CT重建中滤波器的设计与实现

CT重建算法主要包括解析法和迭代法,因为解析法重建速度快,所需数据存储空间较小,所以在实际中的应用更为广泛。在商业CT中,几乎毫无例外地采用卷积反投影重建算法,滤波算子是这一算法中一个非常重要的部分。目前CT重建算法的研究热点一方面是改进算法提高图像重建速度,另一研究内容主要集中在预处理滤波器的设计与实现,以便得到边缘清晰、平滑及噪声较少的图像。本文从滤波器的设计定义出发,分析讨论了它的性质,并在此基础上提出来一种新的滤波器。经过实验验证,新的滤波器取得比较理想的结果。

锥束CT去除环形伪影的方法研究

环状伪影是CT技术人员经常遇到的影响重建图像质量的一种伪影,造成环形伪影的因素很多,其中探测器缺陷引起的环形伪影最为常见。环形伪影表现在原始图像结构上是圆环或者是圆弧,理论认证发现探测器响应效率不一致,会使锥束三维CT重建结果产生环形伪影。环形伪影影响了CT图像的分析和后续处理,因此去除环形伪影显得非常具有使用价值。本文提出一种基于中值滤波的去除伪影方法,与现有的伪影处理方法相比,它不但能很好地去除环形伪影,而且能很好地保护重建图像的细节信息。

基于分数阶导数的自适应各向异性扩散图像去噪模型

针对传统的纯各向异性扩散模型(一阶导数,用梯度表示)在平滑区域过度扩散,产生"阶梯效应"和四阶PDE(Partial Differential Equations)模型(二阶导数,用Laplace算子表示)去噪效果差的缺点,在分数阶偏微分理论的基础上提出了基于分数阶导数的自适应各向异性扩散图像去噪模型.该模型在图像的不同位置采用不同的正则化约束,具有局部自适应的特点.实验结果表明:该模型在有效去除噪声的同时,能够很好地保持图像的边缘和纹理细节信息,经过该算法处理后的图像具有更好的质量和视觉效果.

基于卷积与BP神经网络的健康数据分析算法设计

针对健康数据种类日益增多,而统计学算法不能实现所有数据种类的特征提取与健康状态评估的问题,文中提出了基于卷积与BP神经网络的健康数据分析算法来评估用户的健康状态。对健康数据类型进行分析,总结为数字、文本、图像3种模态的数据类型,并分别针对这3种数据类型进行基于卷积神经网络的数据特征表征模型的构建。经过特征融合,利用多元高斯分布定义健康状态的划分,并利用BP神经网络构建健康数据分析算法。通过在样本数据上的测试结果表明,与朴素贝利斯模型对比,文中所述健康数据分析算法具有较高的准确率,使用多模态数据较单一数据类型的健康评估结果更优,其准确率约为84.2%。

基于决策树算法的生理特征数据分析方法研究

针对智能健康管理的实际需求,文中研究了智能化医疗中的生理特征数据分析方法。通过引入决策树算法进行电子病例的数据挖掘,实现了糖尿病与心力衰竭的提前识别。文中使用的决策树算法为CART树,该方法以基尼系数为分类标准,相较于ID3与C4.5,大幅简化了树的结构。此外,为缓解数据分析时模型的过拟合现象,引入了基于误差控制(CCP)的后剪枝方法与基于Bagging的集成学习方法。通过构建多棵CART树,形成随机森林,提升算法的分类能力。仿真结果表明,在糖尿病与心力衰竭的预测上,该算法的精度分别可以达到89.01%与99.55%,AUC分别可以达到0.94与0.99,相较于支持向量机(SVM)算法具有较为明显的提升。

医院医疗设备的内部控制管理

本文针对医院医疗设备内部控制等相关工作,深入分析当前医院管理中医疗设备内部控制存在的一些问题,进而有针对性地提出改进完善医疗设备内部控制管理的相关措施,希望能为相关工作提供借鉴。