目的:提出一种基于Canny边缘检测算法求取CT胸腔图像噪声的方法。方法:选取2021年采集的男性志愿者的CT胸腔图像250张，通过Canny自适应阈值法提取CT胸腔图像轮廓，并比较Sobel算法、Canny双阈值法和Canny自适应阈值法的相似度；使用霍夫变换来确定感兴趣区域，考察感兴趣区域的选取大小、重建卷积核和管电流对CT胸腔图像噪声的影响。结果:Canny自适应阈值法保留了更多细节，边缘的连续性和完整性有所提高，对边缘检测与图像分割更加灵活以及更加具有鲁棒性。Canny自适应阈值法结构相似性指数最高（0.644），均方根误差最小（0.371），其在边缘轮廓检测方面相似度最高，效果更显著。随着方形感兴趣区域大小的增加，平均噪声呈现下降趋势，噪声标准差在某些区间有所增加，特别是在较大的方形区域。在同一重建卷积核的情况下，CT胸腔图像升主动脉的平均噪声比胸主动脉的高，升主动脉的噪声标准差比胸主动脉的低。对于升主动脉，重建卷积核E的升主动脉平均噪声（41.97 dB）最低，噪声标准差（20.64 dB）最大；对于胸主动脉，重建卷积核E的平均噪声（30.78 dB）最低。胸主动脉的平均噪声和噪声标准差随管电流的增加而下降。结论:提出了一种基于Canny边缘检测算法求取CT胸腔图像噪声的方法，适用于检测CT胸腔图像。

儿童发育性髋关节发育不良（developmental dysplasia of the hip，DDH）是导致髋关节骨关节炎和下肢残疾的重要原因，治疗难度和治疗效果与早期准确诊断密切相关。传统的诊断方法对尚未出现股骨头次级骨化中心者首选髋关节超声，对已出现者选择骨盆正位X线片；但两种方法均有赖于临床医生的手动测量与经验判断，耗时费力、可重复性差。人工智能技术与医学影像的有效整合可改善儿童DDH的诊疗现状，提升临床诊治效率。对4~6月龄内婴儿通过局部特征提取的分割算法、基于图像搜索的分割算法及深度学习网络等技术能够快速分析髋关节超声图像、测算DDH指标及辅助诊断DDH；对4~6月龄以上者利用骨边缘检测与模块匹配算法、深度迁移学习算法、同步挖掘局部及全局结构特征的卷积神经网络等技术自动识别骨性解剖关键点、计算髋关节参数及诊断儿童DDH。然而，由于技术所限及研究者认识不足，现有的儿童DDH辅助诊断工具在实际应用中面临着一些问题。通过文献检索从诊断可靠性及合理性等方面探讨儿童DDH人工智能影像学辅助诊断方法的研究进展，并为今后实现真正智能化的自动诊断工具提供研究思路。

目的:基于深度卷积神经网络（DCNN）方法自动测量彩色眼底像上全局和局部豹纹分布密度。方法:应用研究。将2021年5~ 7月于山东第一医科大学附属青岛眼科医院北部院区行近视手术的患者514例1 028只眼的1 005张彩色眼底像建立人工智能（AI）数据库。采用RGB颜色通道重标定方法（CCR算法）、基于Lab颜色空间的CLAHE算法、多重迭代照度估计的Retinex算法、具有色彩保护的多尺度Retinex算法对图像进行预处理。对比观察上述4种图像增强方法以及使用Dice损失、边缘重叠率损失和中心线损失对豹纹分割模型效果的影响。建立眼底豹纹分割模型识别全图范围内豹纹结构区域；构建眼底组织结构检测模型用于视盘及黄斑中心凹定位。计算视野范围内后极部豹纹密度（FTD ）、黄斑区豹纹密度（MTD）、视盘区豹纹密度（PTD ）。结果:应用CCR算法图像预处理和训练损失组合后，豹纹分割模型的Dice系数、准确率、灵敏度、特异性、约登指数分别达到0.723 4、94.25%、74.03%、96.00%和70.03%。模型自动测量的FTD、MTD、PTD值与人工标注测量值平均绝对误差分别为0.014 3、0.020 7、0.026 7，均方根误差则分别为0.017 8、0.032 3、0.036 5。结论:基于DCNN分割和检测方法能自动测量近视患者眼底全局和局部区域的豹纹分布密度，可以更准确地辅助临床监测和评估眼底豹纹改变对近视发展的影响。

目的:提出一种基于霍夫变换(HT)的新算法提高射波刀自动质量保证(AQA)测试胶片影像分析的准确性与稳定性，并探讨胶片图像的扫描分辨率对测试结果的影响。方法:获取9对胶片对AQA模体进行分析测试，首先利用中值滤波对灰度化后的胶片影像预处理，去除噪声干扰；再使用全局阈值对图像进行二值化分割，对分割后的图像进行边缘检测并利用HT提取胶片边缘直线，将胶片图像变换至正确位置；最后利用边缘检测和HT提取出影像中射野投影圆和钨球投影圆的圆心，通过分析同心度最终得到AQA测试的误差分析结果。结果:所有样本分别使用本算法与原软件算法所得等中心误差结果差异无统计学意义( P>0.05)，其标准差差异有统计学意义( P＝0.027)；表明本算法在保证了胶片分析准确性的同时具有更好的稳定性。两种方法均不能通过采用分辨率更高的胶片影像来提高分析结果的准确性和稳定性。 结论:本算法排除了胶片扫描摆位误差造成的干扰，为射波刀系统AQA工作提供了一种更稳定的途径。

为了进一步提高肺部医学影像辅助诊断的准确性,提出一种高斯滤波增强技术融合最大类间方差法对肺部CT影像进行分割和计算病变面积占比的算法.首先对原始图像采用高斯低通滤波运算去除噪声和杂质并使用MSVSR提高图像质量,然后通过最大类间方差法将图像目标和背景分割出来,再将二值化图像一分为二,一方面采用高斯高通滤波运算锐化磨玻璃影和病变肺实质,另一方面使用HED将肺轮廓提取出来,最后计算出病变区域与肺轮廓面积占比.临床试验数据表明,本文算法不仅可以去除伪影和噪声,还能够最大限度地保留临床意义上的图像特征信息,具有较高的准确性,可以为临床研判肺部疾病严重程度与医疗诊治提供帮助.

针对"新医科"背景下医学图像处理课程所面临的形势和教学现状,开发了与其教学过程高度契合的医学图像处理教学软件,该教学软件可实现医学图像的线性灰度变换、开窗显示、缩放、旋转、镜像、中值滤波、微分锐化、边缘检测、直方图获取和直方图均衡,并可在一定范围内调节线性灰度变换、开窗显示、缩放、旋转、中值滤波、微分锐化、边缘检测的参数,同时用不同算法实现了医学图像的缩放功能.该教学软件用于包头医学院医学图像处理课程理论与实验教学中,可提高学生学习的主动性和积极性,能强化学生对放射技师考点知识的理解,为后续课程的学习打下坚实基础,最终实现"新医科"背景下包头医学院医学影像技术专业"医工"、"医理"的深度交叉融合.

目的:探究乳腺磁共振成像(magnetic resonance imaging,MRI)影像学特征与21基因检测复发风险评分(recurrence score,RS)的相关性,并建立RS预测模型.方法:收集2017年4月—2019年3月在复旦大学附属肿瘤医院进行21基因检测的雌激素受体(estrogen receptor,ER)阳性、人表皮生长因子受体2(human epidermal growth factor receptor 2,HER2)阴性乳腺癌患者的资料,筛选出有术前MRI检查的患者拟入组.以RS=26分为临界值,将患者分为高危组(RS≥26)与低危组(RS＜26).根据2013版乳腺影像报告和数据系统标准评估患者图像.运用单因素检验比较MRI影像学特征在RS分组间差异,运用多元logistic回归构建RS预测模型.以7∶3比例将患者分为训练组和验证组,使用Pearson相关系数筛选法和递归特征消除法进行特征筛选,运用合成少数类过采样技术法进行重采样,使用4种不同机器学习模型算法构建模型(线性支持向量机、随机森林、决策树和K近邻).运用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型效能.结果:共入组159例患者(低危组58例,高危组101例).在临床病理学特征中,孕激素受体(progesterone receptor,PR)表达状态组间差异有统计学意义(P=0.017),低危组PR表达阳性患者占比更高.在MRI影像学特征中,肿块边缘组间差异有统计学意义(P=0.008),低危组肿块多表现为边缘毛刺(64.8%),高危组肿块多表现为边缘不规则(54.7%).将PR状态和肿块边缘纳入多因素logistic回归模型,PR阳性与PR阴性相比,PR阳性患者复发风险相对低,OR值为0.110(P=0.038);边缘毛刺的肿块与边缘不规则肿块相比,边缘毛刺的肿块复发风险相对低,OR值为0.343(P=0.004).Logistic回归模型曲线下面积(area under curve,AUC)为0.67,且该模型校准性能良好且具有一定临床实用性.以7∶3划分后,训练组纳入111例患者(低危组34例,高危组77例),验证组纳入48例患者(低危组和高危组均为24例).4种机器学习模型AUC为0.64～0.69,支持向量机和随机森林模型预测效能相对较高.结论:MRI在评估ER+/HER-乳腺癌患者复发风险方面具有潜在价值.

针对驾驶员疲劳驾驶检测困难及检测精度低等问题,提出基于改进YOLOv5s的疲劳驾驶检测方案,以提高终端的边缘智能识别能力.以YOLOv5s为基础框架,通过改进损失函数,提高模型精度与鲁棒性;通过添加注意力机制模块,提高算法的特征提取能力和检测精度.开展基于改进EIoU损失函数和添加CBAM注意力模块的消融试验.试验结果表明:基于改进YOLOv5s的疲劳驾驶检测准确率和召回率分别为95.2％和95.0％,相较于原始YOLOv5s模型,闭眼检测精度提高了3.6％,哈欠检测精度提高了3.8％.

目的 探讨中医舌下络脉诊的颜色信息客观识别方法.方法 结合计算机视觉,尝试利用紧凑型全卷积网络(CFCNs)和19种深度学习分类模型等算法进行研究,并设计双络脉矩形算法,作为舌下络脉分割识别和颜色信息提取的手段.结果 应用"去除反光点+数据扩充+数据后处理"方法获取的舌底分割的精确率为0.955 9,F1值为0.947 3、mIoU值为0.900 0,应用"去除反光点+语义分割舌体结果作为输入+数据扩充+后处理边缘膨胀腐蚀"方法获取的舌下络脉分割结果精确率为0.778 4、F1值为0.738 3、mIoU值为0.585 1,均明显优于目前经典的或改进的U-net模型.舌下络脉颜色分类上,DenseNet161-bc-early_stopping分类模型的效果最佳,准确率达0.803 7.结论 深度学习方法对于识别中医舌下络脉颜色信息具有一定作用,可为中医舌下络脉诊的颜色量化检测技术研究提供新方法.

目的 对比3种Hough变换算法(标准Hough变换、基于梯度的Hough变换、随机Hough变换)的原理与性能,为颅脑穿刺机器人精确、快速识别靶标并获取靶心坐标提供合适的控制基础.方法 在MATLAB软件中搭建仿真环境,研究分析图像特征识别、滤波、边缘检测、累加投票等处理工程,实现多个场景下目标圆的轮廓识别、拟合及其圆心坐标获取,定量化比对各算法的识别、拟合性能,最终根据颅脑穿刺机器人的实际应用环境确定更优的检测算法.结果 标准Hough变换算法拟合的标记圆与目标圆误差最大,同时因计算较大致使算法运行时间最长.随机Hough变换算法检测速度低于基于梯度的Hough变换算法的速度,但拟合准确度比标准Hough变换算法略好.基于梯度的Hough变换算法的圆拟合速度与准确度相比前两者而言具有明显优势.结论 基于梯度的Hough变换算法更适用于颅脑穿刺机器人系统的靶心坐标获取.