医学图像范文10篇

【摘要】随着社会现代化的发展，医疗体制改革的不断推进，促进了现代医学的可持续发展。在生物医学工程教育中，医学图像处理是重要的教学分支，加强对医学图像处理教学的研究，将行动导向教学法有效地转化在医学图像处理教学上，可以提高医学图像处理方面的教学质量，同时也提高了生物医学工程毕业生的可持续发展性。本文阐述了行动导向教学法，以及在医学图像处理教学方面行动导向教学法的转化和效果分析。

【关键词】行动导向教学法；医学图像处理；教学研究

医学图像处理教学所涉及的内容较为广泛，其中包含了医学图像处理的基本概念、图像分割、图像可视化等内容，具有一定的教学难度。在生物医学工程中，医学图像处理是重要的研究方向和研究分支，医学图像处理课程具有较高的难度，其主要是通过数学方法、数学原理、计算机技术等多学科内容的交叉融合而实现的，对医学影像设备所产生的图像进行分析处理，其中医学影像设备包含了：PET、CT、MRI等。随着医学成像技术和计算机技术的进步，提高了医学图像处理能力，在医学上，医学图像处理技术的应用也越来越广泛，取得了更高的研究价值。在国家教育中，医学图像处理课程的地位日趋上升，为了促进医学图像处理课堂的良性发展，加强教学理念和方法的创新是其中的重要因素之一，随着行动导向教学法的提出，在医学图像处理教学中，加强对行动导向教学法的有效转化，可以提升医学图像处理教学的水平。

1行动导向教学法

行动导向教学法具有复杂性、特殊性等特点，主要是由一系列的技术和教学方法组成，具有较高的应用价值。行动导向教学法的内容繁琐，主要包含了：项目教学法、卡片展示法、任务教学法、头脑风暴法、模拟教学法、案例教学法、文本引导法等，在医学图像处理教学中行动导向教学法的有效应用，具有以下特点：强调了学生在图像处理教学中的主体地位，可以提升学生的自主学习能力；学生可以参与信息收集、方案制定、方案实施、结果反馈等全部教学过程，提高了学生的参与感；学生可以参与到解决问题的过程中，提高了学生的思考能力、操作能力、创新能力等，在培养学生专业能力上具有重要的作用。由于医学图像处理教学具有较高的难度要求，所以在实施行动导向教学模式的过程中，需要注意结合教学实际，根据学生的实际情况制定合理的教学计划，科学的应用行动导向教学。

2在医学图像处理教学方面行动导向教学法的转化

1概述

医学图像在获取与传输的过程中，会受到各种形式噪声的干扰。近年来，一些新的滤波技术逐渐受到相关学者的重视并被应用到医学图像的降噪中[1-3]。文献[3]提出的非局部均值(Non-localMeans,NLM)滤波算法考虑了尽可能多的相似性结构信息，但该算法存在耗时、搜寻相似像素不充分的不足。相关文献报道了一些改进的NLM滤波算法，如鲁棒的快速算法[4]、基于核回归的改进算法[5]、基于奇异值分解和K-均值聚类的自适应改进算法[6]、基于矩的改进算法[7-8]。这些改进算法均取得了较好的去噪效果。为提高NLM算法的去噪性能，本文提出一种基于梯度信息的自适应的医学图像去噪NLM改进算法(ANLM)，并通过实验验证了算法的有效性和可行性。

2经典的非局部均值滤波算法

文献[3]中提出的经典NLM算法原理为：含噪图像f{f(i)|iI}的任一像素点i处被滤波的灰度值()fi为：()(,)()jIfiwijfj(1)222,||()()||1(,)e()ijfNfNhwijZi(2)其中，权重w(i,j)满足0≤w(i,j)≤1和(,)1jwij；22,||||为度量像素i和j的相似程度的高斯加权欧氏距离；a为高斯核的标准差，a0；h为控制衰减程度的参数；kN表示中心位于像素k的方形邻域。正则化常数Z(i)为：222,||()()||()eijfNfNhjIZi(3)为避免过加权，当ij时，权重w(i,j)为：w(i,j)max(w(i,j)),ij(4)NLM算法的核心思想是在一个称为搜索窗的大的像素范围内搜寻尽可能多的、与被滤波像素相似或匹配的其他像素参与到滤波过程中，以改善滤波效果。搜索窗内2个像素点i和j的相似性通过称为相似窗的2个邻域Ni和Nj中所有像素点的加权欧氏距离来度量。该距离越小，则i和j的相似程度越高，权重w(i,j)值越大。本文将上述算法称为经典的非局部均值算法(CassicalNL-means,CNLM)。显然，CNLM算法中相似窗的平移操作只能找到位置不同的相似像素，数量相对较少。若能同时对相似窗进行平移和旋转操作，则能找到更多的位置匹配或方向匹配的像素，从而提高算法的性能。本文基于这一思想，利用梯度信息，提出一种自适应的非局部均值滤波算法(AdaptiveNL-means,ANLM）。

3自适应非局部均值滤波算法

3.1算法原理

【关键词】医学图像；非刚性；图像配准；匹配矩阵；薄板样条

摘要：非刚性图像匹配问题已成为医学图像分析中一个非常具有挑战性的问题。基于薄板样条插值方法,引入实匹配矩阵,并给出相应配准变换算法，该算法将薄板样条参数表示成仿射分量和非仿射分量，并分别进行求解。与其它非刚性匹配算法相比，该算法不仅保证了对应特征点的双向对应，也实现了自动特征点选择，实验结果令人满意。

关键词：医学图像；非刚性；图像配准；匹配矩阵；薄板样条

1引言

在医学诊断和治疗过程中，常需要对比分析多幅图像，以获得更为精确和全面的信息。图像分析大都要求多幅图像的几何位置一致，因此，配准是医学图像分析的一个重大课题。医学图像配准是指对于一幅医学图像寻求一种(或一系列)空间变换，使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相同的空间位置。配准的结果应使两幅图像上所有的解剖点，或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。图像配准不仅可以校正病人多次成像间的位置变化，也可以校正由于成像模式本身导致的畸变。对同一个病人的不同时间的图像进行配准，可以了解发育过程及肿瘤病变的病情；对不同人的图像进行配准，去除种族、年龄等临床及遗传差异，从而形成疾病或人群特异性图谱，可用于正常与否的分析；对不同成像模式进行配准，可以获得互补信息。

医学图像配准可分为刚性配准和非刚性配准两类。刚性配准在许多情况下不能满足临床的需要，因为很多形变的性质是非刚体、非线性的。比如为了精确定位MR图像左心室，常常伴有组织磁化系数差异、非水分子的化学位移以及血流流动等因素导致的几何畸变以及由于磁场不均匀、磁场梯度非线性及涡流等导致的探测畸变，因此在放疗计划制定中，将MR图像配准时，不能单纯地使用刚性配准，必须使用非刚性配准。

【摘要】在医学超声波图像中对图像进行豆剖有助于对于图像的定量分析和定性分析，图像豆剖与后续的分析和处理工作密切相关。到目前为止，虽然有许多记录中都有大量的图像豆剖方法，但是在面对复杂且困难程度较高的医学超声图像，这些方法的作用往往很小，至于起不到任何作用。文章在分析医学超声图像特性的基础上，对医学超声图像豆剖方法进行统一的论述和评价，并对它发展的趋势进行预测。

【关键词】图像分割；医学超声图像；分割算法

1传统图像处理领域中的意识产生图像豆剖

1.1基于边缘检测的方法

基于边缘检测的豆剖方法是通过相邻像素之间的特征的改变来获得不同区域之间的边缘，边缘点的判断依据是检测点的本身和与它相邻的点，具体包括局部微分算子，例如：Roberts梯度算子、Soble梯度算子和Canny算子，面对不同的超声图像，有着不同的算子、通过不同的手段来检查这些边缘点。通过实验表明，边缘检测方法获得边缘信息通常是因为这些信息不够突出而产生的空间，无法形成包围物体的封闭曲线，这就要求根据这些离开的边缘点采用一定的追踪、连接算法规划出有意义的物理范围。同时，噪声增大时边缘检测豆剖方法的图像会形成比较多的假边缘，对去除噪音提出出了比较高的要求。这个问题在医学超声图像豆剖中显得极其重要。

在医学超声波图像中图像豆剖有助于图像的定位、定量分析、定性研究，图像豆剖与后续的分析和处理工作有着密切关系。正确的豆剖是从超声图像中为临床应用，目的是能够准确提取与诊疗相关联的消息同时也是临床中进行定量分析和通过计算机对临床辅助操作中进行每一个时刻的监测、对信息进行精准分析的十分重要的环节。到目前为止，自动或半自动化方面超声图像与CT、MRI之间仍有很大的差异性，但是超声成像因为有独特的无损性、能够随时的都进行检测以及低于平常的价钱，并且在定量分析、实时监控以及医治规划等方面都有很大的发展能力，因此超声图像的豆剖在近年来越来越被人们所关注。因为本身所组成的部分十分复杂，医学超声图像的豆剖在事实上是一件非常难以达到的事情，到现在不就是一个没有被解决的世界性难题。目前，在临床应用中对超声图像系统进行豆剖最为主要的陈海是基于阙值法和大夫手动豆剖两种办法。阙值豆剖法虽然应用简单方便，但是在超声图像中会出现斑点噪音和出现的纹路使得图像不能获得一个较高的清晰度。手动豆剖法在实际操作起来最为便捷，最后得出的结果也可以被接受和采纳，但是沉重的工作量和较长的时间通常会是大夫和病人都难以忍受。因此，用计算机实现自动化和半自动化的工作方法是在临床应用上更快捷，更为高效的实现超声图像豆剖的理想选择。

通过医疗设备获取的图像都是二维医学断层扫描图像，但人体的结构是三维的，二维图像不能看到人体内部的物体结构，并对人体器官的整体结构分析造成障碍。把二维图像进行三维重建，重建后的图像可以模拟人体结构，便于观察和分析病情，因此本文通过面绘制和体绘制两种方法对医学图像进行三维重建，本文主要介绍面绘制和体绘制三维重建的理论和具体实现过程。

1面绘制三维图像重建

面绘制是三维物体在二维平面的投影，是一种基于体素的表面重建，即直接从体数据提取物体表面的方法。本文以人脑图像为例，应用面绘制里的移动立方体法重建三维图像，通过轮廓提取和等值面明暗显示两个步骤重建三维脑部图像。1.1轮廓提取我们主要提取脑结构的表面形态，不考虑内部结构特征，因此叫轮廓提取。我们对表面轮廓进行采样点提取，采样点是由多个体素组成，一个体素又由8个顶点的多个立方体组成。首先，找到脑部的轮廓区域，计算每一个体素标量值的所有拓扑状态，如果标量值大于轮廓线的标量值，把该体素记为属于轮廓区域内的点，否则标记为轮廓区域外的点。然后，寻找头表面和背景的边界，去掉背景区域，计算头表面的灰度阈值G，在头表面内部的所有像素的灰度值都大于设定的阈值G，在头表面的外部所有的灰度值都小于设定的阈值G。根据各顶点与设定的阈值的关系，把顶点分为2类，分别有黑、白两色表示，遍历立方体的每一个顶点，如果两个顶点的颜色相同，该边上不存在边缘点，否则，在此边上必然有一个边缘点，用直线将遍历后的所有小正方形的边上边缘点连接起来，并对公共边合并，这些连接的线就构成了边界的轮廓线，沿着边界线将背景和头表面区域分离开。处理完一个体素后，前后移动到另外一个体素，当所有的体素都遍历完后，轮廓就绘制出来了。算法的步骤为：（1）选择一个体素。（2）计算该体素中每一个小立方体顶点的内外状态。（3）生成每个顶点的二进制编码的索引值。（4）用该索引值创建树型表，并计算标量值。（5）用树型表计算每个点所连接的边的位置。由于算法过程是对每一个体素单独处理，一些顶点组成的边缘可以会重复使用，在遍历顶点的时候沿着相同的方向进行，通过程序消除重复使用的点即可。遍历所有体素是轮廓提取的重点，本文用查表法遍历每一个体素，将体素的八个顶点与阈值比较后产生一系列的逻辑值构成八位索引值，通过三维图像的256种构型组成一个三角部分的查找表。通过查找表可以直接获得轮廓区域的信息、索引号及指向三角部分的位置，最后找到所有三角部分的位置镶嵌成表面轮廓。1.2等值面的明暗显示为了真实的显示物体表面的情况，使重构的三维图像更直观，本文对用三角片构成的物体表面设置光照效果，还要解决在特定的光照模型下的表面法向量的计算。首先，选择光照模型，采用的光照模型为：I=Ia+(IS-Ia)cosθ，其中，I为物体表面光强度；Ia为环境的光强度；IS为光源的光强度；θ为入射光与表面法向量的夹角。然后，计算表面法向量，先用灰度差分法计算体素顶点上的灰度梯度值，再对八个顶点的法向量进行线性插值就可以得到每个顶点的法向量，把计算得到的法向量值代入光照模型公式，就可以计算出表面物体的光照强度。最后，将其投影在某个特定的二维平面上进行显示，从而得到有光感效果的三维表面图像，重建的轮廓及表面如图1所示。

2体绘制三维图像重建

表面绘制可以有效的绘制物体的三维表面，但缺乏内部信息的表达；体绘制可以直接由体素生成三维物体，能够表达物体的内部信息，传统的体绘制方法主要通过点、线和几何多边形绘制三维物体，但绘制后，图像的真实感欠佳。比如：最大强度投影法重建后可以更直观的观察图像，但是不能从图像上看出沿着光线的最大值，即不能清晰的观察到单个物体及相互之间的空间关系及具体位置。因此，本文提出按照图像顺序进行体绘制，该方法是发出一条光线通过像素进到场景中，然后用某一特定的为计算像素值的函数计算沿光线所遇到的数据，确定图像平面中每个像素值。这样可以清晰的分辨出图像在空间域的具体位置，使绘制后的结果更真实。图1重建的轮廓与表面按照图像顺序进行体绘制也叫做光线投射，先确定图像上的一个像素值，调整好相机的参数后，从相机发出一条光线并穿透该像素，然后用一些设定好的函数计算光线所遇到的数据，得到具体的像素值。选定的函数不同，获得的图像也不同，可以从多个角度去观察图像，图像观察全面。光线投射是重建图像的重要过程，本方法使用一个标准正投影栅格投影。光线具有互相平行的特点，并与视平面垂直，沿着每条光线的数据值是按照一个光线函数处理的，并将其转换为灰级像素值。光线投射有两个主要步骤：首先确定沿光线遇到那些数值，然后按一个光线函数处理这些数值。虽然在实现中这两步典型地是结合在一起的，但这里我们单独对待它们。由于需要按规定的光线函数来确定沿光线提取的数值，让我们通过人脑图像绘制的实例看看几种不同的光线函数对显示结果的影响。假设一条光线通过8位灰度体积数据时的数据值剖面，灰度数据值范围为0~255。图2是使用四个不同简单光线函数转化为灰级值的显示结果。图2四种不同光线函数绘制的结果前两个光线函数，最大值及平均值，是对标量值本身的基本操作。第三个光线函数计算沿光线首次遇到等于标量值为30处的距离，第四个函数使用α合成技术，将沿光线的值看作按单位距离累积的阻光度样本值。并非所有的体绘制方法都可分到按图像顺序绘制。例如，体绘制的错切-变形法将三维视觉变换分解成三维错切变换和二维的变形变换。体数据按照错切变换矩阵进行错切，投影到错切空间形成一个中间图像，然后再将中间图像经变形生成最后的结果图像。这种算法的最主要特点是按照主要的视线方向选择切片数据集和投影数据。当视线的方向变化时，投影方向不一定变化。如果我们从体积的基平面投射光线做正交投影，则相当于使体积错切，使光线变得与基平面垂直。如果所有光线都源自于基平面上体素中同一平面，那么，这些光线与该体积的每个后续平面上的体素相交在连贯的位置上。

3结论

一些先进的科学技术不断的应用在医疗过程中，从而使医学技术在实际的应用过程中得到有效提升。例如通过借助计算机图像处理技术来提高医学影像技术，能够有效的提升临床对患者病情判断的准确率。而这主要就是由计算机图像处理技术将影像进行还原分析，然后将一些病变位置在计算机操作下实现一种高清的处理，从而为主治医生提供了参考建议。因此，为了能够保证现代医学影像技术的发展，需要我们对计算机图像处理技术进行研究，从而找到一个能够有效融合二者的关键点，这对于提升医疗水平非常有利。

1医学影像技术常用的计算机图像处理技术

随着科学技术的不断发展，医学图像处理技术是综合各个专业学科的综合性知识技术，在目前的临床治疗上，医生为了能够准确的诊断病人的病情，需要通过一些先进的医疗影像设备进行及时准确的病理分析，而这也是临床治疗中非常重要的一个环节。医学影像不仅能够在临床治疗上提供准确的图像信息，还能够直接的为医生反应出病人的具体情况，直观的对病人信息进行判断。而作为目前现代医学发展中经常运用到的一项技术，为了能够使医学影像技术的应用效果得到保障，需要我们在应用过程中注重对医学影像的图像成像进行分析，真正的为临床治疗找到最佳的治疗方法。从目前我国的医疗事业发展现状来看，在实际的诊治过程中很多医生都开始应用医学影像技术进行诊断病情。例如，目前对于一些内部患有疾病的患者，都需要通过辅助CT、B超等医学影像技术进行对患者的病情分析，可以实现患者病变部位的清晰化成像反馈，为临床诊断治疗提供了巨大的帮助。但是，在受到一些外部因素的影像下，想要将患者的医学影像更加清晰准确的呈现，那么我们必须要对影像技术进行创新，控制相关影响清晰度的各个因素，从而保证医学影像技术能够快速稳定的发展。基于目前这种情况，本文我们通过对计算机图像处理技术进行详细研究，并且通过其中的PS技术、MAYA技术等对目前的医学影像处理技术进行创新，从而提高医学影像处理技术的准确性。

2计算机图像处理技术在医学影像技术中的应用

2.1图像去噪。在传统的医学影像处理过程中，因为很容易受到外界因素的影响而造成图像处理的不清晰。其中因为受到噪声影响导致图像出现明显的噪点非常常见，这对于医生在诊断病人的病情过程中很容易对病人病情做出错误的判断。因此，为了能够提高医学影像处理的准确性与清晰效果，我们必须要对影像处理过程中出现的噪点进行清除，掌握造成噪点出现的原因，然后通过计算机图像处理技术来进行改善，从而使影像根源得到改善，保证了医学影像的清晰效果，还能够保证诊断的准确性。2.2图像增强。随着图像处理技术的不断发展，图像增加是目前现代处理技术中一种非常常见的图像处理方法，能够有效的提高图像的清晰度和分辨率，在实际应用中较为广泛。而对医学影像技术的处理过程中，为了能够恢复医学图像自身的各种真实情况，只有不断减少医学图像本身的各种影响因素，才能够保证患者在进行医学影像诊断的准确性因此，我们必须要加强在医学图像处理中，对图像本身颜色、自身的饱和度以及与图像相关的其他因素的改善，从而保证最终的图像应用效果，实现医学图像的应用和发展。2.3图像分割。随着计算机图像处理技术的不断发展，图像分割技术主要是对图像进行分割处理，而通过有效的计算机图像处理技术的应用可以改变图像自身的差异化，从而保障了在实际的医学影像处理过程中的有效性。通过对医学影像技术的分割处理，能够准确的将图像中的各种信息进行清楚的表现出来，并且还能够运用计算机图像处理技术，将患者进行诊断的明确区域性因素进行详细的分析，从而使我们的医生对患者的病情更加了解。通过我们将分割图像进行应用，可以使其作为临床诊断技术的依据来进行应用，从而有效的保证了患者治疗过程中，对于医学影像技术的更高需求。2.4医学图像的开窗技术。随着计算机图像处理技术的广泛应用，在进行医学影像处理时，能够有效的帮助我们提高医学图像的精准度。其中，开窗技术的应用，就是能够将医学影像中部分线性灰度变换的主要方法，在临床医学影像处理过程中可以通过开窗技术，在不影响视觉效果的前提下将图像的精度进行扩大，保证了诊断的准确性。

3结论

关键词：医学图像

医学图像资料主要包括各种医学图片、疾病分布图、医学人物肖像图等。这类资料的特点是直观、形象，可弥补文字表达的不足。因此，在教学、科研和学习中，往往需要图像资料来补充、印证。关于这类资料的查找，主要利用的是各种医学图谱，此外还可利用含图的医学工具书或专著。

1.利用医学图谱

例如美国出版的《外科手术图谱》(AtlasofSurgicalOperation)。该图谱介绍的一些高难度而复杂的手术方法图，可供因实践期短、大手术机会少的青年医生参考。

2.利用医学地图集

医学地图集主要可用来查找疾病的分布图。例如欲查我国鼻咽癌的分布图，即可利用《中华人民共和国恶性肿瘤地图集》。

论文关键词：医学图像处理图像分割图像配准图像融合纹理分析

论文摘要：随着医学成像和计算机辅助技术的发展，从二维医学图像到三维可视化技术成为研究的热点，本文介绍了医学图像处理技术的发展动态，对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域中应用的基础上，提出了医学图像处理技术发展所面临的相关问题及其发展方向。

1．引言

近20多年来，医学影像已成为医学技术中发展最快的领域之一，其结果使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率也更高。20世纪70年代初，X-CT的发明曾引发了医学影像领域的一场革命，与此同时，核磁共振成像象(MRI:MagneticResonanceImaging)、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。计算机和医学图像处理技术作为这些成像技术的发展基础，带动着现代医学诊断正产生着深刻的变革。各种新的医学成像方法的临床应用，使医学诊断和治疗技术取得了很大的进展，同时将各种成像技术得到的信息进行互补，也为临床诊断及生物医学研究提供了有力的科学依据。

在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系,仅通过观察二维切片图象是很难实现的。因此,利用计算机图象处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析,可以大大提高医疗诊断的准确性和可靠性。此外,它在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。

本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。

1神经网络技术的概念

神经网络技术指的是人工神经网络（ANN），其是一种模拟生物神经系统原理而构建的一种新型智能信息处理系统，简称神经网络。自上世纪40年代ANN概念的提出，发展至今日ANN已在诸多领域实现应用，在解剖学、生理学、社会学等研究中均有良好表现，随着ANN技术的逐步开发，其在临床医学领域也有所应用，如疾病预报、方剂配伍、医学图像处理等。神经网络的应用为临床医学的研究与发展提供了一个新的平台和方向。

2神经网络的特点

ANN是利用大量的简单基本元件（神经元）联结而成的自适应性动态系统，虽然单个神经元的结构、功能较为简单，但大量的神经元组合后就具备了处理复杂信息的能力，从而能够模仿人脑的部分结构或功能，最终以人脑的逻辑完成信息的收集和处理。因此神经网络的特点与其神经元数量、结构、单一神经元功能有关，从整体上概括来说，神经网络主要有以下特征与功能（不同类型神经网络的共同特征）。

2.1学习能力

学习能力是神经网络的基本特征，其具备一定程度的自动学习功能。在特定算法的影响下，神经网络可以通过不断运算和识别某一信息来提高计算速度，慢慢积累并掌握各类信息的特点、特征，从而大大提高识别准确度。2.2存储和联想联想存储是一种特殊的思维逻辑模式，比如看到苹果就会流口水，就是一种特定的联想存储，神经网络的反馈机制就是基于联想存储功能实现。这种联想存储功能能够快速实现图像的对比和匹配，从而服务于临床诊断。

摘要：超声医学规范化培训住院医师在超声诊断和报告书写中容易出现各种错误，运用超声报告质量评分系统对规陪医师超声报告进行定期抽查和打分，进行针对性的指导和培训，全面提升了超声医学规范化培训住院医师的超声诊断质量和诊断水平。

关键词：超声；住院医师；超声报告

质量控制评分系统住院医师规范培训已在全国医学院校陆续展开，是医学生毕业后教育的重要组成部分，也已经培养出许多综合素质强、临床技能优秀的住院医师，住院医师规范化培训政策的积极作用已初现端倪[1]。超声医学科轮转实践是住院医师规范化培训中不可忽视的一大环节，无论是医学影像专业的住院医师还是临床专业的专业医师都应当具备超声医学科轮转实践经验。

一、超声医学规范化培训住院医师超声诊断和报告书写中的常见问题

我们将我院超声医学科2016年9月—2017年8月期间的超声报告及临床诊断、复查对比及穿刺或手术病理结果随访并进行归纳整理，发现超声医学规范化培训住院医师在超声诊断操作和报告书写中的常见问题可分为以下几个方面：（1）未仔细核对检查申请单，致病人信息不一致或检查部位错误，导致较严重错误。（2）超声报告书写不规范，不符合超声基本术语要求，或误用放射诊断术语描述超声图像。（3）报告书写不认真，将某些脏器如胆囊、肾脏、甲状腺等已手术切除者，仍在报告中按正常器官描述。（4）图像存储数量偏少，未留存重要阳性或阴性图像致漏诊或错诊发生。（5）仪器调节不正确致使留图不标准美观，或诊断及测量结果出现偏差。（6）报告错别字较多，测量单位书写错误，致使语句不通顺或前后不符，甚至导致临床医生对病情判断出现较大出入。

二、原因分析