一、第2讲 正常颅脑的CT读片（论文文献综述）
张雷[1]（2021）在《基于深度学习的颅内出血侦测与定位》文中进行了进一步梳理颅内出血（Intracranial Hemorrhage,ICH）是指颅骨内部的出血,是一种病情重、病残率和病死率高的脑部重症疾病,需要快速且准确的诊断,确定颅内出血的位置和出血亚型,提高患者的生存率。颅脑计算机断层扫描（CT）成像精度高且使用广泛,是初步诊断颅内出血的首选方案。经验丰富的放射科医生会通过调阅患者的颅脑CT影像,诊断颅内出血及出血亚型等病症,但放射科医生诊断颅内出血非常耗时,而且医生的资质对诊断准确性影响较大。本文针对颅内出血人工诊断漏检率和误检率高的问题,开展了基于深度学习的颅内出血侦测与定位研究,主要的研究工作如下:1.基于调窗优化的CNN检测模型构建。根据DICOM格式颅脑CT影像在不同HU范围显示不同类型组织和病变的特性,通过结合临床阶段放射科医生诊断颅内出血病症的调窗方法,分析对比不同窗下的颅脑CT影像,增设调窗优化模块作为CNN检测模型的输入。实验表明,增设调窗优化模块的CNN检测模型在颅内出血检测任务上有更好的表现,同时避免了因格式转换而出现的图像信息丢失问题,且调窗优化模块的参数可用于找到颅内出血图像的最佳窗口显示,增强颅内出血病症在CT影像上的显着性。2.基于改进RetinaNet的颅内出血侦测。针对人工诊断漏检率和误检率高,传统目标检测算法因出血病灶区域结构复杂,不同亚型出血病灶形态差异较大,而导致的病灶定位精度低问题,以RetinaNet为颅内出血侦测任务的基础模型,从基础特征提取网络结构、特征金字塔、损失函数、训练技巧方面对原始RetinaNet模型进行改进。实验表明,改进RetinaNet模型有效降低了病灶检测的漏检率,提升了病灶的定位精度。3.结合多尺度特征融合和卷积注意力机制模块CBAM的弱监督出血病灶定位。针对现实场景中颅内出血病灶高标准标注数据缺乏,常规强监督目标检测算法会因数据集过小而出现过拟合问题,借鉴类激活映射CAM思想,结合多尺度特征融合和CBAM,构建了以分类网络为基础的弱监督学习模型,通过出血亚型类别标签定位出血病灶。实验表明,结合多尺度特征融合和CBAM的弱监督学习模型在增加heatmap完整性的同时保证了模型的分类性能。
严春泽,王军霞,王权,李肖肖,季燕,杜雪平[2]（2020）在《基于工作任务分析的《全科专业住院医师规范化培训内容与标准（2019年修订版）》修订必要性研究》文中认为背景新型冠状病毒肺炎疫情发生以来,防治结合的基层卫生服务体系筑起了防疫的第一道防线,但同时也暴露出我国基层全科医生传染病防控知识不足、缺乏实战经验等问题,提示应进一步深化我国全科医生培养机制研究。目的通过对全科住院医师规范化培训结业后全科医生的工作任务分析,为进一步修订《全科专业住院医师规范化培训内容与标准（2019年修订版）》提供依据。方法采用自行设计的调查问卷,通过函调的方式,面向参加全科住院医师规范化培训并取得结业证书不满3年,主要在乡镇卫生院、社区卫生服务中心（站）或综合医院全科医学科工作的全科住院医师展开调查。问卷内容包括基本信息,住院医师工作任务情况,工作任务涉及的症状、疾病及完成工作任务所需的知识、技能。结果参与调查的对象工作单位类型中乡镇卫生院占42.3%（220/520）,城市社区卫生服务中心占36.2%（188/520）,综合医院占20.4%（106/520）,其他占1.1%（6/520）。工作岗位类型中以全科医生岗位为主占63.4%（330/520）,全科医生岗位与公共卫生岗位各一半占20.4%（106/520）,以公共卫生岗位为主占8.1%（42/520）,其他占8.1%（42/520）。工作任务排名中,执行频率排在前3位的工作任务分别为病史采集、体格检查、诊断与鉴别诊断。理论知识点实际应用中,常见慢性非传染性疾病诊治、以服务对象健康问题为导向的临床思维、常见慢性非传染性疾病规范化管理工作任务权重排名前3位。基本技能按工作任务权重排序前10位分别为:临床检验和结果判读、各种伤口换药与拆线、心电图机操作、系统查体、小伤口清创缝合、规范管理高血压、规范管理糖尿病、胸部X线读片、书写心电图诊断报告、健康教育。按部位统计接诊症状、按系统统计接诊疾病的频数及重要性排序为各科常见症状、疾病。结论《全科专业住院医师规范化培训内容与标准（2019年修订版）》与全科住院医师实际工作比较匹配,也需要加强一些实际工作需要的理论、技能的培训,突发疫情提示需要增加传染病病种及公共卫生相关理论学习和技能训练。
程峙娟[3]（2019）在《磁共振T2序列血管高信号征对颈内动脉血栓的临床诊断价值》文中研究说明目的:探讨颅脑磁共振（Magnetic resonance imaging,MRI）T2加权像（T2-weighted image,T2WI）横断面血管内高信号征在诊断颈内动脉血栓和预测患者临床病情变化及转归方面的应用价值。方法:回顾分析2016年1月至2018年8月在南昌大学第二附属医院经临床及影像学确诊为发病48小时内前循环急性脑梗死（acute cerebral infarction,ACI）患者。采用GE3.0T超导磁共振成像扫面仪进行常规序列,包括MRI、弥散加权像（diffusion weighted image,DWI）,磁共振血管成像（magnetic resonance angiography,MRA）。我们把MRI T2WI病灶责任ICA血管流空信号消失,出现ICA血管内异常高信号定义为T2血管高信号征（T2sequence-hyperintense vessels,T2HVS）。其中ACI患者MRI T2WI表现为责任颈内动脉（Internal carotid artery,ICA）走行区域血管流空信号消失,代之以血管异常高信号征且MRA进一步证实相应的责任ICA闭塞作为T2HVS征阳性组,而MRI T2WI双侧ICA走行区域未见明显血管异常信号且MRA显示颅内血管正常的ACI患者为T2HVS阴性组。我们推测可以把T2HVS作为动脉血栓的影像学标记,并进一步探讨T2HVS征与患者临床病情及预后之间的关系。结果:本组符合纳入标准的133例急性ACI患者（男72例,女61例）,年龄2187岁,平均（65±12）岁。58例患者MRI T2WI横断面责任ICA血管走行区域内显示ICA内异常血栓高信号征且MRA相应的ICA不显影,即呈T2HVS征阳性,T2HVS的阳性率为43.6%。其中4例患者在平均6.5个月（312月）的颅脑MRI随访中,病灶侧ICA T2HVS征消失,代之以血管正常流空信号。T2HVS阳性组和T2HVS阴性组两组间年龄、性别、发病至院时间、发病至MRI时间均无统计学差异（P>0.05）;两组间在器质性心脏疾病上有显着差异（P=0.002）,其中两组间心房颤动（atrial fibrillation,AF）有显着差异（P=0.000）,对器质性心脏疾病及AF与T2HVS征进一步行二元logistic分析显示器质性心脏疾病与T2HVS征无相关性（OR=1.171,P=0.808）,但AF对T2HVS有显着相关性（OR=0.193,P=0.010）;而其他既往史（包括高血压、糖尿病、高脂血症、吸烟、中风/TIA）均无统计学差异（P>0.05）;两组间患者入院NIHSS评分（P=0.000）及出院时改良mRS评分均有统计学差异（P=0.000）。入院时NIHSS评分（r=-0.648,P=0.000）及近期预后（r=-0.704,P=0.000）分别与T2HVS征进行Spearman相关分析,结果均显示有显着相关性。结论:MRI T2HVS征可以作为ACI患者中责任ICA急性血栓形成的影像学证据,为临床医生选择合适的治疗方案提供一定的指导。此外,T2HVS征还能为临床医生评估患者病情及预后转归提供重要的依据。
彭娴婧,龙学颖,肖巨雄,廖伟华[4]（2018）在《中国香港放射科住院医师培训制度简介及启示》文中指出笔者在香港中文大学教学医院威尔斯亲王医院放射科参观学习期间,研究学习中国香港地区放射科住院医师及专科医师培训制度。本文详细介绍了香港地区医学生招生制度、在校培养方案及课程设置、医学生影像学教育模式、医学生实习阶段的轮转内容及评价方法;放射科住院医师及专科医师培训年限、培训亚专业设置、考试渠道、考试模式与内容及通过标准、专科医师资格认证过程;住院医师培训领导机构、培训中心资质、书面培训指南;住院医师轮转计划及职责要求,住院医师评估工具与方法,住院医师理论培训方式、培训中心教学资源、住院医师科研要求及住院医师培训结束后流向。旨在通过梳理香港地区放射科医师从医学生到专科医师的培养过程,总结其培训制度的优点及特色,并与中国大陆、美国目前的放射科住院医师的培养方式、课程设置、考核要求进行比较,为大陆放射科住院医师培训制度的完善以及顺利开展专科医师培训提供参考。
刘伟[5]（2012）在《人脑三维弥散张量影像数字化统计图谱研究》文中提出人脑弥散张量DTI图像作为一种非侵入性成像技术,能够提供传统CT、MRI等结构成像方式难以捕捉的白质纤维走行信息,拓展了人脑连接组（human brain connectome）研究、人脑疾病诊断等多个研究领域的数据采集、处理和分析手段,丰富了描述人脑微观解剖结构及功能特征的表示方法,在理论及工程上引起了极大的关注。数字化统计图谱（digital statistical atlas）是计算神经解剖学（computational neuroanatomy）研究框架中一个十分重要的分支。通过对大规模正常人群医学影像样本数据集进行统计意义上的学习和建模,形成蕴含正常人群解剖结构共性特征,并带有一定泛化能力（generalization ability）的数字化统计图谱,是检测未知个体与正常人群结构形态差异性的基础。研究创建三维DTI图像数字化统计图谱（简称"DTI统计图谱”）具有十分重要的意义,国内外相关研究仍处于起步阶段。DTI图像本质上是一个三维二阶张量场。DTI统计图谱的创建涉及张量模型优化、张量图像配准、张量图像特征表示、图谱统计模型估计等基本问题。本文旨在将适用于传统标量医学影像的统计图谱创建技术加以改进,全面、完整地推广到三维二阶张量场,并通过人脑连接组研究领域的有关应用展示和验证DTI统计图谱的创建效果。具体研究成果和创新点介绍如下：1.在DTI张量模型中引入了Riemannian流形上的Log-Euclidean测度理论,重构了张量基本运算,为后续的配准、特征表示等研究提供了统一的数学基础。同时,利用该理论提出了保持张量内蕴几何结构一致性的插值算法及改进的张量场正则化算法。实验表明,Log-Euclidean测度能够很好地提高张量场插值和正则化的精度。2.提出了一种基于Log-Euclidean测度和张量重定向的非刚性配准算法。在将适用于标量图像配准的LDDMM （large deformation diffeomorphic metric mapping）算法和微分同胚Demons （diffeomorphic Demons）算法推广到三维二阶张量场的基础上,利用有限应变（finite strain）模型对微分同胚Demons算法进行了改进,在配准形变过程中增加了张量重定向变换,保证了张量内蕴几何特征的一致性。实验结果表明,改进的微分同胚Demons算法具有较高的配准精度,同时具有较小的计算复杂度,为本文后续创建DTI统计图谱提供了有利条件。3.在前期高分辨率CT图像纹理特征提取算法研究的基础上,提出了一种DTI图像多尺度特征表示的方法,并设计了TIDA （tensor image discriminative attributes）算法用于构造特征描述向量。利用TIDA算法提取的图像特征结合半自动的Random Walks算法,实现了对脑白质、灰质和脑脊液的分割,以及脑部占位性病变区域的提取。4.提出了基于大规模样本集DTI统计图谱自动化创建的完整框架,利用前面提出的Log-Euclidean测度下的微分同胚Demons算法,实现了基于多尺度特征描述向量的DTI统计图谱自动化创建。同时,基于统计图谱的微分同胚性和无偏性改进了图谱创建过程中配准模板的交叉优化流程,保证了统计图谱的无偏性和微分同胚性。5.利用国际上最新的DTI公共数据库成功创建了基于20例正常人群样本数据的BeijingZang20人脑三维DTI统计图谱,并以人脑结构连接组作为研究方向,对自主创建的DTI统计图谱进行了脑网络建模的实证研究。实验中通过配准的方法建立了BeijingZang20图谱与MNI152及ICBM-DTI-81等标准图谱的空间坐标映射关系,并利用ICBM-DTI-81中的脑区划分图谱对自主创建的图谱进行脑区分割。最后结合白质纤维跟踪的结果,获得了脑结构网络的抽象网络拓扑,并计算了网络的几个主要属性参数。
范亚[6]（2011）在《基于高分辨率颅脑CT体数据的病变自动检出方法研究》文中提出With further development of the computer technology, image processing, pattern recognition and artificial intelligence technology, the whole society is becoming more intelligent. In the medical field, a variety of high-capacity, high-resolution medical imaging equipments are applied. In a medium-sized hospital, the growth rate of CT scan images produced by a variety of medical instruments is more than 10G byte per day. Doctors have to do a lot of diagnosis facing computer screen or films every day. As a result, the efficiency improvement of large-scale usage of inspection equipments is not obvious, and it may lead to unnecessary misdiagnosis and missed diagnosis. The traditional manual way of reading film imags has significantly lagged behind the rapid development of technology and equipment, and with the growing application of greater capacity, higher resolution, more advanced imaging equipment, this contradiction will become increasingly prominent.Medical image is a kind of natural image and has the features of structural continuity, and grayscale consistency in CT images et. al. Theoretically it can be machine identified using image processing technologies and pattern recognition technologies. In long term, to carry out intelligent computer-aided diagnosis based on image processing and analysis will become a major trend. In order to achieve the goal of computer intelligent diagnosis or computer aided diagnosis, the problem first of all must, thus, be faced and solved is automatic detection of lesions. Nowadays, lesion detection based on whole brain scan data especially detection based on texture features is just in the beginning. In this dissertation, aim at the direction of computer intelligent diagnosis, and intensive studies lesion detection methods based on high-resolution 3D cerebral CT images, we put forwards several innovative algorithms or improvement algorithms. Experiments are performed to verify the overall framework and algorithms we proposed. The main research work and contribution of this dissertation are as follows:（1） Proposed the main framework of lesion detection based on three-dimensional cerebral CT data.Currently, lesion detection based on three-dimensional CT volume data is still in the initial stage, there is no unified framework and standards. This paper presents a lesion detection method based on three-dimensional cerebral CT data and feature vectors statistical atlas, and the flow chart and main framework of lesion detection, including data preprocessing, rigid registration and non-rigid registration, atlas creation, feature extraction, and, ultimately, the process of disease detection. We also have done experiments in every stage to verify the methods and the main framework.（2） Proposed a whole brain image segmentation method based on prior knowledge and the continuity of the brain structure, and also an interpolation algorithm in layers.Based on the prior knowledge of cerebral CT images and the continuity of brain structure, we proposed a whole brain image segmentation method which begins from the centure layer and respectively to the base and top of the skull, and it can automatically segment the whole brain images in one time. This dissertation proposed an improved inter-layers interpolation algorithm, which should select a neighborhood window, and then select corresponding point from neighborhood window based on feature vectors. Experimental results show that the proposed method satisfied the interpolation constraints, the image interpolated has clear structure, and retains the structural characteristics and textural properties, and meets the requirement of subsequent data processing.（3） Proposed an improved rigid registration algorithm, to avoid falling into local optimal solution.As Powell optimization algorithm is a local optimization algorithm, it is easy to fall into local optimal solution. In addition, the characteristics of the image itself and the local similarity caused by interpolation are also easy to make the registration process fall into a local optimum. In this dissertation, we proposed an optimization algorithm based on uniform design and Powell. The experiments verified that it can avoid falling into local optimal solution.（4） Proposed the improved Demons algorithm to strengthen the topology preservation of registration.The existing research results can not completely eliminate the non-topology preservation in non-rigid registration. So, we designed an improved algorithm. This is based on the viewpoint that it’s not only necessary to reduce the deformation, but sometimes to increase the deformation for topology preservation. In this algorithm. we maintain the direction of deformation and make two-way optimization of deformation magnitude to make the Jacobian determinant greater than zero. Experiments verified that the improved method can eliminate all deformation points without topology preservation.（5） Proposed a texture feature vector construction method for building statistical mapping and lesion detection.In order to detect lesions with texture features, a texture feature vector with low-dimension and high classification capacity should be constructed. In this dissertation, we proposed several optional texture characteristics based on theoretical analysis, and then do experiments to select the best combination. Experiment verified that the lesion detection result is fine based on the selected texture feature vector. Compared to other high-demension feature vector, it has the features of simple construction, less calculation and good texture classification capacity.We appreciate the support of Nature and Science Foundation of China （Project No.60771007）.
孙敬[7]（2011）在《特定医学影像中病灶的自动提取研究》文中研究说明随着计算机断层扫描技术（CT）不断的发展和更新换代,CT图像已经成为脑部疾病诊断的重要工具。通过对CT颅脑影像的读片和分析,影像学医师可以根据临床经验和病人的病历进行定性诊断。然而,CT技术的广泛应用使CT图像信息数据量越来越多,导致医师读片的工作量越来越大,而且由于人的主观性影响导致诊断缺少客观性,增大了出现误诊的风险。在此情况下,本文期望通过计算机辅助诊断（CAD）来解决部分问题,其主要内容为通过对病灶的自动提取得到病变区域图像及病变的医学参数量化。本文分析了目前广泛应用的医学图像病灶提取算法,介绍了这些算法的特点和适用范围。由于目前多数病灶提取是在已知病灶的类型或某些病灶特征之后进行,所以还不是实际意义上的对未知病灶的自动分割。本文基于左右脑半球存在相近对称性的先验知识,通过对左右脑半球纹理特征差异的分析,实现真正意义上的对未知病灶的提取。首先,由于颅脑CT图像在拍摄过程中病人头部矢状线会呈现不同的角度,因此,需要对颅脑CT图像进行中矢状线提取,最终得到归一化图像。本文以互信息量作为测度,在颅脑左右半球搜索匹配点,进而确定中矢状线的位置。本算法不仅提高了中矢状线提取的精度,而且在左右脑半球存在部分不对称结构时算法仍然有效,具有较强的鲁棒性。其次,本文以小波变换为工具,以病灶的自动提取为目标,通过对左右脑半球纹理特征差异的比较,提出了一种基于纹理特征的颅脑CT病灶自动提取算法。在确定病灶位置、大小等信息之后,利用C-V水平集法对病灶轮廓进行二次提取,使病灶边界影像更加精确。本算法实现了真正的对未知病灶的自动提取,并且能够得到精确的病灶边界。最后,为了克服传统的影像学医师诊断方法存在的主观性强,随意性大,不同的医师对同一病例所做出的诊断经常不一致等缺陷。在病灶已提取的基础上,对病灶的面积、灰度等参数进行量化,为颅脑病灶的诊断提供辅助客观依据。
曹新华[8]（2010）在《基于特征点驱动的CT图像配准与拼接方法研究》文中研究表明医学图像配准是当前医学图像研究领域的研究热点和研究难点,在临床诊断和治疗方面具有重要的意义。医学图像配准是指对一幅医学图像寻找一种（或一系列）的空间的变换,使它与另一幅医学图像上的对应点在空间坐标中达到一致。很多学者已经提出了很多医学图像配准算法,它们大体上可分为基于灰度驱动的图像配准算法、基于模型驱动的图像配准算法和综合算法。在医学成像过程中,往往有着被检查部位远远大于图像探测器面积的矛盾,需要将该部位分为几次拍摄,再按照一定的规则拼接起来,这就是医学图像拼接。医学图像拼接在医学领域有着广泛的应用前景。可以解决医学图像获取过程中由于视野的限制而无法得到完整的图像的问题,为诊断提供更好的依据。典型的医学图像拼接算法主要有基于变换域的方法,基于图像灰度的方法和基于特征的方法等。随着医学影像技术、计算机科学技术的不断发展,医学图像的计算机智能化诊断是医学图像处理与分析研究的最重要的目标之一。要实现计算机智能化诊断或计算机辅助诊断,信息的可对比性和完整性是至关重要的,而其中涉及到的技术就是图像的配准技术和图像的拼接技术。医学图像配准和医学图像拼接是医学图像研究的热点和难点。本文针对构建基于高分辨率CT图像的脑部疾病辅助诊断系统的需求,研究了基于特征点驱动的图像配准技术,并对图像拼接技术进行了初步探讨。在研究和分析特征点自动提取方法的基础上,着重研究了尺度不变特征变换（SIFT）算法,找出两幅CT图像的匹配的特征点,实现了特征点的自动匹配,为基于特征点驱动图像配准和图像拼接做好铺垫。进一步对基于模型驱动的配准算法中的基于特征点驱动的图像配准方法进行研究,采用薄板样条插值方法,实现了两幅脑CT图像的正确配准,并提出了采用区域特征向量来去除不正确匹配点的方法。论文还着重研究了基于特征的医学图像拼接方法,给出了对两幅医学图像实现正确拼接的详细算法和实施步骤,并提出了采用统计斜率最多法和随机抽样一致性法去除不正确匹配点的方案,保证了所拼接出来的图像的质量。
徐峰[9]（2010）在《基于配准的颅脑CT图像分割的研究》文中认为高分辨率、大容量的医学图像数据为临床诊断提供了有力的辅助工具,同时它也增加了读片医生的工作负担。在此背景下,开展计算机辅助诊断的研究,已经成为了医学图像处理与分析领域的热点和将来发展的主要方向。本文以颅脑CT图像病变自动化检出为研究目标,以颅脑CT图像的配准和分割为研究切入点,对相关技术进行了深入研究,并且取得了一些成果,为实现颅脑病变自动化检出做好前期准备。非刚性配准不仅是病变自动检出的关键技术,也是统计图谱创建的必要步骤。其中Demons算法是一种在准确度评价中很优秀的非刚性配准算法,但它是基于光流场小形变模型的配准算法,在大形变情况下不具有拓扑保持性,将它用于异体颅脑CT图像配准时效果不理想。为此,本研究对它进行了改进。首先建立Demons算法目标能量函数,将形变场求解转化为目标函数优化问题;然后通过增加sKL距离作为正则项来优化目标函数,消除了形变场的不适定性,并使形变场更加光滑。对高分辨率颅脑CT图像的实验结果表明,改进算法不仅能够处理大形变问题,还能在处理大形变时通过光滑的形变场得到精确的配准结果。在上述改进的配准算法基础上,本文通过模仿人工分割过程,提出了一种基于配准的颅脑CT自动分割算法,其目标是将脑灰质、脑白质和脑脊液完整的分割出来。本算法首先采用中值滤波和模糊C-均值聚类对参考图像进行预分割,再利用解剖知识对其进行手动修正,得到先验的分割图谱,以此图谱指导后面的分割工作。分割算法实现过程如下,首先将待分割图像向参考图像配准,然后利用先验图谱对配准结果进行掩模分割,再逆映射此分割结果就得到了原图像的分割结果,实验中又采用聚类分割和数学形态学方法对最后结果进行了完善。实验结果表明,此算法虽然有些局限,但具有可行性。
周平,李传富,符志鹏[10]（2010）在《基于小波分解的脑CT图像纹理特征提取》文中研究表明本文针对海量医学影像信息的计算机辅助诊断技术中特征提取的难题,以脑CT图像为研究对象,提出了一种基于小波分解的纹理特征提取方法。首先通过对预处理后的子图像分别进行的分层处理与分层提取,构成纹理特征向量;然后采用创建数字化统计图谱的方法,对实验数据集进行了计算机辅助诊断实验。实验结果表明此方法可以标记出可能存在病变的区域,为医师的诊断提供辅助信息。
二、第2讲 正常颅脑的CT读片（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、第2讲 正常颅脑的CT读片（论文提纲范文）
（1）基于深度学习的颅内出血侦测与定位（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 颅内出血亚型侦测 |
| 1.2.2 颅内出血病灶定位 |
| 1.3 本论文的主要研究内容 |
| 1.4 本论文的组织结构 |
| 第2章 相关研究专业基础介绍 |
| 2.1 深度学习技术基础 |
| 2.1.1 卷积神经网络 |
| 2.1.2 经典网络模型 |
| 2.2 两阶段目标检测算法 |
| 2.2.1 R-CNN |
| 2.2.2 SPP-net |
| 2.2.3 Fast R-CNN |
| 2.2.4 Faster R-CNN |
| 2.3 单阶段目标检测算法 |
| 2.3.1 YOLO系列 |
| 2.3.2 SSD |
| 2.4 本章小结 |
| 第3章 基于调窗优化的CNN检测模型构建 |
| 3.1 前言 |
| 3.2 基于调窗优化模块的CNN检测模型构建 |
| 3.2.1 构建调窗优化模块 |
| 3.2.2 结合调窗优化模块构建CNN检测模型 |
| 3.3 实例研究 |
| 3.3.1 实验数据集介绍 |
| 3.3.2 具体实现 |
| 3.3.3 评估指标 |
| 3.3.4 对比实验 |
| 3.4 本章小结 |
| 第4章 基于改进RetinaNet的颅内出血侦测 |
| 4.1 RetinaNet模型 |
| 4.1.1 RetinaNet网络结构 |
| 4.1.2 Focal Loss损失函数 |
| 4.2 基于改进RetinaNet的颅内出血侦测 |
| 4.2.1 总体思路 |
| 4.2.2 采用SE-Res Ne Xt和调窗优化模块增强基础特征提取网络 |
| 4.2.3 特征金字塔与Anchor的优化 |
| 4.2.4 采用CIOU损失函数优化边界框回归 |
| 4.2.5 用于模型训练的策略优化 |
| 4.3 实例研究 |
| 4.3.1 实例数据集介绍 |
| 4.3.2 评估指标 |
| 4.3.3 具体实现 |
| 4.3.4 实验分析 |
| 4.3.5 对比实验 |
| 4.4 本章小结 |
| 第5章 多尺度特征融合和CBAM的弱监督出血病灶定位 |
| 5.1 弱监督学习病灶定位概述 |
| 5.2 结合多尺度特征融合和CBAM的弱监督出血病灶定位 |
| 5.3 实例研究 |
| 5.3.1 实验数据集及评估指标 |
| 5.3.2 具体实现 |
| 5.3.3 实验分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）基于工作任务分析的《全科专业住院医师规范化培训内容与标准（2019年修订版）》修订必要性研究（论文提纲范文）
| 1 对象与方法 |
| 1.1 研究对象 |
| 1.2 研究方法 |
| 1.2.1 确定调研内容 |
| 1.2.2 判断标准 |
| 1.3 统计学方法 |
| 2 结果 |
| 2.1 基本情况 |
| 2.2工作任务实际承担情况分析 |
| 2.3 培训中理论知识点实际应用情况 |
| 2.4 培训中基本技能项目的实际应用情况 |
| 2.4.1基本技能的承担人数分析 |
| 2.4.2基本技能的执行频率分析 |
| 2.4.3 基本技能的重要性分析 |
| 2.4.4 基本技能的掌握程度分析 |
| 2.4.5 基本技能的工作任务权重分析 |
| 2.5 常见症状调查 |
| 2.6 常见疾病调查 |
| 3 讨论 |
（3）磁共振T2序列血管高信号征对颈内动脉血栓的临床诊断价值（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 第2章 资料与方法 |
| 2.1 研究对象 |
| 2.1.1 入组标准 |
| 2.1.2 排除标准 |
| 2.1.3 数据收集 |
| 2.2 检查设备与参数 |
| 2.3 图像分析 |
| 2.4 统计学方法 |
| 第3章 结果 |
| 3.1 T2HVS征阳性组与T2HVS征阴性组临床基线资料分析 |
| 3.2 动脉血栓在MRI的表现 |
| 3.3 T2HVS与脑梗死范围的关系 |
| 3.4 器质性心脏病与T2HVS征之间的关系 |
| 3.5 T2HVS征与入院NIHSS评分及近期预后之间的关系 |
| 第4章 讨论 |
| 4.1 T2HVS与血栓的关系 |
| 4.2 T2HVS与心源性脑栓塞的关系 |
| 4.3 T2HVS与患者病情变化及短期预后的关系 |
| 第5章 结论 |
| 第6章 局限 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 综述 |
| 参考文献 |
（4）中国香港放射科住院医师培训制度简介及启示（论文提纲范文）
| 1 香港地区医学生影像学教育 |
| 2 香港地区放射科住院医师培训制度 |
| 3 香港地区住院医师培训领导机构 |
| 4 香港地区放射科住院医师培训计划 |
| 4.1 住院医师及专科医师轮转计划 |
| 4.2 住院医师及专科医师职责要求 |
| 4.3 住院医师及专科医师评估 |
| 4.3.1 工作量评估 |
| 4.3.2 理论知识考试评估 |
| 4.3.3 培训中心内部评估 |
| 4.4 住院医师理论培训 |
| 4.5 教学资源 |
| 4.6 科研要求 |
| 5 香港地区住院医师培训结束后流向 |
| 6 香港地区放射科住院医师培训制度的启示 |
（5）人脑三维弥散张量影像数字化统计图谱研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究进展 |
| 1.2.1 复杂网络的基本概念 |
| 1.2.2 人脑结构连接组研究综述 |
| 1.2.3 DTI弥散张量图像处理与分析技术 |
| 1.2.4 基于DTI图像的人脑统计图谱研究 |
| 1.3 研究内容与研究意义 |
| 1.4 技术路线 |
| 1.5 论文章节安排 |
| 第2章 DTI成像原理及基础算法 |
| 2.1 引言 |
| 2.2 弥散张量成像基础 |
| 2.2.1 弥散加权成像(Diffusion Weighted Imaging) |
| 2.2.2 弥散张量成像(Diffusion Tensor Iamging) |
| 2.3 DTI基本参数计算 |
| 2.3.1 张量场 |
| 2.3.2 本征值 |
| 2.3.3 平均弥散度 |
| 2.3.4 弥散各向异性指数 |
| 2.4 RIEMANNIAN流形上的张量计算理论 |
| 2.4.1 Riemannian测度的基本理论 |
| 2.4.2 基于Log-Euclidean测度的张量基本运算 |
| 2.4.3 基于Log-Euclidean测度的张量场插值算法 |
| 2.4.4 基于Log-Euclidean测度的张量场正则化算法 |
| 2.5 本章小结 |
| 第3章 张量图像非刚性配准 |
| 3.1 引言 |
| 3.2 基于RIEMANNIAN流形的LDDMM非刚性配准算法 |
| 3.2.1 LDDMM算法基本原理 |
| 3.2.2 张量图像LDDMM算法 |
| 3.2.3 实验结果与讨论 |
| 3.3 基于微分同胚DEMONS的张量场非刚性配准算法 |
| 3.3.1 张量微分同胚Demons算法的改进 |
| 3.3.2 实验结果与讨论 |
| 3.4 LDDMM算法与微分同胚DEMONS算法的比较 |
| 3.4.1 算法的数学基础 |
| 3.4.2 配准模型比较 |
| 3.4.3 配准结果比较 |
| 3.5 本章小结 |
| 第4章 张量图像的多尺度特征表示 |
| 4.1 引言 |
| 4.2 多尺度特征提取方法的基本框架 |
| 4.2.1 构建多尺度特征向量的必要性 |
| 4.2.2 标量图像多尺度纹理特征提取算法 |
| 4.3 TIDA张量图像区域特征表示算法 |
| 4.3.1 区域特征描述向量的结构 |
| 4.3.2 区域张量分布统计特征 |
| 4.3.3 张量图像边缘特征提取 |
| 4.3.4 张量几何特征 |
| 4.4 实验结果与讨论 |
| 4.4.1 解剖标记点识别 |
| 4.4.2 DTI图像脑组织分割 |
| 4.5 本章小结 |
| 第5章 DTI统计图谱自动化创建 |
| 5.1 引言 |
| 5.2 人脑数字化统计图谱研究的现状 |
| 5.2.1 成年人全脑图谱研究情况 |
| 5.2.2 脑区划分图谱 |
| 5.2.3 白质图谱 |
| 5.3 数字化统计图谱创建的约束条件 |
| 5.3.1 微分同胚性 |
| 5.3.2 无偏性 |
| 5.3.3 约束条件下的非刚性配准算法模型 |
| 5.4 实验结果与讨论 |
| 5.4.1 实验数据 |
| 5.4.2 图谱自动化创建的步骤 |
| 5.4.3 实验结果 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文的主要研究成果及创新点 |
| 6.2 论文研究工作的不足 |
| 6.3 今后的工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（6）基于高分辨率颅脑CT体数据的病变自动检出方法研究（论文提纲范文）
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 颅脑病变检出方法的研究现状及分类 |
| 1.2.2 颅脑病变自动化检出的难点 |
| 1.2.3 当前研究存在的不足 |
| 1.3 研究的目标和意义 |
| 1.3.1 适应医学影像技术飞速发展的要求 |
| 1.3.2 解决目前针对单一病变研究的局限性 |
| 1.3.3 解决目前针对二维断层图像检测的局限性 |
| 1.4 论文的主要工作与创新 |
| 1.5 论文内容安排 |
| 第2章 三维体数据的形成与预处理 |
| 2.1 引言 |
| 2.2 图像分割 |
| 2.2.1 颅脑CT图像的先验知识 |
| 2.2.2 基于先验知识和结构连续性的分割算法 |
| 2.2.3 实验结果 |
| 2.3 断层插值 |
| 2.3.1 插值的约束条件 |
| 2.3.2 CT体数据断层插值的特点 |
| 2.3.3 基于对应点特征匹配的断层插值方法 |
| 2.3.4 实验结果 |
| 第3章 三维配准技术及其改进 |
| 3.1 引言 |
| 3.2 刚性配准技术及其改进 |
| 3.2.1 刚体变换 |
| 3.2.2 寻优准则 |
| 3.2.3 插值变换 |
| 3.2.4 最优化问题 |
| 3.2.5 实验结果 |
| 3.3 非刚性配准技术及其改进 |
| 3.3.1 非刚性配准的技术分类 |
| 3.3.2 Demons非刚性配准算法及其改进 |
| 3.3.3 实验结果 |
| 第4章 数字化统计图谱创建 |
| 4.1 引言 |
| 4.2 数字化统计图谱的研究现状 |
| 4.2.1 基于形变的方法 |
| 4.2.2 基于标注的方法 |
| 4.2.3 基于灰度的方法 |
| 4.2.4 基于纹理特征向量的方法 |
| 4.3 特征向量统计图谱的创建 |
| 4.3.1 正常数据采集 |
| 4.3.2 纹理特征向量的组成 |
| 4.3.3 实验结果 |
| 第5章 病变检出方法及实验 |
| 5.1 引言 |
| 5.2 病变检出方法分类 |
| 5.2.1 形态异常病变检出 |
| 5.2.2 灰度异常病变检出 |
| 5.3 基于纹理分类的病变检出方法 |
| 5.3.1 方法描述 |
| 5.3.2 实验结果 |
| 5.4 基于特征向量统计图谱的病变检出方法 |
| 5.5 脑出血和脑肿瘤病变检出实验 |
| 5.5.1 材料和方法 |
| 5.5.2 结果 |
| 5.5.3 讨论 |
| 第6章 总结与展望 |
| 6.1 论文的主要研究成果 |
| 6.2 研究工作的不足 |
| 6.3 进一步的研究内容和方向 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（7）特定医学影像中病灶的自动提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 颅脑CT图像分割的研究现状 |
| 1.2.1 颅脑CT图像分割算法简介 |
| 1.2.2 颅脑CT病灶自动提取的难点 |
| 1.3 目前病灶提取研究的不足 |
| 1.3.1 对已知病灶的提取 |
| 1.3.2 对单一病灶的提取 |
| 1.4 本文的主要研究工作 |
| 1.5 论文的章节安排 |
| 第2章 颅脑CT的中矢状线提取 |
| 2.1 引言 |
| 2.2 CT成像技术 |
| 2.2.1 CT成像原理 |
| 2.2.2 CT值与灰度值的异同 |
| 2.2.3 颅脑CT图像的构成 |
| 2.3 颅脑CT中矢状线提取的意义及研究现状 |
| 2.4 基于互信息测度的颅脑CT中矢状线的提取 |
| 2.4.1 图像预处理 |
| 2.4.2 自动提取中心点以及旋转角度 |
| 2.4.3 对应解剖点的提取 |
| 2.4.4 区域的相似测度 |
| 2.5 实验结果及分析 |
| 2.6 本章小结 |
| 第3章 基于小波变换纹理特征的病灶提取 |
| 3.1 引言 |
| 3.2 纹理特征在医学图像中的研究现状 |
| 3.2.1 纹理特征提取算法简介 |
| 3.2.2 算法评价 |
| 3.3 纹理特征在医学图像中的应用 |
| 3.3.1 医学图像分割中的应用 |
| 3.3.2 CAD诊断系统中的应用 |
| 3.3.3 医学图像检索中的应用 |
| 3.4 基于小波的纹理特征向量的提取 |
| 3.4.1 离散小波变换 |
| 3.4.2 纹理特征向量的构成 |
| 3.5 实验步骤及分析 |
| 3.5.1 实验步骤 |
| 3.5.2 实验结果分析 |
| 3.6 本章小结 |
| 第4章 病灶的医学参数量化 |
| 4.1 引言 |
| 4.2 定量分析在医学领域的应用及现状 |
| 4.2.1 病理学定量分析的应用 |
| 4.2.2 定量分析在病理学诊断中的研究现状 |
| 4.3 颅脑CT图像中病灶的参数量化 |
| 4.3.1 病灶面积 |
| 4.3.2 病灶灰度值 |
| 4.4 实验分析 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究成果与创新 |
| 5.2 研究工作的不足和展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研项目 |
| 致谢 |
（8）基于特征点驱动的CT图像配准与拼接方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究的目标和意义 |
| 1.2.1 研究的目标 |
| 1.2.2 研究的意义 |
| 1.3 国内外研究概况 |
| 1.4 论文内容的安排 |
| 第二章 CT 图像特征点的提取和特征匹配 |
| 2.1 引言 |
| 2.2 边缘点提取算法 |
| 2.2.1 高斯-拉普拉斯（LOG）算子 |
| 2.2.2 Canny 算子 |
| 2.3 角点提取算法 |
| 2.3.1 SUSAN 角点提取 |
| 2.3.2 HARRIS 角点提取 |
| 2.4 兴趣算子 |
| 2.4.1 Moravec 算子 |
| 2.4.2 Forstner 算子 |
| 2.5 SIFT 算法 |
| 2.5.1 SIFT 算法简介 |
| 2.5.2 尺度空间图像的生成与图像金字塔结构 |
| 2.5.3 局部极值点的检测 |
| 2.5.4 精确点的定位与不稳定点的去除 |
| 2.5.5 特征点主方向的生成 |
| 2.5.6 特征向量的生成 |
| 2.5.7 特征匹配与错配的消除 |
| 第三章 基于对应点驱动的颅脑 CT 图像的非刚性配准 |
| 3.1 引言 |
| 3.2 非刚性配准的一些常见算法 |
| 3.2.1 基于灰度驱动的图像配准算法 |
| 3.2.2 基于模型驱动的图像配准算法 |
| 3.2.3 综合算法 |
| 3.3 基于对应点驱动的颅脑CT 图像配准 |
| 3.3.1 消除错配 |
| 3.4 边缘点的配对 |
| 3.5 薄板样条插值 |
| 3.6 配准精确度的评价方法 |
| 3.6.1 主观评价 |
| 3.6.2 客观评价 |
| 3.7 图像配准策略 |
| 3.8 实验结果与讨论 |
| 第四章 医学图像拼接技术初步探讨 |
| 4.1 引言 |
| 4.2 图像拼接的研究现状 |
| 4.3 图像拼接算法步骤 |
| 4.4 医学图像预处理 |
| 4.5 消除错配 |
| 4.5.1 统计斜率最多法 |
| 4.5.2 随机抽样一致性算法 |
| 4.6 图像的坐标变换 |
| 4.6.1 仿射变换模型 |
| 4.6.2 透视变换模型 |
| 4.6.3 非线性变换 |
| 4.7 图像间变换关系的求解 |
| 4.8 捆绑调整 |
| 4.8.1 参考平面的选取 |
| 4.8.2 捆绑调整算法 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文 |
（9）基于配准的颅脑CT图像分割的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 医学图像分割技术 |
| 1.2.1 图像分割的现状及常用方法 |
| 1.2.2 医学图像分割算法研究现状 |
| 1.3 本文的研究目标和主要工作 |
| 1.4 本文的章节安排 |
| 第2章 医学图像配准技术的概述 |
| 2.1 医学图像配准的研究意义 |
| 2.2 医学图像配准的研究现状 |
| 2.2.1 医学图像配准的发展 |
| 2.2.2 医学图像配准的分类 |
| 2.2.3 医学图像配准存在的主要问题 |
| 2.3 图像配准的原理 |
| 2.3.1 图像配准的定义 |
| 2.3.2 基本的图像空间变换 |
| 2.3.3 图像插值技术 |
| 2.3.4 相似性测度 |
| 2.3.5 优化算法 |
| 2.4 医学图像配准的评估 |
| 2.4.1 主观评价 |
| 2.4.2 客观评价 |
| 第3章 颅脑 CT 图像的非刚性配准 |
| 3.1 引言 |
| 3.2 非刚性配准算法的推导 |
| 3.3 正则化约束 |
| 3.3.1 扩散配准模型 |
| 3.3.2 双调和配准模型 |
| 3.3.3 线性弹性配准模型 |
| 3.3.4 粘流体配准模型 |
| 3.4 形变场的性质 |
| 3.4.1 可逆一致性 |
| 3.4.2 拓扑保持性 |
| 3.5 Demons 算法与改进 |
| 3.5.1 Demons 算法原理 |
| 3.5.2 Demons 算法的优化 |
| 3.6 算法的实现 |
| 3.6.1 双向多分辨率配准策略 |
| 3.6.2 形变场的叠加 |
| 3.6.3 实现步骤 |
| 3.7 实验及结果讨论 |
| 3.7.1 预处理 |
| 3.7.2 刚性配准 |
| 3.7.3 参数的选择 |
| 3.7.4 改进算法与原算法比较 |
| 第4章 基于配准的颅脑 CT 图像分割 |
| 4.1 引言 |
| 4.2 算法实现框架 |
| 4.3 中值滤波器 |
| 4.3.1 中值滤波原理及步骤 |
| 4.3.2 中值滤波器模板 |
| 4.4 模糊C-均值聚类 |
| 4.4.1 模糊集基础 |
| 4.4.2 隶属度函数 |
| 4.4.3 图像的模糊化 |
| 4.4.4 模糊C-均值聚类算法（FCM） |
| 4.5 颅脑CT 图像的基础知识 |
| 4.5.1 颅脑CT 图像的灰度值 |
| 4.5.2 颅脑CT 图像的组成 |
| 4.6 实验及结果分析 |
| 4.6.1 可行性验证 |
| 4.6.2 颅脑CT 图像的分割 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 研究的不足与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
四、第2讲 正常颅脑的CT读片（论文参考文献）
- [1]基于深度学习的颅内出血侦测与定位[D]. 张雷. 杭州电子科技大学, 2021
- [2]基于工作任务分析的《全科专业住院医师规范化培训内容与标准（2019年修订版）》修订必要性研究[J]. 严春泽,王军霞,王权,李肖肖,季燕,杜雪平. 中国全科医学, 2020(28)
- [3]磁共振T2序列血管高信号征对颈内动脉血栓的临床诊断价值[D]. 程峙娟. 南昌大学, 2019(01)
- [4]中国香港放射科住院医师培训制度简介及启示[J]. 彭娴婧,龙学颖,肖巨雄,廖伟华. 中国毕业后医学教育, 2018(04)
- [5]人脑三维弥散张量影像数字化统计图谱研究[D]. 刘伟. 中国科学技术大学, 2012(01)
- [6]基于高分辨率颅脑CT体数据的病变自动检出方法研究[D]. 范亚. 中国科学技术大学, 2011(12)
- [7]特定医学影像中病灶的自动提取研究[D]. 孙敬. 华北电力大学（北京）, 2011(08)
- [8]基于特征点驱动的CT图像配准与拼接方法研究[D]. 曹新华. 中国科学技术大学, 2010(01)
- [9]基于配准的颅脑CT图像分割的研究[D]. 徐峰. 中国科学技术大学, 2010(01)
- [10]基于小波分解的脑CT图像纹理特征提取[J]. 周平,李传富,符志鹏. 仪器仪表学报, 2010(03)