简介：1概述80年代以来,X线成像、X-CT、同位素扫描、磁共振成像(MRI)、超声诊断(US)、核医学成像(NM),数字减影技术(DSA)等的发展和应用,其他种类的成像技术,包括显微技术、红外线、内窥镜、人体组织的电阻抗成像等,在临床诊断、治疗以及研究方面起着非常重要的作用,这些图像反映组织器官形态、功能和病变信息,它具有直观、形象、便于观测等特点,在现代医学中占有不可取代的地位.

简介：摘要大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源，同时人工智能技术的发展促进深度学习应用水平不断提升，推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分，第一部分针对目前主流的深度学习MRI图像分类模型：卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述。首先，阐述了各模型的历史沿袭、最初针对的问题及主要思想；其次，概括了模型的网络架构并探讨其在MRI图像分类上的最新应用；然后，分析了模型的特点、目前存在的局限及各自发展趋势。第二部分论述了一些影响分类性能的关键因素；第三部分提出了一些广泛使用的性能增强技术；文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制，并对未来研究方向进行展望。本文的结果可为研究人员提供一个全面的比较，以及各种深度学习模型的有效性，有望促进脑肿瘤研究的进展。

简介：不同类型的地物具有不同的反射光谱,在多维光谱空间中构成不同的特征向量,这便是我们利用多光谱图像区分地物的物理依据.多光谱图像分类的精度受到多种因素的影响,如模式样本集的数据结构、分类特征的提取、距离测度、分类准则、分类数目等.本文引入光谱匹配识别中的典型方法--光谱角度匹配法(SAM法),通过与欧氏距离的比较分析与综合,提出一种可以兼顾到光谱亮度与光谱向量方向(近似为光谱形状)的距离测度,并应用于K-均值动态聚类中,通过与传统分类方法的比较,证明这种方法的有效性.

简介：摘要目的观察探讨利用胸部CT图像的征象对孤立性肺结节进行良恶性快速分类的方法，总结其临床应用价值。方法选取我院2008年12月至2010年12月58例孤立性肺结节患者，分别进行CT三维重建和经CT引导下穿刺病检，以病检结果作为金标准，分析CT三维重建的良恶性快速分类方法的准确性。结果多平面重建法（MPR）对血管集束征、细支气管气象、分叶征、胸膜凹陷征的图像显示率明显高于横断平扫（P＜0.05），具有统计学意义；对于毛刺征、棘突征的图像显示率与横断平扫对比无显著差异（P＞0.05），无统计学意义，对于空泡征的图像显示率明显低于横断平扫（P＜0.05），具有统计学意义。结论胸部CT三维重建能有效提高恶性征象的检出率，可作为良恶性的快速分类的临床手段，但同时良性结节征象的检出率也相应提高，因此有一定的误诊率，需要进一步结合灌注、动态增强、及特异性临床表现等多种方法进行确诊。

简介：摘要：目的：研究学生体检胸部X线医学影像图像快速分类方法。方法：选取2022年9月至2023年10月期间参与体检的大一新生1024人，同时采用人工方式和人工智能方式对所有研究对象体检胸部X线医学影像图像进行快速分类。人工智能方式指的是拟结合人工智能机器学习的方法，进行医学影像数据预处理，研究通过神经网络模型的设计搭建，确保训练的模型可对危及公共卫生安全的一些疾病的图像进行高效、快捷的分类。结果：人工智能分类准确性更高，P<0.05。结论：在学生体检胸部X线医学影像图像快速分类方面，人工智能方式比人工方式有效果。

简介：摘要针对医学CT图像上图像挖掘技术的应用方式进行分析，讨论数据收集与CT图像特征等，希望能够对相关研究活动带来一定的借鉴价值。

简介：本文根据肾小球医学图像的特点，提出了一种新的基于直方图特征峰的图像侵害方法。通过定位图像的特征峰，从而有效地对肾小球医学图像进行阈值化。经实验证明，本文提出的算法能快速，准确地分割肾小球.

简介：本文系统的回顾了若干传统的图像分割技术，包括基于灰度直方图的技术及基于空间细节的各种技术，也介绍了若干新的分割方法，如基于模糊集理论的方法，基于多分辨率分析的方法以及基于人工神经网络的方法等。同时也对分割结果的评价等作了概要介绍。

简介：摘要目的构建并验证多模态MRI图像3D卷积神经网络（convolutional neural network, CNN）模型对肝纤维化（liver fibrosis, LF）分类的价值。材料与方法回顾性分析经病理证实为LF，并行肝脏3.0 T MRI检查的224例LF患者的T1WI、T2WI、表观扩散系数（apparent diffusion coefficient, ADC）图像，按8∶2的比例随机分为训练集和测试集。对图像进行预处理后，应用训练集图像对模型进行网络结构迭代训练，建立3D-CNN深度学习模型对无显著LF（S0～S1）、显著LF（≥S2）进行分类。经过优化的CNN由三个卷积层、三个池化层和两个全连接层组成。训练完成后，用测试集数据对CNN模型进行测试，使用准确度（accuracy, ACC）曲线、损失函数（loss）曲线及受试者工作特征（receiver operating characteristic, ROC）曲线评价模型的性能。结果基于多模态MRI的3D-CNN深度学习模型在训练集中对LF分类的ROC曲线下面积（area under the curve, AUC）值为0.94，在测试集中的AUC为0.98。结论多模态3D-CNN深度学习模型可对无显著LF和显著LF进行分类，为LF的无创性评估提供更多选择。

简介：摘要目的探讨基于深度学习的人工智能在非炎性主动脉中膜变性中的辅助诊断及其应用价值。方法选取2018年1—6月首都医科大学附属北京安贞医院保存的89例非炎性主动脉中膜变性标本组织HE切片，扫描成数字切片后进行人工标注，在标注区域总提取1 627幅中膜病变HE图像。结合一种改进的基于ResNet18的卷积神经网络模型，进行非炎性主动脉病理图像的4分类研究，并对模型应用进行检测。结果4分类模型对中膜变性病理改变中最常见的平滑肌细胞核缺失病变的识别准确率、灵敏度及精确率分别为99.39%、98.36%、98.36%。弹力纤维断裂和/或缺失病变识别精确率为98.08%；层内型黏液样细胞外基质聚集病变识别准确率为96.93%。模型整体准确率为96.32%，受试者工作特征曲线下面积值可达0.982。结论初步验证了深度学习神经网络模型在非炎性主动脉病变图像分类方面的准确性，该方法可以有效提升病理医师诊断效率。

简介：摘要目的分析和观察图像引导放疗过程中图像配准技术的应用及效果。方法选择本院2015年3月～2017年4月需进行图像引导进行放射治疗的30例肿瘤患者为观察对象，观察患者放疗过程中以图像配准技术为重点的应用操作方法。结果30例患者共扫描240次，其中有1例患者因扫描过程中头脚的误差达到5.3cm，左右、头脚以及前后三个方向上低于3mm的误差发生率分别为56.3%、47.2%、43.4%。结论肿瘤患者在图像引导放疗过程中，应用图像配准技术能够在一定程度上提升临床放疗的精度，从而提升患者放射治疗的效果以及安全性，值得在临床中推广应用。

简介：随着医学成像和计算机辅助技术的发展，从二维医学图像到三维可视化技术成为研究的热点，本文介绍了医学图像处理技术的发展动态，对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域应用的基础上，提出医学图像处理技术发展所面临的相关问题及其发展方向。

简介：摘要目的采取有效的配准方式，证实合理的配准方式对于CT、MR扫描的图像融合对胶质瘤靶区勾画的重要性、可行性及对放疗的应用的价值。方法抽取两组各10例临床上术后病理确诊为胶质瘤的患者，所有患者在进行治疗前均行CT增强扫描和MR增强扫描。第一组在体表不做标记点，并且MRI扫描时不采用和CT扫描时的头枕。第二组按研究的目的在体表做好标记并做到CT扫描和MR扫描的患者体位尽量保持一致（MRI扫描时选择和CT扫描时采用类似的头枕）。将扫描完的图像传输到放疗室中的TPS中，然后分别采用Manual和PointMatch法进行图像标配。配准完成后进行图像融合，直到到达满意的融合效果。然后由放疗科两位副主任职称的放疗医师及我院放射科一名副主任以上的医师对融合图像进行评估和勾画，分别在CT、MRI及融合好的图像上勾画临床靶区(ClinicaltargetVolume)CTV及周围正常危及器官（眼球、晶体、视神经、脑干、脊髓等）。在融合好的图像上勾画CTV并设为CTV-CT/MR，以此类推，定义为设为CTV-CT,CTV-MR。然后对比两组的CTV重合度(CTV-T)来评价CT和MRI图像融合的精度，即V-CTV-T的体积占CT图像上V-CTV-CT的百分比V-CTV-T=CTV-CT/MR/V-CTV-CT*100%(理想状态下为1)。并且计算二组在配准状态下的三维方向上的误差大小。结果1.第一组和第二组CTV重合度(融合的图像与CT对比)为0.8士0.26，0.91士0.11，二者差异具有统计学意义。第一组和第二组CTV重合（融合的图像与MRI对比）为0.92士0.15,1.02士0.08，两者差异也具有统计学意义。但与单纯CT对比，MRI更接近与1，差异性小。2.利用PointMarch计算第一组X,Y,Z轴方向的平均误差为(0.65士0.17)mm,(1.2士0.11)mm;(2.2士0.20)mm，三维空间总的平均误差为(2.24士1.15)mm；第二组X,Y,Z轴方向的平均误差为(0.25士0.11)mm,(0.6士0.11)mm;(1.2士0.20)mm，三维空间总的平均误差为(1.26士0.35)mm。不加标记点的误差明显大于加标记点的，并且不加标记点的误差超过了误差范围。结论1.体位一致的CT和MRI扫描是两者图像融合的关键，体位一致的图像融合技术误差在可接受的范围内。2.MRI扫描的图像勾画靶区比CT勾画靶区的精度高。

简介：摘要目的结合图像自动分割技术和机器学习方法对乳腺钼靶X线图像进行准确分类识别。方法以数字钼靶X线图像数据库（DDSM）中的BI-RADS4类的簇状分布多形性钙化钼靶图像为研究对象，自动切分图像的感兴趣区域（ROI）。对小波变换、Gabor滤波和灰度共生矩阵法所提取的特征参数进行融合，并基于灵敏度分析对融合后的特征参数进行筛选。使用基于集成学习的方法，对多项式核支持向量机（SVM）、随机森林和逻辑（logistic）回归分类器进行投票集成，构成用于乳腺钼靶X线图像自动分类的分类器。投票集成方法为软投票。结果提出的集成分类器可高效地识别与分类乳腺钼靶X线图像，其分类的灵敏度、特异度和准确率分别为99.1%、99.6%和99.3%。结论所提出的乳腺钼靶X线图像处理与分类识别方法能为医生的临床判断提供辅助检测的依据，并为细分BI-RADS4类图像提供技术基础。

简介：摘要 :B

简介：摘要：

简介：

简介：摘要：麻醉是医学发展过程中的一个重要成绩，其出现使得外科手术得以大范围应用，并且治疗安全水平也得到大幅度提升。作为一个复杂的学科，患者以及家属自然无法洞悉其本质，但是对麻醉做一些千层面的了解仍然十分必要。本文从发展的角度对麻醉展开了分析，并且进一步对麻醉工作的分类和适用环境加以讨论，对于加强该领域的认知有着积极意义。

简介：摘要国际疾病分类系统在国际上经过多次不断的修正编审，是一套较完整的科学分类法，具有专业性强、知识面广、实际操作难等特点。这就要求编码人员要熟练掌握ICD-10的编码规则，特别是优先分类章的使用原则，灵活应用相关书籍的检索功能多方面多途径地查找，并养成详读病案资料的好习惯，遇到疑难问题及时与临床医生沟通，使编码准确率不断提高。

简介：摘要对影响CT图像的因素进行分析。分析CT图像之前，首先要了解以下基本概念像素、体素、CT值、窗技术、分辨力、噪声、部分容积效应和伪影。