5篇关于DICOM的计算机毕业论文

今天分享的是关于DICOM的5篇计算机毕业论文范文, 如果你的论文涉及到DICOM等主题,本文能够帮助到你

移动数字医学影像平台关键技术研究与实现

这是一篇关于DICOM,DCM4CHE,超文本传输协议,JSON的论文, 主要内容为随着移动医疗应用的深入和发展,目前已经有移动护理、移动护送和移动查房等一系列移动医疗应用。在这些应用中,对于移动终端设备上的数字医学影像应用程序的要求已经接近传统桌面工作站的水平。但是移动环境和传统的数字医学影像应用环境有很多不同,会产生不少问题。比如对于硬件参数来说,移动设备处理器性能有限,解析高分辨率影像需要等待较长时间,影响到用户使用体验。又比如对于网络环境来说,数字医学影像领域的事实标准——DICOM协议中的不少服务无法适用于移动无线网络结构,严重影响到了客户端的图像接收功能。此外移动设备系统平台众多,各种平台之间互不兼容,为每种平台一一实现DICOM网络服务接口需要耗费大量的时间和精力。国内外目前存在一些移动DICOM应用的案例,其中绝大多数是基于HTML技术开发实现的,直接将DICOM图像包含在HTML网页中,使用浏览器控件进行显示。这中做法能适用于绝大多数移动终端,但是功能有限,只能传输JPEG格式的普通图像,无法像传统DICOM网络通信那样通过设置各种参数来控制传输方式和图像内容。而且HTML网页技术与传统的DICOM通信技术设计理念大相径庭,不方便将目前现有的DICOM应用代码迁移到移动端上去。在进行设计此系统时,针对这些问题进行了分析,鉴于HTML网页技术是基于HTTP传输协议的,并且HTTP协议在各种移动设备平台都有良好的支持,决定编写DICOM转HTTP代理,以此将DICOM网络服务以尽可能类似于传统使用方式的样式供给移动应用端使用。DICOM转HTTP代理基于J2EE技术,采用DCM4CHE类库与PACS系统进行基于DICOM协议的数据通讯。同时利用Spring MVC框架提供的功能,在处理HTTP请求和应答的时候,可以将DCM4CHE类库中使用的DICOM数据字典参数数据格式自动转换为与移动设备客户端进行通讯所使用的JSON数据格式。在此机制上根据临床实际的应用需要,向移动设备提供了非图像信息查询,图像获取与图像上传等REST风格的Web服务。同时讨论了移动终端如何利用这些服务进行移动客户端开发,给出了示例代码。另外基于HL7协议的应用系统也大量在临床中运用,并且和DICOM系统会产生大量的交互。所以在DICOM转HTTP代理中,使用HAPI类库实现了一些HL7 ORM消息服务Web访问接口,方便了移动设备应用客户端进行预约、登记。DICOM转HTTP代理的实现,丰富了移动临床系统的功能和内容。使得各种平台下的移动设备可以不再关心底层的DICOM网络服务细节,方便的调用PACS和RIS系统提供的各种服务,提供了移动端设备客户端的开发速度。在此基础之上实现的临床查房拍照自动归档功能,更是将过去的拍照、整理、归档操作进行了简化,使之能够一步完成,让临床一线的医务人员能有更多的时间投入到实际的为病人服务的工作中去。

实用PACS浏览器应用系统设计与开发

这是一篇关于PACS,DICOM,医学图像,浏览器的论文, 主要内容为PACS系统的出现,使得符合DICOM3.0标准的X线设备如CR、DR、CT、MRI、DSA以及超声、胃肠透视等医学影像能以数字信息的形式存在,使得管理巨量信息资料变得十分容易。其中医学图像浏览功能是PACS系统的一个基本功能,它直接与用户交互,是PACS工作站的重要组成部分。然而纵观各个医学图像浏览软件,很多都还不能很好地融入到PACS系统中,另一些医学图像浏览软件一般也只能进行单个序列(如平扫、强化、延迟)图像的单窗位或多窗位的浏览,这显然导致医师们不能方便地对比分析同一病例或多个病例不同时期、不同序列的图像特征,也就导致了临床上影像查阅和诊断的效率低下、准确率低等问题。因此能够提供一个可以多个窗位、多种扫描序列的图像并行显示的PACS系统的医学图像浏览器显得十分必要。本文经过专家咨询、文献分析和现有PACS医学图像浏览器功能的调研,明确现有医学图像浏览器存在的不足之处,从而提出基于Delphi开发工具设计并开发出一种PACS系统的医学图像浏览器,它不同于现行的各种版本的浏览器,能实现多窗位、多序列并行显示。在细化了本系统的功能需求和非功能需求后,制定了设计和开发本系统所采用的技术路线,首先利用Power Designer工具对系统的数据库进行了建模,再利用Visio和Star UML对系统进行了业务逻辑的分析和设计,突出开发本系统过程中所要解决的技术难点,如DICOM图像信息的提取和DICOM图像转换技术,最后实现整个系统并在医院里进行试运行。本系统不仅提供医学影像的多序列、多窗口浏览,还包含图像调整、图像转换等临床常用功能。其中,图像调整包括调整图像的大小,图像的对比度和亮度;图像转换功能支持医师将医学图像转换为普通的图像格式,方便医师能随时、随地对影像进行查阅和诊断。经过实际使用测试,本系统实现了并行同步阅读不同的医学数字影像,可以十分便利的通过PACS调阅RIS/HIS系统存储的病人影像资料,以及病人从其它地方检查拷贝来的影像资料。便于医师同时进行多窗口并行阅读、分析、比较、判断、评价病人一次或多次检查的大量影像资料。为临床提供简便、全面、高效率的医学影像诊断方法。它进一步提高医生阅读速度,减轻临床医生的负担,提升了工作效率,减少判断错误的发生,有着非常现实的意义。

基于Web的肺结节智能辅助阅片系统的设计与实现

这是一篇关于DICOM,DICOM图像浏览器,肺结节,深度学习,辅助诊断的论文, 主要内容为随着大数据、物联网和信息技术的飞速发展,人工智能取得了长足的进步,并且广泛应用于智慧医疗、智慧教育等领域。人工智能的目标是创造出和人类一样拥有智慧的可以进行自主学习和思考的智能科技。全球各地也纷纷提出“大健康”、“人工智能医疗”、“医疗大数据”等概念。将人民的生命健康置于战略地位,进一步促进了智能医疗的发展。目前,国内医院普遍使用的阅片系统,大都采用客户机/服务器模式(C/S模式),拓展性不高,维护起来不方便且没有智能辅助诊断的功能,越来越难以满足大数据时代下海量影像高效阅片的需求。近年来,随着HTML5、VUE.js等技术的发展,越来越多的公司开始尝试使用B/S架构完成PACS系统的铺设。通过前后端独立开发,在浏览器端建立医学影像阅片系统。但是当前很多系统仍处于实验阶段,且在智能阅片方面往往需要通过插件等形式完成,在功能扩展方面往往不能满足当前影像科医生的阅片需求,在宏观上也难以满足当前国家积极推进的打造区域医联体、医共体的需要。因此,亟待开发出一种浏览器/服务器模式(B/S模式)的医学影像智能诊断系统。为了解决以上问题,本文研究和实现了一种基于Web的肺结节智能辅助阅片系统。通过使用VUE.js、Java Script、Canvas技术,完成前端阅片的功能,使其具有灵活、高效、节省等优点。后台封装部署本项目算法团队研究出的针对肺结节辅助诊断的深度学习算法,确保在肺结节自动勾画和诊断等方面具有国内外先进水平,同时具有很强的扩展能力和学习能力。