医学人工智能爱好者
描述
关于作者
大家好,我叫宁净(网名:嘟嘟熊)。创建“医学人工智能爱好者 (MedAIFan)”网站系个人兴趣爱好。 

从小就对医学和计算机技术有着浓厚的兴趣。1998年,考入华西医科大学,就读临床医学7年制专业,学医期间,在四川大学修读计算机应用第二专业。

闲暇时间,喜欢钻研医学和计算机结合领域的技术,没有特定目标,兴之所至,信马由缰。有时为了检验自己对技术和理论的理解,就会写些小软件辅助研究,这个网站上就存放着历年来写的医学小软件,朋友们感兴趣,就可以免费下载使用。如有问题和建议,欢迎给我留言。

因为网站内的软件都是在电脑上运行的,推荐大家用电脑浏览该网站(www.medaifan.net)。
使用注意事项
描述
● 网站上的软件仅供医疗领域专业人士使用,只能用于学习和研究使用,切勿用于临床诊断。

● 软件的启动文件(用于启动Python或其他语言解释器),经常会被360安全卫士误报为木马,弄得我很郁闷。需要给360每年缴费,搞所谓的数字认证签名,才能不报木马。由于我写的都是免费软件,也没有钱给它交保护费。如果使用360安全卫士的朋友,可以将启动文件(比如:磁共振深度学习软件的MRDL.exe)添加为信任,或是运行时暂时关闭360,最好是使用其他杀毒软件。

● 软件的安装目录,选择“不含中文字符和空格字符”的文件路径。如:D:/software。不然会出现很多运行或图像读取的错误。(不建议放到“桌面”运行,因为桌面是在用户目录下,用户名经常有中文或是空格)

● 需要处理的图像也,选择“不含中文字符和空格字符”的文件路径。如:D:/images。不然会出现很多运行或图像读取的错误。(不建议放到“桌面”运行,因为桌面是在用户目录下,用户名经常有中文或是空格)

MyoStrain - V0.21
深度学习心脏功能+心肌应变分析
23年4月中旬,我有幸参加了在西安举办的中华医学会心胸影像年会,在会议上,很多专家分享了心肌应变分析相关技术。从理论上讲,心肌应变比传统的心功能分析(如:射血分数)能更早的发现心室功能受损,我很感兴趣。

随后,我了解到应变分析软件价格不菲,不是普通的医生能负担起的,于是,我决定自己写一个免费的心肌应变分析软件,这样让更多的医生可以了解并使用心肌应变技术。

MyoStrain  软件具备以下特点:

● 支持标准DICOM磁共振心脏电影数据(非压缩格式)
● “零”基础完成心脏分割,无需使用者具备人工智能、机器学习及深度学习知识
● 软件使用深度神经网络,将磁共振心脏电影图像自动分割出左心室,右心室及左心室心肌3个区域
● 支持对分割区域的手动调整(删除,修改及新增)
● 自动计算出左室功能常用的20+个定量参数
● 支持对于左室功能部分参数的手动调整并重新自动计算心功能,如:身高、体重,收缩、舒张末期时相,基底、中间及心尖层面等
● 自动生成左室,右室及心肌一个心动周期的容积/体积变化数据,并可以导出为Excel表格
● 自动绘制左室,右室及心肌一个心动周期的容积/体积变化曲线
● 自动生成左室3D运动动画,实时观察3D左室心肌内外膜的运动情况
● 自动计算左室心肌径向、周向及纵向应变。
● 自动计算出左室心肌16个节段的径向、周向及纵向应变
● 自动生成左室心肌16个节段应变的牛眼伪彩图
● 自动生成全周期的径向、周向及纵向应变伪彩蒙片图,可以直观观察一个心动周期里心肌实时动态微小的应变变化
● 自动生成左室心肌16个节段和整个左室心肌一个心动周期径向、周向及纵向应变变化数据,并可以导出为Excel表格
● 自动绘制左室心肌16个节段和整个左室心肌一个心动周期径向、周向及纵向应变变化曲线
● 支持对分析数据的保存和载入,方便随时使用。
● 为了降低计算机硬件配置要求,使用CPU作为计算设备进行脑区分割。计算机配置要求:GPU无要求,CPU核心越多越好,内存 ≥ 8G
● 详尽的视频操作说明,让所有人都可以直接上手。
描述
描述
Nodule DL - V0.12
深度学习肺结节检测
使用深度神经网络对薄层CT肺进行肺结节的初筛,确实可以减轻影像科医生的工作负荷,减少漏诊,特别是医生工作量很大的情况下。

目前的深度学习的肺结节检测软件,价格不菲,并不是所有医生都能够负担起的,特别是偏远地区的医生。所以,为了让更多的医生能了解人工智能肺结节筛查,于是制作该软件。

该软件可以让每个医生都可以在自己的电脑上,安装人工智能的肺结节检测软件,从而让医生能直观的了解人工智能在肺结节检测上的应用。

Nodule DL  软件具备以下特点:

● 软件可以直接读取CT肺部的DICOM图像,自动进行结节检测,无需其他软件协助。
● “零”基础完成肺结节筛查,无需使用者具备人工智能、机器学习及深度学习知识。
● 支持标准DICOM磁共振数据(非压缩格式)或是Nifti文件(.nii或.nii.gz)
● 软件使用深度学习网络,自动检测肺结节,并标注每个肺结节可能概率。
● 自由调整结节概率进行结节过滤。
● 自动测量肺结节的大小,CT值分布,标准差,峰度,偏度,熵等20+个常见参数
● 一键保存所有结节测量参数
● 提供一个小工具用于计算肺结节倍增时间
● 自动标注肺结节所在位置,通过轴,矢,冠三平面进行标记显示
● 使用GPU进行肺结节检测,大概0.5分钟/人。为了降低计算机硬件配置要求,可以使用CPU作为计算设备进行肺结节检测,计算时间大约10分钟/人。
● 详尽的视频操作说明,让所有人都可以直接上手。

描述
Brain Segmentation - V0.11
深度学习脑区分割
颅脑分割是脑科学的基础工作。颅脑功能及结构区域众多,即使是有经验的医生也需要很长时间才能完成,而且还会受到人的精力,情绪,耐心等波动因素的影响。

深度学习在图像分割领域相对于传统技术,有很强的优势。为了方便医生简单和快捷,对磁共振3D T1的颅脑图像进行分割,便制作了Brain Segmentation 软件。

该软件使用深度学习网络,将磁共振3D颅脑图像分割为132个区域,自动测量各个脑区的体积以及百分比,并可以对同一个体多次扫描的颅脑脑区,或是不同个体的颅脑脑区进行对比。

Brain Segmentation  软件具备以下特点:

● 软件可以直接读取磁共振颅脑的DICOM图像,自动图像配准,自动脑区分割,无需其他软件协助。
● “零”基础完成脑区分割,无需使用者具备人工智能、机器学习及深度学习知识。
● 支持标准DICOM磁共振数据(非压缩格式)或是Nifti文件(.nii或.nii.gz)
● 软件使用深度学习网络,将磁共振3D颅脑图像分割为132个区域,自动测量各个脑区的体积以及百分比
● 可以任意组合多个脑区,自动计算总体积和总百分比
● 自动标注132个脑区所在位置,通过轴,矢,冠三平面进行标记显示
● 自动标注组合脑区所在位置,通过轴,矢,冠三平面进行标记显示
● 点击颅脑图像,也可以自动获取点击位置的脑区信息
● 一键切换原始图像,配准图像及分割图像,多平面查看浏览
● 可以对同一个体多次扫描的颅脑脑区,或是不同个体的颅脑脑区进行对比。
● 绘制不同个体或多次扫描的脑区体积和百分比变化折线图
● 为了降低计算机硬件配置要求,使用CPU作为计算设备进行脑区分割。计算机配置要求:GPU无要求,CPU核心越多越好,内存 ≥ 16G
● 详尽的视频操作说明,让所有人都可以直接上手。

描述
描述
MR DL - V0.11
深度学习磁共振图像增强
最近,深度学习的磁共振增强技术又火热起来。深度学习的磁共振增强技术,比传统的技术更为有效的去掉图像中的噪声,提升磁共振图像扫描质量。

目前,各个地区、医院和不同厂商的设备在扫描方面的参数并不统一,再加上深度学习技术对于原始图像有一定的敏感性,导致很多深度学习模型,换家医院,甚至同家医院换个磁共振设备后,模型增强效果就会大打折扣。

能不能制作一个软件,让不了解深度学习的医生也能在自己的电脑上训练出针对于自己本院图像的深度学习模型,并能自动对磁共振扫描的图像进行增强呢?有了医生等专业人员自己参与模型训练,是否有可能训练出更为通用性和泛化性的模型呢? 于是,我决定自己写一个磁共振深度学习图像增强软件,让对深度学习感兴趣的医生,能直观了解磁共振深度学习增强技术,并通过该软件建立自己深度学习增强模型,并且可以和他人分享模型。

软件本身也是一个简易PACS服务器及深度学习服务器。训练好的模型,可以一键部署到深度学习服务器。支持接收从磁共振扫描机发送的图像,进行深度学习增强后,自动重新发回磁共振扫描机。

该软件只用于学习,研究使用,切勿用于临床诊断。

MR DL 软件具备以下特点:

● 一个软件完成磁共振深度学习建模的所有流程:图像数据清洗,模型训练,模型测试,模型部署,无需其他软件协助。
● “零”基础训练出自己深度学习模型,无需使用者具备人工智能、机器学习及深度学习知识。
● 支持标准DICOM磁共振数据(非压缩格式),所有解剖部位、切面及不同对比图像可以单独或联合进行训练建模。
● 可以帮助影像科医生方便、快捷的针对本院磁共振图像训练出针对性的磁共振深度学习模型,提高磁共振扫描图像质量。训练出来的模型可以分享给他人,提高他人的扫描效率。
● 支持具备Cuda技术GPU加速,成倍提升训练、测试及部署速度。
● 对低配置计算机也提供兼容,即使没有独立显卡(GPU)协助,通过CPU也可以完成训练、测试及部署等所有工作。(我尝试过在集成显卡,内存只有8G,i5处理器的笔记本上进行训练,测试和部署)
● 软件单个模型参数大小为700万+,支持多模型切换。如:高、中、低去噪模型。
● 对于参与训练模型的数据数量没有上限,只要硬盘能装下。(我自己尝试过使用37万张DICOM图像,共计70+GB大小数据进行训练)
● 模型训练过程中,可以随时暂停训练,暂停后,可以从暂停处继续训练模型。
● 暂停模型训练时,可以添加、删除训练图像以及修改训练参数,或是对模型进行测试。
● 模型测试,采用原始图像和深度增强图像1:1对比方式,支持窗宽窗位调整,缩放及平移,可以直观的了解深度学习模型增强后的图像和原始图像的细节差异。
● 软件本身也是一个PACS服务器及深度学习服务器。训练好的模型,可以一键部署到深度学习服务器。
● 软件支持接收从磁共振扫描机发送的图像,进行深度学习增强后,自动重新发回磁共振扫描机。
● 详尽的视频操作说明,让所有人都可以直接上手。

描述
Enigma Machine M3 
恩尼格玛机 M3型
2022年中秋节,带着家里小朋友们看《模仿游戏》电影,里面讲的是二战时,计算机鼻祖--图灵如何破解德国的恩尼格玛机。小朋友对恩尼格码机很感兴趣,为了给小朋友详细讲解恩尼格玛机,我自己在计算机上,完全复原了二战时,德军所使用的M3型恩尼格玛机的所有技术细节和算法,可以达到真实机器完全一样加密和解密结果。

该程序包含了M3型恩尼格玛机的全套的8个转子和2个反射板。在不做任何设置情况下,3转子和6插头总计加密可能性达到1000亿+种。如果更改转子设置,排布及选择,其加密可能性可上亿亿级别。

恩尼格玛机是一台设计极为精巧,极具数学美学一台设备,通过2节干电池,就可以达到非常高强度的加密强度,在80年+前,真是让人叹为观止。

后来,我把软件发到了朋友圈里,没有想到很多朋友对该设备也非常感兴趣,于是,我将该程序放到了我的网站上,同时,在程序包里,包含了我写的Python源代码,供大家交流或用于教学使用。如果,引用程序代码,帮忙标记一下引用出处。
描述
Edge - V0.41
统计分析 & 机器学习
近几年,无论是医学还是商业,对于数据的统计和分析要求越来越高。传统的统计学软件,如SPSS等在很多复杂逻辑的统计里,显得捉襟见肘,需要更高阶的软件,类似于SPSS Modeler软件才能完成。但是,无论是SPSS还是Modeler价格高昂,并非所有人都能承担。在免费领域,R和Python是数据科学里面非常强大的计算机语言,但是,由于需要编程,对于很多没有编程基础的朋友而言,门槛很高。
 
我经常要对很多数据进行分析,反复在R和Python里切来切去,代码改来改去,效率也很低。于是想能否做一个统一的软件平台,整合Python和R两大语言,无需编程就能进行数据的统计、建模和挖掘。最终,我完成该软件平台,并将该软件平台取名Edge。

在Edge软件平台上,初期放置了数据处理,统计分析,特征工程,机器学习及图表绘制 5大类,近100个模块,可以完成基础的数据统计,建模及挖掘工作。未来还可以不断扩充更为复杂的新的功能模块。
影像组学技术(Radiomics)的提出已经有好几年了,我周边的很多朋友对影像组学都很感兴趣,但是无从下手,目前网上并没有一个用于临床的,快捷方便的影像组学软件。于是,我决定自己写一个多模态影像组学软件。
Seeit 组学软件具备以下特点:

● 一个软件完成影像组学所有流程:病灶勾画、特征提取、组学建模、模型评估、模型分分享及预测,无需其他软件协助。
● 支持多模态的影像数据,CT,MR,PET等标准DICOM数据,均可以单独或联合进行分析建模。
● “零”基础完成影像组学流程,无需使用者具备影像组学、机器学习及统计学知识。
● 可以帮助医生方便、快捷的建立影像组学模型,协助医生自己的临床工作,也可以将模型分享给他人,提升他人临床工作效率。当然也可以用于科研研究。
● 可联合患者的临床数据、实验室数据以及其他三方数据,一起进行建模,从而进一步提高模型的准确性及稳定性
● 提供手动、半自动的病灶ROI勾画方式,并可以查看病灶3D效果
● 可以载入三方软件勾画ROI文件,如:nii, nrrd等
● 全自动特征提取,可提取2000+常用的影像特征
● 全自动特征筛选、建模,并自动评估模型,同时绘制影像组学文章中常见的图表
● 建立模型可以保存,并分享给他人。提高自己及他人的临床工作效率。
● 详尽的视频操作说明,让所有人都可以直接上手。

SeeIt - V0.80
临床影像组学软件
Compressed Sensing Playground
压缩感知技术(Compressed Sensing)是近几年,磁共振成像中比较热门的技术,这项技术可以显著的缩短磁共振采集的时间(主要是3D采集)。该技术相对于传统的并行采集技术,对磁共振硬件(如:线圈通道)的要求不高,是一种“性价比”极高的加速技术。

我自己也是对该技术特别感兴趣,制作了这个软件。软件可以对载入DICOM图像进行重新随机采样(采样数据百分比可以自行调整),然后通过迭代算法进行重建,每次迭代都可以选择通过小波变换去噪。  

大家可以通过调整不同参数,对原始图像和压缩感知重建的图像进行对比,从而获得对压缩感知技术最直观的认识。

Compressed Sensing Playground
压缩感知重建
Compressed Sensing Playground
近几年,在医学领域,深度学习、人工智能等词汇热度都很高。很多厂商都在如火如荼的用深度神经网络进行影像诊断。其实,深度神经网络也可以用于影像图像的重建,对于很多欠采样的图像,除了可以通过我们传统并行采集、压缩感知等技术重建图像外,机器学习,特别是深度神经网络其实也可以获得不错的结果。  

2020年春节期间,新冠疫情爆发,我在家里尝试着训练了一个深度学习模型来对欠采样的磁共振图像进行重建,发现效果不错。于是,就基于这个训练的模型写了一个重建欠采样磁共振图像的小软件。 

大家可以载入医学DICOM标准图像,使用不同的参数,对原始图像、稀疏采样图像和重建图像进行对比观察,从而获得对深度学习技术重建磁共振图像最直观的认识。

Deep Learning Reconstruction 
深度学习重建
Compressed Sensing Playground
Deep Learning Denoise 
深度学习去噪
深度神经网络除了可以用于医学图像重建外,还可以用于医学图像的去噪。相比于传统的图像去噪技术,深度神经网络的去噪效果表现优异。 

2020年4月,我在微信公众号中看到一篇深度神经网络去除磁共振噪声的文章,觉得非常有趣。于是在春节写的深度学习重建磁共振图像的软件的框架下,重新训练了一个磁共振图像去噪的模型。

模型是使用了50张,256x256矩阵的7T磁共振头部T1横断位图像,随机加入高斯噪声进行训练的。所以,模型只对T1头部磁共振图像的有效。 大家可以载入T1头部图像后,调整随机噪声水平,可以直观的观察深度学习去噪的效果。

Compressed Sensing Playground
BlockChain Playground
区块链技术
2019年,医患矛盾又有升级趋势,伤医事件屡次出现,究其原因还是在于医疗行业的特殊性,导致医患之间缺乏足够的信任。 我突然想到,区块链技术本身不就是一种“信任机制”吗?区块链技术能否对于解决医患之间信任问题有帮助呢?抱着这个想法,我认真研究了一下区块链的原理,便制作了这款区块链的软件。 

这个软件可以轻松在单台电脑上,搭建一个类似比特币运行及交易的整套区块链网络,从而能直观的了解比特币及区块链技术。  

软件采用去中心化架构,使用P2P网络的多个节点构成的分布式数据库来确认并记录所有的交易行为,并使用非对称性加密来确保交易的安全性。软件可以非常方便的查看整个区块链网络运行的信息,如:每个节点信息、交易信息、挖矿信息、加密信息及完整区块链运行信息等,并可以自由进行各个节点间的转账操作。

通过这个软件,我发现,区块链更适用于单位数据价值高的信息,也就是数据量越小,价值越高的信息更适合区块链技术。所以,区块链天然适合搞虚拟货币。而医学数据虽然与健康息息相关,但是数据量太大,分到单位数据的价值其实就非常有限。只有等待未来继续探索,看看在医学的一些特定领域能否有用武之地。
Compressed Sensing Playground
Saker
动态波谱分析
Compressed Sensing Playground
常规的磁共振成像技术可以提供组织的形态、功能等信息,而波谱技术可以提供组织的代谢信息。正是由于波谱技术所提供的组织信息的特殊性,让其在磁共振研究和临床中有着不可替代的作用。  

波谱后处理中,有很多参数需要设置,比如:零填充,相位校正,基线校正等等。很多波谱软件都是设置好这些参数后,直接出最终结果,到底这些参数对于波谱的形态及最终结果有什么影响?如何合理设置这些参数?这些都是困扰大多数磁共振使用者的问题。 

10+年前,我主要使用GE公司的磁共振成像系统,就以GE公司波谱原始数据---P文件为数据源,编写这个动态波谱分析软件。这个软件可以分析单通道线圈所采集的单体素波谱数据,可以自由计算波谱中任意峰的下面积。最重要的是,用户调整参数时,数据时域和频域的曲线就会实时出现变化,让使用者直观的了解波谱后处理各项参数对于最终结果的影响。
Compressed Sensing Playground
2003年,我还在华西医院读研究生,影像科正在部署PACS。在电脑上看片比传统的观片灯上看片方便很多,当时期望在自己的计算机上也能有阅片软件。由于那个年代国内还没有一个免费的DICOM的看图软件,就决心自己写一个。

2004年,我把写好的DICOM软件取名叫Xiphoid,并发布在网上,收到一些朋友的好评。2004-2008年,长达4年的时间里,在网上朋友们的支持下,我利用业余时间不断完善该软件,最终让软件具备了看图,测量,量化分析,三维重建,功能分析,网络传图,刻盘,甚至中文图文报告功能。

由于该软件编写时间是17年前,当时的主流的计算机平台还是奔腾3和Windows XP操作系统,不能保证很多功能还能在的Win10上使用。



Xiphoid
影像量化分析软件