基于Django框架的脑磁共振图像的可视化平台的设计和开发

发布时间：2022-12-03 21:12

　　脑部疾病威胁着人类的健康,MRI技术能够提供人脑清晰、直观的三维解剖图像,是评估脑的正常以及异常病理的重要依据。随着计算机技术、数字化图像处理技术的不断发展,医学图像可视化技术也在不断更新,软件结构从原来的单机用户模式发展到C/S（Client/Server,即客户机/服务器）模式,再发展到现在盛行的B/S（Browser/Server,即浏览器/服务器）模式。搭建基于Web的脑磁共振图像的可视化平台来存储和管理大量的脑磁共振图像及病人信息,实现浏览器端对脑MR图像的加载、解析和处理,有助于信息共享和远程诊断,从而提高研究和诊断的效率。论文利用Django框架快速、简洁,非常适合构建数据库驱动的网站的特点,搭建了脑磁共振图像的数据库系统,实现了基于Web浏览器的DICOM图像可视化,设计和开发了一个可以存储、查询、可视化分析和图像分割全方位的平台。本文的主要工作如下:1.基于需求分析,确定系统的技术架构和设计功能模块,建立相应的数据库模型。采用前后端分离的开发方式,后端采用Django+Python+My SQL,前端基于Node.js+Vue.js+Webpack,实现用户管理模块、... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 论文的研究背景
        1.1.1 研究背景
        1.1.2 选题意义
    1.2 国内外研究现状及趋势
    1.3 论文研究目的及内容
        1.3.1 研究目的
        1.3.2 研究内容
    1.4 论文组织结构
第二章 相关技术介绍
    2.1 脑磁共振图像可视化平台的系统开发环境
    2.2 服务器端技术
        2.2.1 Django框架
        2.2.2 Python
        2.2.3 MySQL
    2.3 Web前端技术
        2.3.1 Node.js
        2.3.2 Vue.js框架
        2.3.3 DWV框架
        2.3.4 Ajax技术
        2.3.5 MVVM模式
    2.4 开发工具
        2.4.1 NPM包管理工具
        2.4.2 Webpack
        2.4.3 Git代码管理工具
    2.5 本章小结
第三章 脑磁共振图像可视化平台的系统设计与功能实现
    3.1 脑磁共振图像可视化平台的需求分析
    3.2 脑磁共振图像可视化平台的系统设计
    3.3 脑磁共振图像可视化平台的数据库建模
        3.3.1 数据分析
        3.3.2 E-R(实体-联系)模型
        3.3.3 用户数据库表的设计
        3.3.4 脑磁共振图像数据库表的设计
    3.4 用户管理模块
        3.4.1 登录注册实现
        3.4.2 忘记密码和重置密码
    3.5 病人信息管理模块
        3.5.1 病人信息上传
        3.5.2 DICOM文件上传和存储
        3.5.3 病人信息查询
    3.6 脑磁共振图像可视化平台权限管理
    3.7 脑磁共振图像可视化平台的前端页面设计
    3.8 脑磁共振图像可视化平台系统安全设计
    3.9 本章小结
第四章 脑磁共振图像的Web端加载与处理
    4.1 DICOM标准及文件格式
        4.1.1 DICOM标准
        4.1.2 DICOM文件格式
    4.2 脑磁共振图像的Web端加载
        4.2.1 Canvas标签
        4.2.2 DWV加载DCM图像
    4.3 脑磁共振图像的Web端解析
    4.4 脑磁共振图像的可视化分析
    4.5 基于脑磁共振图像的颅骨分割
        4.5.1 LiveWire分割算法
        4.5.2 区域增长分割算法
    4.6 本章小结
第五章 脑磁共振图像可视化平台评估与优化
    5.1 脑磁共振图像可视化平台评估
        5.1.1 脑磁共振图像可视化平台的功能测试
        5.1.2 脑磁共振图像可视化平台的性能评估
    5.2 脑磁共振图像可视化平台优化
        5.2.1 Web性能优化
        5.2.2 脑磁共振图像可视化平台的系统优化
    5.3 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
作者简介


【参考文献】：
期刊论文
[1]基于VueJs的WEB前端开发研究[J]. 徐頔,朱广华,贾瑶.  科技风. 2017(14)
[2]基于DICOM标准的医学图像数据库的设计[J]. 陈科,林江莉.  信息与电脑(理论版). 2017(14)
[3]基于MVVM模式的WEB前端框架的研究[J]. 易剑波.  信息与电脑(理论版). 2016(19)
[4]基于HTML5大文件断点续传的实现方案[J]. 王莉敏,梁正和,段全锋.  计算机与现代化. 2016(03)
[5]基于模糊聚类的脑磁共振图像分割算法综述[J]. 孙权森,纪则轩.  数据采集与处理. 2016(01)
[6]MVVM设计模式及其应用研究[J]. 陈涛.  计算机与数字工程. 2014(10)
[7]基于B/S模式的数据库应用系统安全[J]. 倪庆,毛宇光.  计算机技术与发展. 2014(09)
[8]基于HTML5的数据可视化实现方法研究[J]. 高科.  科技传播. 2013(01)
[9]基于Web的脑肿瘤辅助决策系统的设计和实现[J]. 万遂人,成飞,孙钰.  科技导报. 2012(35)
[10]基于Git的分布式版本控制系统的设计与实现[J]. 刘悦之.  科技传播. 2012(22)

博士论文
[1]交互式图像分割算法的研究与应用[D]. 郭丽.东北大学 2009

硕士论文
[1]支持前后端分离的JavaScript开发框架的研究及在内容管理系统中的应用[D]. 路雯雯.山东大学 2017
[2]基于Web的DCM图像解析和三维重建可视化[D]. 牛世元.河北师范大学 2016
[3]基于Django的学生综合成绩管理平台设计与实现[D]. 张宝元.天津大学 2016
[4]脑MR图像颅骨分割算法[D]. 游佳丽.中国科学院研究生院(长春光学精密机械与物理研究所) 2015
[5]基于Web的医学图像传输和显示系统的设计与实现[D]. 王常坤.武汉理工大学 2015
[6]Web页面加载性能监测平台的设计与实现[D]. 王懿.华中科技大学 2015
[7]基于NodeJS与云存储的文件管理平台的设计与实现[D]. 李大松.华中科技大学 2015
[8]基于Web的医学影像可视化系统研究和实现[D]. 王知军.武汉理工大学 2015
[9]基于Django框架管理界面自动生成模块的设计与实现[D]. 薛耀伟.哈尔滨工业大学 2014
[10]医学影像信息系统中图像处理技术的研究与实现[D]. 聂河凤.西安电子科技大学 2014



本文编号：3706983