海量医学数据处理框架及快速体绘制算法

设计并实现了一套针对海量数据的处理和分析算法框架,并将其融入实验室早先开发完成的医学影像算法研发平台MITK(medical imaging toolkit)中,真正建立起一个海量医学影像数据的处理平台,并在此基础上研究了针对海量数据的基于光线投射和三维纹理的快速体绘制算法,提出了一种半自适应分块的方法对原始数据进行分块,在不对分块速度产生太大影响的基础上得到了更好的分块结果,同时使用图形硬件来进一步加速整个算法的绘制流程.实验结果表明了该平台和算法对于海量医学数据处理和可视化的有效性.

拟合正态分布曲线的肺野图像分割与三维重建

为解决大多数的医学图像分割算法不能完全摆脱人工辅助选取阈值的问题,提出一种基于直方图拟合正态分布曲线寻找种子点的动态分割算法。从分析正态分布曲线如何影响事件发生概率的原理入手,介绍如何采用拟合算法对肺野图像进行分割和提取,利用视觉化工具函式库(VTK)和美国国家卫生院下属国立图书馆开发的医学图像分割与配准算法研发平台(ITK),对分割后的肺野图像进行体绘制三维重建,达到自动寻找种子点、对病变部分进行完整分割和三维可视化的目的。临床图像实验结果表明,与区域生长算法和分水岭算法相比,拟合算法在分割精度和自动化程度上具有显著优势,能够弥补以往常规CT和MR检查手段的不足,增加医生及时、敏锐发现比较小的、早期的和位于隐蔽部分的病灶的机率,为患者设计最佳个性化治疗方案提供了新的可能。

运用定积分测量冠状动脉狭窄程度的方法

为提高术前对冠状动脉病变部分狭窄程度测量的准确度,提出一种运用定积分测量冠状动脉狭窄程度的方法。通过视觉化工具函式库(VTK)和美国国家卫生院下属国立图书馆开发的医学图像分割与配准算法研发平台(ITK)对目标血管进行三维重建;运用一种基于跟踪点的冠状动脉中心线提取算法,提取目标血管的中心线;从重建的血管三维模型的水平面入手,对水平面图像,以中心线为原点建立直角坐标系,把图像分割到4个象限中去,在每个象限里运用定积分定义求出血管内血流区域与坐标系所围成的图形面积;通过内、外面积差与血管冠状截面面积的比值得到血管的狭窄度。临床数据实验结果表明,该算法具有良好的有效性和准确性,有助于冠心病的早期发现、诊断和治疗,给临床诊断和术前规划提供了有效的依据,提高了冠心病患者的生存机率和生活质量。

人工智能产业化流程及其应用

人工智能作为当今世界上最重要的科技之一,已融入人们生产生活的各个方面。人工智能产业繁荣发展离不开数据的驱动、算法的创新、算力的提升与场景的融合。大数据、算法、计算能力、场景与产品化之间正在形成一种共生生态,大数据为人工智能提供源源不断的动力,人工智能衍生出了诸如深度学习、强化学习、迁移学习、对抗学习(GAN)等新型算法,硬件计算能力提升有效地缩减了算法迭代改进周期。本文介绍了AI技术落地算法研发基本流程,研究了AI技术的应用,以供参考。