腦部疾病威脅著人類的健康,MRI技術(shù)能夠提供人腦清晰、直觀的三維解剖圖像,是評估腦的正常以及異常病理的重要依據(jù)。隨著計算機技術(shù)、數(shù)字化圖像處理技術(shù)的不斷發(fā)展,醫(yī)學(xué)圖像可視化技術(shù)也在不斷更新,軟件結(jié)構(gòu)從原來的單機用戶模式發(fā)展到C/S（Client/Server,即客戶機/服務(wù)器）模式,再發(fā)展到現(xiàn)在盛行的B/S（Browser/Server,即瀏覽器/服務(wù)器）模式。搭建基于Web的腦磁共振圖像的可視化平臺來存儲和管理大量的腦磁共振圖像及病人信息,實現(xiàn)瀏覽器端對腦MR圖像的加載、解析和處理,有助于信息共享和遠程診斷,從而提高研究和診斷的效率。論文利用Django框架快速、簡潔,非常適合構(gòu)建數(shù)據(jù)庫驅(qū)動的網(wǎng)站的特點,搭建了腦磁共振圖像的數(shù)據(jù)庫系統(tǒng),實現(xiàn)了基于Web瀏覽器的DICOM圖像可視化,設(shè)計和開發(fā)了一個可以存儲、查詢、可視化分析和圖像分割全方位的平臺。本文的主要工作如下:1.基于需求分析,確定系統(tǒng)的技術(shù)架構(gòu)和設(shè)計功能模塊,建立相應(yīng)的數(shù)據(jù)庫模型。采用前后端分離的開發(fā)方式,后端采用Django+Python+My SQL,前端基于Node.js+Vue.js+Webpack,實現(xiàn)用戶管理模塊、... 

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文的研究背景
        1.1.1 研究背景
        1.1.2 選題意義
    1.2 國內(nèi)外研究現(xiàn)狀及趨勢
    1.3 論文研究目的及內(nèi)容
        1.3.1 研究目的
        1.3.2 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)介紹
    2.1 腦磁共振圖像可視化平臺的系統(tǒng)開發(fā)環(huán)境
    2.2 服務(wù)器端技術(shù)
        2.2.1 Django框架
        2.2.2 Python
        2.2.3 MySQL
    2.3 Web前端技術(shù)
        2.3.1 Node.js
        2.3.2 Vue.js框架
        2.3.3 DWV框架
        2.3.4 Ajax技術(shù)
        2.3.5 MVVM模式
    2.4 開發(fā)工具
        2.4.1 NPM包管理工具
        2.4.2 Webpack
        2.4.3 Git代碼管理工具
    2.5 本章小結(jié)
第三章 腦磁共振圖像可視化平臺的系統(tǒng)設(shè)計與功能實現(xiàn)
    3.1 腦磁共振圖像可視化平臺的需求分析
    3.2 腦磁共振圖像可視化平臺的系統(tǒng)設(shè)計
    3.3 腦磁共振圖像可視化平臺的數(shù)據(jù)庫建模
        3.3.1 數(shù)據(jù)分析
        3.3.2 E-R(實體-聯(lián)系)模型
        3.3.3 用戶數(shù)據(jù)庫表的設(shè)計
        3.3.4 腦磁共振圖像數(shù)據(jù)庫表的設(shè)計
    3.4 用戶管理模塊
        3.4.1 登錄注冊實現(xiàn)
        3.4.2 忘記密碼和重置密碼
    3.5 病人信息管理模塊
        3.5.1 病人信息上傳
        3.5.2 DICOM文件上傳和存儲
        3.5.3 病人信息查詢
    3.6 腦磁共振圖像可視化平臺權(quán)限管理
    3.7 腦磁共振圖像可視化平臺的前端頁面設(shè)計
    3.8 腦磁共振圖像可視化平臺系統(tǒng)安全設(shè)計
    3.9 本章小結(jié)
第四章 腦磁共振圖像的Web端加載與處理
    4.1 DICOM標(biāo)準(zhǔn)及文件格式
        4.1.1 DICOM標(biāo)準(zhǔn)
        4.1.2 DICOM文件格式
    4.2 腦磁共振圖像的Web端加載
        4.2.1 Canvas標(biāo)簽
        4.2.2 DWV加載DCM圖像
    4.3 腦磁共振圖像的Web端解析
    4.4 腦磁共振圖像的可視化分析
    4.5 基于腦磁共振圖像的顱骨分割
        4.5.1 LiveWire分割算法
        4.5.2 區(qū)域增長分割算法
    4.6 本章小結(jié)
第五章 腦磁共振圖像可視化平臺評估與優(yōu)化
    5.1 腦磁共振圖像可視化平臺評估
        5.1.1 腦磁共振圖像可視化平臺的功能測試
        5.1.2 腦磁共振圖像可視化平臺的性能評估
    5.2 腦磁共振圖像可視化平臺優(yōu)化
        5.2.1 Web性能優(yōu)化
        5.2.2 腦磁共振圖像可視化平臺的系統(tǒng)優(yōu)化
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻
作者簡介


【參考文獻】：
期刊論文
[1]基于VueJs的WEB前端開發(fā)研究[J]. 徐頔,朱廣華,賈瑤.  科技風(fēng). 2017(14)
[2]基于DICOM標(biāo)準(zhǔn)的醫(yī)學(xué)圖像數(shù)據(jù)庫的設(shè)計[J]. 陳科,林江莉.  信息與電腦(理論版). 2017(14)
[3]基于MVVM模式的WEB前端框架的研究[J]. 易劍波.  信息與電腦(理論版). 2016(19)
[4]基于HTML5大文件斷點續(xù)傳的實現(xiàn)方案[J]. 王莉敏,梁正和,段全鋒.  計算機與現(xiàn)代化. 2016(03)
[5]基于模糊聚類的腦磁共振圖像分割算法綜述[J]. 孫權(quán)森,紀(jì)則軒.  數(shù)據(jù)采集與處理. 2016(01)
[6]MVVM設(shè)計模式及其應(yīng)用研究[J]. 陳濤.  計算機與數(shù)字工程. 2014(10)
[7]基于B/S模式的數(shù)據(jù)庫應(yīng)用系統(tǒng)安全[J]. 倪慶,毛宇光.  計算機技術(shù)與發(fā)展. 2014(09)
[8]基于HTML5的數(shù)據(jù)可視化實現(xiàn)方法研究[J]. 高科.  科技傳播. 2013(01)
[9]基于Web的腦腫瘤輔助決策系統(tǒng)的設(shè)計和實現(xiàn)[J]. 萬遂人,成飛,孫鈺.  科技導(dǎo)報. 2012(35)
[10]基于Git的分布式版本控制系統(tǒng)的設(shè)計與實現(xiàn)[J]. 劉悅之.  科技傳播. 2012(22)

博士論文
[1]交互式圖像分割算法的研究與應(yīng)用[D]. 郭麗.東北大學(xué) 2009

碩士論文
[1]支持前后端分離的JavaScript開發(fā)框架的研究及在內(nèi)容管理系統(tǒng)中的應(yīng)用[D]. 路雯雯.山東大學(xué) 2017
[2]基于Web的DCM圖像解析和三維重建可視化[D]. 牛世元.河北師范大學(xué) 2016
[3]基于Django的學(xué)生綜合成績管理平臺設(shè)計與實現(xiàn)[D]. 張寶元.天津大學(xué) 2016
[4]腦MR圖像顱骨分割算法[D]. 游佳麗.中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所) 2015
[5]基于Web的醫(yī)學(xué)圖像傳輸和顯示系統(tǒng)的設(shè)計與實現(xiàn)[D]. 王常坤.武漢理工大學(xué) 2015
[6]Web頁面加載性能監(jiān)測平臺的設(shè)計與實現(xiàn)[D]. 王懿.華中科技大學(xué) 2015
[7]基于NodeJS與云存儲的文件管理平臺的設(shè)計與實現(xiàn)[D]. 李大松.華中科技大學(xué) 2015
[8]基于Web的醫(yī)學(xué)影像可視化系統(tǒng)研究和實現(xiàn)[D]. 王知軍.武漢理工大學(xué) 2015
[9]基于Django框架管理界面自動生成模塊的設(shè)計與實現(xiàn)[D]. 薛耀偉.哈爾濱工業(yè)大學(xué) 2014
[10]醫(yī)學(xué)影像信息系統(tǒng)中圖像處理技術(shù)的研究與實現(xiàn)[D]. 聶河鳳.西安電子科技大學(xué) 2014



本文編號：3706983