CT 图像中肺结节的良恶性鉴别是肺癌计算机辅助诊断研究中的关键。针对这一问题，提出了一种基于图像多维信息的肺结节良恶性鉴别方法。该方法基于三维肺结节的二维表示来进行影像学征象建模，并计算模型特征值。然后，提取结节的形状及纹理特征。最后，根据提取的所有特征，利用模糊C 均值分类器对肺结节的良恶性进行鉴别。针对130 组结节数据进行实验，肺结节良恶性鉴别的敏感性及假阳率分别达到87. 58% 及9. 52%。实验结果表明，该文提出的方法能有效地区分肺结节的良恶性，辅助医生进行临床诊断。

内窥镜作为一种重要的医学诊断工具，广泛地应用于多种疾病的诊断和筛查。随着电子内窥镜的广泛应用，基于图像处理技术的计算机辅助诊断算法不断地涌现。就应用于医用内窥镜图像的计算机辅助诊断研究进展予以综述，分别总结了基于人选特征和基于卷积神经网络的内窥镜图像分析方法，最后分析了两类方法在处理内窥镜图像时的优势与缺点。

medicalProjectServer 智能医疗辅助诊断可视化系统软件 - 服务器开发 环境 Python 2.7.x Django 1.11.x，使用 pip2 install "django<2" 进行安装。

计算机辅助诊断在肺结节中的应用进展.pdf

计算机辅助诊断软件设计-戴恒.pdf

基于核方法的乳腺结节计算机辅助诊断的研究.docx

基于深度学习的肿瘤辅助诊断系统 CTAI：基于深度学习的肿瘤辅助诊断系统，以图像分割为核心，利用人工智能完成肿瘤区域的识别勾画并提供肿瘤区域的特征来辅助医生进行诊断。有完整的模型构建，植入架设和前端访问功能-源码 系统以图像分割为核心，利用人工智能完成肿瘤区域的识别勾画并提供肿瘤区域的特征来辅助医生进行诊断。有完整的模型构建，植入架设和前端访问功能。医生只需通过网络上传ct图像文件，后台就会使用训练好的模型进行肿瘤区域的分割，然后将勾画好肿瘤区域的图像返回，还有肿瘤区域的一些特征（如面积，周长，强度等），并且提供前几次诊断的特征数据并排列成图表进行对比来辅助医生诊断。 觉得不错欢迎给star :white_medium_star:哦 在线演示 环境 Python3.6： PyTorch，OpenCV，烧瓶 Vue，Vue CLI 节点： axios，ElementUI，ECharts C

CAD实验室 影像生物标志物和计算机辅助诊断实验室

基于Django的web辅助诊断系统设计，韩培佩，万遂人，为帮助提高医院医生和科研人员的工作效率，设计了一个基于磁共振技术的web辅助诊断数据库系统。本文首先介绍了对于该数据库的需求

计算机辅助诊断技术综述性文章，概述了目前CAD的一些相关技术