“智能医疗及医学图像处理”专辑序言.pdf

"智能医疗及医学图像处理”专辑序言.pdf" 智能医疗及医学图像处理是当前医疗健康行业的热点话题。随着数据量的增加和计算机内存和计算能力的提升，人工智能已成为引领新一轮科技革命和产业变革的战略性技术。人工智能历来与医学密不可分，神经生理和神经解剖学研究成果有力地推动了人工智能的进步和发展。 当前，医疗资源分配不均、药物研制周期长、费用高、医务人员培养成本等问题亟待解决。为了满足人民群众日益增长的健康需求，迫切需要将图像识别、深度学习等人工智能关键技术与数据密集、知识密集、脑力劳动密集为特征的医疗行业深度融合。 本专辑收集了基于人工智能的医学图像分类和分割、基于人工智能的快速成像与重建、多模态医学图像配准融合模型与算法、基于医学影像多模态语料库构建、基于医学数据智能分析的辅助诊断与临床应用等内容。 本专辑的主要内容包括： 1. 基于深度学习的医学影像配准综述：系统总结基于深度学习的医学图像配准方法，具体分为三类：监督学习、无监督学习和对偶监督/弱监督学习。 2. 嵌入压缩采样的腹部CT胰腺分割网络：针对全自动分割算法因胰腺器官解剖变异性较高而难以实现对其进行准确定位的问题，提出一种嵌入压缩采样模型的编码器解码器网络。 3. 基于自适应稀疏结构学习的神经精神疾病特征选择方法：提出基于自适应稀疏结构学习的无监督特征选择方法，并应用于精神分裂症和阿兹海默症辅助诊断任务中。 4. 本征图像分解的可变尺度局部分析与集成方法：提出一种可变尺度局部分析与集成的本征图像分解方法，对本征因子的假设较弱，泛化性更强。 5. 基于深度神经网络的个性化睡眠癫痫发作预测：针对现有癫痫发作预测方法精度较低且错误报警较高的问题，提出一种基于深度神经网络的个性化睡眠癫痫预测方法。 6. 基于人工智能的类风湿性关节炎中医辅助诊疗系统：提出基于人工智能技术的类风湿性关节炎（RA）中医辅助诊疗系统，该系统通过对患者病历文本和关节影像数据的学习实现对RA和RA证型的判断，辅助医生诊断，并根据证型智能推荐中药方。 7. 基于医学影像分割方法的多模态语料库构建：针对单模态语料库不利于管理医学数据和医学生自主学习相关医学知识的问题，提出一种基于深度水平集算法的医学影像分割方法。 8. 基于自监督边缘融合网络的MRI影像重建：针对深度学习的重建方法取法对边缘信息的显式考虑，提出一种基于自监督边缘融合网络的MRI影像的压缩感知重建的方法。 9. 面向磁共振图像重建的k空间降采样优化：针对磁共振成像速度慢与降采样对图像重建质量影响的问题，提出一种对k空间降采样方式与基于深度学习的图像重建模型进行联合优化的方法。 10. 基于多尺度特征和注意力机制的肝脏组织病理图像语义分割网络：针对肝脏组织病理图像分割中存在的正常组织和异常组织过渡区域难分割和分类的问题，提出一种基于多尺度特征和注意力机制的肝脏组织病理图像语义分割网络。 这些研究成果和技术将有助于推动智能医疗和医学图像处理的发展，提高医疗行业的服务质量和效率，并满足人民群众日益增长的健康需求。