融合医学人文的混合式教学法在皮肤病学临床教学中的应用

分析在皮肤病学临床教学中使用融合医学人文的混合式教学法的效果。方法:以本院皮肤病学实习护生为主要分析目标,选取于2022年2月-2023年2月,总共有80名实习护生,对所有护生的资料进行统计,并使用计算机将其录入,完成小组划分,采用随机数字表法进行分组,研究组采用融合医学人文的混合式教学法分得40名实习护生,参照组采用传统带教方法分得40名实习护生。所使用的带教方法不同,产生的效果也存在差异,所以观察临床带教效果并进行对比,对两组带教后护生的考核成绩进行分析,并调查护生对教学方法的满意度。结果:实习护生接受不同带教方法后,统计教学质量的情况,其中得分较高的小组为研究组,参照组得分相对较低,存在显著差异和统计学意义(P<0.05)。研究组教学后理论知识、病理分析及新研究进展得分与参照组相比较高,总考核分数同样比参照组高,哟明显的差异和统计学意义。(92.5%)为研究组实习生对教学方法的满意度,(70.0%)为参照组实习生对教学方法的满意度,相比前者高于后者,差异显著有统计学意义(P<0.05)。 结论:在皮肤病学临床教学中采用融合医学人文的混合式教学方法能够有效地提高教学效果,并促进医学生学习成绩提高,对教学满意度的提升有着积极作用,值得推广与借鉴。

融合医学在防治勃起功能障碍治疗中的应用前景

勃起功能障碍（erectile dysfunction，ED）发病率占成年男性50％，其中接近50％的患者为器质性ED，而且这些患者病理变化的轻重程度与疾病轻重程度密切相关。

基于结构功能交叉神经网络的多模态医学图像融合

针对多模态医学图像融合中存在纹理细节模糊和对比度低的问题,提出了一种结构功能交叉神经网络的多模态医学图像融合方法。首先,根据医学图像的结构信息和功能信息设计了结构功能交叉神经网络模型,不仅有效地提取解剖学和功能学医学图像的结构信息和功能信息,而且能够实现这两种信息之间的交互,从而很好地提取医学图像的纹理细节信息。其次,利用交叉网络通道和空间特征变化构造了一种新的注意力机制,通过不断调整结构信息和功能信息权重来融合图像,提高了融合图像的对比度和轮廓信息。最后,设计了一个从融合图像到源图像的分解过程,由于分解图像的质量直接取决于融合结果,因此分解过程可以使融合图像包含更多的细节信息。通过与近年来提出的7种高水平方法相比,本文方法的AG,EN,SF,MI,QAB/F和CC客观评价指标分别平均提高了22.87%,19.64%,23.02%,12.70%,6.79%,30.35%,说明本文方法能够获得纹理细节更清晰、对比度更好的融合结果,在主观视觉和客观指标上都优于其他对比算法。

基于高低频特征分解的深度多模态医学图像融合网络

多模态医学图像融合旨在利用跨模态图像的相关性和信息互补性,以增强医学图像在临床应用中的可读性和适用性。然而,现有手工设计的模型无法有效地提取关键目标特征,从而导致融合图像模糊、纹理细节丢失等问题。为此,提出了一种新的基于高低频特征分解的深度多模态医学图像融合网络,将通道注意力和空间注意力机制引入融合过程,在保持全局结构的基础上保留了局部纹理细节信息,实现了更加细致的融合。首先,通过预训练模型VGG-19提取两种模态图像的高频特征,并通过下采样提取其低频特征,形成高低频中间特征图。其次,在特征融合模块嵌入残差注意力网络,依次从通道和空间维度推断注意力图,并将其用来指导输入特征图的自适应特征优化过程。最后,重构模块形成高质量特征表示并输出融合图像。实验结果表明,该算法在Harvard公开数据集和自建腹部数据集峰值信噪比提升8.29%,结构相似性提升85.07%,相关系数提升65.67%,特征互信息提升46.76%,视觉保真度提升80.89%。

结合扩张金字塔的脑部医学图像融合

针对现有脑部医学图像融合算法存在的融合图像细节模糊和边缘性差等问题,设计一种扩张金字塔特征提取算法,由特征提取器、特征融合器和特征重构器3部分组成。特征提取器由扩张金字塔特征模块提取浅层和深层图像特征的结合,防止图像细节信息的丢失;特征融合器采用改进的功能能量比(Functional Energy Ratio,FER)特征融合策略增强融合图像边缘信息;特征重构器由4层卷积构成归一化图像。实验结果表明,相较于当前通用的脑部融合算法,所提出的算法具有较好的视觉效果和细节信息,客观评价指标有更好的表现。

基于NSCT域滚动引导滤波与自适应PCNN的医学图像融合

针对传统CT和MRI医学图像融合后存在边缘轮廓模糊、纹理细节丢失等问题,提出基于NSCT域结合相位一致性滚动引导滤波与改进参数自适应双通道PCNN的图像融合方法。首先,采用相位一致性滚动引导滤波对CT源图像进行增强,提高骨骼轮廓结构清晰度。然后,通过NSCT变换分解增强后的CT和MRI源图像得到低频子带和高频子带。低频子带系数采用改进参数自适应双通道脉冲耦合神经网络融合策略,明显改善了软组织的纹理细节模糊效果;高频子带系数采用加权求和修正拉普拉算法融合,提升了融合后图像的细节、纹理等信息。最后,通过逆NSCT变换重构出融合图像。通过五组对比实验表明,所提方法的AG、CC、SF、MSE以及CEN客观评价指标分别平均提高了13.30%、6.71%、4.40%、40.23%、19.16%,说明该融合方法在处理纹理细节、边缘轮廓、结构相似性以及图像像素方面性能更好。

局部全局特征耦合与交叉尺度注意的医学图像融合

现有基于深度学习的多模态医学图像融合方法存在全局特征表示能力不足的问题。对此,提出一种基于局部全局特征耦合与交叉尺度注意的医学图像融合方法。该方法由编码器、融合规则和解码器三部分组成。编码器中采用并行的卷积神经网络(CNN)和Transformer双分支网络分别提取图像的局部特征与全局表示。在不同尺度下,通过特征耦合模块将CNN分支的局部特征嵌入Transformer分支的全局特征表示中,最大程度地结合互补特征,同时引入交叉尺度注意模块实现对多尺度特征表示的有效利用。编码器提取待融合原始图像的局部、全局以及多尺度特征表示,根据融合规则融合不同源图像的特征表示后再输入到解码器中生成融合图像。实验结果表明,与CBF、PAPCNN、IFCNN、DenseFuse和U2Fusion方法相比,该方法在特征互信息、空间频率、边缘信息传递因子、结构相似度、感知图像融合质量这5个评价指标上分别平均提高6.29%、3.58%、29.01%、5.34%、5.77%,融合图像保留了更清晰的纹理细节和更高的对比度,便于疾病的诊断与治疗。

基于3层分解和卷积神经网络的多模态医学图像融合

针对多尺度分解(multi-scale decomposition,MSD)方法会导致图像细微组织结构丢失和产生噪声的问题,结合结构纹理分解模型、改进的卷积神经网络和相位一致性方法,提出1种新的多模态医学图像融合方法。首先,针对MSD容易产生噪声的问题,引入低通滤波器优化函数和结构纹理分解模型,有效解决了分解技术的难题;其次,对结构纹理部分设计1种基于卷积神经网络结合高斯平滑的融合方法,加强了对图像细节部分的提取,消除了噪声,并对高频部分引入基于相位一致性的改进方法进行融合;然后通过分解过程的逆变换得到最终的融合图像。定性、定量分析表明,所提出的算法在视觉效果、互信息(mutual information,MI)、特征互信息(feature mutual information,FMI)、结构相似性(structure similarity index measure,SSIM)、信息熵(entropy of information,EN)、峰值信噪比(peak signal to noise ration,PSNR)方面都达到了较高水平,融合后的图像更有利于专家和医生的诊断。

基础医学教育阶段融合实验改革的优化

目的 为培养医学创新人才,优化基础医学教育阶段融合实验。利于实施综合性、设计性实验教学改革,结合本校基础医学教学阶段的实验教学设想从便于医学实验教育工作者交流学习。方法 基于网络的线上教学依托各教学平台开展,但基础实验项目仅局限于某一学科不利于创新人才的培养。基于“虚拟现实技术+线上线下混合+多学科+多平台融汇案例情景”的实验便于融合基础医学各学科的知识;虚拟现实技术+线上线下混合教学有助于突破学科限制和时空限制,增强学生的自主学习能力;而情景案例式教学可增加学生的体验感,有助于学生带着问题学习,增强学生学习动力。结果 本文将综述建立基础医学融合实验平台的设想,有助于培养医学创新人才,改革优化基础医学教育阶段的融合实验。结论 本研究为建立基础医学融合实验平台积累经验。

基于LL-GG-LG Net的CT和PET医学图像融合

多模态医学图像融合在医学临床应用中起着至关重要的作用,为了解决现有方法大多数侧重于局部特征的提取,对全局依赖关系的探索不足,忽略了全局和局部信息交互,导致难以有效解决周围组织与病灶区域之间的模式复杂性和强度相似性问题。该文提出面向PET和CT医学图像融合的LL-GG-LG Net模型。首先,提出了局部-局部融合模块(Local-Local Fusion Module,LL Module),该模块采用双层注意力机制更好地关注局部细节信息特征;其次,设计了全局-全局融合模块(Global-Global Fusion Module,GG Module),该模块通过在Swin Transformer中加入残差连接机制将局部信息引入全局信息中,提高了Transformer对局部信息的关注程度;然后,提出一种基于可微分神经架构搜索自适应的密集融合网络的局部-全局融合模块(Local-Global Fusion Module,LG Module),充分捕获全局关系并保留局部线索,有效解决背景和病灶区域相似度高问题;使用临床多模态肺部医学图像数据集验证模型的有效性,实验结果表明,该文方法在平均梯度,边缘强度,QAB/F,空间频率,标准差,信息熵等感知图像融合质量评价指标上与其他七种方法中最优的方法相比,分别平均提高了21.5%,11%,4%,13%,9%,3%。模型能够突出病变区域信息,融合图像结构清晰且纹理细节丰富。

基于Res2Net-IDCN-SCF算法的多模态医学图像融合

利用多尺度特征策略进行特征提取的有效性不足是多模态医学图像融合领域存在的问题。为了增加融合结果的多尺结构信息,提出了一种基于残差多尺度网络(residual multi-scale network,Res2Net)、交错稠密网络和空间通道融合算法的多模态医学图像融合算法。Res2Net的编码器在提取多尺度特征时能保留更多语义信息;交错稠密网络减少了解码器和编码器之间的语义差异,丰富了融合图像的结构和细节信息;掩码鉴别器约束了脑瘤病灶区域,进一步提高了融合图像的质量;特征图通过空间通道融合算法融合减少了多模态图像之间的信息冗余。该算法在信息熵(entropy of information,EN)、互信息(mutual information,MI)、结构相似性(structure similarity index measure,SSIM)、多尺度结构相似性(multi scale structural similarity index measure,MI_SSIM)指标上拥有较高水平的性能表现,EN提高了6%,MI提高了3%。结果显示,所提出的算法在视觉感知和指标评估上达到了较高的融合质量。

基于非下采样Shearlet变换耦合能量关联度的医学图像融合算法

为了克服当前较多医学图像融合方法在采用图像的能量信息融合图像时,忽略了不同图像能量的关联度,使得融合结果存在细节丢失现象和模糊现象等问题,提出了一种非下采样Shearlet变换(NSST,non-subsampled shearlet transform)耦合能量关联度的医学图像融合算法;借助NSST变换,在多尺度下对输入医学图像进行解析,获取其低频及高频子带系数;以图像的能量信息为依据,构造能量关联度函数,测量不同图像的关联程度;根据不同图像的关联度,设计不同的低频子带融合规则,获取信息含量丰富且连贯性较好的融合低频子带;在空间频率函数的基础上,注入图像的对角信息,使之成为多元空间频率函数,以计算图像的清晰度;引入标准差函数,计算图像的对比度;联合图像的清晰度和对比度信息,获取纹理及对比度等特征都较优良的融合高频子带;基于逆NSST变换,重构融合结果;主观和客观实验结果表明,较当前较为流行的医学图像融合技术而言,所提方法具备更高的融合质量,呈现出更多的纹理细节和更高的清晰度。

智慧医疗——医学图像融合领域技术综述

医学图像对图像特征的全面性和精确性有较高要求,单一图像特征通常不能满足医学图像的需求,而不同类型的医学成像之间通常存在一定的互补性,因此,采用多特征融合的方法确定医学图像有效特征已经成为医学领域中的必要手段。最初,军事安全是图像融合技术的主要应用领域,侧重于提高目标识别度。由于其有诸多优势,人们逐渐将图像融合技术应用于医学成像,为现代临床疾病诊断和治疗提供了强有力的技术支撑。文章依据国家知识产权局专利检索与服务系统中公开的医学图像融合相关的专利数据,从医学图像融合专利的申请分布时间、主要申请国家分布、主要申请人分布几个方面进行了分析,并梳理了医学图像融合领域的技术演进过程。

医学图像融合技术在肿瘤放射治疗中的应用

探讨CT-MRI医学图像融合技术在肿瘤放射治疗中的应用价值。方法 选取某医院近两年收治的100例肿瘤放疗患者,分别行CT扫描和CT- mri融合扫描,比较其放射剂量。结果 对比分析两组患者分别采用不同的的医学图像技术后的肿瘤靶区体积,实验数据表明,观察组患者肿瘤靶区体积明显低于对照组患者,两组患者之间数据对比存在显著差距,表示有统计学意义(P<0.05),对比分析两组患者分别采用不同的的医学图像技术后的照射剂量,实验数据表明,观察组患者最小照射剂量以及最大照射剂量明显低于对照组患者,两组患者之间数据对比存在显著差距,表示有统计学意义(P<0.05)。结论 在放疗过程中,采用CT-MRI图像融合技术可以更准确地划定肿瘤放射靶点,有效降低放疗剂量。

转化医学理念融合混合式教学方法对医学教育改革下全科住培医师胜任力及临床实践能力的影响分析

研究转化医学理念融合混合式的教学方法在医学教育改革开展的过程中使用的效果,尤其是其针对全科住培医师胜任力、临床实践能力的提升作用。方法 本文选择全科住培医师40名进行研究,每组20名。在研究组中使用转化医学理念融合混合式教学方法,在对照组中使用传统带教模式,对比两组的数据。结果 对比对照组,研究组明显提升考核结果、胜任力,P<0.05。结论 转化医学理念融合混合式的教学方法在医学教育改革开展的过程中使用的效果理想,尤其是全科住培医师,可以明显提升胜任力、临床实践能力,值得临床使用。

医学图像融合的并行实现

基于小波变换的并行医学图像融合方法有良好的效果且能进行快速实时融合。在介绍双正交小波变换图像融合方法的基础上分析了该方法的时间复杂度,提出了基于小波变换的多模图像融合的并行算法,并在配置了并行机群环境下实现了单幅和序列医学图像的并行融合,针对不同大小结果图像和不同机群规模进行测试,对并行效率的分析证实了该并行融合方法具有较好的并行性能和可扩展性。

小波域CT/MRI医学图像融合新方法

针对传统小波变换融合算法对细节信息的丢失问题,提出了一种新的小波域CT/MRI医学图像融合算法,利用平均梯度和方差两个指标来指导低频分量的融合;对高频分量采用基于梯度能量比加权的融合规则。实验结果表明,与传统的小波变换方法相比,此方法能够充分地将两种不同模式的信息融合在一起,很好地保留原始图像的重要特征,融合图像包含更丰富、更全面的细节信息,有效提高了医学图像融合的信息量。

不同图像格式在医学图像融合中的性能研究

不同格式的医学图像影响着融合性能。选择常用的BMP、JPG、PNG格式,首先采用典型的小波基函数进行小波融合,然后选用无下采样Contourlet变换(NSCT)融合进行对比验证。实验结果显示,PNG格式图像无论是融合性能还是运行时间和存储空间,都显示了优越性。

基于差分进化算法的多模态医学图像融合

针对现有多模态医学图像融合方法间的优点不易综合的问题,提出一种基于差分进化算法的多模态医学图像融合。分别利用ISH和小波变换方法产生初始图像,利用差分进化算法来优化由图像定量评价指标构成的目标函数,从而获取视觉效果较好,清晰度较好和信息量丰富的融合图像。实验结果和评价参数表明,提算法在平均梯度、熵等表示细节信息和融合质量的等定量指标上比基于小波变换和ISH变换图像融合算法提高了30%和2.5%以上,有效地结合基于小波变换和ISH变换两种不同融合方法的优点。

基于Shearlet变换和TV模型的医学图像融合

为了综合多模态医学图像的互补信息,为临床诊断和辅助治疗提供更为充分有效的依据,提出了一种基于Shearlet变换和全变差(Total variation,TV)模型的含噪医学图像融合方法。首先对源图像(CT/MRI图像或CT/PET图像)进行Shearlet变换,产生一个低频子带和若干高频子带。然后对低频子带采用基于区域方差的融合策略,以完整地保留源图像的解剖信息或功能信息;对于高频子带,则利用TV模型进行去噪预处理,避免噪声对融合结果的干扰,再采用改进拉普拉斯能量和(Sum-modified-Laplacian,SML)的融合策略,最大程度地融合边缘、细节信息。大量实验结果表明,与近年来提出的3种融合方法相比,本文提出的方法对无噪声和有噪声的医学图像都能取得更好的融合效果,融合图像完整地保留了源图像的信息,目标的边缘、细节清晰,计算效率也有所提高。