1． 研究背景 自从德国科学家伦琴在1895年发明X射线以来，CT（计算机断层成像）、MRI（核磁共振成像）、CR（计算机X线成像）、B超、电子内窥镜等现代化医学影像设备先后出现，使得传统的医学诊断方式发生了革命性的变化。使用计算机对医学影像设备采集到的影像进行处理这一技术被称为医学影像处理与分析，它可以辅助医生进行更好、更准确的诊断。随着现代计算机科学技术的发展，医学影像处理与分析越来越多地受到人们的重视，现在已经成为一门新兴的发展迅速的交叉科学领域。 由于医学影像领域的研究涉及的面非常宽，研究本身需要多学科的交叉，这就导致开发医学影像领域的高质量软件，尤其是算法研发平台非常困难。但是一旦研究成功之后，受益面将会非常大，今后的发展前途非常广阔。利用现代信息学已取得的科�

杭州师范大学医学生“全球医学教育最低基本要求”的调查及思考 摘要：在医生跨国界流动和跨国界教育的发展过程中，医学和医学教育全球化的趋势越来越明显。全球医学教育最低基本要求从其个领域界定了医学本科生必须具备的基本能力。全球医学教育最低基本要求评价方法是实施“基本要求”的基础。通过分析当代医学教育培养的现状及其产生的原因，对提高医学生能力提出适当建议。 关键词：全球医学教育最低基本要求；医学教育； 一、文献综述 (一) 简介 在医生跨国界流动和跨国界教育的发展过程中，医学和医学教育全球化的趋势越来越明显。制定医学教育国际标准，按照国际标准衡量和评价医学院校毕业生的能力和医学院校办学水平是实现医学教育全球化的基础，已经成为国际医学教育发展的必然趋势。

1．目的及意义 1.1 研究目的及意义 在当前的医疗诊断中，医学图像具有越来越重要的临床应用价值。常用的医学图像有磁共振(Magnetic Resonance Imaging，MRI)、超声、计算机断层扫描(X-RayComputer Tomography，CT)、正电子发射计算机断层扫描以及病理切片图像等。医学图像处理是分析医学图像的首要步骤，有助于使图像更加直观、清晰，提高诊断效率，因此国内外都十分重视医学影像处理。其中，图像分割是图像处理的重要环节，也是难点，是制约三维重建等技术应用的瓶颈性问题。医学图像分割的目的是将医学图像中具有某些特殊含义的部分分割出来，并提取相关特征，为临床诊疗和病理学研究提供可靠的依据，辅助医生做出更为准确的诊断。 从医学图像中自动分割出目标是个艰巨的任务，因为医学图像具有较高的复杂性且缺少简单的线性特征�

医学图像配准是医学图像分析的基本课题 ,具有重要理论研究和临床应用价值。在临床治疗过程中，医生需要多种医学介质，以提供有关患者的准确和完整的信息。医学图像配准技术可以为医生提供更丰富的诊断和治疗信息，并为涉及图像配准的优化问题的研究人员提供全面的参考资料 在临床治疗过程中，医生需要几种医学介质，以提供有关患者的准确和完整的信息。例如，CT扫描提供有关骨骼结构的信息，MRI扫描提供有关组织（例如肌肉和血管）的结构的信息，而超声图像则集中在器官，病变和腔结构上。随着数字图像的发展，医学图像可以转换为数字信息，从而使图像处理过程可以通过计算机处理。这些图像信息媒体的集成需要图像配准技术的帮助。这些技术本质上涉及将来自不同时间和空间源的图像相关联的过程，以确保所有图像中给�

毕业论文课题相关文献综述1.1研究背景意义近年来，随着生物医学成像技术的飞速发展，人们可以很容易获得大量高分辨率的医学图像，例如：计算机断层成像（Computed Tomography,CT）、核磁共振成像（Magnetic Resonance Imaging，MRI）、超声成像（Ultrasonography，US）等技术已经广泛应用于医疗诊断、术前计划、治疗、术后检测等各个环节，那么如何对这些成像技术获得的各种定量定性的图像数据进行分析，使之被高效地利用，是至关重要的问题。因此，医学图像分割成为医学图像处理和分析中的关键技术。由于人体解剖的个性差异较大，临床应用对医学图像分割的精确度和分割算法的速度要求比较高，又由于获取的图像本身受到噪声、偏移场效应和部分容积效应等的影响，使得很多分割算法未能达到理想的效果。所以，医学图像分割的算法研究是当前医学�

课题研究的背景与意义 随着医学成像技术的发展与进步，图像处理技术在医学研究与临床医学中的应用越来越广泛。医学诊疗过程中获取了多种不同器官、解剖形态、功能过程的图像，医学图像处理技术试图利用自动精确定量的计算机辅助图像分析，帮助临床医生和研究者高效准确地处理海量图像信息。 人工智能方法、机器学习技术在医学图像处理中的应用近年得到极大关注，主要应用在医学图像分割、图像配准、图像融合、图像压缩、图像重建等领域，方法包括蚁群算法、模糊集合、人工神经网络、遗传算法、进化计算、人工免疫算法、粒计算和多Agent技术等，涉及MR图像、超声图像、PET图像、CT图像和医学红外图像等多种医学图像。通过数据挖掘、案例推理等人工智能技术开发的医学专家系统弥补了医生人工诊断的主观性和局限性

毕业论文课题相关文献综述近年来，随着科学技术的飞速发展，数字计算机、多媒体和存储系统等技术的迅速发展，形成了大型图像和多媒体内容存储库。临床和诊断研究也从数字存储和内容处理的这些进展中获益。基于内容的视觉信息检索（CBVIR）或者基于内容的图像检索(CBIR)都是近年来发展十分迅速的研究领域。大量的、快速增长的视觉和多媒体数据，以及因特网的发展都在强调需要创造出不仅仅是强调简单的基于匹配精确数据库字段的文本查询或请求。目前已经开发出许多根据视觉和音频内容制定和执行查询的程序和工具，它们会协助浏览大型的多媒体数据库。但是，对于具有不同种类和不同特性的文档的大型不同数据库技术，尚未取得总体突破。许多关于速度、语义描述符或者客观图像的解释的答复仍然是开放的，还在等待未来的技术来�

毕业论文课题相关文献综述1.1研究背景意义医疗机构每年都会产生大量的医学影像，这些医学影像数据往往包含大量潜在信息。如今，对医学图像进行处理已经成为一种很实用的方法，但是随着医学成像设备的飞速发展和普及应用，医学图像数据呈爆炸式增涨，如何高效而准确地进行医学图像分析成为一大挑战。因此，对医学图像的目标检测方法研究逐渐的变得热门。目标检测对于人类来说并不困难，通过对图片中不同颜色模块的感知很容易定位并分类出其中目标物体，但对于计算机来说，面对的是RGB像素矩阵，很难从图像中直接得到狗和猫这样的抽象概念并定位其位置，再加上有时候多个物体和杂乱的背景混杂在一起，目标检测更加困难。在传统视觉领域，目标检测就是一个非常热门的研究方向，一些特定目标的检测，比如人脸检测和行人检测�

一、文献综述 （一）国内外研究现状 1.CS国内外研究现状 近年来，由 Candegrave;s、Tao 和 Donoho[1－3]等提出了一种新的信息获取与处理理论，即 CS。 传统的信号采样及重建方法服从奈奎斯特-香农定理：只有当采样速率信号中大频率达 2 倍以上时，才能精确恢复出原有信号。现实生活中的信号往往具有较宽的频带，为了高保真地记录信号，需要足够高的信号采样速率，这不仅增加了系统硬件的要求，同时为了处理和存储数据，对软件也提出了更高的要求。因此，一方面为了满足采样需求而开发更快、 更精密的硬件设备，另一方面为了存储飞速增长的海量数据不得不研究各种压缩方法去除采样信号中的冗余；这对矛盾已经成为很多科研和工程领域的突出问题。 CS 理论基于对信号先验知识的理解和利用，使得通过远少于奈奎斯特-香农定

一、文献综述 （一）国内外研究现状 1.CS国内外研究现状 近年来，由 Candegrave;s、Tao 和 Donoho[1－3]等提出了一种新的信息获取与处理理论，即 CS。 传统的信号采样及重建方法服从奈奎斯特-香农定理：只有当采样速率信号中大频率达 2 倍以上时，才能精确恢复出原有信号。现实生活中的信号往往具有较宽的频带，为了高保真地记录信号，需要足够高的信号采样速率，这不仅增加了系统硬件的要求，同时为了处理和存储数据，对软件也提出了更高的要求。因此，一方面为了满足采样需求而开发更快、 更精密的硬件设备，另一方面为了存储飞速增长的海量数据不得不研究各种压缩方法去除采样信号中的冗余；这对矛盾已经成为很多科研和工程领域的突出问题。 CS 理论基于对信号先验知识的理解和利用，使得通过远少于奈奎斯特-香农定