從圖像質量和放射劑量之間的平衡關系來看,乳腺X線成像是最苛刻的放射成像技術之一,需要同時滿足極好的圖像質量(對小尺寸物體和低對比度結構均可見)和很低的放射劑量(因為需要篩查大量無癥狀人群)兩方面的要求。因此,從第一臺專用的乳腺X線成像設備推出以來,人們就在既保證圖像質量又降低乳腺的X線吸收劑量方面做了很多努力。乳腺X線成像系統自動曝光控制正是這種需求的體現。本文從光譜優化、探測器發展、自動曝光控制實現方法以及自動曝光控制評價等方面綜述了乳腺X線成像系統自動曝光控制的發展歷程和現狀。
對于胎盤功能的評價,我國主要采用Grammum于1979年提出的胎盤成熟度分級方法,但此方法完全依賴于臨床醫生的肉眼觀測與經驗分析,沒有客觀的評價標準。隨著醫學超聲技術的發展,對胎盤其他方面的評估也逐漸增多,使得胎盤的功能評價有了更多新的方向。圍繞這些課題,國內外學者分別在B型超聲胎盤成熟度自動分級、三維超聲胎盤血管化定性分析、三維能量多普勒胎盤血流血管化定量分析、胎盤容積與胎盤功能相關性等方面進行了研究。本文針對以上幾項研究進展進行綜述。
肝癌是一種常見的消化系統惡性腫瘤。目前電子計算機斷層掃描成像（CT）技術已在肝癌診療方面發揮著重要作用，而基于 CT 圖像的肝癌病灶分割也在臨床診療中扮演著重要角色。由于人工分割可能存在效率低、主觀性強等缺點，因此利用電子計算機來實現對 CT 圖像中肝癌病灶的準確、自動分割是當前的研究熱點。本文就基于 CT 圖像的肝癌病灶自動分割的進展予以綜述，通過對比分析實驗結果，評估各種分割方法，以便相關領域的科研工作者更好地了解目前肝癌 CT 分割方法的研究進展。
日益精細化的癌癥醫學圖像提供了大量的有用信息，對輔助醫生作出準確診斷發揮著至關重要的作用。為了準確、高效地利用這些信息，基于癌癥醫學圖像的計算機輔助診斷（CAD）研究成為業界熱點。近年來，深度學習技術的應用使這方面的研究取得了長足進步。本文擬就深度學習應用于癌癥醫學圖像的計算機輔助診斷的研究進展予以綜述。我們發現深度學習在腫瘤分割和分類方面展示了比傳統淺層學習方法更好的效果，不僅有廣闊的研究空間，也有較好的臨床應用前景。