首页 > 文献资料
-
皮肤PACS系统关键技术及其临床应用研究
PACS系统(picture archiving and communication systems)从20世纪80年代开始发展到现在,在医学影像中已经得到了广泛的应用.相比其他学科(如X光、CT成像等),皮肤科医生采用图像分析等新技术辅助诊断的过程发展缓慢,目前大多采用肉眼判断.皮肤影像学是利用现代先进计算机成像手段,可以无创、原位、动态、实时的获取皮损图像的新方法.然而皮肤镜、皮肤超声显微镜、激光共聚焦显微镜等成像方法,其各有优缺点,如何更好地利用这些设备,为医生服务,提高临床诊断效率与准确率,是我们面临的新挑战.为解决这一问题,本文对皮肤镜、皮肤超声显微镜、激光共聚焦显微镜的影像进行了整合,设计研发了一套皮肤PACS系统,并在临床中取得了应用,取得了满意的效果.
-
基于深度学习的皮肤影像分类
随着大数据时代的到来,深度学习技术在图像分类、 检测等任务中相对传统模式识别方法均取得了令人瞩目的突破.2017年1月,斯坦福大学人工智能实验室采用深度学习方法对皮肤镜和临床皮损图像进行自动分类,并在 《自然》 杂志上发表了相关研究成果,代表了皮肤图像自动分析领域的新研究进展.本文从数据库建立、 研究方法设计以及试验结果分析等角度对这一研究工作进行解读,并分析国内皮肤影像计算机辅助诊断的研究现状,以及未来多源皮肤影像大数据分析与智能辅助诊断的发展空间,以期推进我国皮肤疾病的医疗诊断水平.
-
人工智能在皮肤科领域的应用与发展
人工智能被称为制造智能机器的科学和工程,为影响当今社会发展的前沿科学技术之一.随着计算机科学、互联网技术等的进步,人工智能逐渐形成认知计算、机器学习及深度学习三个主要分支.近年来,人工智能在影像识别、辅助诊断、医学机器人、药物研发等诸多方面得到应用.皮肤病学自身的学科特点及人工智能在图像识别方面的优势,使得人工智能在皮肤科领域的应用成为当今热点之一.本文阐述了人工智能在皮肤科领域的适用范围,如皮肤影像、皮肤病理及医学机器人等,分析了人工智能在皮肤科应用的现状,并对其未来发展趋势进行了展望.
-
推动我国皮肤影像研究、教育与应用的系统平台——中国皮肤影像资源库项目(CSID)
皮肤病学是研究皮肤及其相关疾病的科学,皮肤病的皮损具有可视化特征,因而皮肤病是一门适宜应用各种图像技术的临床二级学科.随着图像技术和数字技术的不断发展,已出现了一系列皮肤影像诊断方法,显著提升了皮肤科医生的诊断水平和工作效率,改变了皮肤病学的发展格局和面貌.皮肤病学的另外一个特征是病种众多,加之我国的皮肤病患者数量庞大,使得皮肤影像数据呈指数性增长,迫切需要构建适用于我国人群的皮肤病智能辅助诊断系统.在近十多年工作基础上,“中国皮肤影像资源库项目”(Chinese Skin Image Database,CSID)于2017年正式启动,已开展了系列颇具影响力的工作,如设立CSID开放研究课题(Open Research Funding of CSID,CSID-ORF)、成立CSID皮肤影像学院、开发CSID工作平台及相关应用技术等.CSID已逐渐发展成为我国皮肤影像研究、教育与应用的系统平台,将继续为我国皮肤影像事业的发展作贡献.
-
基于大数据的皮肤影像分析策略
文中首先简要介绍皮肤影像分析的两种策略,即基于医学经验的模型和基于数据驱动的模型,而基于大数据皮肤影像分析策略的核心就是数据驱动的策略.随后从皮肤的影像大数据研究内容、基于这些大数据面向皮肤影像常见的分析策略的数据驱动方法、这些分析策略对应的数据存储及常用的计算框架落地等几个方面进行了分析,有一定的专业深度,希望能对皮肤科医生有所借鉴和帮助.
-
基于皮肤影像的远程医疗技术在儿童皮肤病学教学中的应用
近年来,各种皮肤影像学技术的发展起到辅助医生诊断治疗疾病的重要作用,并极大解决了教学资源稀缺问题.以皮肤影像学数据库为平台建立的远程皮肤医疗技术更可在辅助教学、基层继续教育培训等医疗教学工作中发挥更大作用.本文结合儿童皮肤病学课程特点与教学现状,分析皮肤影像学技术在皮肤病教学中使用的必要性及可行性,并探索基于皮肤影像的远程医疗技术在儿童皮肤病教学中的应用.