XiaoMi-AI文件搜索系统
World File Search SystemDICOM
Borders 综合医院，梅尔罗斯，苏格兰边境 TD6 9BS
2021 年 10 月安装了西门子 Sola 1.5T MR 扫描仪，2023 年 9 月安装了西门子 Xcite 256 切片 CT 扫描仪） 3 个超声波室 DEXA 扫描仪新的数字乳房 X光检查和立体定向机计划于 2024 年安装在该部门新设计的区域内，同时安装一个新的超声波室和诊室。目前，乳房 X光检查正在移动单元上进行。所有平片均使用 DR 系统获取，报告使用 DICOM 工作站进行图像查看。该部门拥有 Carestream 放射学信息系统和 Soliton RIS 系统。我们的 PACS 系统与苏格兰国家 PACS 完全集成。自 2008 年 11 月起，所有图像都存储在国家 PACS 档案中。有远程放射学链接到顾问放射科医生的家中，允许远程访问放射学图像和医院网络。此外，其他外部驱动因素也在推动该部门向前发展：-
三维锥形束计算机化...
背景 CBCT 是一种获取三维射线图像的方法，在牙科领域越来越受欢迎。生成的图像易于使用，并且比传统的二维射线照片提供更多信息。三维成像能够捕获骨骼和软组织，然后可以一起或单独显示（图 1）。与螺旋 CT 和扇形 CT 等早期 CT 技术一样，可以观察到“逐片”轴向、矢状和冠状图像，但 CBCT 软件还结合了参考线，使这些切片的定位变得不那么复杂。例如，即使只观察冠状视图或完整图像的一小部分，矢状切片视图中的线也会指示正在分析的切片或对象的高度和位置（图 2）。CBCT 本质上是数字化的，它使用计算机程序从一系列 250 到 300 张二维图像构建三维体积。CBCT 术语反映了这一重点。例如，体素用于代替像素，因为它指的是体积而不是二维空间。图像文件是 DICOM（数字成像和
用户手册-RScribe™12导管心电图系统
版权所有©2023 Welch Allyn。本文档包含属于Welch Allyn，Inc。的机密信息。未经Welch Allyn，Inc。Welch Allyn的明确书面同意，本文件的任何部分都不能在接收组织之外传输，复制，使用，使用或披露，Welch Allyn是Welch Allyn的注册商标。 SCF（源一致性过滤器）是Welch Allyn，Inc。Microsoft和Windows的版权所有，是Microsoft Corporation的注册商标。Adobe和Acrobat是Adobe Systems Incorporated的注册商标。diCom是国家电气制造商协会的注册商标，其标准出版物与医疗信息的数字通信有关。软件：v6.2.x专利/专利Hillrom.com/patents可能由一项或多项专利涵盖。请参阅上面的Internet地址。Hill-Rom公司是欧洲，美国和其他专利的所有人，以及未决的专利申请。Hillrom的技术支持有关任何Hillrom产品的信息，请致电1.888.667.8272，MOR_TECH.SUPPORT@HILLROM.COM与Hillrom技术支持联系。
科学数据论文arxiv
公共成像数据集对于癌症成像中自动化工具的开发和评估至关重要。不幸的是，许多不包括注释或图像衍生的特征，使其下游分析变得复杂。基于人工智能的注释工具已被证明可以实现可接受的性能，因此可用于自动注释大型数据集。作为丰富NCI成像数据共享（IDC）中可用的公共数据的努力的一部分，在这里，我们在这里介绍了AI生成的注释，用于两种计算机断层扫描图像的胸部，NSCLC-radiomics和国家肺肺部筛查试验的两部计算机图像。使用公开可用的AI算法，我们得出了有风险的胸腔器官的体积注释，它们相应的放射线特征以及解剖学地标和地区的切片级注释。由IDC在IDC中公开可用的注释，其中DICOM格式用于协调数据并实现公平的原则。注释伴随着启用云的笔记本，以证明其使用。这项研究强大了对大型，可公开访问的策划数据集的需求，并证明了如何使用AI来帮助癌症成像。
Europass CV - 招标门户
从 DICOM 格式的 CT 图像序列开始，在受试者口腔的个性化三维虚拟模型上定制牙种植体。该项目的一个重要组成部分是创建一个基于数值模型解释的 3D 引擎，以支持图像分析和重建、渲染和 3D 模型操作的主要操作。这项工作是使用 Java 编程语言进行的，使用 VTK 库来生成 3D 模型。该系统配备了虚拟模型和受试者嘴部之间的对齐模块，通过使用空间变换系统（旋转平移和变形），使用一些外部点作为参考。此功能允许您使用从虚拟软件获得的数据来引导带有数控铣床的机械臂，该铣床能够在虚拟模型上定位和建立（在模型上孔的起始点和终止点定位）后自动以极高的精度（最大误差小于 0.5 毫米）创建用于插入牙种植体的孔。为了验证最后一个功能是否正常运作，在高精度磁定位器“微鸟追踪器 - 由Ascension Technology 公司生产”（实验室内）的帮助下，对一个已经过 CT 扫描并重建了 3D 虚拟模型的塑料头骨模型进行了测试。这样就可以验证所创建的系统的精度和有效性。这项研究的成果已成为科学出版物的主题 [1] [2]。
SonoSite 超声系统用户指南 - 折扣心脏病学
SonoSite 系统具有各种配置和功能。本手册中介绍了所有配置和功能，但并非每个选项都适用于您的系统。系统功能取决于您的系统配置、换能器和检查类型。SonoSite 系统是一种便携式、软件控制的超声系统。它具有全数字架构。它用于获取和显示高分辨率、实时、2D、彩色能量多普勒 (CPD)、定向彩色能量多普勒 (DCPD)、组织谐波成像 (THI)、M 模式、脉冲波 (PW) 多普勒和连续波 (CW) 多普勒超声图像。该系统具有心电图 (ECG)、电影查看、图像缩放、标记、活检、测量和计算、用于图像传输的串行连接、图像存储和查看、打印和录制，并能够将多普勒与音频输出一起存档到录像带。系统设置还具有支持英文字符集光学字符识别 (OCR) 的选项，用于时间、日期、患者姓名和患者身份识别。 OCR 屏幕字符针对 ALI 提供的 ALI NewPORT DICOM 图像捕获站外围设备进行了优化。有关 ALI NewPORT 2.1 的更多信息，请参阅 ALI NewPORT 2.1 图像捕获站用户指南。目前，系统支持以下传感器：• C8/8-5 MHz 8 毫米微曲面阵列
放射学中的无代码机学习
机器学习模型可以帮助临床医生和研究人员在放射学内部的许多任务中，例如诊断，分类，分割/测量和质量保证。为了更好地利用机器学习，我们已经开发了一个平台，该平台允许用户在不需要任何编程知识的情况下标记数据和训练模型。该技术堆栈由用于用户交互，Python，Pytorch和Monai的打字稿Web应用程序组成，用于机器学习，DICOM WADO-RS可从临床系统中检索数据，以及用于模型管理的Docker。作为系统的第一个试验，研究人员将其用来训练锁骨断裂检测模型，作为IRB批准的回顾性研究的一部分。研究人员在13个部位的2,039名患者中标记了4,135个锁骨X光片。平台将数据自动将数据分为培训，验证和测试集，并训练了模型，直到验证损失平稳。然后该系统返回了接收器操作特征曲线，AUC，F1和其他指标。所得模型以90％的敏感性，87％的特异性和88％的精度鉴定锁骨骨折，AUC为0.95。此模型性能等于文献中报道的类似模型。最近，我们的系统用于训练模型，以识别包含个人身份信息（PII）的超声框架。验证后，该模型被用来帮助识别用于研究的大型数据集。这个首先的系统简化了模型开发和部署，并为在医疗保健中使用AI开辟了令人兴奋的新途径。
嵌入开源放射信息系统的通用 AI 助手
摘要。在研究环境或 Kaggle 竞赛中开发的大多数 AI 模型都无法转化为临床应用，因为它们难以验证或嵌入到现实世界的临床实践中。放射学 AI 模型在接近或超越人类表现方面取得了重大进展。然而，由于缺乏健康信息标准、上下文和工作流程差异以及数据标签变化，AI 模型与人类放射科医生的合作仍然是一个尚未探索的挑战。为了克服这些挑战，我们将使用 DICOM 标准 SR 注释的 AI 模型服务集成到开源 LibreHealth 放射学信息系统 (RIS) 中的 OHIF 查看器中。在本文中，我们描述了该平台新颖的人机合作能力，包括少量学习和群体学习方法，以持续重新训练 AI 模型。基于机器学习的概念，我们在 RIS 中开发了一种主动学习策略，以便人类放射科医生可以启用/禁用 AI 注释以及“修复”/重新标记 AI 注释。然后使用这些注释重新训练模型。这有助于在放射科医生用户和用户特定的 AI 模型之间建立合作关系。然后，这些用户特定模型的权重最终在群体学习方法中在多个模型之间共享。我们通过将 AI 模型集成到临床工作流程中来讨论这种组合学习的潜在优势和缺陷。
人工智能在脊柱成像中的实际应用：综述
一项多中心、多读者研究评估了合成创建的短 tau 反转恢复 (STIR) 脊柱 MR 图像与获取的 STIR 的比较。基于医学数字成像和通信 (DICOM) 的 DL 应用程序从矢状 T1 和 T2 图像生成了合成创建的 STIR 系列。三名神经放射科医生、一名肌肉骨骼 (MSK) 放射科医生和一名普通放射科医生对 STIR 质量进行评级并对疾病病理进行分类；评估了通常在创伤中用 STIR 评估的发现的存在/缺失情况。放射科医生以盲法随机方式评估了获取的 STIR 或合成创建的 STIR，并设有 1 个月的洗脱期。使用 10% 的非劣效性阈值评估获取和合成创建的 STIR 的可互换性。对于分类，随机引入合成创建的 STIR 预计会导致读者间一致性下降 3.23%。对于创伤，读者之间的一致性总体提高了 11.9%。两者的置信下限都超过了非劣效性阈值，表明合成 STIR 与获取的 STIR 具有可互换性。结果显示，合成 STIR 的图像质量得分高于获取的 STIR（P <.0001）。研究人员得出结论，合成 STIR 脊柱 MR 图像在诊断上可与获取的 STIR 互换，同时提供明显更高的图像质量，表明常规临床实践的潜力。研究人员还避免使用 GAN，因为 GAN 很容易在合成图像中引入源图像中不存在的结构。38
通过计算机断层扫描
本研究旨在通过测量不同狗品种中心脏的椎心脏尺度和心脏的解剖结构来揭示统计差异。椎心尺度（VHS）最近被描述为一种测量狗和猫的心脏轮廓的方法。椎骨心脏尺度（VHS）可能因年龄，体重等而因狗和猫而异。使用了不同年龄和体重的21只狗（10只男性和11个女性）。在使用的狗品种中，包括法国斗牛犬，俄罗斯贵宾犬，罗威纳犬，杰克·罗素，金毛猎人，金查尔斯，北京，比利时牧羊犬，赫斯基，奇瓦瓦，奇瓦瓦，卡克，terrier，terrier，斗牛犬，斗牛犬，bouvier，bouvier和弗兰德斯繁殖。在80 kV，200 Ma，639 MGY和0.625 mm切片厚度下扫描多层检测器。所得图像保存在数字成像和医学（DICOM）格式中。在3D-Slicer软件中测量获得的部分。胸高度（Th）和颅静脉腔（CVC）测量参数具有统计学意义，重量（p <0.05）。椎骨心脏尺度（VHS）在相关分析中具有任何参数（p> 0.05），在统计上没有统计学意义。在动物重量的相关表与测量值的相关表中，可以看到它与除椎骨心脏分数（VHS）以外的其他测量参数具有非常显着的正相关性（p <0.01）。椎骨尺度确定为女性的9.09±1.37椎骨，男性为9.50±0.52椎骨。该研究旨在为兽医解剖学，手术和内科医学做出贡献。