在医学(特别是涉及医学影像)领域中，由于所要处理的信息数据类型众多，且具有诸如多媒体、空间数据、科学数据等复杂数据类型，形成信息异构化。而异构化的信息是不能在系统内进行共享、传递和反馈等应用的。
笔者首先介绍了Metadata的发展背景和现状;然后研究了数字人体空间数据Metadata的理论基础、体系结构;最后阐述了数字人体空间数据Metadata的实现和今后研究的趋势.
空间统计分析是基于GIS发展起来的一个新的统计分支,是从一个或多个空间图层中,通过地理计算和空间表达获取和挖掘潜在的空间信息,进而通过空间数据和空间模型的联合分析,揭示相关因素间的内在规律.随着GIS技术不断发展,空间统计分析技术会在研究疾病的地理空间分布及与地理空间、环境诸多因素的相互影响上发挥其越来越重要的作用[1,2],而这一技术应用主要是通过专业的GIS软件和相应的数字地图来实现的.因此数字地图在进行空间统计分析时是必不可少的[3].
传统的统计学方法是建立在样本独立与大样本假设的基础之上的,由于空间数据的特殊性,通常使得独立性和大样本两个假设都得不到满足.鉴于经典统计方法在空间数据应用上的缺陷,空间统计学方法技术的发展与应用,其中的空间自相关技术很好的解决了这些问题.
1 故障现象用Philips Achieva 3.0T Rex超导磁共振扫描仪进行DWI 3B RT扫描,产生放射条状伪影,如图1所示.2 故障分析与处理2.1 进一步观察根据故障现象,对伪影进行进一步观察.先对体模进行DWI 3B RT扫描,发现条状伪影如图2中的(1)所示.分析其K空间初始数据,发现有明亮的尖峰点,如图2中的(2)所示.然后再对体模进行T2加权扫描,在其K空间数据中也发现有明亮尖峰状的点.
空间自相关分析是研究空间中某位置的观察值与其相邻位置的观察值是否相关以及相关程度的一种空间数据分析方法[1-2],是空间统计学中的重要内容.在研究空间数据的分布模式及其随时间的变化规律时,空间自相关分析非常有意义,其结果可以加深对空间模式从过去变化到现在规律的理解与掌握,甚至可以预测空间模式的未来变化趋势,发现导致空间分布模式变化的潜在影响因素,从而根据影响因素对人类的利弊来促进或阻止空间模式的变化方向,保护人类的健康[3].
空间数据是以地理位置为参照特性的数据,数字化基础地图是空间数据中的一种重要形式,在研究疾病的地理分布并验证其空间聚集特性时,是不可缺少的.最初,流行病学家和卫生统计人员是利用手工绘制地图研究和表示疾病的分布规律,这种方法费时费力,给这类工作带来了诸多不便.随着计算机应用技术的发展,数字化基础地图的获取变得越来越方便易行.下面主要介绍一下用美国ESRI公司出产的ArcViewGIS收集读取Intemet上中国省级、县级基础地图的方法及其用途.
