简介：摘要：所谓图像检测，就是通过图像对感兴趣的特征区域（检测目标）进行提取的过程，其中图像是承载检测目标的载体，检测目标需要事先进行特征提取、归纳，最终通过相应算法分离出来。图像检测方法可分为单帧图像检测和多帧图像检测。单帧图像检测主要是利用图像的灰度信息对目标进行分割，主要包括基于灰度阈值的目标检测方法和基于边缘信息的目标检测方法。

简介：

简介：摘要：随着医学影像技术的快速发展，图像处理与分析算法在医学领域中发挥着重要作用。本研究旨在对医学影像中的图像处理与分析算法进行优化研究。首先，对传统算法进行分析和评估，发现存在一些局限性和不足之处。因此，本研究结合深度学习、机器学习和计算机视觉等新兴技术，提出了一种基于多层次特征提取和分类的改进算法。实验结果表明，我们的算法具有更高的准确性和鲁棒性，能有效地提高医学影像的质量和诊断效果。该研究对于进一步推动医学影像技术的发展具有积极的意义。

简介：摘要：数字图像处理技术是随着计算机技术的进步而发展起来的，其在医学成像中的应用是通过各种成像设备获得的医学成像，在数字化的基础上进行各种改进和转换，从而突出了有益于医学诊断或治疗的图像处理技术。医学数字图像处理技术的应用不仅有助于图像诊断，而且有助于更精确的治疗。数字图像处理技术主要应用于计算机X射线断层扫描、正电子发射断层扫描、核磁共振成像和超声波成像等。如今，数字图像处理科技被广泛应用，其在成像学科中的作用越来越受到重视。

简介：【摘要】目的探讨DR边缘增强图像处理技术在肺结核诊断中的应用。方法选取2020年8月-2022年8月我院收治的86例疑似肺结核患者，随机数字表法分为对照组和研究组各43例，对照组应用常规DR技术，研究组应用DR边缘增强图像处理技术。结果研究组诊断准确率高于对照组（P＜0.05）；研究组肺结核伴发症检出率高于对照组（P＜0.05）。结论DR边缘增强图像处理技术在肺结核诊断中具有较高的准确率，并且还可有效检出肺结核伴发症，值得应用。

简介：摘要：病理图像是临床上确诊的黄金指标，但临床医生通常仅凭临床经验做出一些简单的判断，从而导致误诊。常规的染色方法不仅效率低，可靠性差，而且容易受到人的主观因素的干扰。基于此，本文对组织学病理图像在深度学习中染色处理及具体实现方法进行了研究，以期对后续相关工作做出参考。

简介：摘要：人工智能在医学影像图像处理中的作用非常广泛，它能够改善图像分割、病变检测、图像重建、预后评估、治疗规划等方面的性能，提高医学影像的质量和诊断效果，为医疗实践和研究带来许多新的机会和挑战。提出人工智能在医学图像处理中存在的问题及建议。

简介：摘要：本研究聚焦于CT图像处理算法在肿瘤检测与定位中的应用。通过系统性的文献回顾和实验研究，我们探讨了不同的CT图像处理算法在肿瘤诊断中的效果及应用前景。研究发现，基于深度学习的算法在提高检测准确性和定位精度方面具有显著优势。这一研究旨在为医学影像领域提供先进的图像处理方法，推动肿瘤检测技术的进步。

简介：

简介：

简介：摘要目的通过基于卷积神经网络深度学习方法从增强CT合成平扫CT图像，临床主观和客观评估合成平扫CT图像(DL-SNCT)与金标准平扫CT图像的相似性，探讨其潜在临床价值。方法同时行常规平扫和增强CT扫描的患者34例，通过深度学习模型将增强CT图像合成DL-SNCT图像，以平扫CT图像为金标准，主观评价DL-SNCT的图像质量(评价指标包括解剖结构清晰度、伪影、噪声、图像结构完整性、图像变形，均采用4分制)；利用配对t检验比较DL-SNCT与金标准平扫CT图像不同血供特点的解剖部位(主动脉、肾脏、肝实质、臀大肌)以及不同强化模式的肝脏病变(肝癌、肝血管瘤、肝转移瘤、肝囊肿)的CT值。结果主观评价上，DL-SNCT图像在伪影、噪声、图像结构完整性、图像变形方面评分都达到4分，与平扫CT图像评分相一致(P>0.05)；在解剖结构清晰度方面评分略低于平扫CT图像[(3.59±0.70)分vs. 4分)]，差异有统计学意义(Z＝－2.89，P <0.05)。对于不同解剖部位而言，DL-SNCT图像主动脉、肾脏的CT值显著高于平扫CT图像(t＝－12.89、－9.58，P <0.05)，而肝实质、臀大肌CT值与平扫CT图像差异无统计学意义(P>0.05)。对于不同强化模式肝脏病变而言，DL-SNCT图像肝癌、肝血管瘤、肝转移瘤的CT值显著高于平扫CT图像(t＝－10.84、－3.42、－3.98，P <0.05)，而肝囊肿CT值与平扫CT图像差异无统计学意义(P>0.05)。结论DL-SNCT在图像质量上以及一些强化方式比较单一的解剖部位的CT值已接近金标准平扫CT，但对于强化程度变化大的解剖部位，以及有着不同强化模式的肝脏病变，DL-SNCT在临床应用前还有很大的改进空间。

简介：

简介：

简介：

简介：摘要：目的：人工智能在冠状动脉CT血管成像图像后处理和冠状动脉狭窄诊断中的应用。方法：回顾性分析２０２０年１月至２０２２年１月４０例同时行ＣＣＴＡ和经皮冠状动脉造影（ｃｏｒｏｎａｒｙａｒｔｅｒｉｏｇｒａｐｈｙ，ＣＡＧ）患者的影像学资料。图像后处理及诊断分为人工组和ＡＩ组，比较两种方法后处理用时和图像质量主客观评分及评估冠状动脉斑块性质的差异。以ＣＡＧ结果为金标准，以血管为单位，比较两种方法诊断冠状动脉狭窄的敏感性、特异性、阳性预测值、阴性预测值及准确率的差异，并采用Ｋａｐｐａ检验评价其结果的一致性。结果：ＡＩ组后处理及诊断用时为（２３６．５７±２０．６６）ｓ，较人工组［（７８９．７４±６３．３８）ｓ］缩短了约７０．０４％（Ｐ＜０．０５）；两种方法得到的图像质量主客观评分差异均无统计学意义（均Ｐ＞０．０５）。ＡＩ组检测斑块总准确率为９６．３２％（１３１／１３６）。人工组与ＡＩ组对冠状动脉钙化斑块、非钙化斑块及混合性斑块检出差异无统计学意义（Ｐ＞０．０５），且一致性较好（Ｋａｐｐａ＝０．９０１，Ｐ＜０．００１）。以血管为单位，ＡＩ组诊断冠状动脉狭窄的敏感性、特异性、阳性预测值、阴性预测值及准确率分别为８７.７２％（５０／５７）、９４.１２％（４８／５１）、９４.３４％（５０／５３）、８７.２７％（５０／５３）和９０.７４％（９８／１０８），与ＣＡＧ诊断冠状动脉狭窄一致性较好（Ｋａｐｐａ＝０．８１５，Ｐ＜０．００１）。结论：ＡＩ在ＣＣＴＡ图像后处理效率、斑块性质识别及冠脉狭窄诊断方面具有一定的优势，可作为分析诊断ＣＣＴＡ的有效辅助工具。

简介：摘要：细胞核的精确分割是病理诊断的重要基础，为了进一步提高细胞核分割的准确性，本文提出基于ConvNeXt改进的ConvUnet细胞核分割网络。首先，将ConvNeXt网络扩写为编码器-解码器结构，其次在跳跃连接结构中加入ECA通道注意力机制，去除原始病理图片中的冗余信息，加强对重要细胞核特征的关注度，最终提高模型的分割性能。在Monuseg数据集上的实验结果表明，ConvUnet网络的Dice系数和IoU分别达到79.27%和65.98%，与现有细胞核分割方法相比有更好的分割效果。

简介：

简介：摘要图像引导放射治疗(IGRT)是一种可视化的影像引导放疗技术，具有提高肿瘤靶区剂量，降低正常器官受照剂量等诸多优点。锥形束CT(CBCT)是IGRT中最常用的医学图像之一，对CBCT进行快速、准确的靶区及危及器官的分割对放疗具有重大意义。目前的研究方法主要有基于配准的分割方法和基于深度学习的分割方法。本研究针对CBCT图像分割方法、存在问题及发展方向进行综述。

简介：摘要：本文提出了一种基于机器学习的眼底图像检测方法、装置及系统，其中主要包括：获取待检测的眼底图像；对所述眼底图像整体区域进行第一特征集检测；对所述眼底图像中特定区域进行第二特征集检测，所述第一特征中的特征的显著度大于第二特征集中的特征的显著度；基于机器学习对检测的结论进行判定得到最终检测结果。每种类型的特征分开检测，互不影响，可以较为精确的判断每个特征的类别，同时进行多种类别多种显著度的特征的检测，可以高效精确的对眼底图像进行检测。

简介：