医学影像专题

CP-Net：用于生物细胞解析的实例感知部分分割网络|文献速递--基于深度学习的医学影像病灶分割

Title 题目 CP-Net: Instance-aware part segmentation network for biological cell parsing CP-Net：用于生物细胞解析的实例感知部分分割网络 01 文献速递介绍实例分割是计算机视觉中的一个经典任务，用于识别图像中每个像素的对象类别（语义类型）并确定唯一的对象ID（实例索引）（Yi等，201

智慧医疗：某公立三甲医院300TB医学影像数据迁云实践

一、智慧医疗背景下，医学影像的数字化、移动化、智能化趋势 X光、B超、CT、核磁共振...去医院拍个片儿，检查身体健康状况，每每都要花上一天甚至两天的时间，医疗资源稀缺的当下，拍片儿需要排队，等片子出来要排队，等医生诊断还要排队，要是转个院换个医生，还需要再次拍摄，重复检查。对个人来说，这种情况既浪费时间又浪费金钱；对医院来说，这不仅会降低服务质量，如果难以调用其他医院的原始影像，还会耽误医生对

（源码）一套医学影像PACS系统源码医院系统源码提供数据接收、图像处理、测量、保存、管理、远程医疗和系统参数设置等功能

PACS系统还提供了数据接收、图像处理、测量、保存、管理、远程医疗和系统参数设置等功能。 PACS系统提高了医学影像的利用率和诊疗效率，为医生提供了更加准确和及时的诊断依据。它是医院信息化的必备系统之一，已经成为医学影像管理和传输的重要工具。 PACS系统特点： 1.开放式体系结构，完全符合DICOM3.0标准，提供HL7标准接口，可实现与提供相应标准接口的HIS系统以及其他医学信息系统

【机器学习】Python与深度学习的完美结合——深度学习在医学影像诊断中的惊人表现

🔥 个人主页：空白诗文章目录一、引言二、深度学习在医学影像诊断中的突破1. 技术原理2. 实际应用3. 性能表现三、深度学习在医学影像诊断中的惊人表现1. 提高疾病诊断准确率2. 辅助制定治疗方案四、深度学习对医疗行业的影响和推动作用一、引言随着人工智能技术的不断发展，深度学习在医学影像诊断领域的应用日益广泛，其强大的特征提取能力和高效的学习机

在门诊室里,张女士焦急地告诉主治医师,自己忘了带CT胶片。“您别急,我用系统查询一下。”医生轻点几下鼠标进入云胶片平台,只用不到10秒就顺利完成了影像调取。“不仅我可以看到,您在手机上也能随时随地查阅。”张女士根据提示操作,不仅能调阅自己的影像档案,连抽血化验结果都可以查到:“不用再拎着大袋胶片和报告东奔西走,真是方便啊。”不少患者反映家中存放的大部分医学影像胶片,由于长时间氧化加潮湿,导致片子失

北京大学第一医院与智源研究院共同发布基于可信执行环境的AI医学影像挑战赛

肾动脉狭窄是导致继发性高血压及肾功能不全的常见原因，而目前针对肾动脉狭窄功能学的评估尚处于探索阶段。数据保护和可信计算环境是目前人工智能技术应用于临床研究的一大瓶颈。北京大学第一医院与北京智源人工智能研究院心脏AI 联合研究中心特发布基于可信执行环境的AI医学影像挑战赛，以推动基于医学数据的人工智能技术应用。本次挑战赛的发起人为北京大学第一医院副院长、心血管疾病研究所所长李建平教授

【漏洞复现】英飞达医学影像存档与通信系统 WebJobUpload 任意文件上传漏洞

0x01 产品简介英飞达医学影像存档与通信系统 Picture Archiving and Communicaton System，它是应用在医院影像科室的系统，主要的任务就是把日常产生的各种医学影像(包括核磁，CT，超声，各种X光机，各种红外仪、显微仪等设备产生的图像)通过各种接口(模拟，DICOM，网络)以数字化的方式海量保存起来，当需要的时候在一定的授权下能够很快的调回使用，同时增加一些

AI 医学影像辅助诊断的商业模式分析

大部分AI医学领域都是创业型公司，对他们来说，虽然当下是比较好的出圈机会。但遗憾的是，医疗领域创业成功的很少。要么在商业模式上清晰的认识，要么就是走资本路线…… 我经常与AI影像的创业朋友进行商业探讨，在这里与大家分享一些沉淀下来的思考。这些年，AI医疗行业一直很火。从火石、动脉网等获取数据来看，这几年融投资在医疗科技领域投资的趋势都是倾向于区块链、基因、生物创新药技术范围这一部分。

文献速递：深度学习医学影像心脏疾病检测与诊断--CT中的深度学习用于自动钙评分：使用多个心脏CT和胸部CT协议的验证

Title 题目 Deep Learning for Automatic Calcium Scoring in CT: Validation Using Multiple Cardiac CT and Chest CT Protocols CT中的深度学习用于自动钙评分：使用多个心脏CT和胸部CT协议的验证 Background 背景 Although

广州华锐互动：VR医学影像模拟教学系统有哪些优势？

VR技术在医学实验和教育中的应用有可能为学生、研究人员和医疗保健专业人员带来许多好处。 VR技术为学生提供了一个虚拟环境，让他们以安全、可控和引人入胜的方式学习解剖学、生理学和医疗程序。以下广州华锐互动整理的VR医学影像模拟教学系统的一些优势： 1、安全和受控的环境 VR技术允许学生在虚拟环境中练习和执行医疗程序，而不会对患者或设备造成伤害。这为学生提供了一个安全和可控的环境来学

医学影像教学协同、关联影像、影像诊断、确诊、炎性病变、读片、超声、放射、随访管理、随访统计、患者管理、病例讨论、病例库、病例收集、病例整理、患者报告、题目库、试卷库、考试库、考试统计、Axure原型

医学影像教学协同、关联影像、影像诊断、确诊、炎性病变、读片、超声、放射、随访管理、随访统计、患者管理、病例讨论、病例库、病例收集、病例整理、患者报告、题目库、试卷库、考试库、考试统计、Axure原型、HTML 医学影像教学协同、关联影像、影像诊断、确诊、炎性病变、读片、超声、放射、随访管理、随访统计、患者管理、病例讨论、病例库、病例收集、病例整理、患者报告

袋鼠云×智慧医疗，300TB医学影像数据迁云实例

前言：某公立三甲医院网络医院存储了医院成立以来十几年、多达300TB的历史数据，根据相关规定，医院必须保存至少15年，但是这些历史数据使用次数很少，『冷数据』占据大量存储资源。该公立三甲医院网络医院的快速发展使得每年新增影像数据接近80TB，存储资源日益紧张。而且随着医学影像数据量的持续增大，该公立三甲医院网络医院PACS系统的数据存取性能也在逐渐下降。高性价比、高度弹性、快速部署，云计算的这些

【医学影像】LIDC-IDRI数据集的无痛制作

LIDC-IDRI数据集制作 0.下载0.0 链接汇总0.1 步骤 1.合成CT图reference 0.下载 0.0 链接汇总 LIDC-IDRI官方网址：https://www.cancerimagingarchive.net/nbia-search/?CollectionCriteria=LIDC-IDRINBIA Data Retriever 下载链接：https:/

文献速递：GAN医学影像合成--用生成对抗网络生成 3D TOF-MRA 体积和分割标签

文献速递：GAN医学影像合成–用生成对抗网络生成 3D TOF-MRA 体积和分割标签 01 文献速递介绍深度学习算法在自然图像分析中的成功近年来已被应用于医学成像领域。深度学习方法已被用于自动化各种耗时的手动任务，如医学图像的分割和分类（Greenspan 等，2016年；Lundervold 和 Lundervold，2019年）。特别是，监督式深度学习方法通过将输入图像中的特征映射到

深度学习之医学影像分割与分类_Matlab完整开发流程

文章目录前言一、基本介绍二、DeepLabV3+分割网络1.语义分割网络数据集制备2.加载数据集图像和标签3.DeepLabV3+网络搭建3.1用类加权平衡类3.2创建网络3.3数据增强3.4设置超参数3.5开始训练并保存3.6网络评价3.7测试训练结果三、分类网络的构建1.图像预处理2.网络搭建3.测试训练结果四、APP设计五、总结前言 Python基本占据了深度

文献速递：人工智能医学影像分割--- 深度学习分割骨盆骨骼：大规模CT数据集和基线模型

文献速递：人工智能医学影像分割— 深度学习分割骨盆骨骼：大规模CT数据集和基线模型我们为大家带来人工智能技术在医学影像分割上的应用文献。人工智能在医学影像分析中发挥着至关重要的作用，尤其体现在图像分割技术上。这项技术的目的是准确划分人体重要器官和异常物体，例如肺部、结节、肿瘤等。高质量的图像分割结果对于医疗手术的规划至关重要，同时也在疾病的诊断和预后中发挥着重要作用。它能够帮助医生清晰地标

深度学习在医学影像分析中的应用

深度学习在医学影像分析中的应用深度学习在医学领域的应用逐渐崭露头角，尤其在医学影像分析方面，为医生提供了更准确、高效的诊断手段。本文将探讨深度学习在医学影像领域的应用，并介绍其中一些令人瞩目的成果。医学影像与深度学习医学影像包括X射线、CT、MRI等多种成像技术，这些图像往往包含大量的信息，需要专业医生仔细分析。深度学习通过卷积神经网络（CNN）等模型，能够自动提取图像中的特征，帮助医

医学影像处理--Unet在Multimodal Brain Tumor Segmentation Challenge 2019上的应用

背景 Multimodal Brain Tumor Segmentation Challenge 2019 http://braintumorsegmentation.org/ 是一个脑部肿瘤分割的比赛，主要是利用病人的核磁共振的图像，预测病人脑部胶质瘤的位置，预测病人的生存期，这两部分会有一个排名，这是属于图像的语义分割的问题。数据分析原始的数据需要在这个网站上注册下载，分成两部分，t

一、医学影像云平台（AI赋能基层的最佳实践）

医学影像云平台，是一个目前影像业务中，各省市级领导比较重视的业务板块。因为，影像平台不但可以直接给原来没有PACS系统的1,2级医院提供PACS服务，还可以提供院间之间的业务，例如发送远程诊断，远程会诊业务；除了正常的院内和院间的业务，最重要的是，卫健委可以对所有接入的医院进行统筹规划；例如，可以将AI公司的产品直接集成到云平台中，这样既可以提高区域内的阅片速度和水平，又可以大大的节省资源的投入；

医学影像设备学_【技士/师证考试宝典】第四篇医学影像设备学MR 23

让学习成为一种好习惯正文开始主磁体的种类和特点主磁体产生的静态磁场，使人体组织内的氢质子在磁场内形成磁矩，并以拉莫尔频率沿磁场方向进行自旋。主磁体是磁共振成像设备的核心部件之一。按磁场强度分类：低场强(<0.3T)，中场强(0.3-1.0T)，高场强(>1.0T)。磁体的种类有永磁体、常导磁体、超导磁体、混合磁体等。一、永磁体永磁材料主要有铁镍钴、铁氧体和稀土钴

【组会记录 | 研一下】医学影像自然图像

【2.25】-步态主题：通过单帧步态图像重建步态周期的步态识别论文：Gait Recognition from a Single Image using a Phase-Aware Gait Cycle Reconstruction Network 讨论： 1、研一下要有实质性进展/想法，至少要确定模型，这也假期可以做实验&写论文（实际上有很多情况会导致延迟） 2、论文/讲座

【医学影像 | 个人记录】脊柱

人体基本面/轴基本面、 Sagittal plane矢状面(分左右)、 Coronal plane 冠状面(分前后)、Transverse plane横断面(分上下) vertical axis垂直轴(呈上下方向⊥地面)、sagittal axis矢状轴(呈前后方向平行于地面)、frontal axis冠状轴(呈左右方向平行于地面) 脊柱脊柱棘突：定位方法第7颈椎棘突特

文献速递：人工智能医学影像分割---一个用于 COVID-19 CT 图像的粗细分割网络

文献速递：人工智能医学影像分割—一个用于 COVID-19 CT 图像的粗细分割网络 01 文献速递介绍 2019 年新型冠状病毒疾病（COVID-19）正在全球迅速传播。自 2019 年以来，已有超过一千万人感染，其中数十万人死亡。COVID-19 是由一种严重急性呼吸综合征冠状病毒引起的，这种病毒可以快速传播给其他人，从而显著增加感染人数。因此，迅速诊断并给予适当治疗至关重要。不幸的是，

文献速递：生成对抗网络医学影像中的应用——基于CycleGAN的图像到图像转换，用于逼真的外科手术训练模型

文献速递：生成对抗网络医学影像中的应用——基于CycleGAN的图像到图像转换，用于逼真的外科手术训练模型本周给大家分享文献的主题是生成对抗网络（Generative adversarial networks, GANs）在医学影像中的应用。文献的研究内容包括同模态影像生成、跨模态影像生成、GAN在分类和分割方面的应用等。生成对抗网络与其他方法相比展示出了优越的数据生成能力，使它们在医学图像应

医院影像科PACS系统源码，医学影像系统，支持MPR、CPR、MIP、SSD、VR、VE三维图像处理

PACS系统是医院影像科室中应用的一种系统，主要用于获取、传输、存档和处理医学影像。它通过各种接口，如模拟、DICOM和网络，以数字化的方式将各种医学影像，如核磁共振、CT扫描、超声波等保存起来，并在需要时能够快速调取和使用。 PACS系统还提供了辅助诊断和管理功能，可以在不同的影像设备之间传输数据和组织存储数据。它的功能包括超声工作站、内镜工作站、病理工作站、心电工作站、三维后处理工作站等。P

文献速递：生成对抗网络医学影像中的应用—— CG-3DSRGAN：用于从低剂量PET图像恢复图像质量的分类指导的3D生成对抗网络

文献速递：生成对抗网络医学影像中的应用—— CG-3DSRGAN：用于从低剂量PET图像恢复图像质量的分类指导的3D生成对抗网络本周给大家分享文献的主题是生成对抗网络（Generative adversarial networks, GANs）在医学影像中的应用。文献的研究内容包括同模态影像生成、跨模态影像生成、GAN在分类和分割方面的应用等。生成对抗网络与其他方法相比展示出了优越的数据生成能