多维医疗影像数据管理系统

由于医疗领域数据的专业性、复杂性、多样性,人工智能技术在医疗领域发展过程中存在样本数据缺乏的问题.本文针对算法研究人员设计并开发了多维医疗影像数据管理系统,系统包括数据预处理模块、数据管理模块以及数据可视化模块,能够半自动化的生成具有分类标签的医疗影像数据,对影像数据进行高效管理,并且对系统中数据的分布特点以图、表的形式进行可视化展示.

浅谈远程医疗医学影像图像数据库的建立与应用

在远程医疗的开展过程中，我们逐步实现了超高清晰医学影像图像数据库的建立，随着远程医疗的不断深入开展，医学影像图像数据库的开发也在不断完善，取得了初步的成果。数据库设计是系统实现中的重要环节。利用数据库存储Dicom3格式的医学图像，并从数据库中提取图像进行显示，在国内还没有成熟的先例。基于远程医疗医学影像图像数据库建立的系统可以实现很多功能，分为影像实时采集系统、影像管理与存储系统、影像分析处理系统、诊断信息编辑与打印系统；基于Web的信息查询系统、系统管理以及历史数据的导入与导出等几部分，三维影像会诊的实现成为可能，压缩图像技术的研究有了初步成果。随着信息技术和远程医学的发展，远程医疗医学影像数据库技术的日臻完善，将为人类的健康提供更好的保障。

UBDR-FB:一种针对脂肪型乳腺超声大数据识别方法

目的:新疆地区女性多为脂肪型乳腺,B超回声影像具有很强的特殊性,当前国内外的深度学习模型识别率偏低。方法:为提升新疆地区乳腺超声影像的识别精确度,提升辅助诊断效果,本文提出了一种基于U-Net网络的超声乳腺肿瘤的分割方法UBDR-FB(ultrasound big data recognition for fatty breast)。UBDR-FB包含编码和解码两部分,在编码的过程中,UBDR-FB利用下采样来捕获不同分辨率的病理图像的特征信息;在解码的过程中,对特征信息进行上采样融合至初始像素。同时,UBDR-FB使用了跳跃连接方法以提高超声影像的识别效率。结果:本文收集了8430张新疆脂肪型乳腺超声影像,经过标准化处理后,利用UBDR-FB深度学习模型建立了具有新疆地域特征的超声模型。结果:UBDR-FB方法识别脂肪型乳腺规则病灶准确率均值为80%,最高可达92%。