川北医学院：《医学影像物理学》课程教学资源（课件讲稿）第三章 医用超声换能器及辐射声场

长沙医学院：医学影像学院课程简介

浙江大学医学院：心血管系统影像学（胡红杰）

结合影像学和人工智能技术对病灶进行无创性定量分析是目前智慧医疗的一个重要研究方向。针对肝细胞癌（Hepatocellular carcinoma, HCC）分化程度的无创性定量估测方法研究，结合放射科医师的临床读片经验，提出了一种基于自注意力指导的多序列融合肝细胞癌组织学分化程度无创判别计算模型。以动态对比增强核磁共振成像（Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）的多个序列为输入，学习各时序序列及各序列的多层扫描切片在分化程度判别任务的权重，加权序列中具有的良好判别性能的时间和空间特征，以提升分化程度判别性能。模型的训练和测试在三甲医院的临床数据集上进行，实验结果表明，本文所提出的肝细胞癌分化程度判别模型取得相比几种基准和主流模型最高的分类计算性能，在WHO组织学分级任务中，判别准确度、灵敏度、精确度分别达到80%，82%和82%

第一节 电影的发明 第二节 影像发现：记录与叙事 第三节 电影表现力的发现

利用剪切测试所测得的精确实验数据,分析了影像剪切抗力的基本因素和规律

利用覆岩破坏高度观测钻孔进行相关测试研究,根据现场钻孔冲洗液漏失量、钻孔水位变化以及井下彩色钻孔电视影像,探明了煤层开采后上覆岩层内垮落带和导水裂缝带的发育高度及其分布形态

3D技术的发展受到其引发的不舒适感的限制,长时间观看立体显示影像将会引起立体视觉疲劳,一种客观评价立体视觉疲劳的有效指标亟待提出.本文利用EEG (electroencephalography)三个频带θ(4~8 Hz)、α(8~13 Hz)、β(13~22Hz)的相对能量及其能量比值E(α+θ)/β、Eα/β、E(α+θ)/(α+β)在八个不同脑区及整个脑区的54个指标作为备选,借助配对t检验、灰色关联度分析(GRA)、支持向量机(SVM),最后得出指示由立体深度运动引发的视觉疲劳的最佳脑电指标为:顶区Eα/β.并比较了三个频带相对能量在不同疲劳状态的变化:疲劳状态下,α频带明显上升(p < 0.01),β频带明显下降(p < 0.01),θ频带保持稳定

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断