京联合召开医用耗材分类编码工作会。来自食药监总局医疗器械标准管理中心、北医三院的专家及企业代表参加了本次会议。     

Local adaptive segmentation algorithm for 3-D medical image based on robust feature statistics

Medical image segmentation is of pivotal importance in computer-aided clinical diagnosis. Many factors, including noises, bias field effect, local volume effect, as well as tissue movement may affect the med- ical image, thus causing blurring or uneven characteristics when forming a picture. Such quality defects will inevitably impair the gray-scale difference between adjacent tissues and lead to insufficient segmentation or even leakage during tissue or organ segmentation. In the present investigation, a local adaptive segmentation algorithm for 3-D medical image based on robust feature statistics （LARFS） was proposed. By combining segmentation algorithm principles for traditional region growing （RG） and robust feature statistics （RFS）, the location and neighborhood image information of input seed point can be comprehensively analyzed by LARFS. Results show that, for different segmentation objects, under controlling the input parameter of growing factor within certain range, LARFS segmentation algorithm can adapt well to the regional geometric shape. And be- cause the robust feature statistics is applied in the contour evolution process, LARFS algorithm is not sensitive to noises and not easily influenced by image contrast and object topology. Hence, the leakage and excessive segmentation effects are ameliorated with a smooth edge, and the accuracy can be controlled within the effective error range.     

基于通道注意力机制和U-net的医学图像分割方法

随着人工智能和医学大数据的发展,基于深度学习的医学图像分割技术因具有重要的应用价值和前景,已经成为目前的研究热点.为了增强特征图的语义信息,在U-net网络的基础上引入通道注意力机制,对U-net生成的特征逐通道进行压缩,将压缩后的特征逐通道计算权重,然后将该权重与原始特征相乘得出最终的特征.通过在两个不同器官的医学图像数据集上进行实验,Dice系数相较于原始U-net网络分别提高了2.7％和1.8％,验证了该方法的可行性和有效性.     

基于深度学习的医学图像配准技术研究进展

医学图像配准技术对于病灶检测、临床诊断、手术规划,疗效评估等有着广泛的应用价值。系统性地总结了基于深度学习的配准算法,从深度迭代、全监督、弱监督到无监督学习的研究发展趋势,分析了各种方法的优势与局限。总体来看,无论是对数据的要求、配准精度,还是计算效率,无监督学习因其不依赖金标准和解剖标签,采用端到端的网络配准框架就可以自动执行需要的任务等优势成为研究的主流方向。然而,基于无监督学习的医学图像配准方法在医学图像领域的可解释性、跨模态多样性和可重复可扩展性方面同样面临着一些研究难点和挑战,这为将来实现更精准的医学图像配准方法指明了研究方向。     

基于VTK的医学图像可视化设计与实现

本文在VTK类库提供可视化与实现的基础上,首先运用卷积神经网路实现器官的识别与分割,然后分别采用移动立方体算法和光照投影法进行了器官图像的重建工作.本文提出识别与分割的方法达到了94.3%的准确率,重建工作可满足对医学图像与可视化的需要.     

专家介绍

<正>秦小云,1964年12月生,广西科技大学医学院人体解剖学教授,硕士研究生导师。1986年广西医科大学临床医学专业本科毕业,1989年广西医科大学神经解剖学专业硕士研究生毕业,2005年获华中科技大学教育学博士学位。为首届广西高等学校教学名师,现任中国解剖学会理事、广西解剖学会副理事长,并担任"中国临床解剖学杂志"、"广西医学"和"华夏医学"等杂志的编委。     

虚拟实验系统在医学机能实验教学中的应用体会

实验教学是高等医学教育的重要组成部分,我校将生理学、病理生理学和药理学三科实验课整合和重组后形成了医学机能学科的教学体系。在教学实践中通过构建了虚拟实验室,克服了传统实验教学局限性的同时又提升了学生实践动手能力、综合运用知识能力和培养创新意识。虚拟实验系统对提高实验室使用率和教学质量起到了重要作用。     

基于交互式图割算法的结肠组织提取

针对腹部CT医学图像中结肠组织自身局部特征的问题,研究了一种基于交互式Graph Cuts结肠组织的分割方法。首先人工标定一部分体素标记为＂目标＂和＂背景＂种子点。然后将图像映射成网络图,通过相邻像素间的灰度特征分配边的权重值,采用26邻域系统实现三维图像的分割。最后使用最大流/最小割方法最小化能量函数,得到结肠区域。实验结果表明,交互式的图割算法能够准确地从三维腹部CT医学图像中提取出结肠组织,体现了结肠数据的局部特征。算法能自动将所有腹部CT切片的结肠组织分割出来,实验获得的结果有利于结肠病变的发现和精确定位。     

多模态医学图像融合超声检查系统的设计与实现

超声检查系统所呈图像中缺乏三维结构信息,且商业的医学图像分析软件价格昂贵。为此,开发一款综合病灶部位的三维模型和二维超声图像各自特征以及对应空间关系的检查系统。基于开源的医学图像处理软件、商用的电磁定位系统和超声成像系统,在局域网环境下,遵循OpenIGTLink协议进行数据共享的超声检查系统。该系统主要由超声图像信息共享模块、超声图像显示模块、超声探头实时跟踪模块、2D/3D配准融合模块组成。实验结果表明,该系统可初步应用于临床教学和临床辅助诊断等领域,具有价格低廉、扩展性强、维护方便等优势。     

CT图像肺结节计算机辅助检测与诊断技术研究综述

肺结节计算机辅助诊断（Comput er-aided diagnosis,CAD）能够从CT图像中检测、分割和诊断肺结节,提高早期肺癌的生存率,因而具有重要临床意义。由于肺结节的形态根据其类型、尺寸、位置、内部结构及恶性与否等动态变化,导致肺结节检测和诊断已经成为一个重大的挑战问题。本文对比分析了CAD系统中肺实质分割、肺结节检测、肺结节分割以及肺结节良恶性判断等4个步骤所运用的关键技术及挑战,并指出开发有效CAD系统需要进一步优化不同类型结节诊断算法灵敏度、降低结节检测误报数量、提高诊断自动化水平,同时需要集成影像存储与通信系统（Picture archiving and communication systems, PACS）以及电子病历系统（Electronic medical record systems, EMRS）,以便在日常临床实践中应用。