首页 > 文献资料
-
手术操作名称填写对编目的影响
如果临床资料仅储存在病案中而没有检索的办法,使宝贵的资料闲置,对于医学科学是没有价值的.病案科学管理中的疾病和手术操作分类是开启病案资料,激活医疗信息至关重要的一项基本工作.它直接服务于临床、教学、科研、医院管理,为病案查找、检索提供方便.手术操作分类编目,是病案管理不可分割的部分,是病案首页必须填写的项目之一,是疾病分类的一个补充分类.
-
pH值对精制地鼠肾细胞狂犬病疫苗毒力影响的分析
WHO推荐的人用狂犬病疫苗的低效价每剂须在2.5 IU/ml以上,狂犬疫苗的毒力不仅是衡量疫苗质量的一个重要指标,同时对疫苗的效力也构成一定的影响,两者有着不可分割的必然联系.在疫苗生产中我们在条件一致的情况下,观察到其中pH值的变化对毒力的影响较大.
-
整合医学有待回归
目前,临床分科越来越细,医生的整体观念越来越薄弱,而过细的分科导致一个专科的医生对其他专科的疾病十分陌生,一些医生甚至只能看好某一个专科、某一个系统内的疾病.因此有人做了这样一个形象的比喻,说精细的分科让患者在医生眼中变成了患病的"器官".但是我们人体所有的器官、组织是一个不可分割的整体,对于疾病的治疗如果仅看某一器官,"头痛医头、脚痛医脚",而不综合患者整体情况的话,有时就会导致漏诊误诊的发生,更会阻碍医学的发展.因此,近年来医学界呼唤整合医学的回归.
-
易理是中医治疗的灵魂
中医的理论基石是中国的传统文化,它与中国占典哲学的关系是血肉相连,不可分割的.尤其是中医和<易经>的关系,更是为人们所熟知.几乎历朝历代的造诣深厚的中医学家,无一不对<易经>有着很深的研究.
-
论美容与养生
美容与养生是统一的整体这一观点来自于中医的整体观念.中医学非常重视人体本身的统一性、完整性及与自然界的相互关系,它认为人体是一个有机整体,构成人体的各个组成部分之间,在结构上是不可分割的,在功能上是相互协调、相互为用的,在病理上是相互影响着的.
-
体外细胞培养应用于中药复方研究的进展
纵观现代医学研究史,体内(in vivo)实验和体外(in vitro)实验是不可分割的两个方面.从各自的地位来看,由于体外实验的结果终要通过体内实验来证实其价值,体内实验更为重要.然而,体外实验以其需时短、实验条件和因素易于控制,便于进行相对复杂的实验设计,可以避免体内实验的伦理学问题等优点,在现代医学的发展中发挥了极为重要的作用,而现代医学的许多重大突破源于体外实验的启迪.在中西医结合临床实践中,中药复方仍然是主要的用药方式.
-
中医英译中的音译现象与翻译的等值理论
中医英译难,要在英译中实现翻译等值更是难上加难,问题的关键是翻译的等值理论在中医英译实践中的再现,即如何既要准确地传递原文,又要将中医作为中国传统文化中一个不可分割的部分全面地在译文中准确表达出来,努力使译文有一个坚实的理论基础,一个具有中国特色的鲜明导向性特征,一个能被英语母语使用者接受的流畅篇章.
-
基于LBP的改进Random Walks算法在颅脑磁共振影像分割中的应用
目的 由于颅脑结构复杂且颅脑磁共振影像易受噪声、磁场不均匀性、部分容积效应等因素的影响,精确的脑组织分割方法仍需深入研究.方法 本文提出一种基于Random Walks的改进算法以提高脑白质、脑灰质及脑脊液分割的准确性.通过引入局部二值模式(local binary patterns,LBP)改进了传统Random Walks权重函数的构造,在反映相邻像素灰度变化信息的同时包含了局部图像的纹理信息,有利于合并同质区域并增强边缘轮廓的识别.本文还使用了灰度先验概率模型减少Random Walks种子点交互的次数.结果 实验结果表明基于LBP的改进算法在多种不同水平的噪声及不均匀场作用下,能够有效识别磁共振影像中脑组织区域的边缘轮廓,并对噪声有良好的鲁棒性.结论 基于LBP的改进Random Walks算法可精确分割颅脑磁共振影像.
-
基于MATLAB的CT肝脏肿瘤图像分割
目的 将CT图像中的肝脏肿瘤部分进行准确分割.方法 利用MATLAB平台对CT肝脏肿瘤图像进行预处理,并结合灰度转换、二值化处理、反色处理、形态学处理、区域生长法对病灶区域进行分割.结果 组合分割法能够发挥简单、快速、适合小病灶区域的分割特点,实现了肝脏肿瘤组织的分割,分割效果理想.结论 该方法用于肝部肿瘤的分割具有一定的有效性,但对于与周围粘连较多的肿瘤的分割还有局限性.
-
基于重采样的胸部CT图像肺实质自动分割
目的 胸部CT图像的肺实质自动分割是肺部疾病计算机辅助检测的重要基础.为提高分割速度,本文提出并实现了一种基于重采样的分割算法.方法 首先对数据重采样,提取部分(1/8)体数据.再基于重采样体数据,通过阈值分割、胸腔提取、气管剔除、血管填充、左右肺分离和肺壁结节填充等步骤,得到初步分割结果.然后将该结果还原到完整数据体上,形态学平滑后即完成终分割.后将算法应用于20例患者数据(2556个断层),并与放射科医生手动分割结果进行比较.结果 本文算法对20例患者数据均能取得优异结果,与放射科医生手动分割的平均面积重叠率达99.02%,且适用于左右肺相连、肺壁存在结节、视野不完整等异常情况.通过数据重采样极大缩短分割时间,一般可缩短50%,一帧图像平均耗时小于0.25s.结论 本文算法能够实现胸部CT图像肺实质的自动分割,结果准确可靠,鲁棒性好,速度快,基本满足实际临床需求.
-
双侧内耳统计形状模型
目的 探讨建立双侧内耳统计形状模型的方法和影响因素,并探讨使用平均双侧内耳模型作为带空间信息的标准模型.方法 通过Otsu法以及手动分割37例双侧内耳模型,对模型进行配准并生成统计形状模型,观察测量标准模型空间信息.结果 Otsu法可以分割获取高质量内耳模型,模型配准后使用Statismo 0.81软件可以生成稳定的内耳统计形状模型,其导出的平均模型空间方向信息具有代表性.结论 双侧内耳统计形状模型可以导出平均模型作为带空间方向信息的标准模型.
-
用改进的耦合水平集方法从MSCT中分割左心室
新型的多层螺旋CT(MSCT)能提供含有时间信息的四维CT成像数据,可用于动态心、肺功能的分析,但如何从中自动或半自动地精确分割出心脏和肺等器官是研究成功的关键.提出一种基于改进的耦合水平集自动分割方法(ICLS),从心脏MSCT数据集中精确提取左心室腔和心肌.根据层片间的结构连续性,自动定位并获取左心室腔的粗轮廓,作为水平集的初始化轮廓,同时,将腔粗轮廓和左心室先验知识融合到耦合水平集中,自动获取左心室内外膜的精确边缘.在8例256层MSCT三维心脏数据集上的实验表明,ICLS模型对血腔的分割结果和手工分割结果的平均相似度在95％以上,心肌的平均相似度在90％以上；分割结果的三维表面重建验证了ICLS方法提取出的左心室具有良好的各向同一性和完整性.
关键词： 左心室 分割 耦合水平集 心肌 多层螺旋CT(MSCT) -
基于形态学的均值平移算法的神经元干细胞图像的自动分割
在神经元干细胞的图像分析中,准确快速的图像分割是干细胞分化增值自动追踪系统的基础.为了准确地分割低对比度的灰度神经元于细胞图像,本研究提出一种基于形态学运算和均值平移算法的神经元千细胞分割方法,称其为形态学的均值平移算法.此算法可以快速地获得任意形状细胞的图像,并且能检测到图像中多连接边缘不封闭的细胞.将此方法应用于神经元干细胞序列图像分割中并且将其与门限分割、水线分割和活动轮廓进行对比.实验结果证明,与其它的方法相比,此方法获得的细胞分割形状更接近于真实细胞的形状,并且能获得或接近于原始图像中准确的独立细胞数目.此方法可以获得正确的分割结果,为进一步图像处理奠定了良好的基础.
-
基于对称区域生长和边缘梯度的视神经纤维的分割
在视神经横切面图像中,将每个神经纤维的内外边界进行精确分割是视神经形态分析的重要环节,提出一种基于对称区域生长和髓鞘边缘梯度的有效分割算法.该算法分两步进行,首先根据交互方式下选取的种子点,由对称区域生长算法实现轴突分割,然后在轴突轮廓模型基础上,髓鞘外轮廓在髓鞘平均边缘梯度引导下进行演化,实现自动分割.与K-均值聚类,局部阈值和水平集等其他算法的实验结果相对照显示,该算法分割获得的轴突和髓鞘轮廓与实际轮廓相吻合,其分割结果可以作为后续神经纤维形态分析的基础.
-
基于灰度和形状的非刚性图像配准算法的研究
提出一种新的灰度和形状信息相结合的全自动同模态医学图像非刚性配准-分割算法,将欧氏距离表示的形状信息融入基于灰度的配准算法中,构造出新的代价函数.该算法在医学图像多目标分割的应用中,能够较好地完成灰度相近、边缘模糊、间距较小的不同结构的分割.对5组真实脑部MRI图像进行分割脑深层灰质结构的实验,结果表明,本算法优于基于灰度信息的图像配准算法.
-
肺部CT图像气管树分割技术研究进展
肺部气管是人体与外界进行气体交换的唯一通路;其解剖结构信息可用于诊断呼吸系统疾病.计算机断层扫描技术(CT)是检测呼吸系统疾病的主要手段,但因就诊人数多、图像数据量大等因素;导致人工阅片费时费力.而肺部气管树的自动提取与分割;是实现自动化定量分析与呼吸系统疾病辅助诊断的前提.首先对肺部气管树分割技术的背景及意义进行介绍;然后分析对比传统分割技术、基于管状结构检测的分割技术以及基于机器学习的分割技术所运用的研究方法和存在的问题.后指出提高肺部气管树分割效果;依赖于将气管分割技术与泄漏剔除技术相互结合;需要在尽可能分割出多数气管树分枝的基础上;消除分割结果中存在的伪气管区域.
-
磁共振颅脑图像快速模糊聚类分割算法的研究
尽管模糊C-均值(简称FCM)聚类算法已广泛应用于图象分割研究，但是，由于模糊C-均值聚类算法所固有的一些缺点，特别是运算开销太大造成了该算法在实际应用中难以推广使用。根据模糊C-均值聚类算法和磁共振颅脑图象的特点，我们提出了一种分割磁共振颅脑图象的快速模糊C-均值(简称FFCM)聚类算法。该算法利用K-均值聚类结果指导模糊聚类的初始化，使模糊聚类的迭代次数明显减少，从而极大地提高模糊聚类的速度。实际应用表明，FFCM的分割速度比FCM快6.5倍以上，而分割精度与FCM相比无显著性差异。
关键词： 磁共振颅脑图象 分割 快速模糊C-均值聚类算法 -
模糊神经网络在颅脑磁共振图像分割中的应用研究
由于颅脑磁共振图像分割的效果受制于解剖结构和成像过程引起的边缘模糊和噪声,本研究结合神经网络和模糊逻辑技术,提出一种基于模糊神经网络的颅脑磁共振图像的半自动分割算法.分割实验的结果表明,在同等条件下,模糊神经网络分割算法的收敛速度比BP神经网络分割算法快三倍以上;与大似然法、模糊c均值聚类和BP神经网络分割算法相比,FNN分割算法的抗噪声和抗模糊能力更强.
-
基于模糊K-近邻规则的多谱磁共振脑图像分割方法的研究
本文在K-近邻(K-nearest neighbor,简称KNN)规则的基础上,基于模糊C-均值聚类(Fuzzy C-means clustering,简称FCM)技术,提出了模糊K-近邻算法(Fuzzy K-nearest neighbor,简称FKNN),并利用该算法对磁共振脑图像进行分割研究.首先对磁共振颅脑图像进行预分割,剔除颅骨和肌肉等非脑组织,只保留大脑结构;然后利用FKNN算法对大脑结构进行分割,从脑组织中分别提取出白质、灰质和脑脊液.实验结果表明,FKNN方法能有效地从大脑结构中分割出白质、灰质和脑脊液,分割效果明显优于KNN方法.
-
DSA血管三维重建技术分析与展望
DSA血管三维重建技术作为有力的辅助手段能够弥补DSA设备在成像上的不足,能够为用户提供具有真实感的血管三维空间信息,便于医生从多角度、多层次对病灶进行观察和分析.该技术在心血管的辅助诊断、手术仿真、引导治疗等方面都能够发挥重要的作用.在此从DSA造影设备的成像原理出发,详细分析了基于两幅单平面造影图像的血管三维重建所涉及的一些关键性技术,包括DSA系统设备的标定、血管骨架的分割、特征点的识别和匹配、血管空间点的重建和血管段的拟合、血管的截面的描述与血管树的三维显示技术等等.后对DSA血管三维重建技术所面临的主要难题进行了分析,并展望了其未来的发展.
