dicom 脱敏_基于DICOM的CT医疗图像脱敏系统的研究与实现

基于

DICOM

CT

医疗图像脱敏系统的研究与实现

王阳,刘立波

【摘

要】

摘要:深度学习目前已经广泛应用于医学图像处理领域,利用深度学

习对医疗图像进行处理前,需要对来自医院的真实患者数据进行脱敏处理。人

工对图像进行脱敏效率低下,为此通过

Python

设计和实现基于

DICOM

标准

协议的

CT

图像脱敏批处理系统,并利用

PyQt

实现脱敏系统的可视化界面效果。

分别对

500

1000

CT

图片进行批量脱敏,实验结果表明,该系统可以在

很短时间内有效地去除

CT

图像中的患者信息,达到脱敏标准。

【期刊名称】

现代计算机(专业版)

【年

(

),

期】

2019(000)011

【总页数】

4

【关键词】

深度学习;数据脱敏;

CT

医疗图像;

DICOM

标准

基金项目:国家自然科学基金项目(

No.61862050

)

;西部一流大学科研创新

项目(

No.ZKZD2017005

)

0

引言

医学图像处理在计算机辅助诊断(

CAD

)

、临床治疗及生命科学研究等方面发

挥着重要作用,它的研究始于

20

世纪

70

年代。近年来,随着计算机能力的显

著提升和各种算法的不断涌现与改进,深度学习算法已经成为医学图像处理领

域的热点。

2006

年,

Hinton

教授等在

Science

上发表关于神经网络的突破性文章

[1]

,首

次提出深度学习的概念。

2012

年,其团队使用深度学习算法在

ImageNet

赛中一举夺魁,且性能远高于第二名,自此深度学习引起了学者们的广泛关注

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值