首页 > 文献资料
-
医学观察数据的元数据框架反标准化应用
目的:构建医学观察数据的语义模型和元数据框架,为医学观察数据的规范化表达和信息共享提供基础.方法:参照国际标准化组织ISO有关信息技术标准及SNOMED CT、LOINC等医学领域相关国际、国家标准,定义医学观察项目的属性和元数据规范,采用UML建模.结果:医学观察数据的语义模型将医学观察逐步分解,形成类的树状层次结构.第一层可分为体格检查、实验室检查等4个子类;类包含一组特定的属性;属性以数据元的形式,通过元数据进行描述;一组特定属性(数据元)的实例即为规范化的医学观察数据.结论:语义模型和元数据框架规范下的医学观察数据具有完整、清晰的语义和统一的格式.构建元数据框架有利于医学观察数据的标准化,可作为国家卫生数据字典的研发策略.
-
一种基于语义模型的医学图像配准方法
医学图像由于成像模式、图像质量、患者间及患者在不同病程时的图像变化等差异以及对鲁棒性的严格要求,它的配准成为难点.我们受语义模型,尤其是视觉词包模型在计算机视觉中巨大成功的启发,将语义模型推广到医学图像配准.由于医学图像大都具有对比度差、动态范围小、只含灰度信息等特点,传统的视觉词包往往效果不够理想.本文根据相关研究工作,提出了更适用于医学图像处理的方向性视觉词包模型,并基于该语义模型进行医学图像配准.我们由专家人工指定关键的解剖结构,使用方向性视觉词包,借助由粗到细的金字塔搜索策略和k-means聚类方法,准确定位关键结构的位置,并重点配准它们附近的区域.在心脏图像上进行的实验表明,该方法可保证在特定区域内达到较高的配准精度.