MRI图像降噪技术综述

核磁共振成像技术已广泛用于脑部、脊髓和心脏等相关疾病的临床诊断。然而,由采样时间、环境、设备质量等多种因素导致的成像噪声制约着诊断精度的进一步提高。综合研究了MRI降噪技术的发展脉络,系统梳理了基于滤波、变换、统计等传统MRI图像降噪方法,并重点分析了当前基于深度学习的MRI图像降噪系列新方法,展望了MRI图像降噪的未来发展趋势。最后,总结了现有医学图像质量评估方法,并指出针对依赖大量数据和人工标注医学图像样本、而可解释性较差的现有深度学习方法,需要探索性研究面向临床实际任务的医学图像质量评估新方法。

面向临床需求的CT图像降噪综述

【目的】低剂量CT扫描技术已广泛用于肺结节和肺癌早期筛查等临床诊断。然而,由辐射剂量降低所导致的成像噪声制约着诊断精度的进一步提高。【方法】本文综合研究了低剂量CT图像降噪技术的发展脉络,从基于迭代优化等传统方法出发,分析了当前基于机器学习技术的低剂量CT图像降噪等CT图像降噪方法。【结果】现有基于机器学习的CT图像降噪方法,一方面采用人为假设噪声分布并构造人工数据集进行模型训练和测试,忽略了临床应用中噪声特点和强度的多样性问题;另一方面,由于深度神经网络的“黑盒”特性,导致现有基于深度神经网络的低剂量CT图像降噪模型的可解释性不足。【结论】CT图像降噪应面向临床实际需求,充分考虑噪声形成的机理和图像噪声的真实分布,结合病灶检测等高阶任务和临床医生的阅片行为,探索面向临床需求的低剂量CT图像降噪新范式。

COVID-19中国诊疗方案的机器学习智能分析方法

2019年底暴发的新型冠状病毒肺炎(COVID-19)疫情是人类史上一次重大突发公共卫生事件。中国医学工作者在短时间内,经历了对该未知病毒的逐步认识、证据积累和临床实践。截至目前,中国国家卫生健康委员会在数十天内密集发布了七个版本的《新型冠状病毒感染的肺炎诊疗方案》(简称《诊疗方案》)。然而,快速准确地比较各版本的异同和掌握新版本的重点对临床医护人员和非专业人员来说存在一定困难。本文提出一种基于机器学习的计算机辅助智能分析方法,对文本主题进行无监督学习,自动分析不同版本《诊疗方案》的异同,主动给医护人员推送新版本的关注重点,降低《诊疗方案》解读的专业难度,提高非专业人员对诊疗方案的认识水平。实验证明,与人工解读方式相比较,本文方法能自动计算文本主题,实现主题的精准匹配,准确率达100%,并可自动生成关键词和语句级别的解读报告,实现《诊疗方案》的计算机自动智能解读。

踏着烈士的足迹前进——记山西省寿阳县“尹灵芝女子民兵班”

站在寿阳县堆台梁上,俯瞰白马川,一座白色的雄伟建筑映入眼帘,这就是"刘胡兰式的女英雄"尹灵芝纪念馆。当年,年仅16岁的尹灵芝烈士,为保护公粮,掩护乡亲们转移,不幸被捕。面对15个昼夜的酷刑折磨,她坚贞不屈,大义凛然,英勇就义。新时期,"尹灵芝女子民兵班"踏着烈士的足迹,共同坚守"英雄名下无弱兵"的诺言,始终保持不怕吃苦、创先争优、奋力拼搏、勇于奉献的作风,赢得了一个又一个的荣誉,一起为"尹灵芝"