医学图像处理虚拟实验实践平台关键技术研究

Experiment is very important for medical image processing course, and the existing experiment and practice mode cannot provide strong support for the course study due to resource constraints. At present, the intersection of information science and other disciplines has become a hot topic. How to use the latest information technology to meet the needs of medical image processing courses and establish an online experimental practice platform has become an urgent problem to be solved. This project will design and establish an online practice platform for medical image processing based on our experience of the existing virtual experiment platform and the Xiangya Medical Big Data Platform of Central South University. It also addresses the key technical issues such as the visualization of medical image processing algorithms supporting dynamic process configuration, film reading training methods and evaluation technology, and the efficient transmission of image data on the Internet. The platform will provide students with an online learning platform for the using, parameter adjustment, process configuration, result analysis of image processing algorithm that is not constrained by time and space, and a wide-covered, scientific and standardized process and evaluated results fill reading training environment. This project will effectively improve students' learning effects and provide reference for other virtual experimental platforms.

医学图像处理课程是一门实践性非常强的课程，而现有的实验实践模式由于资源场地等限制无法为该课程学习提供有力支撑。目前，信息科学与其他学科的交叉研究成为了热点，如何利用最新的信息技术，面向医学图像处理课程学习需求，建立一个在线实验实践平台成为亟需解决的问题。本项目将基于已有虚拟实验平台建设经验，依托中南大学湘雅医疗大数据平台，设计并建立一个医学影像处理在线实验实践平台，并解决其中的支持动态流程配置的医学图像处理算法可视化、在线读片诊断训练方法与及其智能化评价、广域网环境下影像数据高效传输等关键技术问题，为学生提供一个不受时空约束的在线学习医学图像处理算法的使用方法、参数调节、流程配置、结果分析的实验平台以及一个覆盖面广、流程科学规范、结果可评价反馈的读片诊断训练环境。项目的成功实施将为基础医学相关课程建设及虚拟实验室技术发展提供可借鉴的理论和技术支持。

医学图像处理课程是一门实践性非常强的课程，而现有的实验实践模式由于资源场地等限制无法为该课程学习提供有力支撑。本项目针对如何利用医学大数据中的影像及文本资源，为学生提供一个在线医学图像实验实践平台的关键技术问题展开研究。在项目支持下，项目组基于构件技术设计了具备规范接口、可组装的医学数字图像处理单元以及相应的组装和调度算法及结果可视化方法，实现了医学数字图像处理学习平台；基于自然语言处理技术设计并实现了一种基于实体识别和规则抽取相结合的医学影像诊断报告结构化方法，实现了将医学诊断报告转换为结构化数据，并结合项目所设计的诊断报告自动评分方法以及疾病预测方法，解决了诊断报告的智能化评分问题；基于图像分割和标注技术，对医学影像连续性采集特征及标注数据少的特点，提出并实现了一种基于阈值去除法及多种后处理的器脏分割方法，有效提升了分割效果，并基于器脏分割结果进一步优化检测模型，有效提升了病灶标注进度。在此基础上，项目组设计并实现了含医学影像在线读片训练平台、医学图像处理实验平台的在线医学图像处理虚拟实验实践环境以及智能文本标注平台。研究成果具有良好的科学研究价值和实际应用价值。