引論：我們?yōu)槟砹?篇醫(yī)學(xué)圖像處理論文范文，供您借鑒以豐富您的創(chuàng)作。它們是您寫(xiě)作時(shí)的寶貴資源，期望它們能夠激發(fā)您的創(chuàng)作靈感，讓您的文章更具深度。

醫(yī)學(xué)圖像處理論文:醫(yī)學(xué)圖像處理教學(xué)經(jīng)驗(yàn)分析

1結(jié)合學(xué)科專業(yè)特點(diǎn)精選教學(xué)內(nèi)容

我們開(kāi)設(shè)的《醫(yī)學(xué)圖像處理》課程是以《數(shù)字圖像處理》為基礎(chǔ)，結(jié)合醫(yī)學(xué)院校的特點(diǎn)和教學(xué)要求進(jìn)行課程設(shè)計(jì)J?！夺t(yī)學(xué)圖像處理》作為一門(mén)醫(yī)科院校的工科課程，有其自身的優(yōu)勢(shì)和劣勢(shì)。優(yōu)勢(shì)在于醫(yī)科院校有大量的醫(yī)學(xué)圖像資源及相關(guān)科研項(xiàng)目，便于根據(jù)臨床和科研實(shí)際要求，進(jìn)行動(dòng)手操作，通過(guò)理論聯(lián)系實(shí)際的方式增加學(xué)員學(xué)習(xí)熱情。劣勢(shì)在于醫(yī)科院校相關(guān)工科課程開(kāi)設(shè)不足，學(xué)員基礎(chǔ)理論知識(shí)存在脫節(jié)的現(xiàn)象，不夠扎實(shí)牢固，在聽(tīng)課過(guò)程中遇到困難后容易失去學(xué)習(xí)興趣，從而導(dǎo)致不能很好地掌握相關(guān)知識(shí)。另外，由于醫(yī)學(xué)圖像處理技術(shù)涉及面很廣、學(xué)習(xí)內(nèi)容繁多，要求學(xué)員在短時(shí)間內(nèi)掌握醫(yī)學(xué)圖像處理具有一定難度。對(duì)于實(shí)驗(yàn)技術(shù)專業(yè)的學(xué)員，我們要求學(xué)員通過(guò)對(duì)本課程的學(xué)習(xí)能夠掌握醫(yī)學(xué)數(shù)字圖像處理的基本概念、方法及原理，重點(diǎn)講解圖像的運(yùn)算、圖像灰度變換、直方圖處理、圖像的空域增強(qiáng)及頻域增強(qiáng)等內(nèi)容；對(duì)于生物醫(yī)學(xué)工程專業(yè)的學(xué)員則適當(dāng)增加課程難度，重點(diǎn)講授醫(yī)學(xué)圖像增強(qiáng)、醫(yī)學(xué)圖像分割、醫(yī)學(xué)圖像配準(zhǔn)等知識(shí)，并適當(dāng)增加圖像復(fù)原、圖像壓縮編碼、形態(tài)學(xué)處理等內(nèi)容。

2教學(xué)案例充分利用多媒體教學(xué)優(yōu)勢(shì)

通過(guò)具體的醫(yī)學(xué)圖像實(shí)例進(jìn)行直觀生動(dòng)的課堂演示，可以提高學(xué)員的學(xué)習(xí)興趣，讓學(xué)員積極參與到教學(xué)過(guò)程中來(lái)，成為教學(xué)中的主體。比如講解圖像灰度變換時(shí)以CT開(kāi)窗技術(shù)為實(shí)例，講解圖像代數(shù)運(yùn)算時(shí)以數(shù)字減影、精子細(xì)胞活動(dòng)度檢測(cè)等為實(shí)例。教學(xué)案例的選擇要結(jié)合實(shí)際，除了讓學(xué)員掌握理論外，還要讓他們知道學(xué)到的知識(shí)可以用到什么方面、怎么用。圖像處理課程涉及面廣、跨度大、內(nèi)容多，且具有較強(qiáng)的工程性，因此在教與學(xué)上都存在一定難度。由于圖像處理課程的實(shí)例較多，可演示性好，因此可充分利用多媒體技術(shù)來(lái)進(jìn)行教學(xué)。多媒體教學(xué)具有圖文并茂、知識(shí)密集、動(dòng)態(tài)顯示等優(yōu)點(diǎn)，能向?qū)W員傳輸大量的信息J。在醫(yī)學(xué)圖像處理課程中講述的算法較多，但這些算法最終都要在計(jì)算機(jī)上實(shí)現(xiàn)，并且圖像處理算法中的參數(shù)選擇不同，處理的效果也不同，因此圖像處理課程教學(xué)不能脫離計(jì)算機(jī)。通過(guò)引入Matlab、Photoshop等軟件講述算法流程、算法的具體實(shí)現(xiàn)及處理結(jié)果。

3注重實(shí)踐教學(xué)培養(yǎng)學(xué)員的動(dòng)手能力

醫(yī)學(xué)圖像處理課程要特別注重實(shí)踐環(huán)節(jié)，要科學(xué)合理地安排實(shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)時(shí)間與實(shí)驗(yàn)工具。實(shí)驗(yàn)內(nèi)容的選擇要與課堂上講授的理論知識(shí)緊密相連，以加深學(xué)員對(duì)理論的理解。為了使學(xué)員在學(xué)習(xí)醫(yī)學(xué)圖像處理基本原理的同時(shí)盡快掌握典型算法，我們要求學(xué)員采用Matlab語(yǔ)言進(jìn)行編程。因?yàn)镸atlab只有一種數(shù)據(jù)類型，一種標(biāo)準(zhǔn)的輸入輸出語(yǔ)句，不用指針、不需編譯，還具有強(qiáng)大而簡(jiǎn)易的繪圖功能。利用Matlab圖像處理工具箱在數(shù)學(xué)運(yùn)算和算法驗(yàn)證上的優(yōu)勢(shì)，結(jié)合教學(xué)實(shí)際，使學(xué)員在學(xué)習(xí)和實(shí)踐中充分體驗(yàn)醫(yī)學(xué)圖像處理的內(nèi)涵和魅力。我們根據(jù)教學(xué)大綱的要求，從實(shí)驗(yàn)學(xué)時(shí)數(shù)(20個(gè)學(xué)時(shí))出發(fā)，設(shè)計(jì)了一系列的實(shí)驗(yàn)，這些實(shí)驗(yàn)由易到難，同時(shí)兼顧了學(xué)員理解醫(yī)學(xué)圖像處理基本概念和自己動(dòng)手設(shè)計(jì)算法的要求。實(shí)驗(yàn)包括圖像的直方圖均衡、圖像的基本灰度變換、采用求和取平均的辦法對(duì)噪聲圖像進(jìn)行增強(qiáng)、空域平滑濾波器、空間銳化濾波器、圖像的頻率域?yàn)V波(低通、高通、同態(tài)濾波)等，基本覆蓋了教學(xué)大綱的內(nèi)容?？傊?，醫(yī)學(xué)圖像處理技術(shù)在課程體系的設(shè)計(jì)上，緊緊抓住理論與實(shí)踐并重的原則，在課程教學(xué)中注重教學(xué)內(nèi)容的可實(shí)踐性及學(xué)員的參與性，盡量體現(xiàn)教與學(xué)的趣味性。實(shí)踐證明，這種教學(xué)方法可以有效提高學(xué)員各方面的素質(zhì)，有助于生物醫(yī)學(xué)工程等專業(yè)學(xué)員更好地掌握醫(yī)學(xué)圖像處理的基礎(chǔ)理論和基本技能，從而培養(yǎng)出高素質(zhì)的復(fù)合型人才。

醫(yī)學(xué)圖像處理論文:醫(yī)學(xué)圖像處理技術(shù)分析

1醫(yī)學(xué)圖像處理技術(shù)

醫(yī)學(xué)圖像處理技術(shù)包括很多方面，本文主要介紹分析圖像分割、圖像配準(zhǔn)和融合以及偽彩色處理技術(shù)和紋理分析在醫(yī)學(xué)領(lǐng)域的應(yīng)用和發(fā)展。圖像分割就是把圖像中具有特殊涵義的不同區(qū)域分開(kāi)來(lái)，這些區(qū)域使互不相交的每一個(gè)區(qū)域都滿足特定區(qū)域的一致性。它是圖像處理與圖像分析中的一個(gè)經(jīng)典問(wèn)題。目前針對(duì)各種具體問(wèn)題已經(jīng)提出了許多不同的圖像分割算法,對(duì)圖像分割的效果也有很好的分析結(jié)論。但是由于圖像分割問(wèn)題所面向領(lǐng)域的特殊性，至盡尚未得到圓滿的、具有普適性的解決方法[2]。

圖像分割技術(shù)發(fā)展至今，已在灰度閾值分割法、邊緣檢測(cè)分割法、區(qū)域跟蹤分割法的基礎(chǔ)上結(jié)合特定的理論工具有了更進(jìn)一步的發(fā)展。比如基于三維可視化系統(tǒng)結(jié)合FastMarching算法和Watershed變換的醫(yī)學(xué)圖像分割方法,能得到快速、的分割結(jié)果[3]。圖像分割同時(shí)又是進(jìn)行三維重建的基礎(chǔ)，分割的效果直接影響到三維重建后模型的性，分割可以幫助醫(yī)生將感興趣的物體(病變組織等)提取出來(lái)，幫助醫(yī)生能夠?qū)Σ∽兘M織進(jìn)行定性及定量的分析，從而提高醫(yī)生診斷的性和科學(xué)性[4]。

如何使多次成像或多種成像設(shè)備的信息得到綜合利用，彌補(bǔ)信息不完整、部分信息不或不確定引起的缺陷，使臨床的診斷治療、放療定位、計(jì)劃設(shè)計(jì)、外科手術(shù)和療效評(píng)估更，已成為醫(yī)學(xué)圖像處理急需解決的重要課題。醫(yī)學(xué)圖像配準(zhǔn)是通過(guò)尋找某種空間變換，使兩幅圖像的對(duì)應(yīng)點(diǎn)達(dá)到空間位置和解剖結(jié)構(gòu)上的一致。要求配準(zhǔn)的結(jié)構(gòu)能使兩幅圖像上所有的解剖點(diǎn)，或至少是所有具有診斷意義以及手術(shù)區(qū)域的點(diǎn)都達(dá)到匹配[5]。目前醫(yī)學(xué)圖像配準(zhǔn)方法有基于外部特征的圖像配準(zhǔn)(有框架)和基于圖像內(nèi)部特征的圖像配準(zhǔn)(無(wú)框架)兩種方法。后者由于其無(wú)創(chuàng)性和可回溯性，已成為配準(zhǔn)算法的研究中心?；诨バ畔⒌膹椥孕巫兡Ｐ鸵仓饾u成為研究熱點(diǎn)。

互信息是統(tǒng)計(jì)兩個(gè)隨機(jī)變量相關(guān)性的測(cè)度，以互信息作為兩幅圖像相似性測(cè)度進(jìn)行配準(zhǔn)基于如下原理：當(dāng)兩幅基于共同的解剖結(jié)構(gòu)的圖像達(dá)到配準(zhǔn)時(shí)，它們對(duì)應(yīng)的圖像特征的互信息應(yīng)為較大[6]。圖像配準(zhǔn)是圖像融合的前提，是公認(rèn)難度較大的圖像處理技術(shù)，也是決定醫(yī)學(xué)圖像融合技術(shù)發(fā)展的關(guān)鍵技術(shù)。近年來(lái)國(guó)外在圖像配準(zhǔn)方面研究很多，如幾何矩的配準(zhǔn)、利用圖像的相關(guān)系數(shù)、樣條插值等多項(xiàng)式變換對(duì)圖像進(jìn)行配準(zhǔn)。國(guó)內(nèi)研究人員也提出了一些相應(yīng)的算法：對(duì)于兩幅圖像共同來(lái)估計(jì)其正反變換的一種新的圖像配準(zhǔn)方法，稱為一致圖像配準(zhǔn)方法；采用金字塔式分割，進(jìn)行多柵格和多分辨率的圖像配準(zhǔn)，稱為金字塔式多層次圖像配準(zhǔn)方法；為了提高CT、MRI、PET多模態(tài)醫(yī)學(xué)圖像的三維配準(zhǔn)、融合的精度，還可以采用基于互信息的方法[7]。

在圖像配準(zhǔn)方面，在努力提高配準(zhǔn)精度的同時(shí)，目前提出的多種方法都盡量避免人工介入，力求整個(gè)過(guò)程自動(dòng)化，其結(jié)果導(dǎo)致實(shí)現(xiàn)算法的過(guò)程復(fù)雜而耗費(fèi)時(shí)間，文獻(xiàn)[5]已進(jìn)行研究，試圖實(shí)現(xiàn)基于人機(jī)交互的快速圖像配準(zhǔn)策略,同時(shí)根據(jù)圖像的不同成像模式選擇合適的配準(zhǔn)測(cè)度也十分重要。不同的醫(yī)學(xué)圖像提供了相關(guān)臟器的不同信息，圖像融合的潛力在于綜合處理應(yīng)用這些成像設(shè)備所得信息以獲得新的有助于臨床診斷的信息。利用可視化軟件，對(duì)多種模態(tài)的圖像進(jìn)行圖像融合，可以地確定病變體的空間位置、大小、幾何形狀及它與周圍生物組織之間的空間關(guān)系，從而及時(shí)高效地診斷疾病，也可以用在手術(shù)計(jì)劃的制定、病理變化的跟蹤、治療效果的評(píng)價(jià)等方面。在放療中，利用MR圖像勾勒畫(huà)出腫瘤的輪廓線，也就是描述腫瘤的大小；利用CT圖像計(jì)算出放射劑量的大小以及劑量的分布，以便修正治療方案。

在制定手術(shù)方案時(shí)，對(duì)病變與周圍組織關(guān)系的了解是手術(shù)成功與否的關(guān)鍵，所以CT與MR圖像的融合為外科手術(shù)提供有利的佐證，甚至為進(jìn)一步研究腫瘤的生長(zhǎng)發(fā)育過(guò)程及早期診斷提供新的契機(jī)。在CT成像中，由于骨組織對(duì)X線有較大的吸收系數(shù)，因此對(duì)骨組織很敏感；而在MR成像中，骨組織含有較低的質(zhì)子密度，所以MR對(duì)骨組織和鈣化點(diǎn)信號(hào)較弱，融合后的圖像對(duì)病變的定性、定位有很大的幫助[8]。由于不同醫(yī)學(xué)成像設(shè)備的成像機(jī)理不同，其圖像質(zhì)量、空間與時(shí)間特性有很大差別。因此，實(shí)現(xiàn)醫(yī)學(xué)圖像的融合、圖像數(shù)據(jù)轉(zhuǎn)換、圖像數(shù)據(jù)相關(guān)、圖像數(shù)據(jù)庫(kù)和數(shù)據(jù)理解都是亟待解決的關(guān)鍵技術(shù)[9]。對(duì)一幅黑白圖像，人眼一般只能辨別出4到5比特的灰度級(jí)別，而人眼能辨別出上千種不同的顏色。針對(duì)這一特點(diǎn)，人們往往將黑白圖像經(jīng)過(guò)處理變?yōu)椴噬珗D像，充分發(fā)揮人眼對(duì)彩色的視覺(jué)能力，從而使觀察者能從圖像中取得更多的信息，這就是偽彩色圖像處理技術(shù)。

醫(yī)學(xué)圖像大多是黑白圖像，如X、CT、MRI、B超圖像等。經(jīng)過(guò)偽彩色處理技術(shù)，即密度分割技術(shù)，提高了對(duì)圖像特征的識(shí)別。通過(guò)臨床研究對(duì)X線圖片、CT圖片、MRI圖片、B超圖片、電鏡圖片均進(jìn)行了偽彩色技術(shù)的嘗試，取得了良好的效果，部分圖片經(jīng)過(guò)處理后可以顯現(xiàn)隱性病灶。例如對(duì)X線圖片，在乳腺照影中偽彩色處理能鑒別囊性病、良性和惡性腫瘤，同樣，鋇餐照影圖片和各種X線圖片也得到良好的診斷效果[10]。紋理是人類視覺(jué)的一個(gè)重要組成部分，迄今為止還難以適當(dāng)?shù)貫榧y理建模。為此有關(guān)專家進(jìn)行了大量的探索研究，但未能獲得有關(guān)紋理的分析、分類、分割及其綜合的有效解釋[11]。

有研究針對(duì)肝臟疾病難以根除、危害面廣的問(wèn)題，采用灰度梯度共生矩陣的方法，分別提取纖維化肝組織和正常肝組織的CT圖像的紋理特征，提出了基于灰度梯度共生矩陣的小梯度優(yōu)勢(shì)、灰度均方差、灰度熵等參數(shù)作為圖像的紋理特征量。通過(guò)選取的紋理參數(shù)，可以看到正常組和異常組之間存在顯著性差異，為纖維化CT圖像臨床診斷提供了依據(jù)[12]。

2三維醫(yī)學(xué)圖像的可視化

三維醫(yī)學(xué)圖像的可視化通常是利用人類的視覺(jué)特性，通過(guò)計(jì)算機(jī)對(duì)二維數(shù)字?jǐn)鄬訄D像序列形成的三維體數(shù)據(jù)進(jìn)行處理，使其變換為具有直觀立體效果的圖像來(lái)展示人體組織的三維形態(tài)。三維醫(yī)學(xué)圖像可視化技術(shù)通常分為面繪制和體繪制兩種方法。體繪制技術(shù)的中心思想是為每一個(gè)體素指定一個(gè)不透明度，并考慮每一個(gè)體素對(duì)光線的透度、發(fā)射和反射作用。醫(yī)學(xué)數(shù)據(jù)的可視化，已成為數(shù)據(jù)可視化領(lǐng)域中最為活躍的研究領(lǐng)域之一。實(shí)現(xiàn)三維數(shù)據(jù)可視化的方法很多，空間域方法的典型算法包括：射線投射法、足跡法、剪切－曲變法(目前被認(rèn)為是一種速度最快的體繪制算法)等；變換域方法的典型算法有頻域體繪制法和基于小波的體繪制法，其中小波的體繪制技術(shù)顯現(xiàn)出較好的前景[13]。

以上可以利用的三維可視化軟件有AVS、Analyze、amira、3Dslicer等，其中Analyze是專為生物醫(yī)學(xué)圖像的研究而開(kāi)發(fā)的圖像可視化軟件。利用二維斷層數(shù)據(jù)進(jìn)行三維重建，可以更為直觀地顯示人體器官的各個(gè)解剖結(jié)構(gòu)的形態(tài)及它們之間的毗鄰關(guān)系，為基礎(chǔ)研究和手術(shù)規(guī)劃及手術(shù)過(guò)程模擬提供參考。鼻部是人體內(nèi)解剖結(jié)構(gòu)比較復(fù)雜的部位之一，可以利用3DSlicer來(lái)嘗試實(shí)現(xiàn)鼻部部分解剖結(jié)構(gòu)的三維可視化，以此為可視化虛擬人體模型的建立探索一種的重建方法和顯示手段，同時(shí)也可為醫(yī)療工作者提供更為細(xì)致、和快捷的觀察方案[14]。

隨著互聯(lián)網(wǎng)技術(shù)不斷發(fā)展，跨越空間限制的遠(yuǎn)程虛擬現(xiàn)實(shí)技術(shù)已經(jīng)逐步成為可能?；谔摂M現(xiàn)實(shí)技術(shù)利用美國(guó)國(guó)家醫(yī)學(xué)圖書(shū)館VHP(VisibleHumanProject)完整數(shù)據(jù)重建可視人體，綜合VTK、VRML、OperGL等可視化平臺(tái)的優(yōu)勢(shì)，采用三維互動(dòng)、空間電磁定位、立體視覺(jué)等虛擬現(xiàn)實(shí)技術(shù)，實(shí)現(xiàn)了全數(shù)字可拆裝人體骨骼的本地和遠(yuǎn)程互動(dòng)學(xué)習(xí)。三維虛擬現(xiàn)實(shí)讓“遨游”人體世界成為可能，可以呈現(xiàn)一個(gè)物理上并不存在但又實(shí)實(shí)在在“看得見(jiàn)”、“摸得著”的“真實(shí)”人體，使用者可以無(wú)數(shù)次地“解剖”這個(gè)虛擬人以了解人體的結(jié)構(gòu)[15]。在臨床方面，提出了一種用AVS/Express開(kāi)發(fā)的基于PC的LeFortI手術(shù)模型系統(tǒng)原型。

利用AVS/Express大量預(yù)制的可視化編程對(duì)象模塊，快速構(gòu)建系統(tǒng)的結(jié)構(gòu)框架和功能模塊，生成的原型能對(duì)以DICOM(DigitalImagingandCommunicationsinMedicine)格式存儲(chǔ)的顱頜面CT序列斷層圖像進(jìn)行預(yù)處理，并進(jìn)行三維重建，在交互式操作環(huán)境中，顯示顱頜面各種組織的解剖結(jié)構(gòu)，進(jìn)行相應(yīng)的三維測(cè)量，模擬LeFortI手術(shù)的截骨頭，對(duì)截骨段實(shí)行任意的平移頜旋轉(zhuǎn)[16]。

在體視化方面一直致力于提高重建速度(實(shí)時(shí)顯示利于交互操作)，使重建效果理想，減少冗余信息及存儲(chǔ)空間。具體需要考慮：1)不數(shù)據(jù)提出一個(gè)足夠的數(shù)據(jù)提取方案2)什么算法能夠快速地實(shí)現(xiàn)圖像重建。人體器官是一個(gè)高精度龐大的結(jié)構(gòu)，所建模型還應(yīng)考慮臨床實(shí)用方面的因素以及某些特殊部位的個(gè)體差異，針對(duì)不同的生理組織應(yīng)采用不同的分割方法[17]。3針對(duì)PACS的圖像壓縮PACS(PictureArchivingandCommunicationSystem，圖像存檔及通信系統(tǒng))是近年來(lái)國(guó)內(nèi)外新興的醫(yī)學(xué)影像信息技術(shù)，是專門(mén)為醫(yī)學(xué)圖像管理而設(shè)計(jì)的，包括圖像獲取、處理、存儲(chǔ)、顯示或打印的軟硬件系統(tǒng)，是醫(yī)學(xué)影像、數(shù)字化圖像技術(shù)、計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)通信技術(shù)相結(jié)合的產(chǎn)物。顯然，計(jì)算機(jī)網(wǎng)絡(luò)是PACS的重要組成部分，它負(fù)責(zé)提供底層圖像傳輸服務(wù)，是PACS的軟硬件基礎(chǔ)，正是通過(guò)各個(gè)層次的網(wǎng)絡(luò)才將PACS中的圖像獲取、存儲(chǔ)顯示以及醫(yī)療數(shù)據(jù)的管理等單元連為一體，使之形成一個(gè)統(tǒng)一、高性能的系統(tǒng)。

PACS需要解決數(shù)據(jù)傳輸和圖像存儲(chǔ)的問(wèn)題，如何利用有限的存儲(chǔ)空間存儲(chǔ)更多的圖像，醫(yī)學(xué)圖像壓縮是關(guān)鍵的技術(shù)之一。醫(yī)學(xué)圖像數(shù)據(jù)量是非常驚人的，建立PACS的許多技術(shù)困難都與之有關(guān)，如圖像的存儲(chǔ)、傳輸、顯示等。從圖像壓縮還原的角度出發(fā)，圖像壓縮方法可分為無(wú)損壓縮和有損壓縮兩大類，常用的無(wú)損壓縮方法有差分脈沖預(yù)測(cè)編碼、多級(jí)內(nèi)插方法等。常用的有損壓縮方法有離散余弦變換(DCT)、全幀離散余弦變換、重疊正交變換(LOT)、自適應(yīng)預(yù)測(cè)編碼和神經(jīng)網(wǎng)絡(luò)法等，近年來(lái)又出現(xiàn)了分形和小波變換編碼[18]。如何對(duì)醫(yī)學(xué)圖像進(jìn)行壓縮，是近年來(lái)圖像處理技術(shù)中的一個(gè)重點(diǎn)研究的問(wèn)題[19]。

醫(yī)學(xué)圖像的壓縮無(wú)疑是減低應(yīng)用系統(tǒng)成本，提高網(wǎng)絡(luò)傳輸效率，減少存儲(chǔ)空間的一個(gè)重要途徑。DICOM作為醫(yī)學(xué)圖像與通信的重要標(biāo)準(zhǔn)，加入了對(duì)圖像壓縮算法的支持。目前DICOM正在研究對(duì)近期的壓縮標(biāo)準(zhǔn)JPEG2000支持的可能性。隨著新一代靜態(tài)圖像壓縮標(biāo)準(zhǔn)JPEG2000的發(fā)展，小波理論在這個(gè)領(lǐng)域成為研究的熱點(diǎn)，在這方面文獻(xiàn)[20]提出了面向任務(wù)的醫(yī)學(xué)圖像壓縮的概念。醫(yī)學(xué)圖像是醫(yī)學(xué)診斷和疾病治療的重要根據(jù)，在臨床上具有非常重要的應(yīng)用價(jià)值。確保醫(yī)學(xué)圖像壓縮后的高保真度是醫(yī)學(xué)圖像壓縮首要考慮的因素，現(xiàn)在醫(yī)學(xué)圖像上常常采用無(wú)損壓縮，因?yàn)樗軌虻剡€原原圖像。但是無(wú)損圖像壓縮的壓縮比很低，一般為2~4；而有損圖像壓縮的壓縮比可以高達(dá)50，甚至更高。

所以將這兩種壓縮方法在保障使用要求的基礎(chǔ)上結(jié)合起來(lái)，在獲取高的壓縮質(zhì)量的前提下提高壓縮比。因此，醫(yī)學(xué)圖像被人為地劃分為兩個(gè)區(qū)域：1)包含重要診斷信息的區(qū)域，其錯(cuò)誤描述的代價(jià)非常高，所以此感興趣區(qū)域(ROIRegionofInterest)需要高重構(gòu)質(zhì)量的壓縮方案；2)非感興趣區(qū)域則要求達(dá)到盡可能高的壓縮比,即需要在某一框架下將無(wú)損壓縮與有損壓縮統(tǒng)一起來(lái)，這也是目前醫(yī)學(xué)圖像研究領(lǐng)域的一個(gè)熱點(diǎn)。我們的工作就集中在小波理論框架下實(shí)現(xiàn)面向任務(wù)的醫(yī)學(xué)圖像壓縮,由于并非所有的小波基都適合于分解圖像，所以前期工作的重點(diǎn)在MATLAB的仿真上，考慮到部分所選醫(yī)學(xué)圖像的ROI區(qū)域和非ROI區(qū)域的對(duì)比度不很理想的情況，圖像分割的算法是考慮的一個(gè)方面。

壓縮比方面在滿足一般性的圖像條件下針對(duì)某些特殊圖像也會(huì)有相應(yīng)的考慮，目前的工作是在VC平臺(tái)下實(shí)現(xiàn)面向任務(wù)的醫(yī)學(xué)圖像壓縮。在醫(yī)學(xué)圖像壓縮方面，許多學(xué)者結(jié)合模式識(shí)別、計(jì)算機(jī)視覺(jué)、神經(jīng)網(wǎng)絡(luò)理論、小波變換和分形理論等探索圖像編碼的新途徑，同時(shí)人的視覺(jué)生理心理特性的研究成果也開(kāi)拓了人們的視野，給從事圖像編碼技術(shù)研究的學(xué)者帶來(lái)了新的啟迪。但隨著網(wǎng)絡(luò)技術(shù)在醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用，更加細(xì)致的要求也逐漸被提出來(lái)了。

4結(jié)束語(yǔ)

隨著遠(yuǎn)程醫(yī)療技術(shù)的蓬勃發(fā)展，對(duì)醫(yī)學(xué)圖像處理提出的要求也越來(lái)越高。以“千禧年的技術(shù)挑戰(zhàn)和全球機(jī)遇”為主題的IEEE生物醫(yī)學(xué)信息學(xué)和生物醫(yī)學(xué)工程學(xué)(BIBE)國(guó)際會(huì)議的一個(gè)重要議題就是“多媒體、虛擬現(xiàn)實(shí)、可視化、高級(jí)圖像處理和機(jī)器人在醫(yī)學(xué)中的應(yīng)用”。醫(yī)學(xué)圖像處理技術(shù)發(fā)展至今，各個(gè)學(xué)科的交叉滲透已是發(fā)展的必然趨勢(shì)，其中還有很多亟待解決的問(wèn)題。有效地提高醫(yī)學(xué)圖像處理技術(shù)的水平，與多學(xué)科理論的交叉融合、醫(yī)務(wù)人員和理論技術(shù)人員之間的交流就顯得越來(lái)越重要。總之，醫(yī)學(xué)圖像作為提升現(xiàn)代醫(yī)療診斷水平的有力依據(jù)，使實(shí)施風(fēng)險(xiǎn)低、創(chuàng)傷性小的化療、手術(shù)方案成為可能，必將在醫(yī)藥信息研究領(lǐng)域受到更多的關(guān)注[21]。

醫(yī)學(xué)圖像處理論文:VBAI圖像處理生物醫(yī)學(xué)論文

1應(yīng)用于微球內(nèi)外徑等尺度指標(biāo)的自動(dòng)測(cè)定

將微球投入溶液中，使其分布較均勻，并置于顯微鏡下觀察，得到清晰的微球顯微圖像。根據(jù)我們先前的工作，通過(guò)測(cè)定微球的外徑D以及其在溶液中所成像的黑環(huán)內(nèi)徑的d，可以根據(jù)有關(guān)理論方程來(lái)確定微球或其周邊介質(zhì)的折射率。因此，需要測(cè)定D與d。下面介紹我們用VBAI編寫(xiě)的程序如何實(shí)現(xiàn)對(duì)微球像D與d的智能自動(dòng)測(cè)定。進(jìn)入VBAI的InspectionState編輯窗口，可以編輯整個(gè)程序的主要過(guò)程。我們的設(shè)計(jì)是:先在“Inspect”過(guò)程中對(duì)圖像進(jìn)行預(yù)處理并找到物體，得到物體個(gè)數(shù);然后在“GOON?”過(guò)程中判斷檢測(cè)到幾個(gè)物體，是否已經(jīng)檢測(cè)部物體;隨后在“Measure”過(guò)程中對(duì)當(dāng)前序號(hào)的物體進(jìn)行檢測(cè)。進(jìn)入每個(gè)過(guò)程進(jìn)行具體步驟的編輯，只需雙擊右側(cè)工具中的相應(yīng)操作，就可以將該操作加入程序中，在屬性窗口中對(duì)操作的各項(xiàng)參數(shù)進(jìn)行設(shè)定。在“Inspection”過(guò)程中，我們首先打開(kāi)圖片，選中循環(huán)取圖將依次獲取目標(biāo)文件夾中的每個(gè)圖像文件。如要測(cè)量真實(shí)尺寸，則要對(duì)圖像進(jìn)行標(biāo)定，VBAI中Calibrateimage有多種方式。通常實(shí)驗(yàn)室顯微鏡采用顯微標(biāo)尺進(jìn)行標(biāo)定，選擇及時(shí)種模式，導(dǎo)入顯微標(biāo)尺的圖像，標(biāo)定完成后生成標(biāo)定文件，檢測(cè)時(shí)自動(dòng)讀取。

接著我們對(duì)圖像進(jìn)行預(yù)處理，這將打開(kāi)visionassistant窗口，可對(duì)圖像進(jìn)行LUT變換、濾波、分割、形態(tài)學(xué)變換等多項(xiàng)操作，在本實(shí)例中將圖像處理為適合尋找物體的二值化圖像。然后對(duì)處理過(guò)的二值化圖片進(jìn)行DetectObjects操作，得到物體數(shù)列。SelectImage操作將原圖像讀入，代替處理過(guò)的二值化圖像，為下一步檢測(cè)做準(zhǔn)備。SetVariable的操作是將DetectObjects操作中檢測(cè)到的物體個(gè)數(shù)存入代表剩余物體數(shù)的X。“GOON?”過(guò)程中沒(méi)有圖像處理的具體操作，只在InspectionState編輯中有一個(gè)判斷，在指向end的箭頭定出編輯走向end的條件，為剩余物體數(shù)X＜1，當(dāng)X≥1時(shí)將執(zhí)行默認(rèn)箭頭，走向“Measure”過(guò)程。“Measure”過(guò)程中，首先IndexMeasurements讀取之前DetectObjects中檢測(cè)得到的物體數(shù)列的的第X個(gè)物體。接著，要設(shè)置程序可以根據(jù)物體的位置、大小等自動(dòng)建立相應(yīng)的ROI，即檢測(cè)區(qū)域，由于要進(jìn)行微球圖像直徑的檢測(cè)，因此區(qū)域類型選擇圓環(huán)形。然后就可以在檢測(cè)區(qū)域內(nèi)進(jìn)行圓的直徑檢測(cè)了，利用FindCircularEdge操作可以很方便地做到這一點(diǎn)。在直徑檢測(cè)中，程序在檢測(cè)區(qū)域內(nèi)沿徑向生成一系列的檢測(cè)線，曲線為沿檢測(cè)線方向上灰度值變化曲線的一次導(dǎo)數(shù)曲線，反映了灰度值的變化速率，負(fù)數(shù)部分對(duì)應(yīng)圖像由亮變暗，正數(shù)部分對(duì)應(yīng)圖像由暗變亮，極值處即變化速率最快處，也就是邊緣所在位置。曲線上方的參數(shù)設(shè)定包括判斷邊緣的閾值，平滑算子的大小，取樣寬度，每條檢測(cè)線之間的間隔等。由于是根據(jù)擬合出的曲線確定邊緣位置，因此可以超越像素的限制，實(shí)現(xiàn)亞像素等級(jí)的超分辨率度。

檢測(cè)程序首先得到每條檢測(cè)線上的邊緣點(diǎn)位置，再根據(jù)所有邊緣點(diǎn)擬合出圓形邊界，計(jì)算出直徑數(shù)值，程序中給出到0．01個(gè)像素的結(jié)果。結(jié)果的穩(wěn)定性還要取決于拍攝環(huán)境、光照、相機(jī)穩(wěn)定性等。圖像中微球邊緣的黑環(huán)是由于光線折射造成的，根據(jù)我們先前工作，證明其粗細(xì)與微球與溶液的折射率比值成一定比例關(guān)系。因此，程序中通過(guò)分別測(cè)量各微球的D與d，調(diào)整FindCircularEdge操作中搜尋方向、邊緣種類等參數(shù)可以搜尋到內(nèi)徑圓和外徑圓。在測(cè)定D與d值后，可自動(dòng)根據(jù)我們先前工作導(dǎo)出的方程式，給出微球的折射率或是其周邊介質(zhì)的折射率。Calculator是界面類似LabVIEW圖像化編程工具的一項(xiàng)功能，可以由用戶自己選擇輸入輸出量、制定復(fù)雜的運(yùn)算程序等，本實(shí)例中為利用文獻(xiàn)的方程式計(jì)算出微球的折射率。DataLogging可以選擇需要記錄的數(shù)據(jù)寫(xiě)入指定的txt或csv文件，以便后續(xù)的數(shù)據(jù)分析統(tǒng)計(jì)。SetVariable將變量X減1。VBAI應(yīng)用編寫(xiě)完成后可作為專用的檢測(cè)軟件使用，處理圖片時(shí)將需要分析的圖像放在同一目錄下，進(jìn)入VBAI文件，指定該路徑，點(diǎn)擊RunInspectioninLoop，就可以自動(dòng)完成所以圖片的分析，并得到記錄有數(shù)據(jù)的txt或csv文件。這樣生成的檢測(cè)程序智能、客觀、、快速，實(shí)現(xiàn)了圖像中微球的識(shí)別尋位、移動(dòng)ROI建立、兩個(gè)直徑的測(cè)量、折射率計(jì)算、數(shù)據(jù)保存等操作的自動(dòng)化運(yùn)行。而且整個(gè)操作與運(yùn)算排除了人為操作中的主觀性因素，精度亦達(dá)到亞像素水平，平均單個(gè)微球的測(cè)量時(shí)間僅需0．20s。為了檢驗(yàn)其測(cè)定的性，在對(duì)拍攝系統(tǒng)和環(huán)境進(jìn)行標(biāo)定和控制之后，選擇合適的微球作為檢測(cè)對(duì)象進(jìn)行多次檢測(cè)。同時(shí)，用以往常用的油浸法對(duì)微球折射率作對(duì)照測(cè)定，測(cè)得的折射率與本VBAI生成系統(tǒng)測(cè)定結(jié)果高度吻合，說(shuō)明VBAI檢測(cè)程序的測(cè)量性可重復(fù)性較高。

2應(yīng)用于細(xì)胞檢測(cè)

2．1背景

細(xì)胞是生物醫(yī)學(xué)研究的重要對(duì)象之一，通過(guò)分析細(xì)胞的顯微圖像我們可以得到很多有用的信息。紅細(xì)胞是人類血液中存在的主要細(xì)胞，一直是研究的熱點(diǎn)。正常的紅細(xì)胞呈雙凹圓盤(pán)狀，而衰老和不健康的紅細(xì)胞會(huì)呈棘形、雙凹消失等不規(guī)則的形態(tài)。通過(guò)觀察與分析顯微圖像中紅細(xì)胞的形態(tài)可以評(píng)價(jià)其健康程度。所以這里以紅細(xì)胞為例說(shuō)明如何采用VBAI編寫(xiě)適合于進(jìn)行細(xì)胞圖像分析的技術(shù)過(guò)程。

2．2方法

將紅細(xì)胞懸浮于緩沖液中，置于顯微鏡下觀察，利用數(shù)碼CCD攝像頭拍攝下細(xì)胞的圖像。檢測(cè)程序上需要先尋找到各個(gè)細(xì)胞，再對(duì)每個(gè)細(xì)胞進(jìn)行檢測(cè)，與微球檢測(cè)的過(guò)程類似，程序總體設(shè)計(jì)上依然可以利用上節(jié)中微球的檢測(cè)程序的設(shè)計(jì)，但需要根據(jù)有關(guān)圖像處理分析的內(nèi)容更改具體的圖像處理分析操作。在圖像預(yù)處理操作中需要將原始圖像處理為適合物體識(shí)別的二值化圖像，利用VisionAssistant，先對(duì)圖像轉(zhuǎn)灰度圖像、適當(dāng)?shù)腖UT處理，在分割處理上，由于細(xì)胞邊緣處明暗對(duì)比較大，邊緣銳利，因此選用基于移動(dòng)窗口分割的算法可以較容易地找到邊緣。通過(guò)實(shí)驗(yàn)比較證明，選用Backgroundcorrection分割，可綜合局部和全局的灰度變化信息。分割移動(dòng)窗口大小設(shè)置為邊長(zhǎng)接近細(xì)胞邊緣寬度2倍的正方形最為合適。分割完成后再對(duì)二值圖像進(jìn)行一定的形態(tài)學(xué)變換操作，將邊緣盡量變得閉合并填充孔洞。進(jìn)行DetectObjects操。接著將對(duì)細(xì)胞形態(tài)進(jìn)行分析。首先根據(jù)DetectObjects操作中所檢測(cè)到的物體列表，對(duì)每個(gè)細(xì)胞進(jìn)行檢測(cè)區(qū)域的建立，即設(shè)置ROI。然后依然使用FindCircularEdge操作，在該操作中調(diào)整參數(shù)，使得檢測(cè)線能較的發(fā)現(xiàn)邊緣。該操作完成后，將輸出一項(xiàng)名為Deviation的參數(shù)，該參數(shù)代表了細(xì)胞邊緣與標(biāo)準(zhǔn)圓的標(biāo)準(zhǔn)偏差。同時(shí)該操作還可以得到細(xì)胞直徑等相關(guān)的信息。將Deviation除以直徑后可以得到細(xì)胞邊緣與標(biāo)準(zhǔn)圓的相對(duì)標(biāo)準(zhǔn)偏差，由于健康紅細(xì)胞的圖像是近似圓形的，因此Deviation參數(shù)可以一定程度上反映紅細(xì)胞的健康程度。將實(shí)驗(yàn)中拍攝到的采用不同保存格式、保存不同天數(shù)的紅細(xì)胞圖片歸類，用VBAI程序進(jìn)行分析，結(jié)果保存在csv文件中。為較健康的細(xì)胞，圖像中細(xì)胞外輪廓近似圓形，Deviation/R=1．2‰;為發(fā)生了一定形變的細(xì)胞，Deviation/R=3．2‰為嚴(yán)重變形的棘形細(xì)胞，Deviation/R=7．3‰。隨著細(xì)胞變形程度加重，細(xì)胞的相對(duì)標(biāo)準(zhǔn)偏差值也隨之增加。通過(guò)軟件分析的優(yōu)勢(shì)在于:可以客觀而定量地給出每個(gè)細(xì)胞的變形程度;可以快速自動(dòng)地分析大量的圖片，得到大量的數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行后續(xù)的統(tǒng)計(jì)處理，具有統(tǒng)計(jì)學(xué)意義。除此之外，還可以獲得細(xì)胞的大小信息，通過(guò)視野內(nèi)細(xì)胞個(gè)數(shù)，得到細(xì)胞分布密度信息等。

3應(yīng)用于圖像的改善

3．1背景

某些生物醫(yī)學(xué)樣品的顯微圖像，由于各種原因，其清晰度與對(duì)比度都不能滿意，對(duì)此，也可以運(yùn)用VBAI的圖像處理的方式對(duì)圖像進(jìn)行改善。下面介紹花粉孢子斷層掃描圖像中噪音及對(duì)比度不理想的斷層圖作改善的技術(shù)過(guò)程。

3．2方法

首先對(duì)整幅圖像中的噪雜進(jìn)行去除，通常改善的方法有空域?yàn)V波和頻域?yàn)V波，兩種方法都可通過(guò)VisionAssistant中的算法實(shí)現(xiàn)。其中空域?yàn)V波的算子較多，功能更加豐富。不僅提供了低通、高通等10多種算子、每種算子3×3，5×5，7×7三種尺寸，還可以由用戶自定義算子以滿足特殊需要。整幅圖像改善完成后對(duì)左右對(duì)比度及清晰度不理想的花粉孢子斷層圖像進(jìn)行增強(qiáng)，首先建立一覆蓋中央花粉孢子像的區(qū)域，使用一可旋轉(zhuǎn)的長(zhǎng)方形區(qū)域，長(zhǎng)方形的方向與左右像平移的方向垂直，寬度等于左右像平移的距離。接著利用Calculator操作計(jì)算圖11(a)左右像的位置。輸入中央像的中心點(diǎn)(X0，Y0)、角度α和平移距離L，則左像、右像中心點(diǎn)(X1，Y1)，(X2，Y2)分別為:X1=X0+L?cosαY1=Y0－L?sinαX2=X0－L?cosαY2=Y0+L?sinα以此為中心點(diǎn)坐標(biāo)參數(shù)，長(zhǎng)寬與角度參數(shù)使用中央?yún)^(qū)域的長(zhǎng)寬與角度，分別建立覆蓋左右像的區(qū)域，使用VisionAssistant對(duì)左右區(qū)域內(nèi)的圖像進(jìn)行對(duì)比度、明暗度的調(diào)整增強(qiáng)。得到處理后的圖像，三個(gè)層面的圖像的對(duì)比度基本相同。利用VBAI對(duì)圖像進(jìn)行處理與改善，不僅功能豐富，適用性強(qiáng)，且操作簡(jiǎn)單，易于掌握，程序建立完成后還可以快速的對(duì)其他同類圖片進(jìn)行處理，大大節(jié)省了時(shí)間。

4結(jié)語(yǔ)

使用VBAI創(chuàng)建圖像分析處理程序，可對(duì)各種生物醫(yī)學(xué)對(duì)象進(jìn)行分析和檢測(cè)，可對(duì)圖像進(jìn)行處理與改善，其優(yōu)勢(shì)在于:

(1)相比起人眼觀測(cè)和手動(dòng)測(cè)量，本方法能夠提供客觀和量化的數(shù)據(jù)，可快速對(duì)大量圖像進(jìn)行自動(dòng)分析并保存檢測(cè)結(jié)果。

(2)相比起通用化的測(cè)量分析軟件，本方法針對(duì)性強(qiáng)，針對(duì)各種特定情況和需要制定適應(yīng)的程序，性、有效性和實(shí)用性高。

(3)相比起使用VC等編程軟件編寫(xiě)特定測(cè)量分析軟件，本方法簡(jiǎn)單，有大量強(qiáng)大的模塊化功能自由選用，程序開(kāi)發(fā)周期短，工作量小，不需要專業(yè)編程技能，一般人易于掌握，且程序易于調(diào)整改進(jìn)。綜上所述，使用VBAI可簡(jiǎn)單快捷的針對(duì)不同生物醫(yī)學(xué)圖像建立相應(yīng)檢測(cè)處理程序，可快速自動(dòng)地對(duì)大量圖像進(jìn)行分析，得到客觀量化的數(shù)據(jù)。VBAI是實(shí)驗(yàn)室快速建立生物醫(yī)學(xué)圖像處理與分析檢測(cè)程序的有力工具。

作者：查悅明 陀韋為 王卓 張剛平 黃耀熊 單位：暨南大學(xué)生物醫(yī)學(xué)工程系

醫(yī)學(xué)圖像處理論文:生物醫(yī)學(xué)圖像處理教學(xué)研究

1醫(yī)學(xué)圖像處理課程的理論教學(xué)方法

1．1注重基于問(wèn)題教學(xué)模式的應(yīng)用

傳統(tǒng)教學(xué)模式是以課堂灌輸為主，必然會(huì)導(dǎo)致教學(xué)質(zhì)量和學(xué)生學(xué)習(xí)積極性下降。根據(jù)生物醫(yī)學(xué)工程創(chuàng)新型人才培養(yǎng)的需要，我們采用基于問(wèn)題的教學(xué)模式，通過(guò)設(shè)置問(wèn)題來(lái)激發(fā)學(xué)生的好奇心和積極性。基于問(wèn)題的教學(xué)模式能讓學(xué)生參與教學(xué)活動(dòng)，從而培養(yǎng)學(xué)生主動(dòng)探索和高級(jí)思維的能力。例如，在講授灰度級(jí)形態(tài)學(xué)的應(yīng)用時(shí)，首先展示一幅由兩個(gè)紋理區(qū)域組成的簡(jiǎn)單灰度圖像，要求學(xué)生利用先前學(xué)過(guò)的形態(tài)學(xué)圖像處理方法以紋理為基礎(chǔ)找到兩區(qū)域的邊界。圍繞此問(wèn)題讓學(xué)生分組進(jìn)行討論，并由各組代表來(lái)講述所運(yùn)用的方法，再由教師講評(píng)不同方法的優(yōu)缺點(diǎn)和適用性。通過(guò)教學(xué)實(shí)踐發(fā)現(xiàn)，該方法不僅有助于學(xué)生對(duì)所學(xué)知識(shí)的理解和應(yīng)用，而且也開(kāi)拓了學(xué)生的思維;不僅可充分調(diào)動(dòng)和發(fā)揮學(xué)生的主觀能動(dòng)性，而且也能培養(yǎng)學(xué)生解決實(shí)際問(wèn)題的能力。在相互合作的過(guò)程中，學(xué)生不僅學(xué)到了獲取知識(shí)的方法，更重要的是提高了學(xué)生的學(xué)習(xí)興趣、交流意識(shí)和團(tuán)隊(duì)責(zé)任感等科研必備的素質(zhì)和能力。在基于問(wèn)題模式的教學(xué)過(guò)程中，教師要以啟發(fā)式教學(xué)為主，引導(dǎo)學(xué)生思考，主動(dòng)尋找答案，獲得解決問(wèn)題的能力和技巧，而不是直接給學(xué)生提供答案。同時(shí)，教師要教會(huì)學(xué)生對(duì)所學(xué)內(nèi)容進(jìn)行歸納總結(jié)并能從整體上把握知識(shí)結(jié)構(gòu)，使學(xué)生更好地做到觸類旁通和融會(huì)貫通，使學(xué)生更加適應(yīng)該教學(xué)模式。因而，該教學(xué)方法要求教師在教學(xué)中要善于思考，勇于創(chuàng)新。

1．2注重物理概念和應(yīng)用的講解，加強(qiáng)該課程與相關(guān)課程的聯(lián)系

從課程內(nèi)容來(lái)說(shuō)，該課程著重闡述了數(shù)字圖像和醫(yī)學(xué)圖像的概念、數(shù)字圖像的處理方法及其在醫(yī)學(xué)圖像上的應(yīng)用，其中包含了大量的抽象概念、變換方法以及各種各樣的算法。對(duì)于醫(yī)學(xué)院校生物醫(yī)學(xué)工程專業(yè)的學(xué)生來(lái)說(shuō)，其基礎(chǔ)理論知識(shí)比較薄弱，如果講課過(guò)程偏重公式推理，會(huì)讓學(xué)生感到困難而乏味，從而失去學(xué)習(xí)興趣。針對(duì)此問(wèn)題，在教學(xué)中應(yīng)該采取公式具體化和物理概念化的講授方法，重點(diǎn)講解公式具體的物理意義和概念，并且結(jié)合示例或演示來(lái)講解。例如，在講授圖像增強(qiáng)中的灰度平均值和標(biāo)準(zhǔn)差時(shí)，單從數(shù)學(xué)公式去講解，學(xué)生無(wú)法很好地理解，但結(jié)合幾幅在亮度和對(duì)比度上存在差異的圖像來(lái)講解，并以灰度平均值和標(biāo)準(zhǔn)差在圖像局部增強(qiáng)中應(yīng)用為實(shí)例來(lái)說(shuō)明，就能使學(xué)生較快把握上述兩個(gè)概念的含義，并學(xué)會(huì)如何將知識(shí)學(xué)以致用。另一方面，由于該課程與一些基礎(chǔ)課程聯(lián)系緊密，因此，在教學(xué)的過(guò)程中，應(yīng)積極引導(dǎo)學(xué)生回憶或者運(yùn)用相關(guān)課程中已經(jīng)學(xué)過(guò)的知識(shí)來(lái)掌握新知識(shí)，提高學(xué)生對(duì)知識(shí)的綜合運(yùn)用能力。比如，將圖像增強(qiáng)中的微分算子與高等數(shù)學(xué)課程的微分運(yùn)算的性質(zhì)聯(lián)系，將圖像處理中的模板卷積與信號(hào)與系統(tǒng)課程中的一維信號(hào)卷積相聯(lián)系等。聯(lián)系相關(guān)課程有助于學(xué)生將新舊知識(shí)聯(lián)系在一起，形成系統(tǒng)化的知識(shí)體系，也能培養(yǎng)學(xué)生解決問(wèn)題的綜合能力，加深對(duì)知識(shí)的理解。在教學(xué)過(guò)程中，教師要多舉實(shí)例并充分利用教學(xué)軟件輔助教學(xué)，從而將抽象概念形象化、具體化。同時(shí)，教師也要不斷豐富自己各學(xué)科的知識(shí)，才能地引導(dǎo)學(xué)生建立相互聯(lián)系的知識(shí)體系。

1．3注重醫(yī)工結(jié)合的教學(xué)

醫(yī)學(xué)院校生物醫(yī)學(xué)工程專業(yè)的學(xué)生較大優(yōu)勢(shì)是具有一定的醫(yī)學(xué)基礎(chǔ)，因此在講授該課程時(shí)，要結(jié)合相應(yīng)的“醫(yī)學(xué)”背景來(lái)講解新知識(shí)，注重體現(xiàn)培養(yǎng)工程與醫(yī)學(xué)交叉結(jié)合型人才的特色［4］。譬如，在講解圖像分割綜合應(yīng)用時(shí)，就以具有新疆地方特色的病之一———肝包蟲(chóng)病的CT圖像為例來(lái)進(jìn)行分析，引導(dǎo)學(xué)生將解剖學(xué)等相關(guān)的醫(yī)學(xué)知識(shí)應(yīng)用到圖像分割中。通過(guò)教師的引導(dǎo)和學(xué)生的思考，有些學(xué)生提出將肝包蟲(chóng)病灶區(qū)的形狀、邊緣厚度，鈣化邊緣區(qū)的灰度差等特征作為分割病灶區(qū)的依據(jù)，并取得較好的效果。通過(guò)醫(yī)工結(jié)合的教學(xué)方式，不但能激發(fā)學(xué)生學(xué)習(xí)的興趣，而且也能開(kāi)拓他們的思路，培養(yǎng)其綜合應(yīng)用的能力。醫(yī)工結(jié)合教學(xué)要求教師要豐富自己醫(yī)學(xué)方面的知識(shí)，自覺(jué)地將醫(yī)學(xué)和工程學(xué)結(jié)合。教師和學(xué)生要多與附屬醫(yī)院的醫(yī)師進(jìn)行交流，并邀請(qǐng)醫(yī)師作相關(guān)知識(shí)講座，從而提高教師和學(xué)生利用工程知識(shí)和醫(yī)學(xué)知識(shí)解決醫(yī)學(xué)問(wèn)題的能力。

1．4注重雙語(yǔ)教學(xué)和網(wǎng)絡(luò)教學(xué)

由于醫(yī)學(xué)圖像學(xué)中的新技術(shù)、新成果大多是從國(guó)外引進(jìn)的，因而加大授課中英語(yǔ)的比重，既可以幫助學(xué)生地理解術(shù)語(yǔ)的含義，又可以促進(jìn)其專業(yè)外語(yǔ)水平的提高，更利于他們吸收國(guó)外的成果［5］。首先，教學(xué)中要發(fā)揮多媒體課件在雙語(yǔ)教學(xué)中的作用，采用英文課件，讓學(xué)生了解更多的該領(lǐng)域的專業(yè)術(shù)語(yǔ);其次，教師要提供給學(xué)生更多的英文文獻(xiàn)資料，拓寬學(xué)生的專業(yè)視野，讓學(xué)生了解到近期的學(xué)科發(fā)展動(dòng)態(tài)。目前，有多所院校在講授該課程時(shí)都采用雙語(yǔ)教學(xué)［6］。通過(guò)教學(xué)實(shí)踐發(fā)現(xiàn)，雙語(yǔ)教學(xué)不僅能提高學(xué)生學(xué)習(xí)能力和研究能力，而且也為教師提供了一個(gè)提高自身英語(yǔ)綜合運(yùn)用能力的訓(xùn)練機(jī)會(huì)。在信息化高速發(fā)展的時(shí)代，網(wǎng)絡(luò)教學(xué)也將成為未來(lái)學(xué)習(xí)的主要方式。網(wǎng)絡(luò)教學(xué)具有學(xué)習(xí)內(nèi)容廣泛、教學(xué)效率高、辦學(xué)成本低的特點(diǎn)。不僅適于大面積集中學(xué)習(xí)，更適應(yīng)分散的個(gè)體學(xué)習(xí)，是培養(yǎng)學(xué)生終身學(xué)習(xí)能力的有效途徑。北京工業(yè)大學(xué)在生物醫(yī)學(xué)工程研究服務(wù)器上率先建立了生物醫(yī)學(xué)信號(hào)處理教學(xué)網(wǎng)站，收到了良好的教學(xué)效果［7］。新疆醫(yī)科大學(xué)醫(yī)學(xué)工程技術(shù)學(xué)院也在積極準(zhǔn)備建立教學(xué)網(wǎng)站，實(shí)施遠(yuǎn)程輔助教學(xué)，提高教學(xué)效率。

2醫(yī)學(xué)圖像處理課程的實(shí)踐教學(xué)設(shè)計(jì)

醫(yī)學(xué)圖像處理課程是一門(mén)理論與實(shí)踐、原理與應(yīng)用緊密結(jié)合的課程，因而實(shí)踐教學(xué)在整個(gè)課程的教學(xué)中處于重要的位置。實(shí)踐教學(xué)環(huán)節(jié)包括實(shí)驗(yàn)教學(xué)和科研實(shí)習(xí)兩個(gè)方面，此過(guò)程加強(qiáng)了對(duì)學(xué)生基本知識(shí)、基本理論和基本技能的訓(xùn)練，培養(yǎng)學(xué)生分析問(wèn)題、解決問(wèn)題的實(shí)踐能力。在實(shí)驗(yàn)教學(xué)中，設(shè)計(jì)了驗(yàn)證型實(shí)驗(yàn)、綜合型實(shí)驗(yàn)和設(shè)計(jì)型實(shí)驗(yàn)三大類型的實(shí)驗(yàn)，主要以Matlab編程語(yǔ)言為實(shí)驗(yàn)教學(xué)平臺(tái)，采用以學(xué)生為主體，教師輔以指導(dǎo)的實(shí)驗(yàn)教學(xué)方式，充分發(fā)揮學(xué)生的主觀能動(dòng)性。驗(yàn)證型實(shí)驗(yàn)是為理論教學(xué)服務(wù)的，該類型實(shí)驗(yàn)?zāi)康氖菫榱思由顚W(xué)生對(duì)理論教學(xué)重點(diǎn)和難點(diǎn)的理解。驗(yàn)證型實(shí)驗(yàn)的一個(gè)案例是“醫(yī)學(xué)圖像直方圖的繪制及直方圖均衡化計(jì)算”，在此實(shí)驗(yàn)中，雖然學(xué)生可以調(diào)用Matlab軟件中現(xiàn)有的圖像處理程序來(lái)完成實(shí)驗(yàn)，但教師要求學(xué)生自己編程實(shí)現(xiàn)算法，然后與程序庫(kù)中的程序進(jìn)行比較，通過(guò)實(shí)驗(yàn)讓學(xué)生能更好地掌握理論知識(shí)，鍛煉學(xué)生的編程能力。綜合型實(shí)驗(yàn)是由驗(yàn)證理論內(nèi)容逐步過(guò)渡到以理論為工具，解決實(shí)際問(wèn)題的過(guò)程。通過(guò)此類實(shí)驗(yàn)對(duì)學(xué)生的實(shí)驗(yàn)技能和實(shí)驗(yàn)方法進(jìn)行綜合訓(xùn)練。綜合型實(shí)驗(yàn)的一個(gè)案例是“增強(qiáng)人體骨骼核掃描圖像的細(xì)節(jié)”，此實(shí)驗(yàn)需要學(xué)生基于醫(yī)學(xué)圖像的特點(diǎn)綜合運(yùn)用多種算法來(lái)達(dá)到圖像增強(qiáng)的目的。設(shè)計(jì)型實(shí)驗(yàn)是指給定實(shí)驗(yàn)?zāi)康摹⒁蠛蛯?shí)驗(yàn)條件，由學(xué)生自行設(shè)計(jì)實(shí)驗(yàn)方案并加以實(shí)現(xiàn)的實(shí)驗(yàn)類型［8］。綜合型實(shí)驗(yàn)的一個(gè)案例是“肝臟CT圖像的自動(dòng)分割”，此實(shí)驗(yàn)需要學(xué)生查閱資料，運(yùn)用已有的工程和醫(yī)學(xué)上的知識(shí)去發(fā)現(xiàn)問(wèn)題、分析問(wèn)題和解決問(wèn)題。此實(shí)驗(yàn)可培養(yǎng)學(xué)生獨(dú)立解決問(wèn)題的能力和創(chuàng)新能力。在科研實(shí)習(xí)方面，為了培養(yǎng)學(xué)生的科研實(shí)踐能力，教師積極引導(dǎo)學(xué)生參加相關(guān)科研實(shí)踐，鼓勵(lì)學(xué)生參加教師的科研課題，鼓勵(lì)學(xué)生。在我們的有關(guān)“醫(yī)學(xué)圖像檢索系統(tǒng)的開(kāi)發(fā)”的自治區(qū)課題中，已有兩位學(xué)生參與了該課題。參與的兩位學(xué)生均表示，通過(guò)參加課題不僅增強(qiáng)了他們對(duì)該課程的興趣和重視度，而且使其理解了醫(yī)學(xué)圖像處理知識(shí)是怎樣用于科研的。另外，由于醫(yī)學(xué)院校的附屬醫(yī)院擁有門(mén)類齊全的現(xiàn)代化醫(yī)療儀器設(shè)備，因此鼓勵(lì)學(xué)生利用假期在醫(yī)院實(shí)習(xí)，特別是在醫(yī)院的影像科實(shí)習(xí)，了解各種儀器的處理功能，從而有助于學(xué)生將理論知識(shí)與實(shí)際問(wèn)題結(jié)合，提高學(xué)生實(shí)際工作的能力。

3醫(yī)學(xué)圖像處理課程的考核方式

為了使得學(xué)生更加重視醫(yī)學(xué)圖像處理課程的實(shí)踐操作，為了使學(xué)生能將理論和實(shí)踐相結(jié)合，采取實(shí)驗(yàn)綜合報(bào)告與期末理論考試相結(jié)合的考核方式，此方式能綜合地考核學(xué)生對(duì)知識(shí)的掌握程度以及實(shí)際的應(yīng)用能力。學(xué)生也對(duì)此考核方式給予了肯定。

4結(jié)束語(yǔ)

醫(yī)學(xué)圖像處理是理論性和實(shí)踐性結(jié)合緊密的課程，也是生物醫(yī)學(xué)工程專業(yè)的主干課程，本文結(jié)合教學(xué)實(shí)踐，對(duì)該課程的理論、實(shí)踐教學(xué)方法進(jìn)行了教學(xué)探討。通過(guò)實(shí)踐，學(xué)生對(duì)知識(shí)學(xué)習(xí)、理解和運(yùn)用的能力得到提高，教學(xué)效果良好。由于醫(yī)學(xué)圖像處理技術(shù)發(fā)展迅速，分析方法不斷更新，技術(shù)應(yīng)用范圍日益擴(kuò)展，從而教學(xué)方法和教學(xué)內(nèi)容也要不斷地更新，因此對(duì)于該課程的教學(xué)改革和研究是我們的長(zhǎng)期任務(wù)，需要不斷地努力。

醫(yī)學(xué)圖像處理論文:醫(yī)學(xué)圖像處理技術(shù)分析管理論文

論文關(guān)鍵詞：醫(yī)學(xué)圖像處理圖像分割圖像配準(zhǔn)圖像融合紋理分析

論文摘要：隨著醫(yī)學(xué)成像和計(jì)算機(jī)輔助技術(shù)的發(fā)展，從二維醫(yī)學(xué)圖像到三維可視化技術(shù)成為研究的熱點(diǎn)，本文介紹了醫(yī)學(xué)圖像處理技術(shù)的發(fā)展動(dòng)態(tài)，對(duì)圖像分割、紋理分析、圖像配準(zhǔn)和圖像融合技術(shù)的現(xiàn)狀及其發(fā)展進(jìn)行了綜述。在比較各種技術(shù)在相關(guān)領(lǐng)域中應(yīng)用的基礎(chǔ)上，提出了醫(yī)學(xué)圖像處理技術(shù)發(fā)展所面臨的相關(guān)問(wèn)題及其發(fā)展方向。

1．引言

近20多年來(lái)，醫(yī)學(xué)影像已成為醫(yī)學(xué)技術(shù)中發(fā)展最快的領(lǐng)域之一，其結(jié)果使臨床醫(yī)生對(duì)人體內(nèi)部病變部位的觀察更直接、更清晰，確診率也更高。20世紀(jì)70年代初，X-CT的發(fā)明曾引發(fā)了醫(yī)學(xué)影像領(lǐng)域的一場(chǎng)革命，與此同時(shí)，核磁共振成像象(MRI:MagneticResonanceImaging)、超聲成像、數(shù)字射線照相術(shù)、發(fā)射型計(jì)算機(jī)成像和核素成像等也逐步發(fā)展。計(jì)算機(jī)和醫(yī)學(xué)圖像處理技術(shù)作為這些成像技術(shù)的發(fā)展基礎(chǔ)，帶動(dòng)著現(xiàn)代醫(yī)學(xué)診斷正產(chǎn)生著深刻的變革。各種新的醫(yī)學(xué)成像方法的臨床應(yīng)用，使醫(yī)學(xué)診斷和治療技術(shù)取得了很大的進(jìn)展，同時(shí)將各種成像技術(shù)得到的信息進(jìn)行互補(bǔ)，也為臨床診斷及生物醫(yī)學(xué)研究提供了有力的科學(xué)依據(jù)。

在目前的影像醫(yī)療診斷中,主要是通過(guò)觀察一組二維切片圖象去發(fā)現(xiàn)病變體,往往需要借助醫(yī)生的經(jīng)驗(yàn)來(lái)判定。至于的確定病變體的空間位置、大小、幾何形狀及與周圍生物組織的空間關(guān)系,僅通過(guò)觀察二維切片圖象是很難實(shí)現(xiàn)的。因此,利用計(jì)算機(jī)圖象處理技術(shù)對(duì)二維切片圖象進(jìn)行分析和處理,實(shí)現(xiàn)對(duì)人體器官、軟組織和病變體的分割提取、三維重建和三維顯示,可以輔助醫(yī)生對(duì)病變體及其它感興趣的區(qū)域進(jìn)行定性甚至定量的分析,可以大大提高醫(yī)療診斷的性和性。此外,它在醫(yī)療教學(xué)、手術(shù)規(guī)劃、手術(shù)仿真及各種醫(yī)學(xué)研究中也能起重要的輔助作用。

本文對(duì)醫(yī)學(xué)圖像處理技術(shù)中的圖像分割、紋理分析、圖像配準(zhǔn)和圖像融合技術(shù)的現(xiàn)狀及其發(fā)展進(jìn)行了綜述。

2．醫(yī)學(xué)圖像三維可視化技術(shù)

2.1三維可視化概述

醫(yī)學(xué)圖像的三維可視化的方法很多，但基本步驟大體相同，如圖.。從(或超聲等成像系統(tǒng)獲得二維斷層圖像，然后需要將圖像格式（如0(#1&）轉(zhuǎn)化成計(jì)算機(jī)方便處理的格式。通過(guò)二維濾波，減少圖像的噪聲影響，提高信噪比和消除圖像的尾跡。采取圖像插值方法，對(duì)醫(yī)學(xué)關(guān)鍵部位進(jìn)行各向同性處理，獲得體數(shù)據(jù)。經(jīng)過(guò)三維濾波后，不同組織器官需要進(jìn)行分割和歸類，對(duì)同一部位的不同圖像進(jìn)行配準(zhǔn)和融合，以利于進(jìn)一步對(duì)某感興趣部位的操作。根據(jù)不同的三維可視化要求和系統(tǒng)平臺(tái)的能力，選擇不同的方法進(jìn)行三維體繪制，實(shí)現(xiàn)三維重構(gòu)。

2.2關(guān)鍵技術(shù)：

圖像分割是三維重構(gòu)的基礎(chǔ)，分割效果直接影像三維重構(gòu)的度。圖像分割是將圖像分割成有意義的子區(qū)域，由于醫(yī)學(xué)圖像的各區(qū)域沒(méi)有清楚的邊界，為了解決在醫(yī)學(xué)圖像分割中遇到不確定性的問(wèn)題，引入模糊理論的模糊閥值、模糊邊界和模糊聚類等概念?？焖俚姆蛛x出解剖結(jié)構(gòu)和定位區(qū)域位置和形狀，自動(dòng)或半自動(dòng)的圖像分割方法是非常重要的。在實(shí)際應(yīng)用中有聚類法、統(tǒng)計(jì)學(xué)模型、彈性模型、區(qū)域生長(zhǎng)、神經(jīng)網(wǎng)絡(luò)等適用于醫(yī)學(xué)圖像分割的具體方法。

由于可以對(duì)同一部位用不同的成像儀器多次成像，或用同一臺(tái)儀器多次成像，這樣產(chǎn)生了多模態(tài)圖像。多模態(tài)圖像提供的信息經(jīng)常相互覆蓋和具有互補(bǔ)性，為了綜合使用多種成像模式以提供更的信息，需要對(duì)各個(gè)模態(tài)的原始圖像進(jìn)行配準(zhǔn)和數(shù)據(jù)融合，其整個(gè)過(guò)程稱為數(shù)據(jù)整合。整合的及時(shí)步是將多個(gè)醫(yī)學(xué)圖像的信息轉(zhuǎn)換到一個(gè)公共的坐標(biāo)框架內(nèi)的研究，使多幅圖像在空間域中達(dá)到幾何位置的對(duì)應(yīng)，稱為三維醫(yī)學(xué)圖像的配準(zhǔn)問(wèn)題。建立配準(zhǔn)關(guān)系后，將多個(gè)圖像的數(shù)據(jù)合成表示的過(guò)程，稱為融合。在醫(yī)學(xué)應(yīng)用中，不同模態(tài)的圖像還提供了不互相覆蓋的結(jié)構(gòu)互補(bǔ)信息，比如，當(dāng)CT提供的是骨信息，MRI提供的關(guān)于軟組織的信息，所以可以用邏輯運(yùn)算的方法來(lái)實(shí)現(xiàn)它們圖像的合成。

當(dāng)分割歸類或數(shù)據(jù)整合結(jié)束后，對(duì)體數(shù)據(jù)進(jìn)行體繪制。體繪制一般分為直接體繪制和間接體繪制，由于三維醫(yī)學(xué)圖像數(shù)據(jù)量很大，采用直接體繪制方法，計(jì)算量過(guò)重，特別在遠(yuǎn)程應(yīng)用和交互操作中，所以一般多采用間接體繪制。在圖形工作站上可以進(jìn)行直接體繪制，近來(lái)隨著計(jì)算機(jī)硬件快速發(fā)展，新的算法，如三維紋理映射技術(shù)，考慮了計(jì)算機(jī)圖形硬件的特定功能及體繪制過(guò)程中的各種優(yōu)化方法，從而大大地提高了直接體繪制的速度。體繪制根據(jù)所用的投影算法不同加以分類，分為以對(duì)象空間為序的算法（又稱為體素投影法）和以圖像空間為序的算法!又稱為光線投射法"，一般來(lái)說(shuō)，體素投影法繪制的速度比光線投射法快。由于三維醫(yī)學(xué)圖像的繪制目的在于看見(jiàn)內(nèi)部組織的細(xì)節(jié)，真實(shí)感并不是最重要的，所以在醫(yī)學(xué)應(yīng)用中的繪制要突出特定診斷所需要的信息，而忽略無(wú)關(guān)信息。另外，高度的可交互性是三維醫(yī)學(xué)圖像繪制的另一個(gè)要求，即要求一些常見(jiàn)操作，如旋轉(zhuǎn)，放大，移動(dòng)，具有很好的實(shí)時(shí)性，或至少是在一個(gè)可以忍受的響應(yīng)時(shí)間內(nèi)完成。這意味著在醫(yī)學(xué)圖像繪制中，繪制時(shí)間短的可視化方法更為實(shí)用。

未來(lái)的三維可視化技術(shù)將與虛擬現(xiàn)實(shí)技術(shù)相結(jié)合，不僅僅是獲得體數(shù)據(jù)的工具，更主要的是能創(chuàng)造一個(gè)虛擬環(huán)境。

3．醫(yī)學(xué)圖像分割

醫(yī)學(xué)圖像分割就是一個(gè)根據(jù)區(qū)域間的相似或不同把圖像分割成若干區(qū)域的過(guò)程。目前,主要以各種細(xì)胞、組織與器官的圖像作為處理的對(duì)象，圖像分割技術(shù)主要基于以下幾種理論方法。

3.1基于統(tǒng)計(jì)學(xué)的方法

統(tǒng)計(jì)方法是近年來(lái)比較流行的醫(yī)學(xué)圖像分割方法。從統(tǒng)計(jì)學(xué)出發(fā)的圖像分割方法把圖像中各個(gè)像素點(diǎn)的灰度值看作是具有一定概率分布的隨機(jī)變量,觀察到的圖像是對(duì)實(shí)際物體做了某種變換并加入噪聲的結(jié)果,因而要正確分割圖像,從統(tǒng)計(jì)學(xué)的角度來(lái)看,就是要找出以較大的概率得到該圖像的物體組合。用吉布斯（Gibbs）分布表示的Markov隨機(jī)場(chǎng)(MRF)模型,能夠簡(jiǎn)單地通過(guò)勢(shì)能形式表示圖像像素之間的相互關(guān)系,因此周剛慧等結(jié)合人腦MR圖像的空間關(guān)系定義Markov隨機(jī)場(chǎng)的能量形式,然后通過(guò)較大后驗(yàn)概率(MAP)方法估計(jì)Markov隨機(jī)場(chǎng)的參數(shù),并通過(guò)迭代方法求解。層次MRF采用基于直方圖的DAEM算法估計(jì)標(biāo)準(zhǔn)有限正交混合(SFNM)參數(shù)的全局值,并基于MRF先驗(yàn)參數(shù)的實(shí)際意義,采用一種近似的方法來(lái)簡(jiǎn)化這些參數(shù)的估計(jì)。林亞忠等采用的混合金字塔Gibbs隨機(jī)場(chǎng)模型,有效地解決了傳統(tǒng)較大后驗(yàn)估計(jì)計(jì)算量龐大和Gibbs隨機(jī)場(chǎng)模型參數(shù)無(wú)監(jiān)督及估計(jì)難等問(wèn)題,使分割結(jié)果更為。

3.2基于模糊集理論的方法

醫(yī)學(xué)圖像一般較為復(fù)雜，有許多不確定性和不性，也即模糊性。所以有人將模糊理論引入到圖像處理與分析中，其中包括用模糊理論來(lái)解決分割問(wèn)題。基于模糊理論的圖形分割方法包括模糊閾值分割方法、模糊聚類分割方法等。模糊閾值分割技術(shù)利用不同的S型隸屬函數(shù)來(lái)定義模糊目標(biāo)，通過(guò)優(yōu)化過(guò)程選擇一個(gè)具有最小不確定性的S函數(shù)，用該函數(shù)表示目標(biāo)像素之間的關(guān)系。這種方法的難點(diǎn)在于隸屬函數(shù)的選擇。模糊C均值聚類分割方法通過(guò)優(yōu)化表示圖像像素點(diǎn)與C各類中心之間的相似性的目標(biāo)函數(shù)來(lái)獲得局部極大值，從而得到聚類。Venkateswarlu等[改進(jìn)計(jì)算過(guò)程，提出了一種快速的聚類算法。

3.2.1基于模糊理論的方法

模糊分割技術(shù)是在模糊集合理論基礎(chǔ)上發(fā)展起來(lái)的,它可以很好地處理MR圖像內(nèi)在的模糊性和不確定性,而且對(duì)噪聲不敏感。模糊分割技術(shù)主要有模糊閾值、模糊聚類、模糊邊緣檢測(cè)等。在各種模糊分割技術(shù)中,近年來(lái)模糊聚類技術(shù),特別是模糊C-均值(FCM)聚類技術(shù)的應(yīng)用最為廣泛。FCM是一種非監(jiān)督模糊聚類后的標(biāo)定過(guò)程,非常適合存在不確定性和模糊性特點(diǎn)的MR圖像。然而,FCM算法本質(zhì)上是一種局部搜索尋優(yōu)技術(shù),它的迭代過(guò)程采用爬山技術(shù)來(lái)尋找解,因此容易陷入局部極小值,而得不到全局解。近年來(lái)相繼出現(xiàn)了許多改進(jìn)的FCM分割算法,其中快速模糊分割(FFCM)是最近模糊分割的研究熱點(diǎn)。FFCM算法對(duì)傳統(tǒng)FCM算法的初始化進(jìn)行了改進(jìn),用K-均值聚類的結(jié)果作為模糊聚類中心的初值,通過(guò)減少FCM的迭代次數(shù)來(lái)提高模糊聚類的速度。它實(shí)際上是兩次尋優(yōu)的迭代過(guò)程,首先由K-均值聚類得到聚類中心的次解,再由FCM進(jìn)行模糊聚類,最終得到圖像的模糊分割。

3.2.2基于神經(jīng)網(wǎng)絡(luò)的方法

按拓?fù)錂C(jī)構(gòu)來(lái)分,神經(jīng)網(wǎng)絡(luò)技術(shù)可分為前向神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)和自組織映射神經(jīng)網(wǎng)絡(luò)。目前已有各種類型的神經(jīng)網(wǎng)絡(luò)應(yīng)用于醫(yī)學(xué)圖像分割,如江寶釧等利用MRI多回波性,采用有指導(dǎo)的BP神經(jīng)網(wǎng)絡(luò)作為分類器,對(duì)腦部MR圖像進(jìn)行自動(dòng)分割。而Ahmed和Farag則是用自組織Kohenen網(wǎng)絡(luò)對(duì)CT/MRI腦切片圖像進(jìn)行分割和標(biāo)注,并將具有幾何不變性的圖像特征以模式的形式輸入到Kohenen網(wǎng)絡(luò),進(jìn)行無(wú)指導(dǎo)的體素聚類,以得到感興趣區(qū)域。模糊神經(jīng)網(wǎng)絡(luò)(FNN)分割技術(shù)越來(lái)越多地得到學(xué)者們的青睞,黃永鋒等提出了一種基于FNN的顱腦MRI半自動(dòng)分割技術(shù),僅對(duì)神經(jīng)網(wǎng)絡(luò)處理前和處理后的數(shù)據(jù)進(jìn)行模糊化和去模糊化,其分割結(jié)果表明FNN分割技術(shù)的抗噪和抗模糊能力更強(qiáng)。

3.2.3基于小波分析的分割方法

小波變換是近年來(lái)得到廣泛應(yīng)用的一種數(shù)學(xué)工具，由于它具有良好的時(shí)一頻局部化特征、尺度變化特征和方向特征，因此在圖像處理上得到了廣泛的應(yīng)用。

小波變換和分析作為一種多尺度多通道分析工具，比較適合對(duì)圖像進(jìn)行多尺度的邊緣檢測(cè)，典型的有如Mallat小波模極大值邊緣檢測(cè)算法[6

3.3基于知識(shí)的方法

基于知識(shí)的分割方法主要包括兩方面的內(nèi)容:(1)知識(shí)的獲取,即歸納提取相關(guān)知識(shí),建立知識(shí)庫(kù)；(2)知識(shí)的應(yīng)用,即有效地利用知識(shí)實(shí)現(xiàn)圖像的自動(dòng)分割。其知識(shí)來(lái)源主要有:(1)臨床知識(shí),即某種疾病的癥狀及它們所處的位置；(2)解剖學(xué)知識(shí),即某器官的解剖學(xué)和形態(tài)學(xué)信息,及其幾何學(xué)與拓?fù)鋵W(xué)的關(guān)系,這種知識(shí)通常用圖譜表示；(3)成像知識(shí),這類知識(shí)與成像方法和具體設(shè)備有關(guān)；(4)統(tǒng)計(jì)知識(shí),如MI的質(zhì)子密度(PD)、T1和T2統(tǒng)計(jì)數(shù)據(jù)。Costin等提出了一種基于知識(shí)的模糊分割技術(shù),首先對(duì)圖像進(jìn)行模糊化處理,然后利用相應(yīng)的知識(shí)對(duì)各組織進(jìn)行模糊邊緣檢測(cè)。而謝逢等則提出了一種基于知識(shí)的人腦三維醫(yī)學(xué)圖像分割顯示的方法。首先,以框架為主要表示方法,建立完整的人腦三維知識(shí)模型,包含腦組織幾何形態(tài)、生理功能、圖像灰度三方面的信息；然后,采用“智能光線跟蹤”方法,在模型知識(shí)指導(dǎo)下直接從體積數(shù)據(jù)中提取并顯示各組織器官的表面。

3.4基于模型的方法

該方法根據(jù)圖像的先驗(yàn)知識(shí)建立模型,有動(dòng)態(tài)輪廓模型(ActiveContourModel,又稱Snake)、組合優(yōu)化模型等,其中Snake最為常用。Snake算法的能量函數(shù)采用積分運(yùn)算,具有較好的抗噪性,對(duì)目標(biāo)的局部模糊也不敏感,但其結(jié)果常依賴于參數(shù)初始化,不具有足夠的拓?fù)溥m應(yīng)性,因此很多學(xué)者將Snake與其它方法結(jié)合起來(lái)使用,如王蓓等利用圖像的先驗(yàn)知識(shí)與Snake結(jié)合的方法,避開(kāi)圖像的一些局部極小點(diǎn),克服了Snake方法的一些不足。Raquel等將徑向基網(wǎng)絡(luò)(RBFNNcc)與Snake相結(jié)合建立了一種混合模型,該模型具有以下特點(diǎn):(1)該混合模型是靜態(tài)網(wǎng)絡(luò)和動(dòng)態(tài)模型的有機(jī)結(jié)合；(2)Snake的初始化輪廓由RBFNNcc提供；(3)Snake的初始化輪廓給出了的控制點(diǎn)；(4)Snake的能量方程中包含了圖像的多譜信息。Luo等提出了一種將livewire算法與Snake相結(jié)合的醫(yī)學(xué)圖像序列的交互式分割算法,該算法的特點(diǎn)是在少數(shù)用戶交互的基礎(chǔ)上,可以快速地得到一個(gè)醫(yī)學(xué)圖像序列的分割結(jié)果。

由于醫(yī)學(xué)圖像分割問(wèn)題本身的困難性，目前的方法都是針對(duì)某個(gè)具體任務(wù)而言的，還沒(méi)有一個(gè)通用的解決方法。綜觀近幾年圖像分割領(lǐng)域的文獻(xiàn)，可見(jiàn)醫(yī)學(xué)圖像分割方法研究的幾個(gè)顯著特點(diǎn)：（1）學(xué)者們逐漸認(rèn)識(shí)到現(xiàn)有任何一種單獨(dú)的圖像分割算法都難以對(duì)一般圖像取得比較滿意的結(jié)果，因而更加注重多種分割算法的有效結(jié)合；（2）在目前無(wú)法由計(jì)算機(jī)來(lái)完成圖像分割任務(wù)的情況下，半自動(dòng)的分割方法引起了人們的廣泛注意，如何才能充分利用計(jì)算機(jī)的運(yùn)算能力，使人僅在必要的時(shí)候進(jìn)行必不可少的干預(yù)，從而得到滿意的分割結(jié)果是交互式分割方法的核心問(wèn)題；（3）新的分割方法的研究主要以自動(dòng)、、快速、自適應(yīng)和魯棒性等幾個(gè)方向作為研究目標(biāo)，經(jīng)典分割技術(shù)與現(xiàn)代分割技術(shù)的綜合利用（集成技術(shù)）是今后醫(yī)學(xué)圖像分割技術(shù)的發(fā)展方向。

4．醫(yī)學(xué)圖像配準(zhǔn)和融合

醫(yī)學(xué)圖像可以分為解剖圖像和功能圖像2個(gè)部分。解剖圖像主要描述人體形態(tài)信息，功能圖像主要描述人體代謝信息。為了綜合使用多種成像模式以提供更的信息，常常需要將有效信息進(jìn)行整合。整合的及時(shí)步就是使多幅圖像在空間域中達(dá)到幾何位置的對(duì)應(yīng)，這一步驟稱為“配準(zhǔn)”。整合的第二步就是將配準(zhǔn)后圖像進(jìn)行信息的整合顯示，這一步驟稱為“融合”。

在臨床診斷上，醫(yī)生常常需要各種醫(yī)學(xué)圖像的支持，如CT、MRI、PET、SPECT以及超聲圖像等，但無(wú)論哪一類的醫(yī)學(xué)圖像往往都難以提供的信息，這就需要將患者的各種圖像信息綜合研究19]，而要做到這一點(diǎn)，首先必須解決圖像的配準(zhǔn)(或叫匹配)和融合問(wèn)題。醫(yī)學(xué)圖像配準(zhǔn)是確定兩幅或多幅醫(yī)學(xué)圖像像素的空間對(duì)應(yīng)關(guān)系；而融合是指將不同形式的醫(yī)學(xué)圖像中的信息綜合到一起，形成新的圖像的過(guò)程。圖像配準(zhǔn)是圖像融合必需的預(yù)處理技術(shù)，反過(guò)來(lái)，圖像融合是圖像配準(zhǔn)的一個(gè)目的。

4.1醫(yī)學(xué)圖像配準(zhǔn)

醫(yī)學(xué)圖像配準(zhǔn)包括圖像的定位和轉(zhuǎn)換，即通過(guò)尋找一種空間變換使兩幅圖像對(duì)應(yīng)點(diǎn)達(dá)到空間位置上的配準(zhǔn)，配準(zhǔn)的結(jié)果應(yīng)使兩幅圖像上所有關(guān)鍵的解剖點(diǎn)或感興趣的關(guān)鍵點(diǎn)達(dá)到匹配。20世紀(jì)90年代以來(lái)，醫(yī)學(xué)圖像配準(zhǔn)的研究受到了國(guó)內(nèi)外醫(yī)學(xué)界和工程界的高度重視，1993年P(guān)etra等]綜述了二維圖像的配準(zhǔn)方法，并根據(jù)配準(zhǔn)基準(zhǔn)的特性，將圖像配準(zhǔn)的方法分為兩大類：基于外部特征（有框架）的圖像配準(zhǔn)和基于內(nèi)部特征（無(wú)框架）的圖像配準(zhǔn)?；谕獠刻卣鞯姆椒òⅢw定位框架法、面膜法及皮膚標(biāo)記法等。基于外部特征的圖像配準(zhǔn)，簡(jiǎn)單易行，易實(shí)現(xiàn)自動(dòng)化，能夠獲得較高的精度，可以作為評(píng)估無(wú)框架配準(zhǔn)算法的標(biāo)準(zhǔn)。但對(duì)標(biāo)記物的放置要求高，只能用于同一患者不同影像模式之間的配準(zhǔn)，不適用于患者之間和患者圖像與圖譜之間的配準(zhǔn)，不能對(duì)歷史圖像做回溯性研究?；趦?nèi)部特征的方法是根據(jù)一些用戶能識(shí)別出的解剖點(diǎn)、醫(yī)學(xué)圖像中相對(duì)運(yùn)動(dòng)較小的結(jié)構(gòu)及圖像內(nèi)部體素的灰度信息進(jìn)行配準(zhǔn)。基于內(nèi)部特征的方法包括手工交互法、對(duì)應(yīng)點(diǎn)配準(zhǔn)法、結(jié)構(gòu)配準(zhǔn)法、矩配準(zhǔn)法及相關(guān)配準(zhǔn)法。基于內(nèi)部特征的圖像配準(zhǔn)是一種交互性方法，可以進(jìn)行回顧性研究，不會(huì)造成患者不適，故基于內(nèi)部特征的圖像配準(zhǔn)成為研究的重點(diǎn)。

近年來(lái)，醫(yī)學(xué)圖像配準(zhǔn)技術(shù)有了新的進(jìn)展，在配準(zhǔn)方法上應(yīng)用了信息學(xué)的理論和方法，例如應(yīng)用較大化的互信息量作為配準(zhǔn)準(zhǔn)則進(jìn)行圖像的配準(zhǔn)，在配準(zhǔn)對(duì)象方面從二維圖像發(fā)展到三維多模醫(yī)學(xué)圖像的配準(zhǔn)。例如Luo等利用較大互信息法對(duì)CT-MR和MR-PET三維全腦數(shù)據(jù)進(jìn)行了配準(zhǔn)，結(jié)果全部達(dá)到亞像素級(jí)配準(zhǔn)精度。在醫(yī)學(xué)圖像配準(zhǔn)技術(shù)方面引入信號(hào)處理技術(shù)，例如傅氏變換和小波變換。小波技術(shù)在空間和頻域上具有良好的局部特性，在空間和頻域都具有較高的分辨率，應(yīng)用小波技術(shù)多分辨地描述圖像細(xì)貌，使圖像由粗到細(xì)的分級(jí)快速匹配，是近年來(lái)醫(yī)學(xué)圖像配準(zhǔn)的發(fā)展之一。國(guó)內(nèi)外學(xué)者在這方面作了大量的工作，如Sharman等提出了一種基于小波變換的自動(dòng)配準(zhǔn)剛體圖像方法，使用小波變換獲得多模圖像特征點(diǎn)然后進(jìn)行圖像配準(zhǔn)，提高了配準(zhǔn)的性。另外，非線性配準(zhǔn)也是近年來(lái)研究的熱點(diǎn)，它對(duì)于非剛性對(duì)象的圖像配準(zhǔn)更加適用，配準(zhǔn)結(jié)果更加。

目前許多醫(yī)學(xué)圖像配準(zhǔn)技術(shù)主要是針對(duì)剛性體的配準(zhǔn)，非剛性圖像的配準(zhǔn)雖然已經(jīng)提出一些解決的方法，但同剛性圖像相比還不成熟。另外，醫(yī)學(xué)圖像配準(zhǔn)缺少實(shí)時(shí)性和性及有效的全自動(dòng)的配準(zhǔn)策略。向快速和方面改進(jìn)算法，使用化策略改進(jìn)圖像配準(zhǔn)以及對(duì)非剛性圖像配準(zhǔn)的研究是今后醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的發(fā)展方向。

4.2醫(yī)學(xué)圖像融合

圖像融合的主要目的是通過(guò)對(duì)多幅圖像間的冗余數(shù)據(jù)的處理來(lái)提高圖像的可讀性,對(duì)多幅圖像間的互補(bǔ)信息的處理來(lái)提高圖像的清晰度。不同的醫(yī)學(xué)影像設(shè)備獲取的影像反映了不同的信息：功能圖像（SPECT、PET等）分辨率較差，但它提供的臟器功能代謝和血液流動(dòng)信息是解剖圖像所不能替代的；解剖圖像（CT、MRI、B超等）以較高的分辨率提供了臟器的解剖形態(tài)信息，其中CT有利于更致密的組織的探測(cè)，而MRI能夠提供軟組織的更多信息。多模態(tài)醫(yī)學(xué)圖像的融合把有價(jià)值的生理功能信息與的解剖結(jié)構(gòu)結(jié)合在一起，可以為臨床提供更加和的資料。

醫(yī)學(xué)圖像的融合可分為圖像融合的基礎(chǔ)和融合圖像的顯示。（1）圖像融合的基礎(chǔ)：目前的圖像融合技術(shù)可以分為2大類，一類是以圖像像素為基礎(chǔ)的融合法；另一類是以圖像特征為基礎(chǔ)的融合方法。以圖像像素為基礎(chǔ)的融合法模型可以表示為：

其中，為融合圖像，為源圖像，為相應(yīng)的權(quán)重。以圖像特征為基礎(chǔ)的融合方法在原理上不夠直觀且算法復(fù)雜，但是其實(shí)現(xiàn)效果較好。圖像融合的步驟一般為：①將源圖像分別變換至一定變換域上；②在變換域上設(shè)計(jì)一定特征選擇規(guī)則；③根據(jù)選取的規(guī)則在變換域上創(chuàng)建融合圖像；④逆變換重建融合圖像。（2）融合圖像的顯示：融合圖像的顯示方法可分成2種：空間維顯示和時(shí)間維顯示。

目前，醫(yī)學(xué)圖像融合技術(shù)中還存在較多困難與不足。首先，基本的理論框架和有效的廣義融合模型尚未形成。以致現(xiàn)有的技術(shù)方法還只是針對(duì)具體病癥、具體問(wèn)題發(fā)揮作用，通用性相對(duì)較弱。研究的圖像以CT、MRI、核醫(yī)學(xué)圖像為主，超聲等成本較低的圖像研究較少且研究主要集中于大腦、腫瘤成像等；其次，由于成像系統(tǒng)的成像原理的差異，其圖像采集方式、格式以及圖像的大小、質(zhì)量、空間與時(shí)間特性等差異大，因此研究穩(wěn)定且精度較高的全自動(dòng)醫(yī)學(xué)圖像配準(zhǔn)與融合方法是圖像融合技術(shù)的難點(diǎn)之一；，缺乏能夠客觀評(píng)價(jià)不同融合方法融合效果優(yōu)劣的標(biāo)準(zhǔn)，通常用目測(cè)的方法比較融合效果，有時(shí)還需要利用到醫(yī)生的經(jīng)驗(yàn)。

在圖像融合技術(shù)研究中，不斷有新的方法出現(xiàn)，其中小波變換在圖像融合中的應(yīng)用，基于有限元分析的非線性配準(zhǔn)以及人工智能技術(shù)在圖像融合中的應(yīng)用將是今后圖像融合研究的熱點(diǎn)與方向。隨著三維重建顯示技術(shù)的發(fā)展，三維圖像融合技術(shù)的研究也越來(lái)越受到重視，三維圖像的融合和信息表達(dá)，也將是圖像融合研究的一個(gè)重點(diǎn)。

5．醫(yī)學(xué)圖像紋理分析

一般認(rèn)為圖像的紋理特征描述物體表面灰度或顏色的變化,這種變化與物體自身屬性有關(guān),是某種紋理基元的重復(fù)。Sklansky早在1978年給出了一個(gè)較為適合于醫(yī)學(xué)圖像的紋理定義:“如果圖像的一系列固有的統(tǒng)計(jì)特性或其它的特性是穩(wěn)定的、緩慢變化的或者是近似周期的,那么則認(rèn)為圖像的區(qū)域具有不變的紋理”。紋理的不變性即指紋理圖像的分析結(jié)果不會(huì)受到旋轉(zhuǎn)、平移、以及其它幾何處理的影響。目前從圖像像素之間的關(guān)系角度,紋理分析方法主要包括以下幾種。

5.1統(tǒng)計(jì)法

統(tǒng)計(jì)分析方法主要是基于圖像像素的灰度值的分布與相互關(guān)系,找出反映這些關(guān)系的特征。基本原理是選擇不同的統(tǒng)計(jì)量對(duì)紋理圖像的統(tǒng)計(jì)特征進(jìn)行提取。這類方法一般原理簡(jiǎn)單,較易實(shí)現(xiàn),但適用范圍受到限制。該方法主要適合醫(yī)學(xué)圖像中那些沒(méi)有明顯規(guī)則性的結(jié)構(gòu)圖像,特別適合于具有隨機(jī)的、非均勻性的結(jié)構(gòu)。統(tǒng)計(jì)分析方法中,最常用的是共生矩陣法,其中有灰度共生矩陣(graylevelco-occurrencematrix,GLCM)和灰度—梯度共生矩陣。杜克大學(xué)的R.Voracek等使用GLCM對(duì)肋間周邊區(qū)提取的興趣區(qū)(regionofinterest,ROI)進(jìn)行計(jì)算,測(cè)出了有意義的紋理參數(shù)。另外,還有長(zhǎng)游程法(runlengthmatrix,RLM),其紋理特征包括短游程優(yōu)勢(shì)、長(zhǎng)游程優(yōu)勢(shì)、灰度非均勻化、游程非均勻化、游程百分比等,長(zhǎng)游程法是對(duì)圖像灰度關(guān)系的高階統(tǒng)計(jì),對(duì)于給定的灰度游程,粗的紋理具有較大的游程長(zhǎng)度,而細(xì)的紋理具有較小的游程長(zhǎng)度。

5.2結(jié)構(gòu)法

結(jié)構(gòu)分析方法是分析紋理圖像的結(jié)構(gòu),從中獲取結(jié)構(gòu)特征。結(jié)構(gòu)分析法首先將紋理看成是有許多紋理基元按照一定的位置規(guī)則組成的,然后分兩個(gè)步驟處理（1）提取紋理基元；（2）推論紋理基元位置規(guī)律。目前主要用數(shù)學(xué)形態(tài)學(xué)方法處理紋理圖像,該方法適合于規(guī)則和周期性紋理,但由于醫(yī)學(xué)圖像紋理通常不是很規(guī)則,因此該方法的應(yīng)用也受到限制,實(shí)際中較少采用。

5.3模型法

模型分析方法認(rèn)為一個(gè)像素與其鄰域像素存在某種相互關(guān)系,這種關(guān)系可以是線性的,也可以是符合某種概率關(guān)系的。模型法通常有自回歸模型、馬爾科夫隨機(jī)場(chǎng)模型、Gibbs隨機(jī)場(chǎng)模型、分形模型,這些方法都是用模型系數(shù)來(lái)表征紋理圖像,其關(guān)鍵在于首先要對(duì)紋理圖像的結(jié)構(gòu)進(jìn)行分析以選擇到最適合的模型,其次為如何估計(jì)這些模型系數(shù)。如何通過(guò)求模型參數(shù)來(lái)提取紋理特征,進(jìn)行紋理分析,這類方法存在著計(jì)算量大,自然紋理很難用單一模型表達(dá)的缺點(diǎn)。

5.4頻譜法

頻譜分析方法主要基于濾波器理論，包括傅立葉變換法、Gabor變換法和小波變換法。

1973年Bajcsy使用傅立葉濾波器方法分析紋理。Indhal等利用2-D快速傅立葉變換對(duì)紋理圖像進(jìn)行頻譜分析,從而獲得紋理特征。該方法只能完成圖像的頻率分解,因而獲得的信息不是很充分。1980年Laws對(duì)圖像進(jìn)行傅氏變換,得出圖像的功率譜,從而提取紋理特征進(jìn)行分析。

Gabor函數(shù)可以捕捉到相當(dāng)多的紋理信息,且具有極佳的空間/頻域聯(lián)合分辨率,因此在實(shí)際中獲得了較廣泛的應(yīng)用。小波變換法大體分金子塔形小波變換法和樹(shù)形小波變換法(小波包法)。

小波變換在紋理分析中的應(yīng)用是Mallat在1989年首先提出的,主要用二值小波變換(DiscreteWaveletTransform,DWT),之后各種小波變換被用于抽取紋理特征。傳統(tǒng)的金字塔小波變換在各分解級(jí)僅對(duì)低頻部分進(jìn)行分解,所以利用金字塔小波變換進(jìn)行紋理特征提取是僅利用了紋理圖像低頻子帶的信息,但對(duì)某些紋理,其中高頻子帶仍含有有關(guān)紋理的重要特征信息(如對(duì)具有明顯的不規(guī)則紋理的圖像,即其高頻子帶仍含有有關(guān)紋理的重要特征)得不到利用。使用在每個(gè)分解級(jí)對(duì)所有的頻率通道均進(jìn)行分解的樹(shù)結(jié)構(gòu)小波變換提取特征,能夠較地提取有關(guān)紋理特征。

由于醫(yī)學(xué)圖像及其紋理的復(fù)雜性，目前還不存在通用的適合各類醫(yī)學(xué)圖像進(jìn)行紋理分析的方法，因而對(duì)于各類不同特點(diǎn)的醫(yī)學(xué)圖像就必須采取有針對(duì)性地最適合的紋理分析技術(shù)。另外，在應(yīng)用某一種紋理分析方法對(duì)圖像進(jìn)行分析時(shí)，尋求的紋理特征與紋理參數(shù)也是目前醫(yī)學(xué)圖像紋理分析中的重點(diǎn)和難點(diǎn)。

6．總結(jié)

隨著遠(yuǎn)程醫(yī)療技術(shù)的蓬勃發(fā)展，對(duì)醫(yī)學(xué)圖像處理提出的要求也越來(lái)越高。醫(yī)學(xué)圖像處理技術(shù)發(fā)展至今，各個(gè)學(xué)科的交叉滲透已是發(fā)展的必然趨勢(shì)，其中還有很多亟待解決的問(wèn)題。有效地提高醫(yī)學(xué)圖像處理技術(shù)的水平，與多學(xué)科理論的交叉融合、醫(yī)務(wù)人員和理論技術(shù)人員之間的交流就顯得越來(lái)越重要。多維、多參數(shù)以及多模式圖像在臨床診斷（包括病灶檢測(cè)、定性，臟器功能評(píng)估，血流估計(jì)等）與治療（包括三維定位、體積計(jì)算、外科手術(shù)規(guī)劃等）中將發(fā)揮更大的作用。

醫(yī)學(xué)圖像處理論文:圖像分割技術(shù)在醫(yī)學(xué)圖像處理中的應(yīng)用研究

摘要：通過(guò)圖像分割技術(shù)在醫(yī)學(xué)圖像處理中的應(yīng)用研究，深入理解各種分割方法的理論基礎(chǔ)、應(yīng)用價(jià)值以及優(yōu)缺點(diǎn)，著重研究基于變形模型的分割方法在醫(yī)學(xué)圖像分割中的應(yīng)用，研究該方法的優(yōu)缺點(diǎn)并提出相應(yīng)的改進(jìn)算法。

關(guān)鍵詞：圖像；分割方法

隨著多媒體技術(shù)的迅速發(fā)展，在現(xiàn)代醫(yī)學(xué)中，醫(yī)學(xué)成像技術(shù)已成為其重要分支和不可或缺的診斷、治療及研究工具。計(jì)算機(jī)和醫(yī)學(xué)圖像處理技術(shù)作為這些成像技術(shù)的發(fā)展基礎(chǔ)，帶動(dòng)著現(xiàn)代醫(yī)學(xué)診斷技術(shù)產(chǎn)生著深刻的變革。圖像分割技術(shù)是醫(yī)學(xué)圖像處理和分析中的關(guān)鍵技術(shù)之一，圖像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)表現(xiàn)出一致性或相似性，而在不同區(qū)域內(nèi)表現(xiàn)出明顯的不同；從醫(yī)學(xué)研究和臨床應(yīng)用的角度來(lái)看，圖像分割的目的是對(duì)原始的二維或三維圖像劃分成不同性質(zhì)（如灰度、紋理、形狀等）的區(qū)域，從而把感興趣的區(qū)域提取并顯示出來(lái)，并使它盡可能地接近解剖結(jié)果，為臨床診療和病理學(xué)研究提供的依據(jù)，提高醫(yī)生對(duì)疾病診斷的性。因此，較大限度地利用醫(yī)學(xué)圖像數(shù)據(jù)提供的有用信息，對(duì)于促進(jìn)醫(yī)學(xué)科學(xué)和臨床事業(yè)的發(fā)展具有重大的意義，對(duì)輔助醫(yī)生進(jìn)行醫(yī)學(xué)圖像臨床診斷具有重要的實(shí)用價(jià)值。根據(jù)圖像分割的定義，人們提出了許多種圖像分割的分類方法，大致可以把醫(yī)學(xué)圖像的分割技術(shù)分為以下幾類：

一、基于區(qū)域的圖像分割方法

基于區(qū)域的圖像分割方法是利用同一對(duì)象區(qū)域內(nèi)部的均勻性，依照共同的圖像屬性來(lái)劃分圖像區(qū)域。閾值分割技術(shù)是最常見(jiàn)的、并行分割方法。它是通過(guò)閾值化操作直接把圖像分割成不同的區(qū)域，常用于分割對(duì)象區(qū)域與周圍對(duì)象或背景區(qū)域具有顯著不同灰度級(jí)的圖像。閾值分割算法實(shí)現(xiàn)簡(jiǎn)單，對(duì)于目標(biāo)灰度值相差很大的圖像很有效，常被用于CT圖像中皮膚、骨骼的分割。但是該算法對(duì)于目標(biāo)與背景或目標(biāo)之間灰度差異不明顯的情況，或者目標(biāo)與背景的灰度值范圍有較大重疊的圖像，則難以得到的結(jié)果，而且閾值分割算法對(duì)噪聲非常敏感。

二、基于邊緣檢測(cè)的圖像分割方法

基于邊緣檢測(cè)的圖像分割方法通過(guò)檢測(cè)相鄰像素特征值的突變性來(lái)獲得不同區(qū)域之間的邊緣，能檢測(cè)出圖像存在的所有邊緣。人們?yōu)檫吘墮z測(cè)設(shè)計(jì)了各種檢測(cè)算子，包括提升算子、Sobel算子、Kirsh算子等?；谶吘墮z測(cè)的方法定位精度比較高，但受噪聲影響比基于區(qū)域的方法卻要大得多，所以對(duì)于醫(yī)學(xué)圖像而言，僅僅利用基于邊緣檢測(cè)的分割技術(shù)是難以達(dá)到目的的，絕大部分邊緣檢測(cè)技術(shù)要與其它模型結(jié)合才能得到滿意的結(jié)果。

三、基于數(shù)學(xué)形態(tài)學(xué)的分割方法

數(shù)學(xué)形態(tài)學(xué)是建立在積分幾何和隨機(jī)集理論基礎(chǔ)上的一整套變換、概念和算法?；跀?shù)學(xué)形態(tài)學(xué)的分割方法利用膨脹和腐蝕兩種數(shù)學(xué)形態(tài)學(xué)基本運(yùn)算及其不同邏輯組合構(gòu)成的開(kāi)運(yùn)算和閉運(yùn)算對(duì)圖像進(jìn)行處理，然后再通過(guò)邊緣強(qiáng)度算子就可以檢測(cè)出圖像的邊緣。

四、基于人工神經(jīng)網(wǎng)絡(luò)模型的方法

神經(jīng)網(wǎng)絡(luò)是一種大規(guī)模的并行連接處理系統(tǒng)，它模擬生物，特別是人類大腦的學(xué)習(xí)過(guò)程，具有強(qiáng)大的自學(xué)習(xí)能力和非線性表達(dá)能力?；谏窠?jīng)網(wǎng)絡(luò)的分割方法的基本思想是將圖像影射為某種網(wǎng)絡(luò)，然后把邊緣己知的圖像及其邊緣作為先驗(yàn)知識(shí)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到訓(xùn)練過(guò)程收斂為止。

五、基于模糊集理論的分割方法

醫(yī)學(xué)圖像通常具有模糊和不均勻特性，圖像中的區(qū)域并非總能被明確地劃分。是模糊圖像分割實(shí)施起來(lái)非常復(fù)雜，對(duì)于醫(yī)學(xué)超聲圖像的分割，因?yàn)閳D像質(zhì)量較差，所以更是難以運(yùn)用模糊理論來(lái)實(shí)現(xiàn)。

六、基于分形理論的分割方法

分形分割方法是近年來(lái)新出現(xiàn)的圖像分割方法。自Mandelbrot于1975年系統(tǒng)地提出了分形幾何學(xué)的理論，它已經(jīng)成為研究和處理具有復(fù)雜和不規(guī)則圖形的有力工具。遺憾的是，基于紋理分析的圖像分割一般分辨率比較低，分形理論的應(yīng)用還是比較少的。

七、基于變形模型的分割方法

自二十世紀(jì)八十年代Kass等提出基于變形模型（Snake）的分割方法以來(lái)，對(duì)變形模型的研究和改進(jìn)工作在近十幾年中廣泛地展開(kāi)：如Mclnemey和Terzopoulos從醫(yī)學(xué)圖像分析的角度考察了可變形模型，Brown從配準(zhǔn)的角度考察可變形模型，Audete則純粹從算法的角度考察配準(zhǔn)中的可變形模型，Montagnat則對(duì)可變形表面模型的數(shù)學(xué)描述以及拓?fù)浣Y(jié)構(gòu)的變化做了詳盡的考察。從最近十幾年的研究成果來(lái)看，變形模型已經(jīng)由最初的Snake模型衍生出具有各種不同特點(diǎn)的變形模型，如氣球模型、T-Snake模型、梯度矢量流（Gradient Vector Flow，GVF）變形模型、測(cè)地線模型、基于水平集的變形模型等等。

而主動(dòng)輪廓線模型（Active Contour Model），又稱蛇（Snake）模型，是一條由若干個(gè)點(diǎn)連接起來(lái)的能量最小化的樣條，該樣條同時(shí)受到內(nèi)外力和圖像力的引導(dǎo)而趨向圖像的形狀邊緣。它的一個(gè)很突出的缺點(diǎn)是只能檢測(cè)到圖像的外在輪廓而無(wú)法檢測(cè)圖像的內(nèi)在輪廓，而在醫(yī)學(xué)圖像處理中，很多醫(yī)學(xué)圖像需要我們分割出不同的區(qū)域，而這些區(qū)域可能是相互嵌套的，在這種情況下，必須得到圖像的內(nèi)在輪廓?；赟nake模型的一系列方法，使用Matlab編程實(shí)現(xiàn)并應(yīng)用到醫(yī)學(xué)圖像數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試，并提出對(duì)Snake模型的改進(jìn)算法。希望提出一種新的方法，使得改進(jìn)后的snake模型能夠識(shí)別待檢測(cè)圖像的內(nèi)在輪廓，從而更好的達(dá)到圖像分割的目的。

醫(yī)學(xué)圖像處理論文:基于Matlab GUI的醫(yī)學(xué)圖像處理課程虛擬實(shí)驗(yàn)平臺(tái)設(shè)計(jì)

摘 要：針對(duì)醫(yī)學(xué)生工程技術(shù)缺乏的狀況，分析醫(yī)學(xué)生學(xué)習(xí)醫(yī)學(xué)圖像處理存在的困難，提出利用Matlab圖像處理工具和簡(jiǎn)單的GUI界面，設(shè)計(jì)和構(gòu)建包含醫(yī)學(xué)圖像處理教學(xué)中典型仿真實(shí)例的可視化虛擬實(shí)驗(yàn)平臺(tái)，使醫(yī)學(xué)生熟練掌握實(shí)驗(yàn)基礎(chǔ)知識(shí)及應(yīng)用方法。

關(guān)鍵詞： Matlab；GUI界面；醫(yī)學(xué)圖像處理；虛擬實(shí)驗(yàn)平臺(tái)

醫(yī)學(xué)圖像處理是圖像處理技術(shù)應(yīng)用到醫(yī)學(xué)領(lǐng)域所產(chǎn)生的交叉學(xué)科，具有很強(qiáng)的理論性和實(shí)踐性，也具有知識(shí)面廣、理論難度大、實(shí)驗(yàn)內(nèi)容深的特點(diǎn)[1]。在醫(yī)學(xué)院校開(kāi)設(shè)醫(yī)學(xué)圖像處理課程，不僅教授醫(yī)學(xué)生醫(yī)學(xué)圖像處理的基本原理、方法及編程技術(shù)等，更重要的是培養(yǎng)醫(yī)學(xué)生應(yīng)用所學(xué)知識(shí)的能力。

醫(yī)學(xué)圖像處理教學(xué)需要課堂教授，更需要加強(qiáng)實(shí)踐性教學(xué)環(huán)節(jié)[2-3]，但由于課時(shí)和實(shí)驗(yàn)條件的限制，傳統(tǒng)授課有時(shí)難以達(dá)到教學(xué)要求，而虛擬實(shí)驗(yàn)則可彌補(bǔ)這方面的局限[4]：通過(guò)將Matlab仿真技術(shù)與GUI界面設(shè)計(jì)引入到教學(xué)中，開(kāi)發(fā)可視化的醫(yī)學(xué)圖像處理虛擬實(shí)驗(yàn)平臺(tái)，既取得理想的教學(xué)效果，也可培養(yǎng)醫(yī)學(xué)生的自主學(xué)習(xí)能力、獨(dú)立思考能力和綜合應(yīng)用能力[5]。醫(yī)學(xué)生通過(guò)圖像處理仿真熟悉各種醫(yī)學(xué)圖像處理方法的原理，并通過(guò)調(diào)整參數(shù)，了解參數(shù)變化對(duì)醫(yī)學(xué)圖像處理效果的影響。

1 實(shí)驗(yàn)平臺(tái)的結(jié)構(gòu)

醫(yī)學(xué)圖像處理虛擬實(shí)驗(yàn)平臺(tái)的設(shè)計(jì)思想是結(jié)合醫(yī)學(xué)圖像處理的基本理論，通過(guò)虛擬實(shí)驗(yàn)的方法強(qiáng)化醫(yī)學(xué)圖像處理的基本思想與核心概念，為醫(yī)學(xué)生的理解和應(yīng)用提供幫助[6]。

通過(guò)GUI界面，醫(yī)學(xué)生可選擇任意感興趣的項(xiàng)目或教師指定的項(xiàng)目進(jìn)行仿真實(shí)驗(yàn)[7]。實(shí)驗(yàn)平臺(tái)還提供醫(yī)學(xué)圖像處理相關(guān)課件、圖像處理Matlab編程的教學(xué)視頻、仿真實(shí)驗(yàn)指導(dǎo)書(shū)、拓展實(shí)驗(yàn)題等資料，醫(yī)學(xué)生可利用GUI界面隨時(shí)調(diào)入進(jìn)行自學(xué)。

同時(shí)，實(shí)驗(yàn)平臺(tái)還提供腦腫瘤fmri處理示例，此示例選取于臨床影像三維顯示的實(shí)際應(yīng)用，幫助醫(yī)學(xué)生了解如何將自己所學(xué)的圖像處理知識(shí)應(yīng)用到工作實(shí)踐中，從而提高醫(yī)學(xué)生的綜合素質(zhì)。

根據(jù)教學(xué)計(jì)劃的要求，醫(yī)學(xué)圖像處理虛擬實(shí)驗(yàn)平臺(tái)包含醫(yī)學(xué)圖像處理教學(xué)內(nèi)容中所有典型的實(shí)驗(yàn)項(xiàng)目，具體內(nèi)容如下：

（1）圖像插值實(shí)驗(yàn)。主要分析最近鄰插值（Nearest Interpolation）、雙線性插值（Bilinear Interpolation）和雙三次插值（Bicubic Interpolation）的原理[8]和Matlab編碼。

（2）圖像銳化實(shí)驗(yàn)。主要分析Roberts算子、Prewitt算子和Sobel算子的原理和Matlab編碼，并且比較每種邊緣檢測(cè)算法對(duì)應(yīng)的6個(gè)結(jié)果，包括原圖、直接梯度輸出圖像、門(mén)檻判斷圖像、邊緣規(guī)定圖像、背景規(guī)定圖像和二值圖像。

（3）圖像去噪實(shí)驗(yàn)。主要分析均值濾波、中值濾波、維納濾波等圖像平滑處理算法[9]的原理和Matlab編碼。

（4）圖像融合實(shí)驗(yàn)。主要分析像素灰度值極大/極小融合法、加權(quán)平均融合法、傅里葉變換法的原理[10]和Matlab編碼。

（5）圖像分割實(shí)驗(yàn)。主要分析全局閾值法、大津閾值法、迭代法、較大熵分割法和局部閾值法等圖像分割方法[11]的原理和Matlab編碼。

（6）頭動(dòng)校正實(shí)驗(yàn)。主要研究投影法[12]配準(zhǔn)技術(shù)的原理與Matlab編碼，并且展示投影法頭動(dòng)校正后的效果。

（7）三維可視化實(shí)驗(yàn)。主要研究基于體繪制的三維重建算法[13]原理與Matlab編碼。

例如，在圖像去噪實(shí)驗(yàn)中，加入噪聲的參數(shù)可由用戶自己輸入。針對(duì)噪聲圖像，醫(yī)學(xué)生可以選用不同的平滑算法，自行設(shè)置模板參數(shù)，進(jìn)行圖像去噪處理。通過(guò)觀察加噪效果及比較各種平滑處理算法處理后的結(jié)果，醫(yī)學(xué)生對(duì)平滑算法處理的針對(duì)性、參數(shù)取值范圍和實(shí)驗(yàn)結(jié)果都會(huì)比較熟悉，從而達(dá)到教學(xué)目的（具體操作過(guò)程見(jiàn)第3部分）。

2 實(shí)驗(yàn)平臺(tái)的設(shè)計(jì)

使用Matlab圖形用戶界面開(kāi)發(fā)環(huán)境（Matlab Graphical User Interface Development Environment，GUIDE）創(chuàng)建GUI圖形界面是常用創(chuàng)建Matlab GUI的方法，該方法簡(jiǎn)單易學(xué)，能方便實(shí)現(xiàn)圖形控件的各種功能。醫(yī)學(xué)圖像處理虛擬實(shí)驗(yàn)平臺(tái)的GUI界面主要包括虛擬實(shí)驗(yàn)平臺(tái)主界面、課件界面、實(shí)驗(yàn)名稱界面、各實(shí)驗(yàn)項(xiàng)目界面、教學(xué)視頻界面、腦腫瘤fmri處理示例界面等。

醫(yī)學(xué)圖像處理虛擬實(shí)驗(yàn)平臺(tái)主界面的主要控件為7個(gè)按鈕（Push Button）。按鈕有多個(gè)功能，如函數(shù)的調(diào)入、界面之間的跳轉(zhuǎn)等。將所需控件移入GUI界面，再對(duì)各控件按照程序要求進(jìn)行屬性編輯，修改完成后，點(diǎn)擊GUI界面工具欄中的運(yùn)行按鈕，即可運(yùn)行設(shè)計(jì)完成的GUI界面，Matlab系統(tǒng)會(huì)自動(dòng)生成相應(yīng)的M文件。

設(shè)計(jì)實(shí)驗(yàn)平臺(tái)時(shí)，考慮到醫(yī)學(xué)圖像處理的理論知識(shí)較多，同時(shí)考慮到醫(yī)學(xué)生自學(xué)的要求，將課件與教學(xué)視頻按照由易到難的順序排列。按照教學(xué)要求，設(shè)置7項(xiàng)醫(yī)學(xué)圖像處理實(shí)驗(yàn)，而每個(gè)實(shí)驗(yàn)都有實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)結(jié)果與分析等項(xiàng)目，因此設(shè)置成實(shí)驗(yàn)?zāi)康摹?shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)結(jié)果與分析和返回5個(gè)按鈕，以圖像去噪實(shí)驗(yàn)為例。

通過(guò)“實(shí)驗(yàn)結(jié)果與分析”按鈕就可進(jìn)入仿真界面，進(jìn)行仿真分析，如圖1所示。選取相應(yīng)的文件，輸入相應(yīng)的參數(shù)，點(diǎn)擊對(duì)應(yīng)按鈕，即可對(duì)圖片進(jìn)行加噪去噪處理，并能直接觀察比較處理結(jié)果。

為培養(yǎng)醫(yī)學(xué)生應(yīng)用所學(xué)圖像處理知識(shí)的能力，實(shí)驗(yàn)平臺(tái)設(shè)計(jì)腦腫瘤fmri處理示例板塊。其內(nèi)容是對(duì)腦部fmri原始數(shù)據(jù)進(jìn)行預(yù)處理、放大、圖像分割、體重建等操作，對(duì)腦部進(jìn)行三維可視化[14]。腦部MRI圖像的三維顯示就是指利用一系列的二維腦部MRI圖像重建三維圖像模型并進(jìn)行定性定量分析的技術(shù)。通過(guò)三維重建可以科學(xué)、地重建出被檢物體，避免傳統(tǒng)方法中臨床醫(yī)生通過(guò)自己大X想象的不確定因素[15]。醫(yī)學(xué)生只有親自對(duì)腦部fmri原始數(shù)據(jù)進(jìn)行讀入、預(yù)處理、分割、重建等操作才能得到如圖2所示的腦部輪廓三維圖，從而初步認(rèn)識(shí)自己所學(xué)圖像處理技能的組合應(yīng)用，明確醫(yī)學(xué)圖像處理對(duì)臨床診斷與治療規(guī)劃的意義，達(dá)到學(xué)以致用的效果。

3 仿真實(shí)例分析

每個(gè)實(shí)驗(yàn)項(xiàng)目都提供仿真演示示例。以圖像去噪實(shí)驗(yàn)為例，如圖3所示。首先加入方差為0.02的高斯噪聲，修改完參數(shù)后，點(diǎn)擊加入噪聲按鈕就能得到噪聲圖像，如果均值參數(shù)修改為除0以外的任何數(shù)，則不會(huì)顯示任何圖像。然后針對(duì)生成的噪聲圖像，對(duì)其進(jìn)行中值濾波處理、均值濾波處理和維納濾波處理。每次進(jìn)行處理前，都需要輸入模板尺寸，模板尺寸越大，去噪效果越明顯，但是圖像丟失信息也會(huì)更加嚴(yán)重。醫(yī)學(xué)生可通過(guò)反復(fù)修改模板尺寸，比對(duì)每次處理結(jié)果，選出的模板參數(shù)。進(jìn)行三種濾波處理后，醫(yī)學(xué)生可根據(jù)三種濾波處理后的結(jié)果來(lái)總結(jié)每種濾波處理的特點(diǎn)與效果。，醫(yī)學(xué)生如果有學(xué)習(xí)或者校驗(yàn)代碼的需要，可以點(diǎn)開(kāi)對(duì)應(yīng)的主要代碼查看按鈕進(jìn)行代碼查看。

4 虛擬實(shí)驗(yàn)平臺(tái)的使用與評(píng)價(jià)

醫(yī)學(xué)圖像處理虛擬實(shí)驗(yàn)平臺(tái)的Matlab文件編譯完畢后，生成的可執(zhí)行文件需要Matlab運(yùn)行環(huán)境的支持，如果要將此軟件到其他沒(méi)有Matlab運(yùn)行環(huán)境的機(jī)器，還需要進(jìn)行一項(xiàng)工作，即打包Matlab組件運(yùn)行環(huán)境（Matlab Component Runtime，MCR）[16]。建議采用專業(yè)的安裝包制作軟件Setup Factory將MCR與軟件一起打包，設(shè)置代碼使得安裝包解壓完畢后，自動(dòng)安裝MCR。安裝完成后，點(diǎn)擊編譯的Matlab可執(zhí)行程序，即可運(yùn)行醫(yī)學(xué)圖像處理虛擬實(shí)驗(yàn)平臺(tái)。

經(jīng)過(guò)醫(yī)學(xué)圖像處理選修課投入使用后，醫(yī)學(xué)生的學(xué)習(xí)積極性顯著提高。除課堂授課外，大多數(shù)醫(yī)學(xué)生在課后通過(guò)虛擬實(shí)驗(yàn)平臺(tái)進(jìn)行理論自學(xué)和題目自測(cè)，使得總體考核成績(jī)明顯上升，教學(xué)質(zhì)量顯著提高。

5 結(jié) 語(yǔ)

醫(yī)學(xué)生可通過(guò)觀察平臺(tái)實(shí)驗(yàn)在不同方法不同參數(shù)下的實(shí)驗(yàn)結(jié)果并進(jìn)行分析，驗(yàn)證圖像處理的基本理論。由于醫(yī)學(xué)圖像處理虛擬實(shí)驗(yàn)平臺(tái)軟件的可移植性強(qiáng)，所以醫(yī)學(xué)生可以不受時(shí)間和地點(diǎn)的限制，在課程學(xué)習(xí)階段、復(fù)習(xí)階段均可充分利用虛擬實(shí)驗(yàn)平臺(tái)提供的功能，不斷鞏固所學(xué)的圖像處理知識(shí)，提高自主學(xué)習(xí)能力與思維能力。

醫(yī)學(xué)圖像處理論文:研究生教育中醫(yī)學(xué)圖像處理課程教學(xué)研究

[摘 要]隨著電子技術(shù)、信息技術(shù)和計(jì)算機(jī)技術(shù)的不斷發(fā)展，各種醫(yī)學(xué)影像設(shè)備在醫(yī)院中廣泛使用，服務(wù)于醫(yī)療診療的各個(gè)方面。醫(yī)學(xué)圖像處理技能已成為醫(yī)務(wù)工作者的基礎(chǔ)職業(yè)需求，尤其是針對(duì)高層次的醫(yī)學(xué)研究生。本文針對(duì)研究生的醫(yī)學(xué)圖像課程進(jìn)行解析，分析了醫(yī)學(xué)圖像處理課程的教學(xué)現(xiàn)狀，并就未來(lái)發(fā)展的關(guān)鍵點(diǎn)進(jìn)行了探討。本文的研究對(duì)明確研究生醫(yī)學(xué)圖像處理課程的教學(xué)、指導(dǎo)、未來(lái)發(fā)展具有重要意義。

[關(guān)鍵詞]研究生教育；醫(yī)學(xué)圖像處理；教學(xué)

為滿足醫(yī)學(xué)研究生對(duì)醫(yī)學(xué)圖像加工處理需求不斷增加的現(xiàn)狀，各醫(yī)學(xué)院校在醫(yī)學(xué)研究生的計(jì)算機(jī)教學(xué)中紛紛引入了醫(yī)學(xué)圖像處理課程。其目的在于使學(xué)習(xí)者能夠適應(yīng)醫(yī)學(xué)影像設(shè)備在醫(yī)院廣泛應(yīng)用的現(xiàn)狀，掌握基礎(chǔ)的、主流的相關(guān)醫(yī)學(xué)圖像處理的計(jì)算機(jī)數(shù)字處理技能。醫(yī)學(xué)圖像處理是圍繞計(jì)算機(jī)技術(shù)、電子技術(shù)、信息技術(shù)和醫(yī)學(xué)影像技術(shù)的多學(xué)科交叉性的學(xué)科，其以計(jì)算機(jī)為載體和主要工具，對(duì)不同醫(yī)學(xué)影像設(shè)備所采集和生成的醫(yī)學(xué)影像進(jìn)行目的性的二次處理，進(jìn)而輔助于醫(yī)療工作。

涉及數(shù)字圖像處理的醫(yī)學(xué)圖像主要包括：計(jì)算機(jī)射線照相檢測(cè)（Computed Radiography，簡(jiǎn)稱CR ），數(shù)字化X射線照相檢測(cè)（Digital Radiography，簡(jiǎn)稱DR），計(jì)算機(jī)斷層掃描成像（Computed Tomography，簡(jiǎn)稱CT），磁共振成像（Magnetic Resonance Imaging，簡(jiǎn)稱MRI），正電子發(fā)射機(jī)斷層掃描成像（Positron Emission Tomography，簡(jiǎn)稱PET），超聲成像（Ultrasound，簡(jiǎn)稱US）等。對(duì)學(xué)習(xí)者來(lái)說(shuō)：首先是通過(guò)醫(yī)療圖像設(shè)備獲取相應(yīng)的醫(yī)學(xué)圖像；其次是了解待處理的圖像及其特征，并根據(jù)實(shí)際需要設(shè)計(jì)相應(yīng)的計(jì)算機(jī)算法方案；再次是使用相應(yīng)的圖像處理工具（Photoshop或Matlab）按照算法方案進(jìn)行特定圖像的處理；是對(duì)處理結(jié)果進(jìn)行驗(yàn)證，如果結(jié)果具有性、實(shí)用性則將處理結(jié)果用于醫(yī)療。

醫(yī)學(xué)圖像處理課程教學(xué)是基于圖像處理的理論，針對(duì)醫(yī)學(xué)中醫(yī)學(xué)圖像相關(guān)內(nèi)容，結(jié)合醫(yī)學(xué)圖像處理的過(guò)程而展開(kāi)的教學(xué)活動(dòng)。

1 醫(yī)學(xué)圖像處理課程分析

本文以S醫(yī)科大學(xué)為例，對(duì)其研究生的醫(yī)學(xué)圖像處理課程進(jìn)行了剖析。

在課程基礎(chǔ)方面，需要完成醫(yī)學(xué)影像學(xué)基礎(chǔ)、計(jì)算機(jī)公共基礎(chǔ)學(xué)、醫(yī)學(xué)診斷學(xué)等部分課程；在課程實(shí)踐方面，需要有計(jì)算機(jī)實(shí)踐中心作為支持，并具備計(jì)算機(jī)應(yīng)用環(huán)境，安裝Photoshop和Matlab等專業(yè)處理軟件；在教學(xué)時(shí)間方面，依據(jù)內(nèi)容為64學(xué)時(shí)；在教學(xué)內(nèi)容方面，依據(jù)聶生東 等編著，由復(fù)旦大學(xué)出版社出版的《醫(yī)學(xué)圖像處理》教材為準(zhǔn)，教學(xué)內(nèi)容涵蓋了醫(yī)學(xué)圖像處理的基本概念、典型方法和使用技術(shù)三個(gè)主要方面，具體內(nèi)容如表1所示。在教學(xué)考核方面，將理論性考核與技能實(shí)踐性考核相結(jié)合，實(shí)現(xiàn)綜合性評(píng)價(jià)。

2 醫(yī)學(xué)圖像處理課程的教學(xué)現(xiàn)狀

為進(jìn)一步對(duì)研究生醫(yī)學(xué)圖像處理教學(xué)進(jìn)行分析，本文對(duì)部分醫(yī)學(xué)院校的醫(yī)學(xué)圖像處理課程教學(xué)現(xiàn)狀進(jìn)行了系統(tǒng)的調(diào)查分析，以下為調(diào)查結(jié)果。

2.1 對(duì)醫(yī)學(xué)圖像處理教學(xué)的重視程度不足

首先，調(diào)查顯示近50%的醫(yī)學(xué)院校沒(méi)有針對(duì)研究生開(kāi)設(shè)獨(dú)立的醫(yī)學(xué)圖像處理課程，而是部分地將相應(yīng)的教學(xué)內(nèi)容移入到研究生計(jì)算機(jī)教學(xué)的部分章節(jié)，課時(shí)少、內(nèi)容概括，難以達(dá)到相應(yīng)的教學(xué)目標(biāo)。其次，在已開(kāi)設(shè)醫(yī)學(xué)圖像處理課程的學(xué)校，超過(guò)30%的學(xué)校將其設(shè)定為非指定選修課或者為影像專業(yè)的專業(yè)考查課。

2.2 教學(xué)內(nèi)容簡(jiǎn)單

醫(yī)學(xué)圖像處理課程是多學(xué)科的交叉性邊緣學(xué)科，其對(duì)計(jì)算機(jī)使用及編程內(nèi)容要求較高，同時(shí)涉及很多數(shù)學(xué)建模、算法問(wèn)題，教師在教學(xué)中發(fā)現(xiàn)這對(duì)醫(yī)學(xué)研究生的學(xué)習(xí)和運(yùn)用具有較高的難度，因此實(shí)際教學(xué)中內(nèi)容難以深入，難以實(shí)現(xiàn)其教學(xué)目標(biāo)的要求。

2.3 教學(xué)工具單一，難以滿足教學(xué)要求

調(diào)查顯示，70%以上的醫(yī)學(xué)圖像處理課程使用的是Adobe公司的Photoshop軟件工具，不容置疑Photoshop是功能強(qiáng)大的圖像編輯處理軟件，但醫(yī)學(xué)圖像處理很大程度上要設(shè)計(jì)特定算法及組合方案，是更高級(jí)的圖像處理，如邊緣檢測(cè)、對(duì)象識(shí)別、智能分析和配準(zhǔn)等，這是Photoshop難以實(shí)現(xiàn)的。目前，公認(rèn)圖像處理課程教學(xué)中較好的軟件是具有編程功能的Matlab和C++等工具。

2.4 缺乏合理的教W團(tuán)隊(duì)

目前，90%的醫(yī)學(xué)圖像處理課程的教學(xué)工作由從事計(jì)算機(jī)教育工作的教師承擔(dān)，其重要問(wèn)題在于計(jì)算機(jī)教師屬于理工學(xué)科范疇，其對(duì)醫(yī)學(xué)相關(guān)問(wèn)題的研究和理解有限，難以實(shí)現(xiàn)圖像處理與醫(yī)學(xué)問(wèn)題的結(jié)合。同時(shí)，這個(gè)問(wèn)題也體現(xiàn)在醫(yī)學(xué)圖像處理的教材中，縱觀現(xiàn)有的醫(yī)學(xué)圖像處理教材，其作者90%以上為計(jì)算機(jī)領(lǐng)域的研究者，導(dǎo)致教材只是在淺層實(shí)現(xiàn)圖像處理向醫(yī)學(xué)方向的靠攏。還有部分院校的醫(yī)學(xué)圖像處理課程由醫(yī)學(xué)影像專業(yè)的教師承擔(dān)，其問(wèn)題表現(xiàn)在相應(yīng)的教師沒(méi)有較深的計(jì)算機(jī)圖像處理素養(yǎng)。

2.5 其他方面

除了上述主要問(wèn)題外，研究生的醫(yī)學(xué)圖像處理課程的問(wèn)題還表現(xiàn)在教學(xué)實(shí)踐性差，教學(xué)案例醫(yī)學(xué)針對(duì)性不足，教材內(nèi)容可用性不強(qiáng)等方面。

3 醫(yī)學(xué)圖像處理課程的發(fā)展對(duì)策

基于研究生醫(yī)學(xué)圖像處理課程的限制和主要問(wèn)題，未來(lái)醫(yī)學(xué)圖像處理課程要想在一個(gè)良性的發(fā)展軌道上運(yùn)行，必須注重以下幾個(gè)方面。

3.1 提高認(rèn)知程度

國(guó)家教育管理機(jī)構(gòu)、各級(jí)醫(yī)學(xué)院校和學(xué)習(xí)者本人都要認(rèn)識(shí)到醫(yī)學(xué)圖像處理相關(guān)的知識(shí)和技能在醫(yī)務(wù)工作者未來(lái)工作中的重要性。當(dāng)今社會(huì)已經(jīng)步入了全信息化時(shí)代、綜合素質(zhì)時(shí)代和高科技時(shí)代，相關(guān)人員一定要認(rèn)識(shí)、并重視醫(yī)學(xué)圖像處理在輔助醫(yī)學(xué)診療中所具有的極其重要的作用。

3.2 組建合理的醫(yī)學(xué)圖像處理課程體系

醫(yī)學(xué)圖像處理的多學(xué)科性要求其學(xué)習(xí)者要有一定的多學(xué)科知識(shí)和技能基礎(chǔ)，這也是醫(yī)學(xué)圖像處理可以進(jìn)行深入學(xué)習(xí)的前提。因此，要在醫(yī)學(xué)本科生階段構(gòu)建計(jì)算機(jī)基礎(chǔ)、程序設(shè)計(jì)基礎(chǔ)、醫(yī)學(xué)診斷學(xué)、影像學(xué)等知識(shí)基礎(chǔ)架構(gòu)，使醫(yī)學(xué)圖像處理成為這些課程的延續(xù)與深入。

3.3 組建醫(yī)學(xué)圖像處理領(lǐng)域的科研教學(xué)團(tuán)隊(duì)

教學(xué)是大學(xué)教師最基本的工作職能，同時(shí)大學(xué)教師還有科學(xué)研究的義務(wù)。組建醫(yī)學(xué)圖像領(lǐng)域的科研教學(xué)團(tuán)隊(duì)，將多學(xué)科的教學(xué)研究者，以科研為目標(biāo)組合到一起，實(shí)現(xiàn)彼此間的交流、合作和領(lǐng)域滲透，打破目前教學(xué)在師資方面的限制。

3.4 建設(shè)醫(yī)學(xué)圖像處理實(shí)例資源庫(kù)

醫(yī)學(xué)圖像處理實(shí)例是提高課程針對(duì)性，明確未來(lái)業(yè)務(wù)需求，提高學(xué)生學(xué)習(xí)興趣等的最直接手段。要想使醫(yī)學(xué)圖像課程可持續(xù)發(fā)展，建設(shè)醫(yī)學(xué)圖像處理實(shí)例資源庫(kù)是十分必要的。

3.5 采用先進(jìn)的教學(xué)形式，注重教學(xué)環(huán)境的建設(shè)

醫(yī)學(xué)圖像處理課程在定位上比較注重于研究生醫(yī)學(xué)圖像處理技能的培養(yǎng)，是實(shí)用技能的素質(zhì)教育，因此，實(shí)踐教學(xué)尤為重要。傳統(tǒng)的教學(xué)模式難以滿足現(xiàn)在的教學(xué)需求，因此，應(yīng)注重新教學(xué)形式的引入，如以任務(wù)為驅(qū)動(dòng)的教學(xué)模式、SPOC教學(xué)模式等。同時(shí)，要進(jìn)一步加強(qiáng)教學(xué)環(huán)境的建設(shè)，構(gòu)建高性能、全數(shù)字化的教學(xué)設(shè)施和教學(xué)實(shí)踐平臺(tái)環(huán)境，這也是教學(xué)的基礎(chǔ)保障。

3.6 依托互聯(lián)網(wǎng)實(shí)現(xiàn)醫(yī)學(xué)圖像處理教育的延續(xù)

目前，限制醫(yī)學(xué)圖像處理教學(xué)效果的另一因素是教學(xué)學(xué)時(shí)有限。醫(yī)學(xué)圖像處理是一個(gè)系統(tǒng)的理論和工程，有限的教學(xué)學(xué)時(shí)嚴(yán)重阻礙了學(xué)習(xí)的深入性和可持續(xù)性，因此，應(yīng)借助互聯(lián)網(wǎng)等現(xiàn)有的科技形式對(duì)教學(xué)進(jìn)行進(jìn)一步延續(xù)。

4 結(jié) 語(yǔ)

隨著信息時(shí)代、高科技時(shí)代和多媒體時(shí)代的到來(lái)，醫(yī)療診治的工作中包含大量的診療相關(guān)圖像，這些醫(yī)學(xué)圖像作為醫(yī)學(xué)診療的輔助，具有重要的價(jià)值。因此，醫(yī)療相關(guān)工作者必須掌握醫(yī)學(xué)圖像處理的相關(guān)知識(shí)和技能，提高自己的綜合素質(zhì)，發(fā)現(xiàn)、獲取、提并利用這些醫(yī)療圖像的價(jià)值。醫(yī)學(xué)圖像處理課程正是在這樣的需求下進(jìn)入到大學(xué)教育體系中，為了更好地完成相應(yīng)課程的教學(xué)工作，本文以研究生為例對(duì)醫(yī)學(xué)圖像處理課程教學(xué)進(jìn)行了剖析，并從課程教學(xué)的現(xiàn)狀和發(fā)展對(duì)策兩個(gè)主要方面進(jìn)行了闡述，以期對(duì)未來(lái)研究生醫(yī)學(xué)圖像處理課程的發(fā)展具有指導(dǎo)和借鑒意義。

醫(yī)學(xué)圖像處理論文:計(jì)算機(jī)圖像處理技術(shù)在醫(yī)學(xué)影像中的進(jìn)展與應(yīng)用

摘要：在網(wǎng)絡(luò)時(shí)代，隨著人們生活條件的改善以及移動(dòng)醫(yī)療改革的加深加快，對(duì)醫(yī)務(wù)工作者的臨床診斷工作有了新的標(biāo)準(zhǔn)和要求。不同于古代中醫(yī)的“望、聞、問(wèn)、切”，現(xiàn)代醫(yī)療追求的是盡可能快速、地確定人體病變的位置，再對(duì)其進(jìn)行針對(duì)性的有效治療。實(shí)踐中，為了減少醫(yī)療事故的發(fā)生概率以及提高醫(yī)生診斷的性，臨床診斷中迫切需要引進(jìn)精密的醫(yī)學(xué)儀器、設(shè)備與技術(shù)。其中，醫(yī)學(xué)影像技術(shù)以其快速、直觀、無(wú)創(chuàng)的特點(diǎn)日益成為醫(yī)生診斷病情的關(guān)鍵性依據(jù)和現(xiàn)代醫(yī)學(xué)領(lǐng)域不可或缺的重要輔助技術(shù)，然而，由于受醫(yī)療成像設(shè)備、人為的操作控制和自然環(huán)境中的噪聲等影響，在實(shí)際的醫(yī)療工作中捕獲的數(shù)字圖像影像或多或少的存在著諸如噪聲、邊緣不清、病灶不清、對(duì)比度不強(qiáng)等問(wèn)題，這就給?？漆t(yī)生的精準(zhǔn)診斷帶來(lái)了困難。而計(jì)算機(jī)數(shù)字圖像處理技術(shù)在醫(yī)學(xué)影像技術(shù)上的應(yīng)用可以消除影響數(shù)字影像成像的不利因素，因此探討醫(yī)學(xué)影像的數(shù)字圖像處理方法具有臨床上的實(shí)際應(yīng)用意義。

關(guān)鍵詞：移動(dòng)醫(yī)療；數(shù)字圖像處理；醫(yī)學(xué)影像

隨著科學(xué)技g的快速發(fā)展和生活質(zhì)量的提高，健康問(wèn)題已成為大家關(guān)注的焦點(diǎn)。然而生活環(huán)境的污染、飲食結(jié)構(gòu)的不健康和長(zhǎng)期處于現(xiàn)代職場(chǎng)高壓環(huán)境之下，很多人的身體出現(xiàn)亞健康狀態(tài)：頭痛、胸悶、失眠等健康問(wèn)題困擾著現(xiàn)代職場(chǎng)白領(lǐng)，長(zhǎng)期以往，身體不堪重負(fù)，疾病隨之而來(lái)。面對(duì)這種情況，早期發(fā)現(xiàn)、早期治療既可以減輕患者病痛，提高預(yù)后水平，又可以減少患者的經(jīng)濟(jì)支出。因此，對(duì)疾病問(wèn)題的早期診斷就成為國(guó)內(nèi)外醫(yī)學(xué)界關(guān)注的焦點(diǎn)。

然而由于醫(yī)患交流以及過(guò)去醫(yī)學(xué)影像不清晰、保管難等問(wèn)題，始終制約了精準(zhǔn)醫(yī)療的發(fā)展。目前隨著科學(xué)技術(shù)的進(jìn)步和互聯(lián)網(wǎng)技術(shù)的突飛猛進(jìn)，影像學(xué)被越來(lái)越多的應(yīng)用到各種疾病的檢查中去，醫(yī)生讀片診病，影像成了醫(yī)生重要的診斷輔助工具，難以被低估，不能被替代。隨之影像學(xué)科也成了當(dāng)今迅速發(fā)展起來(lái)的一門(mén)綜合學(xué)科，多門(mén)課程如通訊、計(jì)算機(jī)、醫(yī)療交叉，為醫(yī)務(wù)工作者提供盡可能的輔助診療方法，這將是今后影像學(xué)科持續(xù)發(fā)展的重要方面。

日常生活中我們?cè)趯?duì)體內(nèi)和體外的血液細(xì)胞、器官組織進(jìn)行無(wú)損害性檢查時(shí)，通常會(huì)選擇諸如：數(shù)字線攝影、核磁共振、超聲波三維診斷等治療方法，這些拍片式的診斷方法可見(jiàn)即可得，不僅生動(dòng)補(bǔ)充了書(shū)本上的人體正常組織以及病灶組織的解剖學(xué)知識(shí)，同時(shí)對(duì)影像引導(dǎo)下的教學(xué)、檢查、穿刺、手術(shù)等有著不可低估的作用。但是醫(yī)療圖像A生成往往會(huì)因自然界信號(hào)的干擾、信號(hào)傳輸過(guò)程中的衰減、醫(yī)療設(shè)備的成像原理、光線和顯示屏等原因的影響，所顯示出來(lái)的影像像質(zhì)往往不夠清晰、感興趣內(nèi)容不突出，或者不適合人眼觀察或者機(jī)器理解分析，同時(shí)醫(yī)學(xué)影像本身也有圖像分辨率不高導(dǎo)致圖像模糊不清或者無(wú)明顯邊緣、噪聲偏大、結(jié)構(gòu)信息缺乏的問(wèn)題， 最終生成的影像不能定位病變部位以及病變性質(zhì)，臨床診斷面臨各種困難。如果有一種方法能對(duì)生成的醫(yī)學(xué)影像進(jìn)行數(shù)據(jù)處理提高影像的清晰度，增強(qiáng)醫(yī)學(xué)影像的可讀性可分辨性，臨床醫(yī)生可以結(jié)合解剖學(xué)和生理學(xué)對(duì)病變組織有針對(duì)性的觀察并診斷，這將大大提高臨床診斷的率。因此，醫(yī)學(xué)影像的數(shù)字化處理對(duì)醫(yī)療衛(wèi)生、信息技術(shù)、生物科學(xué)等學(xué)科來(lái)說(shuō)無(wú)論在理論研究還是臨床應(yīng)用方面都起著關(guān)鍵作用，這是人類認(rèn)識(shí)疾病并對(duì)之診斷的重要環(huán)節(jié)，這將是一門(mén)具有較強(qiáng)應(yīng)用性和長(zhǎng)遠(yuǎn)發(fā)展性的課題。

1醫(yī)學(xué)影像的發(fā)展及意義

1.1國(guó)內(nèi)外醫(yī)學(xué)影像的背景及對(duì)其圖像處理的意義

1895年德國(guó)物理學(xué)家W.K.倫琴在實(shí)驗(yàn)室拍攝出其夫人手指和的影像，自此 “X射線”被發(fā)現(xiàn)，并被影像學(xué)逐步引進(jìn)到醫(yī)學(xué)領(lǐng)域。經(jīng)過(guò)30多年的研究與應(yīng)用，醫(yī)學(xué)影像起著翻天覆地的變化，隨著計(jì)算機(jī)技術(shù)的引進(jìn)和廣泛應(yīng)用，影像學(xué)科更是呈現(xiàn)出跨度大、知識(shí)交叉密集的特點(diǎn)，如今基于計(jì)算機(jī)算法的圖像處理技術(shù)也已經(jīng)成為醫(yī)學(xué)影像學(xué)中發(fā)展迅速的領(lǐng)域之一。

1971年，英國(guó)科學(xué)家漢斯?基于計(jì)算機(jī)技術(shù)原理設(shè)計(jì)出及時(shí)臺(tái)X-CT診病機(jī)，這一發(fā)明在醫(yī)學(xué)界引起巨大的轟動(dòng)。從此，對(duì)醫(yī)學(xué)影像的數(shù)字成像技術(shù)的研究開(kāi)始發(fā)展壯大，各種醫(yī)療設(shè)備也被開(kāi)發(fā)出來(lái)，它包括計(jì)算機(jī) X線攝影（ Computed Radiography， CR）、數(shù)字 X線攝影（ Digital Radiography， DR）、 X射線計(jì)算機(jī)斷層成像（ X- Computed Tomography，X- CT）、磁共振成像超聲（ Magnetic Resonance， MR），超聲（ Ultrasound）成像、光纖內(nèi)窺鏡圖像、磁共振血管造影術(shù)（ Magnetic Resonance Angiography，MRA）、數(shù)字減影血管造影術(shù)（ Digital Subtraction Angiography， DSA）、單光子發(fā)射斷層成像（ Single Photon Emission Computed Tomography，SPECT）、正電子發(fā)射斷層成像（ Positron Emission Tomography， PET）， EEG腦電圖、 MEG腦磁圖、光學(xué)內(nèi)源成像等。

本文著重論述的 X- CT（ Computed Tomogaphy）意為 X線計(jì)算機(jī)斷層掃描技術(shù)，是用 X線束對(duì)器官組織進(jìn)行斷層掃描，應(yīng)用物理原理來(lái)測(cè)量X射線在人體組織中的衰減系數(shù)或吸收系數(shù)，再經(jīng)計(jì)算機(jī)進(jìn)行數(shù)學(xué)計(jì)算來(lái)對(duì)圖像進(jìn)行三維重建。按照測(cè)量的衰減系數(shù)的數(shù)值排列成一個(gè)二維分布矩陣，計(jì)算出人體被掃描組織斷面上的圖像灰度分布，從而生成斷面圖像。X-CT以它高速、高分辨率、高靈敏度的探測(cè)器螺旋式旋轉(zhuǎn)來(lái)獲取器官組織的多方位、多層次的斷面或立體影像，經(jīng)臨床實(shí)際應(yīng)用，它能發(fā)揮有別于傳統(tǒng)X線檢查的巨大作用。它能綜合反映人體組織在解剖學(xué)方面的功能、性質(zhì)，還能提供人體被拍攝部位的完整三維信息，器官和組織結(jié)構(gòu)清楚顯影，提示病變，已與核磁共振、超聲波等診斷方法一樣成了醫(yī)生獲取信息的重要來(lái)源。并且具有其他醫(yī)學(xué)設(shè)備不可比擬的優(yōu)點(diǎn)，X- CT成像簡(jiǎn)單方便、對(duì)人體損傷小、組織結(jié)構(gòu)密度分辨率高，這在病理學(xué)和解剖學(xué)研究中尤為重要。特別是臨床在對(duì)腫瘤的診斷中X-CT的分辨率要遠(yuǎn)遠(yuǎn)高于其他醫(yī)學(xué)設(shè)備成像，研究顯示在對(duì)于1～2厘米的小腫塊的檢測(cè)上，X-CT顯示率高達(dá)88%，而B(niǎo)超、MRI等僅為48%。在針對(duì)肝臟疾病實(shí)驗(yàn)的拍片中， X-CT可以較清晰的顯示出多種器官病變和功能性狀，如肝癌、肝血管瘤、脂肪肝等，其對(duì)肝癌的診斷率高達(dá)93%，最小分辨率可顯示為1.5厘米，

可以直接觀察到肝靜脈、門(mén)靜脈與腫瘤大小、位置之間的關(guān)系，并能診斷出肝靜脈、門(mén)靜脈有無(wú)癌栓，為醫(yī)生的診療提供了重要依據(jù)。

由于器官病變的位置、病灶大小、病程長(zhǎng)短等自身因素，加上設(shè)備電子元器件、嘈雜的環(huán)境以及人為操作等因素的影響， X- CT在對(duì)病灶做定位影像、定性診斷時(shí)常常會(huì)有所限制，即它能反映出器官的異樣變化，但卻不能反應(yīng)目前器官的生理功能?，F(xiàn)實(shí)工作中采集到的數(shù)字化影像或多或少的存在一些問(wèn)題：偽影、雪花、邊緣不清、病灶不清、對(duì)比度不強(qiáng)……憑借肉眼無(wú)法從整張影像中清晰分辨出病灶部位或者確性病理改變的程度，要想診斷，還需做進(jìn)一步的檢查。

目前，對(duì) X- CT圖像處理進(jìn)行處理大部分的研究還集中在預(yù)處理階段，即研究通過(guò)調(diào)試設(shè)備、提高影像像素、提高出圖效率、減少外界干擾等方式增強(qiáng)醫(yī)學(xué)影像的可讀性和敏感性。而對(duì)于醫(yī)學(xué)影像成像后的處理則相對(duì)冷門(mén)，其中對(duì)部分內(nèi)容的研究也比較單一，如僅僅單獨(dú)研究醫(yī)學(xué)影像的降噪或增強(qiáng)。同時(shí)應(yīng)用降噪、增強(qiáng)、分割技術(shù)來(lái)處理影像的研究較少，理論研究也停留在可行性階段，針對(duì)單一疾病的醫(yī)學(xué)影像處理研究還不常見(jiàn)。

1.2醫(yī)學(xué)影像常用的診斷方法

目前我們常用超聲波、核磁共振、X-CT等設(shè)備生成的醫(yī)學(xué)影像作為輔助診斷方法。其中：超聲波是使用聲波來(lái)探測(cè)病理并生成平面圖像的一種診斷方法，由于其具有方向性好，穿透力強(qiáng)，聲能集中，操作簡(jiǎn)便，能反映出人體組織的灰度形態(tài)和結(jié)構(gòu)等優(yōu)點(diǎn)，被影像科廣泛采用。其中 B型超聲波采用超聲平面成像，在超聲屏上顯示出病變部位周圍有明顯的強(qiáng)弱不等的回聲區(qū)，表現(xiàn)為亮度不等的光點(diǎn)、結(jié)合解剖學(xué)和生理學(xué)知識(shí)，可判斷這些高光區(qū)和暗區(qū)的病變性質(zhì)。且價(jià)格低廉，診斷快速，但缺點(diǎn)是對(duì)于1～2厘米的小腫塊診斷率不到達(dá)48%。

核磁共振是診斷組織病理變化的一種新的方法，通過(guò)層片選擇，頻率編碼，相位編碼，實(shí)現(xiàn)對(duì)接收到的電磁信號(hào)在人體內(nèi)部的定位，根據(jù)接收到的電磁信號(hào)的頻率、相位的差別成像，完成對(duì)器官組織的檢測(cè)。例如：核磁共振檢查原發(fā)性肝癌時(shí)通常表現(xiàn)為信號(hào)改變，T1W1馳豫時(shí)間加權(quán)圖呈低信號(hào)，T2W2加權(quán)圖呈高信號(hào)。其特征性影像為病灶內(nèi)出現(xiàn)粗大引流或供血血管的流空信號(hào)，該信號(hào)提示肝癌結(jié)節(jié)內(nèi)有動(dòng)靜脈短路形成。但缺點(diǎn)在于檢查價(jià)格昂貴，且核磁共振設(shè)備在我國(guó)普及率較低，對(duì)于1～2厘米的小腫塊診斷率較低。

X- CT是用 X線束對(duì)器官組織進(jìn)行斷層掃描，再經(jīng)計(jì)算機(jī)由于分辨率高圖像清晰，能夠掃描到早期剛發(fā)展起來(lái)的較小的腫瘤，這對(duì)病人早診斷早治療不至延誤病情具有重要意義。比如：X- CT肝癌表現(xiàn)與大體病理形態(tài)一致，平掃多為低密度，少數(shù)為等密度或混雜密度，外形不規(guī)則呈球形或結(jié)節(jié)形，邊界模糊。增強(qiáng)掃描表現(xiàn)為低密度區(qū)略縮小，境界變得較為清楚。腫塊中心部位常因腫瘤組織壞死囊變形成極低密度區(qū)。研究顯示在對(duì)于1～2厘米的小腫塊的檢測(cè)上，X-CT顯示率高達(dá)88%。目前X-CT已成為各種疑難雜癥中最重要的診斷方法。

1.3對(duì)醫(yī)學(xué)影像進(jìn)行數(shù)字圖像處理的可行性及意義

在實(shí)際圖像信號(hào)的生成和傳輸過(guò)程中，由于受到醫(yī)療器械自身、人為操作控制和自然界噪聲等干擾的影響，多多少少會(huì)出現(xiàn)細(xì)節(jié)模糊、對(duì)比度差、噪聲較大或存在偽影等問(wèn)題，影響到影像質(zhì)量。且成像是用亮度不等的灰度表示，加上病灶發(fā)展早期其空間形態(tài)變化通常比較小，拍出的片子肉眼很難觀察，誤診和漏診的情況也時(shí)有發(fā)生，致使病情診斷率下降，醫(yī)務(wù)工作者的效率也難以體現(xiàn)。因此，有必要運(yùn)用適當(dāng)?shù)募夹g(shù)和方法來(lái)處理和分析醫(yī)學(xué)影像，提高影像質(zhì)量，這將有助于減少誤診和漏診率，提高診斷率。因此，研究醫(yī)學(xué)影像的計(jì)算機(jī)輔助診斷技術(shù)和數(shù)字圖像處理技術(shù)具有重要的意義和實(shí)用價(jià)值。

在醫(yī)學(xué)影像領(lǐng)域的數(shù)字成像技術(shù)有個(gè)共性：基于計(jì)算機(jī)將圖像采集、顯示、存儲(chǔ)和傳遞分解成各個(gè)獨(dú)立的部分，將每一部分圖像信息分別數(shù)字化，這種共性為我們以后對(duì)各功能模塊進(jìn)行單獨(dú)優(yōu)化提供了便利，對(duì)其實(shí)施圖像數(shù)字信息的后續(xù)處理提供了可行性。

以X-CT成像為例，對(duì)影像進(jìn)行預(yù)處理可以過(guò)濾掉影像上的不利影響，處理掉無(wú)用的信息，保留或恢復(fù)有價(jià)值的信息。通過(guò)過(guò)濾掉不利因素，加強(qiáng)病灶信息的可讀性，突出感興趣部位，清除各種干擾的同時(shí)能保留所攝影像的形態(tài)和邊緣，有效的改善圖像視覺(jué)效果，為醫(yī)生診病提供了依據(jù)和便利，這就達(dá)到了圖像處理的目的。

2數(shù)字圖像處理在醫(yī)學(xué)影像中的具體應(yīng)用

圖像處理（image processing），在醫(yī)學(xué)上也被稱作影像處理，是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)后使用計(jì)算機(jī)對(duì)醫(yī)學(xué)影像處理和分析，提高并改善影像的質(zhì)量供醫(yī)生有效診斷的專業(yè)技術(shù)。將將人設(shè)為對(duì)象，圖像設(shè)為目標(biāo)，輸入低質(zhì)量的圖像，輸入改善后高質(zhì)量的圖像，當(dāng)圖像達(dá)到滿足人的視覺(jué)效果為最終目標(biāo)。圖像處理方法通常有圖像增強(qiáng)、復(fù)原、編碼、壓縮等等。本文將重點(diǎn)討論圖像去噪、增強(qiáng)、分割在醫(yī)學(xué)影像中的應(yīng)用技術(shù)。

2.1圖像去噪

影像的生成和傳輸常常受到自然界各種聲音的干擾導(dǎo)致影像質(zhì)量下降，就像我們?cè)谌粘Ｉ钪薪徽剷r(shí)被其他聲音打擾一樣，在語(yǔ)言中表現(xiàn)為聽(tīng)不清對(duì)方說(shuō)話， 表現(xiàn)到影像上，則是原本很清楚的圖像，因?yàn)闄C(jī)械本身、電子元件、外界雜音等干擾原因產(chǎn)生各種各樣的斑點(diǎn)或條紋，圖像變得模糊不清，此即為圖像噪聲。噪聲的存在勢(shì)必影響后續(xù)對(duì)影像的分割和理解分析，所以圖像去噪是預(yù)處理的重要步驟之一。去噪的方法有很多，結(jié)合影像特點(diǎn)、噪聲的統(tǒng)計(jì)特征及頻譜分布規(guī)律，目前常用均值濾波、中值濾波、低通濾波等算法來(lái)對(duì)圖像進(jìn)行平滑處理。

2.2 圖像增強(qiáng)

圖像增強(qiáng)（image enhancement）是數(shù)字圖像處理領(lǐng)域中的一個(gè)重要分支。影像學(xué)上的圖像增強(qiáng)和復(fù)原的目的是為了提高醫(yī)學(xué)影像的質(zhì)量，清除干擾、降低噪聲，通過(guò)增強(qiáng)清晰度、對(duì)比度、邊緣銳化、偽彩色等來(lái)提高影像的質(zhì)量，或者轉(zhuǎn)換為更適合人觀察或機(jī)器識(shí)別的模式。不同于圖像噪聲，在圖像增強(qiáng)中通常不考慮影像降質(zhì)的原因，它不需要反應(yīng)真實(shí)的原始圖像，只需突出圖像中感興趣的內(nèi)容。但要對(duì)降質(zhì)的原因有所了解，依據(jù)降質(zhì)的原因建立“降質(zhì)模型”，然后各種濾波方法和變換手段增強(qiáng)圖像中的背景與感興趣部位的對(duì)比度，比如：增加圖像高頻分量，被照人體組織輪廓變得清晰，細(xì)節(jié)特征明顯；增加低頻分量，能有效降低噪聲干擾，最終達(dá)到增強(qiáng)圖像清晰度的目的。

圖像增強(qiáng)根據(jù)空間不同可劃分為基于空間域的增強(qiáng)方法和基于頻率域的增強(qiáng)方法?；诳臻g域的增強(qiáng)方法是對(duì)圖像中的各個(gè)像素的灰度值直接處理，算法有直方圖均衡化、直方圖規(guī)定化等；基于頻率域的增強(qiáng)方法不直接處理，而是用傅里葉變換將空間域轉(zhuǎn)換成頻率域，在頻率域?qū)︻l譜進(jìn)行處理，再使用反傅里葉變回到空間域，算法有低通濾波、高通濾波、同態(tài)濾波等。

2.3圖像分割

圖像分割是數(shù)字圖像處理領(lǐng)域的關(guān)鍵技術(shù)之一，目的是將圖像中有意義、感興趣的內(nèi)容從背景里剝離，劃分為各個(gè)互不交叉的區(qū)域。有意義、感興趣的內(nèi)容通常是指圖像區(qū)域、圖像邊緣等。分割是后續(xù)圖像理解分析和識(shí)別工作的前提和依據(jù)。目前已經(jīng)開(kāi)發(fā)出很多邊緣檢測(cè)和區(qū)域分割的算法，但是還沒(méi)有一個(gè)算法對(duì)各種圖像處理都有效。因此對(duì)圖像分割的研究還將繼續(xù)深入，在以后很長(zhǎng)一段時(shí)間將始終是熱門(mén)話題。

圖像分割方法基于灰度值主要?jiǎng)澐譃榛趨^(qū)域內(nèi)部灰度相似性的分割和基于區(qū)域之間灰度不連續(xù)的分割。

（1） 基于區(qū)域內(nèi)部灰度相似性的分割

基于區(qū)域內(nèi)部灰度相似性的分割是確定每個(gè)像素的歸屬區(qū)域（同一區(qū)域內(nèi)部像素是相似的），從而形成一個(gè)區(qū)域圖集，來(lái)對(duì)圖像進(jìn)行分割，常用算法有閾值分割法、形態(tài)學(xué)分割、區(qū)域生長(zhǎng)法、分裂合并法等。

（2） 基于區(qū)域之間灰度不連續(xù)的分割

基于區(qū)域之間灰度不連續(xù)的分割是指先提取區(qū)域邊界，再確定邊界限定的區(qū)域。因?yàn)閳D像中的邊緣部分往往是灰度級(jí)發(fā)生躍變的區(qū)域，根據(jù)像素灰度級(jí)的不連續(xù)性，找出點(diǎn)、線、邊，確定邊緣。常用的算法有邊緣檢測(cè)分割法、Hough變換等。

3結(jié)束語(yǔ)

本文論述了醫(yī)學(xué)影像的起源和發(fā)展，以及互聯(lián)網(wǎng)時(shí)代醫(yī)學(xué)影像對(duì)移動(dòng)醫(yī)療的深遠(yuǎn)影響。但是在影像生成的過(guò)程中不可避免地會(huì)受到成像設(shè)備、人為操作控制與外部環(huán)境噪聲干擾等因素的影響，所呈現(xiàn)的影像或多或少的有諸如噪聲、邊緣不清、病灶不清、對(duì)比度不強(qiáng)等問(wèn)題，影響?？漆t(yī)生的診斷。而計(jì)算機(jī)數(shù)字圖像處理技術(shù)在醫(yī)學(xué)影像技術(shù)上的應(yīng)用恰恰可以消除這些影響數(shù)字化影像成像的不利因素，因此對(duì)醫(yī)學(xué)影像的數(shù)字D像處理方法具有實(shí)際應(yīng)用意義，并就此論述了對(duì)影像進(jìn)行預(yù)處理的幾種應(yīng)用方法。

醫(yī)學(xué)圖像處理論文:《醫(yī)學(xué)圖像處理》課程實(shí)踐性教學(xué)研究與探索

摘要：隨著計(jì)算機(jī)技術(shù)和醫(yī)學(xué)成像技術(shù)的發(fā)展，醫(yī)學(xué)影像分析與處理已經(jīng)進(jìn)入了數(shù)字化、信息化時(shí)代。為了適應(yīng)專業(yè)技術(shù)的發(fā)展趨勢(shì)，為社會(huì)培養(yǎng)出符合時(shí)代需求的生物醫(yī)學(xué)工程人才，大連理工大學(xué)生物醫(yī)學(xué)工程系在《醫(yī)學(xué)圖像處理》課程的實(shí)踐教學(xué)方面開(kāi)展了積極的嘗試，突出實(shí)踐教學(xué)的比重，加強(qiáng)了實(shí)驗(yàn)環(huán)節(jié)與臨床應(yīng)用和科研前沿的聯(lián)系，激發(fā)學(xué)生的學(xué)習(xí)興趣，并有效利用了網(wǎng)絡(luò)慕課教學(xué)與學(xué)生建立起了教學(xué)反饋機(jī)制，收到了良好的教學(xué)效果。

關(guān)鍵詞：醫(yī)學(xué)圖像處理，生物醫(yī)學(xué)工程；實(shí)踐性教學(xué)

醫(yī)學(xué)影像技術(shù)是生物醫(yī)學(xué)工程領(lǐng)域的重要分支，20世紀(jì)的幾大醫(yī)學(xué)科技突破大多圍繞醫(yī)學(xué)影像技術(shù)展開(kāi)。進(jìn)入21世紀(jì)后，醫(yī)學(xué)影像技術(shù)向著數(shù)字化、信息化的方向發(fā)展，特別是近幾年在計(jì)算機(jī)輔助診斷方面取得了較大的進(jìn)展，推動(dòng)了醫(yī)療方式和醫(yī)療體系的變革。為了適應(yīng)時(shí)展的需求，生物醫(yī)學(xué)工程專業(yè)的本科畢業(yè)生不僅應(yīng)該學(xué)習(xí)基本的醫(yī)學(xué)圖像處理理論知識(shí)，更應(yīng)該掌握醫(yī)學(xué)圖像處理的基本編程技巧，具有承擔(dān)初級(jí)醫(yī)學(xué)圖像處理工程項(xiàng)目的能力。為了適應(yīng)醫(yī)學(xué)影像處理技術(shù)的快速進(jìn)步，培養(yǎng)社會(huì)急需的生物醫(yī)學(xué)工程高級(jí)專門(mén)人才，國(guó)內(nèi)許多高校都開(kāi)設(shè)了《醫(yī)學(xué)圖像處理》課程，但是在該門(mén)課程的實(shí)踐教學(xué)方面都處于探索階段[1，2]。大連理工大學(xué)生物醫(yī)學(xué)工程系在《醫(yī)學(xué)圖像處理》的實(shí)踐教學(xué)方面進(jìn)行了積極的探索，通過(guò)突出實(shí)踐教學(xué)比重，豐富實(shí)踐教學(xué)內(nèi)容，緊密聯(lián)系醫(yī)療和工程應(yīng)用，鼓勵(lì)學(xué)生進(jìn)行實(shí)踐鍛煉，充分利用慕課平臺(tái)等一系列措施，有效提升了學(xué)生在醫(yī)學(xué)圖像處理方面的工程實(shí)踐能力，得到了學(xué)生的歡迎，收獲了良好的教學(xué)效果。這里將我系的教學(xué)經(jīng)驗(yàn)進(jìn)行總結(jié)，與讀者分享。

一、理論與實(shí)踐教學(xué)相結(jié)合，加強(qiáng)實(shí)踐教學(xué)比重

為了強(qiáng)化《醫(yī)學(xué)圖像處理》課程的實(shí)踐教學(xué)，我系在2012年對(duì)課程的教學(xué)培養(yǎng)方案做了較大的調(diào)整，將理論教學(xué)與實(shí)踐教學(xué)融合在一起，共設(shè)置56個(gè)學(xué)時(shí)，其中理論部分占32學(xué)時(shí)，實(shí)踐部分占24學(xué)時(shí)。實(shí)踐部分在總學(xué)時(shí)中的比重達(dá)到43%。在教學(xué)時(shí)間的安排上，將理論課程與實(shí)踐課程穿插進(jìn)行，每講解一章理論內(nèi)容，便進(jìn)行一次相關(guān)的實(shí)驗(yàn)教學(xué)，讓同學(xué)通過(guò)親手編程來(lái)實(shí)踐應(yīng)用理論課上學(xué)到的醫(yī)學(xué)圖像處理知識(shí)。通過(guò)這種方式，一方面鍛煉了學(xué)生編寫(xiě)程序的能力，另一方面通過(guò)學(xué)以致用來(lái)強(qiáng)化理論課堂上學(xué)到的知識(shí)。

二、與臨床實(shí)踐相結(jié)合

與其他電子類學(xué)科相比[3]，生物醫(yī)學(xué)工程專業(yè)的一個(gè)突出特點(diǎn)就是以醫(yī)療應(yīng)用為最終目的，因此生物醫(yī)學(xué)工程專業(yè)課程教學(xué)也有必要與醫(yī)療，特別是臨床應(yīng)用相結(jié)合。大連理工大學(xué)生物醫(yī)學(xué)工程系長(zhǎng)期與大連市各家三甲醫(yī)院保持密切的科研和教學(xué)合作關(guān)系，這為《醫(yī)學(xué)圖像處理》課程的實(shí)踐教學(xué)提供了有利的條件。在理論教學(xué)的32個(gè)學(xué)時(shí)中，我們專門(mén)留出12個(gè)學(xué)時(shí)，聘請(qǐng)大連醫(yī)科大學(xué)附屬第二醫(yī)院的主任醫(yī)師來(lái)進(jìn)行教學(xué)。由醫(yī)生承擔(dān)的學(xué)時(shí)雖然是理論課程，但是其教學(xué)內(nèi)容與臨床實(shí)踐緊密結(jié)合，起到了推動(dòng)實(shí)踐教學(xué)的作用。這種聘請(qǐng)醫(yī)生參與教學(xué)的方式，在國(guó)內(nèi)其他工科高等院校的《醫(yī)學(xué)圖像處理》課程教學(xué)中并不多見(jiàn)，極大地開(kāi)闊了工科學(xué)生的視野，在其腦海里埋下了以臨床應(yīng)用為目的觀念，被學(xué)生稱為是一種“接地氣”的教學(xué)方式。除了聘請(qǐng)醫(yī)生走進(jìn)課堂，我們還帶領(lǐng)學(xué)生走出課堂，走進(jìn)醫(yī)院，參觀醫(yī)學(xué)影像的采集和處理過(guò)程，觀察醫(yī)生使用醫(yī)學(xué)圖像處理軟件的操作流程，并將實(shí)際使用的軟件功能與課堂上的理論知識(shí)相對(duì)應(yīng)，讓學(xué)生看到教學(xué)知識(shí)點(diǎn)在臨床中的鮮活實(shí)例，從而進(jìn)一步加深對(duì)理論知識(shí)的理解。走進(jìn)醫(yī)院的實(shí)踐教學(xué)環(huán)節(jié)讓學(xué)生了解到了臨床需求，切實(shí)感受到工程技術(shù)對(duì)病人健康的影響，將“醫(yī)者仁心”的思想傳遞了工程技術(shù)人才，有助于提高生物醫(yī)學(xué)工程專業(yè)學(xué)生的思想品德修養(yǎng)。

三、與實(shí)際工程相結(jié)合

在實(shí)際教學(xué)過(guò)程中，我們發(fā)現(xiàn)不是所有同學(xué)都具有良好的編程天賦，女同學(xué)相比男同學(xué)來(lái)說(shuō)，對(duì)編程具有更多的畏難情緒，而且編程解決實(shí)際問(wèn)題的能力也不是與每個(gè)學(xué)生的理論課成績(jī)成正比的。為此，我們的實(shí)踐教學(xué)目的不僅僅是為了培養(yǎng)少數(shù)編程能力突出的同學(xué)，更是為了讓絕大部分同學(xué)都掌握基本的編程技巧，能夠解決實(shí)際的醫(yī)學(xué)圖像處理問(wèn)題。為了達(dá)到這樣的教學(xué)目的，我們采取了“漸進(jìn)式”的鍛煉方式，將實(shí)驗(yàn)學(xué)時(shí)再細(xì)分為兩個(gè)階段。及時(shí)階段是與理論教學(xué)相穿插的實(shí)驗(yàn)環(huán)節(jié)，第二階段是期末的大作業(yè)環(huán)節(jié)。及時(shí)階段的編程難度較低，并且由任課教師來(lái)逐行講解編程，做到讓絕大部分學(xué)生都能掌握基本的編程語(yǔ)言。通過(guò)這種細(xì)致的手把手的教學(xué)方式，可以讓對(duì)編程有畏難情緒的同學(xué)增強(qiáng)信心，增加對(duì)編程的了解，逐漸培養(yǎng)邏輯思考和程序設(shè)計(jì)能力。通過(guò)及時(shí)階段的培養(yǎng)，大多數(shù)學(xué)生最終可以扔掉“老師”這根拐杖，能夠嘗試在編程的道路上獨(dú)立行走，從而進(jìn)入第二階段的進(jìn)階培養(yǎng)。在期末大作業(yè)中，老師會(huì)從實(shí)際工程項(xiàng)目選擇沒(méi)有標(biāo)準(zhǔn)答案的小項(xiàng)目，讓學(xué)生解決。這些項(xiàng)目的題目往往具有很強(qiáng)的應(yīng)用色彩，如“對(duì)腦部核磁圖像進(jìn)行三維重建并進(jìn)行斷層間的插值”等。這些題目可以有多種解決方案，但是卻在編程軟件的現(xiàn)成函數(shù)庫(kù)中找不到答案，在互聯(lián)網(wǎng)上也搜不到相同的題目，必須自己動(dòng)手、動(dòng)腦來(lái)解決。同時(shí)，期末大作業(yè)中還設(shè)計(jì)了一些看似以“折磨人”為目的的編程題目，如“編寫(xiě)二維圖像的區(qū)域生長(zhǎng)法程序”、“編寫(xiě)三維圖像的直方圖均衡化算法”等，這些題目雖然在編程軟件中有現(xiàn)成的函數(shù)，但是老師的要求是讓學(xué)生自己編程來(lái)重新實(shí)現(xiàn)這些函數(shù)的功能，目的在于鍛煉學(xué)生的編程能力。如果沒(méi)有及時(shí)階段的手把手培養(yǎng)，很多同學(xué)都不敢想象自己可以挑戰(zhàn)這樣的題目，然而結(jié)果是很多學(xué)生編寫(xiě)出了比商業(yè)軟件功能更豐富的程序，極大地增強(qiáng)了學(xué)生的自信心和對(duì)編程的興趣，有學(xué)生反映這是對(duì)他“觸動(dòng)極大”的教學(xué)環(huán)節(jié)。

四、結(jié)合網(wǎng)絡(luò)慕課系統(tǒng)，改善實(shí)踐教學(xué)效果

在《醫(yī)學(xué)圖像處理》課程的建設(shè)過(guò)程中，我們借助網(wǎng)絡(luò)教學(xué)平臺(tái)，完成了網(wǎng)上慕課的建設(shè)，將所有實(shí)驗(yàn)課的講解視頻到慕課平臺(tái)，供學(xué)生們復(fù)習(xí)使用。這種方式收效良好，學(xué)生們?yōu)榱送瓿蓪?shí)驗(yàn)程序的編寫(xiě)，需要隨時(shí)復(fù)習(xí)老師在實(shí)驗(yàn)課程上的講解，因此慕課平臺(tái)中實(shí)驗(yàn)課程的講解錄像的點(diǎn)擊率一直較高，這說(shuō)明學(xué)生們已經(jīng)自覺(jué)地在課后學(xué)習(xí)編程技巧，并將其運(yùn)用到大作業(yè)的完成中。另一方面，慕課平臺(tái)還設(shè)置了師生交流討論區(qū)，由任課老師在網(wǎng)上及時(shí)解答學(xué)生的編程問(wèn)題，這在實(shí)驗(yàn)環(huán)節(jié)的階段對(duì)學(xué)生們完成實(shí)踐題目起到了積極的幫助。慕課平臺(tái)還具備作業(yè)提交和批改功能，方便學(xué)生上傳電子版的實(shí)驗(yàn)報(bào)告，特別是保存已經(jīng)編寫(xiě)的程序，為教學(xué)資源的積累與管理帶來(lái)了方便。

通過(guò)對(duì)實(shí)驗(yàn)實(shí)踐教學(xué)的研究和探索，大連理工大學(xué)的《醫(yī)學(xué)圖像處理》課程初步積累了一系列行之有效的教學(xué)經(jīng)驗(yàn)，形成了自身的特色和優(yōu)勢(shì)，為社會(huì)培養(yǎng)出了具有實(shí)際工程能力的生物醫(yī)學(xué)工程本科人才，畢業(yè)生得到了社會(huì)和用人單位的廣泛認(rèn)可。我們的教學(xué)實(shí)踐仍然在繼續(xù)，并且還將不斷加強(qiáng)實(shí)踐性教學(xué)的研究與建設(shè)，優(yōu)化教學(xué)計(jì)劃與結(jié)構(gòu)，力爭(zhēng)為社會(huì)輸出更高質(zhì)量的醫(yī)學(xué)影像工程人才。

醫(yī)學(xué)圖像處理論文:臨床醫(yī)學(xué)中計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用

【摘要】 隨著科學(xué)技術(shù)的不斷發(fā)展，我國(guó)臨床醫(yī)學(xué)當(dāng)中的計(jì)算機(jī)圖像處理技術(shù)也越來(lái)越成熟。醫(yī)學(xué)影像技術(shù)的發(fā)展就是計(jì)算機(jī)技術(shù)與臨床醫(yī)學(xué)相結(jié)合所產(chǎn)生的。隨著近幾年臨床醫(yī)學(xué)的不斷完善，計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用在醫(yī)學(xué)當(dāng)中所起到的作用也越來(lái)越大。本文基于臨床醫(yī)學(xué)的角度對(duì)計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用進(jìn)行分析。

【關(guān)鍵詞】 臨床醫(yī)學(xué) 科學(xué)技術(shù) 計(jì)算機(jī)圖像處理技術(shù)

當(dāng)前隨著科學(xué)技術(shù)的不斷完善，科學(xué)技術(shù)對(duì)各行各業(yè)所帶來(lái)的改變也是有目共睹的，。因此，我們可以看到在臨床醫(yī)學(xué)當(dāng)中，僅僅依靠以往的圖像處理技術(shù)是難以跟上時(shí)代的。[1]為此，將臨床醫(yī)學(xué)與計(jì)算機(jī)技術(shù)相融合，多學(xué)科的交叉可以促進(jìn)計(jì)算機(jī)圖像處理技術(shù)的發(fā)展。并且，借助計(jì)算機(jī)圖像處理技術(shù)就可以有效地提高臨床治療的質(zhì)量與安全，提高利用計(jì)算機(jī)圖像處理技術(shù)進(jìn)行診斷的性。為臨床醫(yī)學(xué)進(jìn)行治療提供了十分重要的參考。

一、醫(yī)學(xué)圖像技術(shù)研究

1.1醫(yī)學(xué)圖像處理技術(shù)

現(xiàn)代的醫(yī)學(xué)圖像處理技術(shù)是將計(jì)算機(jī)圖像處理技術(shù)應(yīng)用到臨床醫(yī)學(xué)當(dāng)中，但是有別于以往的傳統(tǒng)醫(yī)學(xué)圖像，現(xiàn)代的醫(yī)學(xué)技術(shù)可以更加有效地確保各種病理信息的真實(shí)與客觀，這是十分重要的。隨著近幾年在當(dāng)前的醫(yī)學(xué)圖像處理過(guò)程中，醫(yī)學(xué)的圖像處理技術(shù)是需要相應(yīng)的標(biāo)準(zhǔn)對(duì)圖像進(jìn)行分割的，在臨床醫(yī)學(xué)當(dāng)中由于患者的病理特征不同，因此在對(duì)患者的病理部位進(jìn)行圖像分析的時(shí)候根據(jù)治療的需要，是需要對(duì)圖像進(jìn)行分割的。根據(jù)處理對(duì)象的角度，對(duì)處理對(duì)象的整體進(jìn)行分割，分割為感興趣的區(qū)域以及其他區(qū)域，針對(duì)于某一區(qū)域的信息進(jìn)行完善。因此現(xiàn)代的醫(yī)學(xué)圖像處理技術(shù)不是簡(jiǎn)單的處理，而是可以構(gòu)建起一定的神經(jīng)網(wǎng)絡(luò)和統(tǒng)計(jì)學(xué)模型，借助這些來(lái)實(shí)施圖像的分割。

此外，隨著圖像處理技術(shù)在醫(yī)學(xué)當(dāng)中廣泛使用，需要多種模式的數(shù)據(jù)加以配合，為了獲得有效地醫(yī)療信息，在臨床醫(yī)學(xué)的計(jì)算機(jī)圖像處理技術(shù)當(dāng)中圖像的配準(zhǔn)是對(duì)臨床醫(yī)學(xué)的研究有著十分重要的作用的。因?yàn)樵谂R床醫(yī)學(xué)當(dāng)中對(duì)圖像的處理往往是需要進(jìn)入融合的階段，而圖像的配準(zhǔn)則可以讓圖像的融合減少消耗的時(shí)間，可以做到和迅速的融合以便幫助臨床醫(yī)學(xué)進(jìn)行判斷。可以看到，圖像的配準(zhǔn)可以為圖像融合技術(shù)起到了十分重要的預(yù)處理技術(shù)。

二、計(jì)算機(jī)圖像處理技術(shù)在臨床醫(yī)學(xué)當(dāng)中的應(yīng)用

臨床醫(yī)學(xué)當(dāng)中一些特殊的醫(yī)學(xué)領(lǐng)域是需要借助計(jì)算機(jī)處理技術(shù)來(lái)進(jìn)行的，通過(guò)照相機(jī)以及攝像機(jī)對(duì)圖像進(jìn)行拍，在現(xiàn)階段的醫(yī)學(xué)領(lǐng)域當(dāng)中計(jì)算機(jī)圖像處理技術(shù)可以更加廣泛地得到運(yùn)用。除此之外，計(jì)算機(jī)可以為使用者帶來(lái)更多的便利。計(jì)算機(jī)技術(shù)為圖像拍攝提供了更為專業(yè)的鏡頭，這種鏡頭在使用過(guò)程當(dāng)中可以進(jìn)入人體口腔的各個(gè)部位，并且可以全角度的獲取圖像，因此在口腔內(nèi)科當(dāng)中得到廣泛的應(yīng)用。不同的醫(yī)學(xué)應(yīng)用所需要的攝像頭也是有所不同的，在臨床醫(yī)學(xué)當(dāng)中需要專門(mén)配置一套可以插入根管內(nèi)部的微型攝像頭。這些攝像頭可以在使用當(dāng)中針對(duì)于患者的情況進(jìn)行適當(dāng)?shù)囊苿?dòng)從而觀察到患者患病部位的詳細(xì)情況。在未來(lái)的一段時(shí)間計(jì)算機(jī)技術(shù)在臨床醫(yī)學(xué)當(dāng)中的應(yīng)用會(huì)越來(lái)越廣泛。新型的技術(shù)雖然可以在短時(shí)間內(nèi)對(duì)醫(yī)療工作人員的工作效率帶來(lái)實(shí)際上的改進(jìn)，但是相對(duì)而言，醫(yī)療人員的工作素質(zhì)與工作能力都需要與計(jì)算機(jī)技術(shù)相匹配，也就是醫(yī)療工作人員需要了解到計(jì)算機(jī)圖像處理技術(shù)的使用方法，才能夠靈活使用計(jì)算機(jī)圖像處理技術(shù)。計(jì)算機(jī)圖像處理技術(shù)還需要建立起相應(yīng)的數(shù)據(jù)處理庫(kù)，這是為了讓數(shù)據(jù)資料可以保留下來(lái)，對(duì)典型的案例進(jìn)行分析和總結(jié)，找出有效的方法以便于遇到相似的案例進(jìn)行解決。圖像軟件的使用是需要醫(yī)護(hù)人員與患者進(jìn)行溝通的，計(jì)算機(jī)圖像處理技術(shù)的使用也需要獲得患者的同意才能進(jìn)行下去。[2]

三、臨床醫(yī)學(xué)當(dāng)中計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用前景

在現(xiàn)代臨床醫(yī)學(xué)當(dāng)中計(jì)算機(jī)技術(shù)的應(yīng)用已經(jīng)不是十分罕見(jiàn)的案例，目前出現(xiàn)了計(jì)算機(jī)輔助外科手術(shù)，指的是，通過(guò)現(xiàn)代的數(shù)字影像技術(shù)對(duì)計(jì)算機(jī)進(jìn)行處理與分析，在臨床診斷當(dāng)中需要通過(guò)圖像技術(shù)對(duì)一些原始的數(shù)據(jù)進(jìn)行恢復(fù)。醫(yī)生在給患者進(jìn)行手術(shù)的時(shí)候通過(guò)計(jì)算機(jī)圖像技術(shù)加以輔助可以極大地提高手術(shù)成功的率。讓醫(yī)生可以直觀地了解到患者的病情以及病變的位置。為此在有限的空間內(nèi)進(jìn)行手術(shù)是可以讓計(jì)算機(jī)圖像技術(shù)對(duì)空間進(jìn)行延伸，從而有效地增強(qiáng)了實(shí)施手術(shù)的度以及精準(zhǔn)度。臨床醫(yī)學(xué)當(dāng)中的計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用是勢(shì)在必行的，計(jì)算機(jī)圖像處理技術(shù)提供更精準(zhǔn)的圖像定位，為臨床治療提供了重要的輔助作用。因此可以看到，臨床醫(yī)學(xué)當(dāng)中計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用前景是十分廣闊的。

結(jié)語(yǔ)：文章對(duì)計(jì)算機(jī)圖像處理技術(shù)與臨床醫(yī)學(xué)的結(jié)合進(jìn)行分析，對(duì)日后的臨床醫(yī)學(xué)的應(yīng)用提供了重要的借鑒與參考。因此可以看到，計(jì)算機(jī)圖像技術(shù)在臨床醫(yī)學(xué)當(dāng)中的應(yīng)用是有著十分廣闊的前景的，并對(duì)日后的臨床醫(yī)學(xué)的發(fā)展起到了重要的輔助作用。

醫(yī)學(xué)圖像處理論文:對(duì)醫(yī)學(xué)圖像處理方法是否屬于可授予專利權(quán)的討論

【摘要】在審查實(shí)踐中，對(duì)于醫(yī)學(xué)圖像處理方法的專利申請(qǐng)可能會(huì)涉及需要判斷其是否屬于"疾病的診斷和治療方法"的客體范疇，而相應(yīng)判斷不應(yīng)當(dāng)只著眼于權(quán)利要求書(shū)記載的技術(shù)方案。本文結(jié)合兩個(gè)醫(yī)學(xué)圖像處理方法的案例，討論了如何以從技術(shù)方案實(shí)質(zhì)和發(fā)明實(shí)際要解決的技術(shù)問(wèn)題來(lái)判斷該醫(yī)學(xué)圖像處理方法是否屬于可授權(quán)客體。

【關(guān)鍵詞】醫(yī)學(xué)圖像，專利申請(qǐng)，可授權(quán)客體

1、醫(yī)學(xué)圖像處理方法與可授權(quán)客體

醫(yī)學(xué)圖像處理包括醫(yī)學(xué)成像和醫(yī)學(xué)圖像處理方法，人們用多種方法產(chǎn)生各類醫(yī)學(xué)圖像，例如超聲（US）、計(jì)算機(jī)斷層（CT）等，再利用各種圖像處理方法對(duì)成像進(jìn)行處理，例如增強(qiáng)、分割、目標(biāo)追蹤等。醫(yī)生可利用各種成像結(jié)果了解病人的病情，并結(jié)合醫(yī)學(xué)專業(yè)知識(shí)對(duì)病情進(jìn)行診斷與治療。因此，醫(yī)學(xué)圖像處理技術(shù)的發(fā)展對(duì)現(xiàn)代臨床疾病的診療和研究帶來(lái)巨大和革命性的影響。

就醫(yī)學(xué)圖像處理領(lǐng)域的專利申請(qǐng)而言，最有可能涉及"疾病的診斷或治療方法"這一類問(wèn)題，原因在于醫(yī)學(xué)圖像處理恰好是醫(yī)學(xué)信息獲取與圖像處理方法的結(jié)合。醫(yī)學(xué)成像是對(duì)受檢對(duì)象利用醫(yī)學(xué)成像設(shè)備檢測(cè)得到的圖像，而對(duì)這類圖像的處理通常會(huì)重點(diǎn)集中在圖像觀察者（比如醫(yī)生）需要突出關(guān)注的信息，比如病變區(qū)域、器官組織、骨架結(jié)構(gòu)等。

對(duì)于診斷方法和治療方法的定義，《審查指南2010》規(guī)定了：

"診斷方法"是指"為識(shí)別、研究和確定有生命的人體或動(dòng)物體病因或病灶的過(guò)程"， "治療方法"是指為使有生命的人體或者動(dòng)物體恢復(fù)或獲得健康或減少痛苦，進(jìn)行阻斷、環(huán)節(jié)或者消除病因或病灶的過(guò)程，包括以治療的或者具有治療性質(zhì)的各種方法。

通常在醫(yī)學(xué)圖像處理發(fā)明申請(qǐng)的審查中，需要審查員對(duì)發(fā)明申請(qǐng)所要求保護(hù)的技術(shù)方案本身進(jìn)行分析，立足立法本意，判斷其是否符合診斷方法與治療方法定義中的各個(gè)條件。但在實(shí)際審查工作中，對(duì)于具體案情的判斷都存在不同的爭(zhēng)議。

下面本文將結(jié)合實(shí)際審查中的兩個(gè)申請(qǐng)案例進(jìn)行具體分析案例中權(quán)利要求所要求保護(hù)的技術(shù)方案是否屬于"疾病的診斷和治療方法"的不可授權(quán)客體。

2 相關(guān)案例分析

2.1 案例一：

1. 一種血管內(nèi)超聲圖像序列中鈣化斑塊幀的自動(dòng)檢索方法，其特征是，所述方法根據(jù)IVUS圖像徑向灰度曲線的斜率值來(lái)判斷斑塊是否存在，具體步驟如下：

a、對(duì)各幀IVUS圖像進(jìn)行各向異性擴(kuò)散濾波，減少噪聲和無(wú)用信息，同時(shí)保留、增強(qiáng)圖像的邊緣信息；

b、對(duì)各向異性擴(kuò)散濾波后的各幀IVUS圖像進(jìn)行極坐標(biāo)變換，將其變換到以圖像中心為坐標(biāo)原點(diǎn)的極坐標(biāo)系中，得到極坐標(biāo)視圖；

c、根據(jù)極坐標(biāo)視圖求得各個(gè)角度的徑向灰度變化曲線；

d、初步檢索含鈣化斑塊的圖像：

將每一徑向灰度變化曲線的斜率較大值、即極徑上的灰度跳變極值，與預(yù)設(shè)的參考閾值進(jìn)行對(duì)比，如果某方向上的灰度變化曲線的斜率較大值超過(guò)所設(shè)閾值，則初步認(rèn)定該方向?qū)儆阝}化區(qū)域，否則不屬于；

e、精細(xì)檢索含鈣化斑塊的圖像：

如果初步認(rèn)定極坐標(biāo)視圖中的某列像素屬于鈣化區(qū)域，那么判斷其鄰域內(nèi)的連續(xù)n列像素，如果都屬于初步認(rèn)定的鈣化區(qū)域，則該區(qū)域?qū)儆阝}化區(qū)域，否則該區(qū)域不是鈣化斑塊，將最終檢測(cè)到的鈣化斑塊的具體位置顯示在圖像中。

通過(guò)分析權(quán)利要求1-3，其請(qǐng)求保護(hù)的是一種血管內(nèi)超聲圖像序列中鈣化斑塊幀的自動(dòng)檢索方法，由權(quán)利要求和說(shuō)明書(shū)中記載的內(nèi)容可知，該方法利用計(jì)算機(jī)技術(shù)和數(shù)字圖像處理技術(shù)對(duì)血管內(nèi)超聲圖像序列中鈣化斑塊幀的自動(dòng)檢索，因而它是以有生命的人體/動(dòng)物體為直接實(shí)施對(duì)象；所述方法根據(jù)IVUS圖像徑向灰度曲線的斜率值來(lái)判斷斑塊是否存在，并將最終檢測(cè)到的鈣化斑塊的具體位置顯示在圖像中，即得到鈣化斑塊的具體位置；雖然該技術(shù)方案僅涉及由圖像處理方法對(duì)目標(biāo)鈣化斑塊檢測(cè)并定位，但是血管內(nèi)的鈣化斑塊是由血管壁的粥樣硬化病變的鈣化產(chǎn)生的，直接反映了人體血管內(nèi)由于脂質(zhì)代謝不正常、脂質(zhì)沉著形成程度，即人體血管的健康狀況，該檢測(cè)結(jié)果可直接用于血管硬化病變的判斷，以及冠心病的計(jì)算機(jī)輔助診斷和介入治療方案定制。

由此可見(jiàn)，該方法的直接目的是通過(guò)分析超聲圖像進(jìn)行處理判斷是否存在鈣化斑以及對(duì)鈣化區(qū)域進(jìn)行識(shí)別檢測(cè)，得到鈣化斑塊的具體位置，用于進(jìn)行血管健康狀況和病變程度的診斷，因此屬于影像診斷方法，且該影像診斷方法仍然是以有生命的人體和動(dòng)物體為實(shí)施對(duì)象，屬于專利法第二十五條及時(shí)款第（三）項(xiàng)所述的疾病的診斷方法的范圍，因此不能被授予專利權(quán)。

2.2 案例二：

1. 一種追蹤腫瘤的方法，所述方法包括針對(duì)一系列雙平面圖像中的每對(duì)當(dāng)前圖像進(jìn)行下述步驟：

利用從每對(duì)雙平面圖像確定的所述腫瘤的之前的位置、所述腫瘤的3D模型和雙平面幾何性和生成一組分割假設(shè)；

基于所述一組假設(shè)構(gòu)造體事前概率；

使用所述體事前概率選擇一對(duì)當(dāng)前圖像中的種子像素；

使用輝度值和所述種子像素構(gòu)造雙平面雙圖像圖形；以及

使用圖像輝度獲得對(duì)應(yīng)于腫瘤邊界的分割掩模以確定所述腫瘤的當(dāng)前位置，其中，上述步驟在處理器中執(zhí)行。

本案例中權(quán)利要求請(qǐng)求保護(hù)一種"追蹤腫瘤的方法"，在實(shí)現(xiàn)該方法時(shí)利用雙平面圖像的特征及圖形分割確定圖像中的目標(biāo)位置。雖然在該技術(shù)方案中腫瘤是首先被確認(rèn)存在并被作為先驗(yàn)知識(shí)用于進(jìn)一步追蹤，即已經(jīng)知曉患者腫瘤疾病存在或健康狀況，但該案例仍需從該技術(shù)方案的背景技術(shù)和發(fā)明所要解決的技術(shù)問(wèn)題來(lái)輔助理解其技術(shù)方案實(shí)質(zhì)是否屬于非授權(quán)客體。

出于人道主義的考慮和社會(huì)倫理的原因，醫(yī)生在診斷和治療過(guò)程中應(yīng)當(dāng)有選擇各種方法和條件的自由，而本案例中說(shuō)明書(shū)記載了"粒子束放療將帶電粒子傳遞給腫瘤同時(shí)使得對(duì)周圍的健康組織的傷害最小"以及"由于隨機(jī)的全身性的運(yùn)動(dòng)，需要在治療期間實(shí)時(shí)地連續(xù)追蹤腫瘤"，也就是說(shuō)本申請(qǐng)技術(shù)方案可以輔助醫(yī)生在對(duì)病人進(jìn)行腫瘤粒子束放療時(shí)利用該腫瘤追蹤的位置結(jié)果對(duì)所定位位置的腫瘤細(xì)胞實(shí)施粒子束放療，因而該方法是以有生命的人體為直接實(shí)施對(duì)象獲取腫瘤位置的超聲圖像，并為使有生命的人體獲得健康而進(jìn)行阻斷、緩解或消除病因或病灶的過(guò)程，因而屬于為實(shí)施外科手術(shù)治療方法采用的輔助方法，由此，該組權(quán)利要求所要求保護(hù)的范圍屬于專利法第二十五條及時(shí)款第（三）項(xiàng)所述的治療方法的范圍，不能被授予專利權(quán)。

3 總結(jié)

通過(guò)以上2個(gè)典型案例的分析，可以看出審查員在判斷一項(xiàng)醫(yī)學(xué)圖像處理的發(fā)明專利申請(qǐng)是否屬于專利法可授權(quán)專利權(quán)的客體，應(yīng)以該專利申請(qǐng)的權(quán)利要求所要求的保護(hù)的技術(shù)方案為主，并結(jié)合說(shuō)明書(shū)的內(nèi)容了解權(quán)利要求所要求保護(hù)的技術(shù)方案所解決的技術(shù)問(wèn)題與直接目的，從而判斷該技術(shù)方案是否為疾病的診斷方法或者疾病的治療方法。

需要注意的是。有一類觀點(diǎn)認(rèn)為，若權(quán)利要求只要在撰寫(xiě)時(shí)避開(kāi)醫(yī)學(xué)圖像的技術(shù)特征，并且避免在權(quán)利要求中直接記載與疾病診斷或手術(shù)治療相關(guān)的技術(shù)特征而是撰寫(xiě)成圖像處理方法，則可以直接認(rèn)為該權(quán)利要求所要求保護(hù)的技術(shù)方案是屬于純粹的圖像處理方法，排除在不可授權(quán)的客體范圍之外。事實(shí)上，對(duì)于說(shuō)明書(shū)中涉及圖像處理方法可用于疾病診斷和臨床醫(yī)療輔助時(shí)，即使該專利申請(qǐng)的權(quán)利要求書(shū)在撰寫(xiě)時(shí)沒(méi)有明確記載該部分技術(shù)特征，仍有可能屬于疾病的診斷和治療方法的范疇，此時(shí)審查員該如何進(jìn)行判斷和決定需要嚴(yán)謹(jǐn)而慎重地思考。

另外，對(duì)于與醫(yī)學(xué)圖像方法對(duì)應(yīng)的成像系統(tǒng)是否屬于授權(quán)客體，目前還存有爭(zhēng)議，需要進(jìn)一步的研究與討論。同時(shí)，申請(qǐng)人或人對(duì)于醫(yī)學(xué)圖像專利申請(qǐng)的撰寫(xiě)應(yīng)當(dāng)注意上述問(wèn)題。

醫(yī)學(xué)圖像處理論文:醫(yī)學(xué)圖像處理課程教學(xué)模式探索

摘要：在分析了醫(yī)學(xué)圖像處理課程特點(diǎn)的基礎(chǔ)上，結(jié)合醫(yī)學(xué)院校學(xué)生的實(shí)際情況，對(duì)課程教學(xué)模式開(kāi)展了探索與實(shí)踐。通過(guò)串燒式的課堂講解和討論、課程實(shí)驗(yàn)、教學(xué)環(huán)節(jié)的實(shí)施，設(shè)計(jì)開(kāi)發(fā)基于matlab的醫(yī)學(xué)圖像處理教學(xué)平臺(tái)系統(tǒng)，把教學(xué)與學(xué)生興趣、能力很好地結(jié)合起來(lái)，新穎的考核方式得到學(xué)生肯定。

關(guān)鍵詞：醫(yī)學(xué)圖像處理；理論教學(xué)；串燒；教學(xué)平臺(tái)

我校在開(kāi)設(shè)《數(shù)字圖像處理》課程的基礎(chǔ)上，結(jié)合醫(yī)學(xué)院校圖像處理的對(duì)象——醫(yī)學(xué)圖像（片）的特點(diǎn)開(kāi)設(shè)了《醫(yī)學(xué)圖像處理》，是計(jì)算機(jī)各專業(yè)及影像學(xué)專業(yè)重要的專業(yè)基礎(chǔ)課程。如何在學(xué)習(xí)圖像處理技術(shù)的同時(shí)體現(xiàn)各專業(yè)特色，提高學(xué)生的圖像處理技術(shù)的應(yīng)用能力，是醫(yī)學(xué)圖像處理課程建設(shè)、課程改革的重要內(nèi)容。現(xiàn)就接合經(jīng)過(guò)兩輪的課程教學(xué)活動(dòng)，并融合學(xué)生的反饋信息，對(duì)該課程進(jìn)行了教學(xué)模式的探索，希望有助于教學(xué)效果和教學(xué)水平的提高。

1 理論教學(xué)

1.1 專業(yè)素養(yǎng)的培育[1]

建立在數(shù)學(xué)及信號(hào)處理技術(shù)基礎(chǔ)上的醫(yī)學(xué)圖像處理，以計(jì)算機(jī)算法為工具，并充分考慮解剖學(xué)的知識(shí)、臨床醫(yī)學(xué)的知識(shí)，對(duì)醫(yī)學(xué)圖像的采集、傳輸中產(chǎn)生的如噪聲、失真、退化等現(xiàn)象分析處理，以提高醫(yī)學(xué)圖像的質(zhì)量，并為后續(xù)的圖像感興趣區(qū)域的選取，病灶區(qū)域的分割等臨床應(yīng)用提供依據(jù)。但《醫(yī)學(xué)圖像處理》課程涉及的內(nèi)容多、廣，其中的算法更是以數(shù)學(xué)公式的推導(dǎo)為基礎(chǔ)。而醫(yī)學(xué)院校的學(xué)生普遍缺乏理工科知識(shí)，造成學(xué)生對(duì)理解抽象概念的困難，很易造成畏難情緒。與此同時(shí)，學(xué)生對(duì)通過(guò)本課程的學(xué)習(xí)對(duì)知識(shí)結(jié)構(gòu)的構(gòu)建及就業(yè)的幫助心存疑慮。緣于此，授課之初，需要進(jìn)行專業(yè)素養(yǎng)教育。

1.1.1 按專業(yè)，分內(nèi)容克服學(xué)生的畏難心理

因計(jì)算機(jī)專業(yè)與影像學(xué)專業(yè)的培養(yǎng)方向，教學(xué)內(nèi)容和側(cè)重點(diǎn)不同，計(jì)算機(jī)專業(yè)專注于各種圖像處理算法和編程實(shí)現(xiàn)。而影像專業(yè)應(yīng)從繁瑣的數(shù)學(xué)公式的推導(dǎo)中解脫出來(lái)，而更注重實(shí)際應(yīng)用，并進(jìn)一步了深化對(duì)圖像處理的理解、分析。

1.1.2 課程設(shè)置對(duì)就業(yè)的影響[2]

圖像處理是計(jì)算機(jī)視覺(jué)、模式識(shí)別，圖像理解、分析的基礎(chǔ)。熟練掌握各種算法可以為將來(lái)從事如指紋、條碼、人臉、虹膜識(shí)別、車輛和其他與醫(yī)學(xué)圖像相關(guān)工作提升競(jìng)爭(zhēng)力。因具有醫(yī)學(xué)知識(shí)背景，也可去醫(yī)療器械公司或醫(yī)療軟件開(kāi)發(fā)公司，當(dāng)然因具備醫(yī)學(xué)知識(shí)背景的同時(shí)，掌握?qǐng)D像處理的各種算法及實(shí)現(xiàn)為應(yīng)聘到醫(yī)院的醫(yī)療技術(shù)部門(mén)提供了保障，我校已有此專業(yè)學(xué)生成功應(yīng)聘三甲醫(yī)院的事例。通過(guò)這些學(xué)生身邊鮮活的事例提高學(xué)生的自信心，拓寬學(xué)生的思路和視野，引導(dǎo)學(xué)生找到自己的發(fā)展方向和目標(biāo)，因此可以更有效地利用時(shí)間。

1.2 打破了傳統(tǒng)的章節(jié)式教學(xué)方法，探索“串燒”式教學(xué)

傳統(tǒng)的灌輸式教學(xué)中，重點(diǎn)內(nèi)容并突出，講解中存在片面性，局限性，沒(méi)有深挖跨學(xué)科知識(shí)的內(nèi)在關(guān)系。醫(yī)學(xué)圖像處理是一個(gè)注重實(shí)際應(yīng)用的課程，應(yīng)根據(jù)設(shè)置的專業(yè)特點(diǎn)設(shè)置知識(shí)點(diǎn)，并融合基于案例的教學(xué)內(nèi)容，根據(jù)其內(nèi)部邏輯關(guān)系“串燒”涉及的相關(guān)的知識(shí)。

1.2.1 內(nèi)容選擇上的“串燒”

醫(yī)學(xué)圖像處理教學(xué)的要求是了解醫(yī)學(xué)圖像的特點(diǎn)和圖像處理的基本概念，掌握醫(yī)學(xué)圖像（片）處理的基本原理、技巧，能夠利用計(jì)算機(jī)來(lái)完成對(duì)各種醫(yī)學(xué)圖像的處理，現(xiàn)以我校兩專業(yè)的兩本不同教材為基礎(chǔ)，在充分涉列大量的醫(yī)學(xué)圖像處理技術(shù)、文獻(xiàn)的基礎(chǔ)上，根據(jù)各類知識(shí)點(diǎn)間的相關(guān)性以及課時(shí)要求將課程分為：醫(yī)學(xué)圖像的描述表達(dá)、圖像的運(yùn)算、圖像的增強(qiáng)、圖像的變換、形態(tài)學(xué)處理、圖像分割及特征提取等專題。

“串燒”的醫(yī)學(xué)圖像處理的內(nèi)容是完成后，接下來(lái)考慮如何在傳授知識(shí)的過(guò)程“串燒”，如在講授醫(yī)學(xué)影像的運(yùn)算操作時(shí)，如基本的“加”，“減”，“乘”，“除”時(shí)，把醫(yī)學(xué)圖像中的減景技術(shù)及數(shù)字減影在血管造影中的應(yīng)用“串”到講授內(nèi)容中；在圖像的采集表示時(shí)，可以“串”進(jìn)各種成像設(shè)備及其成像原理，可以把數(shù)學(xué)運(yùn)算中的差分運(yùn)算內(nèi)容串入醫(yī)學(xué)圖像的邊緣檢測(cè)算法中。

1.2.2 教學(xué)形式上的“串燒”

教學(xué)形式上采用了傳統(tǒng)教學(xué)方式與“串燒”式教學(xué)相結(jié)合的形式，講授基本知識(shí)時(shí)，以傳統(tǒng)按授課方式為主，讓學(xué)生了解對(duì)醫(yī)學(xué)圖像處理的整個(gè)過(guò)程。授課內(nèi)容中選取了學(xué)生感興趣的內(nèi)容，讓學(xué)生們圖書(shū)館自己查資料，尋根問(wèn)源，調(diào)動(dòng)學(xué)生學(xué)習(xí)的積極性，下次課時(shí)選一二名學(xué)生在課堂上對(duì)內(nèi)容進(jìn)行闡述，教師對(duì)學(xué)生闡述的內(nèi)容進(jìn)行補(bǔ)充[3]。選擇了圖像表示和圖像分割兩個(gè)知識(shí)點(diǎn)讓學(xué)生在教學(xué)過(guò)程中的“客串”講授，通過(guò)本環(huán)節(jié)的實(shí)施，充分調(diào)動(dòng)了學(xué)生的積極性，激發(fā)了學(xué)習(xí)熱情，迸發(fā)出許多有趣的想法，可以方便地了解學(xué)生對(duì)知識(shí)的掌握程度與存在的問(wèn)題，與此同時(shí)，結(jié)合本課程的特點(diǎn)及影像學(xué)專業(yè)學(xué)生人數(shù)較少（08級(jí)71人，09級(jí)90人）的特點(diǎn)，把課堂教學(xué)過(guò)程移至計(jì)算機(jī)機(jī)房，可以邊講授邊演示準(zhǔn)備好的在臨床中采集到的X 光、MRI等醫(yī)學(xué)圖片， 讓學(xué)生直接觀察對(duì)這些圖片進(jìn)行處理和改善的效果，課堂氣氛非常活躍，授課效果較好。

1.2.3 充分利用多媒體教學(xué)技術(shù)，搭建醫(yī)學(xué)圖像處理平臺(tái)[4]。

通過(guò)“串燒”方式的實(shí)施，使學(xué)生通過(guò)在課堂上的醫(yī)學(xué)圖像處理的演示，了解、掌握了各種醫(yī)學(xué)圖像處理方法和其在醫(yī)學(xué)臨床中的應(yīng)用，但眾多算法都需要計(jì)算機(jī)仿編程仿真實(shí)現(xiàn)，為緩解由此給學(xué)生帶來(lái)的壓力，提高學(xué)習(xí)效率，搭建了以淋球菌感染圖為例的濟(jì)寧醫(yī)學(xué)院醫(yī)學(xué)圖像處理演示平臺(tái)，學(xué)生通過(guò)平臺(tái)的實(shí)用，加深了對(duì)所學(xué)的醫(yī)學(xué)圖像處理知識(shí)的理解，提高了學(xué)生的實(shí)際應(yīng)用能力。

1.2.4 教師的醫(yī)學(xué)知識(shí)積累

我校的信息工程學(xué)院的教師承擔(dān)著醫(yī)學(xué)圖像處理課程的授課任務(wù)，授課教師雖有較高的計(jì)算機(jī)編程能力，但缺乏醫(yī)學(xué)知識(shí)，使在為強(qiáng)調(diào)應(yīng)用的影像專業(yè)學(xué)生上課時(shí)，在如何淡化數(shù)學(xué)推理，著重臨床醫(yī)學(xué)圖像處理應(yīng)用中遇到了很大的壓力。特別是在及時(shí)輪次的講授醫(yī)學(xué)圖像分割時(shí)，面對(duì)一個(gè)陌生的醫(yī)學(xué)圖像，不知道如何選擇圖像的特征點(diǎn)，縱有豐富的編程思想?yún)s無(wú)從下手。緣于此，醫(yī)學(xué)圖像處的授課教師需自覺(jué)地將醫(yī)學(xué)和工程學(xué)結(jié)合，通過(guò)廣泛的與醫(yī)護(hù)人員的交流，并積極參加醫(yī)學(xué)相關(guān)的知識(shí)講座豐富自己醫(yī)學(xué)方面的知識(shí)，我校信息工程學(xué)院組織的院內(nèi)專家、學(xué)者的信息大講堂是一有益的嘗試。

2 實(shí)踐教學(xué)[5]

實(shí)驗(yàn)教學(xué)是教學(xué)課程的重要組成部分，通過(guò)本環(huán)節(jié)的實(shí)施，不僅加深了對(duì)理論的理解，同時(shí)也培養(yǎng)了學(xué)生的獨(dú)立思考、創(chuàng)新能力，雖然很多關(guān)于圖像處理實(shí)驗(yàn)指導(dǎo)書(shū)，但他們中的大多數(shù)并不適用于醫(yī)學(xué)院校的學(xué)生，接合醫(yī)學(xué)院校學(xué)生的實(shí)際對(duì)相關(guān)的實(shí)驗(yàn)內(nèi)容的選取及驗(yàn)收進(jìn)行了相應(yīng)的改革。

2.1 實(shí)驗(yàn)方案的實(shí)施

2.1.1 實(shí)驗(yàn)的準(zhǔn)備

根據(jù)醫(yī)學(xué)圖像處理的要求，選用了工具箱使用方便，計(jì)算能力強(qiáng)的MATLAB軟件作為實(shí)驗(yàn)教學(xué)軟件，并準(zhǔn)備好醫(yī)學(xué)圖像（片）的采集。

2.1.2 實(shí)驗(yàn)內(nèi)容的選擇

實(shí)驗(yàn)內(nèi)容的選擇上，考慮到不同的專業(yè)的特點(diǎn)和醫(yī)學(xué)圖像處理的內(nèi)容，選擇了醫(yī)學(xué)影像的表達(dá)，圖像運(yùn)算，圖像增強(qiáng)，圖像變換，形態(tài)學(xué)處理，圖像分割，特征提取等內(nèi)容。根據(jù)難易程度分為基本實(shí)驗(yàn)、開(kāi)放型實(shí)驗(yàn)和演示實(shí)驗(yàn)。讓學(xué)生不僅學(xué)習(xí)圖像處理的基本知識(shí)，并能獨(dú)立進(jìn)行實(shí)驗(yàn)設(shè)計(jì)，使學(xué)生快樂(lè)的獲取知識(shí)，在實(shí)踐中提升應(yīng)用能力。

2.1.3 醫(yī)工結(jié)合，分工協(xié)作

依托我校的教學(xué)醫(yī)院中的眾多的醫(yī)療影像設(shè)備，鼓勵(lì)計(jì)算機(jī)和影像專業(yè)的學(xué)生假期期間多去醫(yī)院參觀實(shí)習(xí)，了解各種醫(yī)療設(shè)備儀器的功能，工作原理。為開(kāi)放型實(shí)驗(yàn)的實(shí)施做好充分準(zhǔn)備。

醫(yī)學(xué)院校醫(yī)學(xué)生較大優(yōu)勢(shì)是具有一定的醫(yī)學(xué)基礎(chǔ)，因此在為學(xué)生開(kāi)設(shè)開(kāi)放型實(shí)驗(yàn)時(shí)，充分考慮使醫(yī)工學(xué)生相結(jié)合，每個(gè)開(kāi)放型實(shí)驗(yàn)安排2名影像專業(yè)的學(xué)生，負(fù)責(zé)對(duì)相關(guān)醫(yī)學(xué)圖片的認(rèn)識(shí)、理解和提煉。4名計(jì)算機(jī)專業(yè)的學(xué)生進(jìn)行相應(yīng)的編程實(shí)現(xiàn)。

2.1.4 實(shí)驗(yàn)的擴(kuò)展-科學(xué)素養(yǎng)的提高

經(jīng)過(guò)《醫(yī)學(xué)圖像處理》理論的講授和實(shí)驗(yàn)教學(xué)活動(dòng)的實(shí)施，學(xué)生具備了運(yùn)用圖像處理的基本理論知識(shí)處理具體醫(yī)學(xué)圖像的能力，為學(xué)生提供機(jī)會(huì)參與任課教師的研究活動(dòng)，提高實(shí)踐能力和創(chuàng)新能力。為學(xué)有余力且有興趣的學(xué)生開(kāi)設(shè)了基于任課教師的科研項(xiàng)目的課程設(shè)計(jì)，主要涉及到了涉及醫(yī)學(xué)圖像處理課程建設(shè)、動(dòng)態(tài)醫(yī)學(xué)圖像處理算法展示又包括下一步醫(yī)學(xué)圖像處理的實(shí)驗(yàn)平臺(tái)的搭建。通過(guò)學(xué)生的積極參與，一方面，加深了對(duì)所學(xué)專業(yè)知識(shí)的理解，同時(shí)培養(yǎng)學(xué)生主動(dòng)學(xué)習(xí)的良好習(xí)慣，另一方面通過(guò)在理論教學(xué)、實(shí)踐教學(xué)的“串燒”方式的實(shí)施，學(xué)生的團(tuán)隊(duì)意識(shí)得到明顯提升。

3 驗(yàn)收考查環(huán)節(jié)

根據(jù)專業(yè)設(shè)置的特點(diǎn)和課時(shí)的安排，為反映出學(xué)生學(xué)習(xí)差異性，對(duì)傳統(tǒng)的考核方式進(jìn)行適當(dāng)?shù)恼{(diào)整，加強(qiáng)實(shí)施“一加一減一強(qiáng)化”[6]的系統(tǒng)的評(píng)估方法。“一減”：根據(jù)學(xué)科特點(diǎn)和各業(yè)課程設(shè)置對(duì)學(xué)生的要求，在不同專業(yè)不同試卷的前提下，改傳統(tǒng)閉卷考試為開(kāi)卷考試，在心理上減輕學(xué)生對(duì)數(shù)學(xué)公式推導(dǎo)和恐懼，也減少了記憶量，使學(xué)生可以更專注于醫(yī)學(xué)圖像處理應(yīng)用、理解，“一加”，以加強(qiáng)學(xué)生的積極思維，勇于表達(dá)自己的想法的意識(shí)。“一強(qiáng)化”，主要指強(qiáng)化了實(shí)踐環(huán)節(jié)驗(yàn)收的多樣性，根據(jù)醫(yī)工各專業(yè)特點(diǎn)，驗(yàn)收的側(cè)重點(diǎn)體現(xiàn)出差異性。具體做法是，對(duì)醫(yī)科生實(shí)驗(yàn)結(jié)果的驗(yàn)收，強(qiáng)調(diào)理解、臨床應(yīng)用、效果分析，而對(duì)工科生的實(shí)驗(yàn)結(jié)果的驗(yàn)收，主要側(cè)重算法的編程實(shí)現(xiàn)。如對(duì)上圖的淋球菌感染圖進(jìn)行分割實(shí)驗(yàn)時(shí)，以醫(yī)科生的圖像的特征選取的有效性、可行性，實(shí)驗(yàn)報(bào)告的撰寫(xiě)為主要對(duì)像，而工科生則側(cè)重編程實(shí)現(xiàn)的效率，當(dāng)然在后繼的課程建設(shè)及課題中，工科學(xué)生做的課程網(wǎng)頁(yè)，各種算法的flash動(dòng)態(tài)展示也可成為驗(yàn)收結(jié)果，實(shí)踐結(jié)果驗(yàn)證了學(xué)生對(duì)此考查驗(yàn)收方式給予的肯定。

4 結(jié)語(yǔ)

結(jié)合我校計(jì)算機(jī)、影像各專業(yè)對(duì)圖像處理的要求和數(shù)字圖像處理本身的特點(diǎn)，充分考慮醫(yī)工學(xué)生的差異，對(duì)課程教學(xué)環(huán)節(jié)的實(shí)施過(guò)程進(jìn)行了探討，把教學(xué)、科研及學(xué)生能力結(jié)合起來(lái)，經(jīng)過(guò)三個(gè)年級(jí)的教學(xué)節(jié)實(shí)施，學(xué)生的綜合能力得以提高。與此同時(shí)，如何依托醫(yī)科院校的醫(yī)學(xué)優(yōu)勢(shì)，實(shí)現(xiàn)醫(yī)工間“無(wú)縫連接”，培養(yǎng)具有醫(yī)學(xué)特色的創(chuàng)新人才，必將需長(zhǎng)期的探索研究。

[作者簡(jiǎn)介]

劉二林（1975.9-），男，濟(jì)寧醫(yī)學(xué)院，講師，控制理論與控制工程專業(yè)，主要研究方向：圖像處理、機(jī)器視覺(jué)、信息處理。

醫(yī)學(xué)圖像處理論文:遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)淺論

摘要：遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)是指滿足醫(yī)學(xué)質(zhì)量及其要求，包含醫(yī)學(xué)完整信息的高質(zhì)量、高清晰、高的醫(yī)學(xué)圖像處理技術(shù)。它包括醫(yī)學(xué)影像的采集、圖像縫合、圖像壓縮、圖像存儲(chǔ)、圖像傳輸及其圖像的復(fù)原再現(xiàn)的過(guò)程。

關(guān)鍵詞：遠(yuǎn)程醫(yī)療；高精度；醫(yī)學(xué)圖像；處理技術(shù)

一、遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)的概念以及特點(diǎn)

（一）遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)的概念

遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)是指滿足醫(yī)學(xué)質(zhì)量及其要求，包含醫(yī)學(xué)完整信息的高質(zhì)量、高清晰、高的醫(yī)學(xué)圖像處理技術(shù)。它包括醫(yī)學(xué)影像的采集、圖像縫合、圖像壓縮、圖像存儲(chǔ)、圖像傳輸及其圖像的復(fù)原再現(xiàn)的過(guò)程。

（二）遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)的特點(diǎn)

通過(guò)國(guó)家構(gòu)建的交互式計(jì)算機(jī)系統(tǒng)實(shí)現(xiàn)醫(yī)學(xué)圖像的靜動(dòng)態(tài)解析及其多點(diǎn)交互，完成了病理圖像的無(wú)縫拼接，完善了醫(yī)療衛(wèi)生事業(yè)的信息化、數(shù)字化的進(jìn)程，無(wú)疑是中國(guó)科學(xué)技術(shù)的一大進(jìn)步! 遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)運(yùn)用計(jì)算機(jī)、通訊、 醫(yī)學(xué)設(shè)備和現(xiàn)代技術(shù)，通過(guò)圖像、數(shù)字?jǐn)?shù)據(jù)信號(hào)、符號(hào)等將病人的病歷資料遠(yuǎn)距離輸送和傳輸，實(shí)現(xiàn)了醫(yī)學(xué)專家和醫(yī)生、病人之間在不同地方直接的交流和診治。

二、國(guó)內(nèi)外遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)的內(nèi)容及方法

遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)與其他圖像處理技術(shù)(傳統(tǒng)高清視頻會(huì)議系統(tǒng))的區(qū)別和聯(lián)系視頻會(huì)議系統(tǒng)技術(shù)和高清視頻會(huì)議系統(tǒng)(NETMEETING)，一般的衛(wèi)星傳輸，音視頻壓縮技術(shù)。

遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)的幾個(gè)重要發(fā)展歷程，遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)的技術(shù)實(shí)現(xiàn)及其高端設(shè)備全自動(dòng)數(shù)字病理切片掃描儀的運(yùn)用。

三、全自動(dòng)數(shù)字病理切片掃描儀的應(yīng)用

（一）全自動(dòng)數(shù)字病理切片掃描儀的技術(shù)特點(diǎn)

遠(yuǎn)程高精度醫(yī)學(xué)圖像處理技術(shù)與其他圖像處理技術(shù)的區(qū)別和聯(lián)系：視頻會(huì)議系統(tǒng)技術(shù)和高清視頻會(huì)議系統(tǒng)一般的衛(wèi)星傳輸。遠(yuǎn)程高精度多路醫(yī)學(xué)動(dòng)態(tài)解析轉(zhuǎn)移及多點(diǎn)交互系統(tǒng)、遠(yuǎn)程靜態(tài)醫(yī)學(xué)圖像交互式討論系統(tǒng)、遠(yuǎn)程病理無(wú)縫縫合拼接及診斷數(shù)字技術(shù)系統(tǒng)病理工作站、遠(yuǎn)程手術(shù)指導(dǎo)系統(tǒng)、遠(yuǎn)程查房系統(tǒng)及其電子醫(yī)院數(shù)碼技術(shù)系統(tǒng)、遠(yuǎn)程高精度皮膚檢查系統(tǒng)、體征檢查內(nèi)鏡系統(tǒng)、遠(yuǎn)程醫(yī)學(xué)影像閱片及討論系統(tǒng)、及其遠(yuǎn)程培訓(xùn)及其教育系統(tǒng)。

實(shí)際上遠(yuǎn)程高精度醫(yī)學(xué)圖像的獲得虛擬病理切片是利用電腦控制顯微設(shè)備或者CCD鏡頭的上下運(yùn)動(dòng)，一張一張的通過(guò)面掃描自動(dòng)采集放大后的圖像，這種信號(hào)是計(jì)算機(jī)能夠識(shí)別處理的數(shù)字信號(hào)，較以前的線掃描有了很大的提高，然后通過(guò)儲(chǔ)存自動(dòng)縫合拼結(jié)成一張信息完整的數(shù)字病理圖片通過(guò)光纖發(fā)到服務(wù)器上或者其他計(jì)算機(jī)中，通過(guò)圖象處理軟件可以對(duì)圖象進(jìn)行編輯處理，這種能夠虛擬觀察的計(jì)算機(jī)可以被認(rèn)為是虛擬顯微鏡，一個(gè)很大的圖像通過(guò)軟件的處理，可以壓縮以后傳到世界任何一個(gè)地方。

總體來(lái)說(shuō)，數(shù)字病理切片技術(shù)應(yīng)用顯微圖像數(shù)字化目前世界上和國(guó)內(nèi)的應(yīng)用上還停滯在局部圖象掃描的數(shù)字化的水平上，就是通過(guò)顯微鏡或者攝象機(jī)或者數(shù)碼相機(jī)中的CCD采集很多張或者上百?gòu)堄脕?lái)診斷病情或者做出分析并且復(fù)原出病理圖象的照片，遠(yuǎn)程診斷和進(jìn)行專家討論，為專家提供了非常有用而真切的醫(yī)學(xué)圖像信息，使專家能夠很快地瀏覽圖片上的醫(yī)學(xué)信息，非常方便而，節(jié)省了大量時(shí)間和資源，方便了醫(yī)生和患者，它的推廣給現(xiàn)代醫(yī)學(xué)帶來(lái)了觀念性的技術(shù)變革。

（二）全自動(dòng)數(shù)字病理切片掃描儀的應(yīng)用實(shí)例分析

數(shù)字病理切片可以進(jìn)行遠(yuǎn)程會(huì)診和遠(yuǎn)程診斷病情，醫(yī)院可以制作數(shù)字病理虛擬切片和一些病理資料通過(guò)軟件進(jìn)行查看和瀏覽，分析和判斷并且得出病情的判斷，醫(yī)院可以收集病人會(huì)診的病歷資料進(jìn)行局部的切片掃描，隨意進(jìn)行放大和壓縮的進(jìn)行觀察也可以上傳到服務(wù)器上，提供給大家查閱，對(duì)大病技術(shù)特別是腫瘤的病變有了很好的效果，也可以實(shí)現(xiàn)資源共享，達(dá)到病理資料的電子化、數(shù)字化、技術(shù)化。

四、高精度醫(yī)學(xué)圖像數(shù)字處理技術(shù)的發(fā)展展望

南非項(xiàng)目，西部為民工程，云南縣縣通工程，南方醫(yī)院工程，協(xié)和醫(yī)院，中山醫(yī)院，瑞京醫(yī)院的運(yùn)用情況，印度運(yùn)用情況，ATA年會(huì)及其科技部國(guó)際培訓(xùn)班情況，人類的安康，天下的福址，解決了人民的看病難看病貴，醫(yī)療資源分布的嚴(yán)重不均。天正在使用的絕大多數(shù)遠(yuǎn)程醫(yī)療系統(tǒng)采用了兩種不同技術(shù)類型。一種叫做存儲(chǔ)和傳輸，用于將數(shù)字圖像從一個(gè)地方傳到另一個(gè)地方。數(shù)字圖像在原始拍攝處傳輸?shù)搅硪粋€(gè)地方，這是一種非實(shí)時(shí)的典型應(yīng)用。美國(guó)未來(lái)學(xué)家阿爾文?托夫功多年以前曾經(jīng)預(yù)言：“未來(lái)醫(yī)療活動(dòng)中，醫(yī)生將面對(duì)計(jì)算機(jī)，根據(jù)屏幕顯示的從遠(yuǎn)方傳來(lái)的病人的各種信息對(duì)病人進(jìn)行診斷和治療，”這種局面己經(jīng)到來(lái)。

醫(yī)學(xué)圖像處理論文:產(chǎn)前超聲醫(yī)學(xué)圖像處理

【摘要】 在目前我國(guó)所采用的醫(yī)學(xué)成像方式中，超聲診斷屬于臨床應(yīng)用中較為常見(jiàn)的一種，以此相對(duì)應(yīng)的醫(yī)學(xué)圖像自動(dòng)處理形式可以有效提高綜合的診斷性和診斷客觀性。本文首先從超聲醫(yī)學(xué)的應(yīng)用圖像處理原理研究入手，詳細(xì)闡述了相關(guān)的技術(shù)信息以及所具體應(yīng)用算法，并對(duì)超聲醫(yī)學(xué)設(shè)計(jì)以及圖像處理手法進(jìn)行了可行性分析以及實(shí)際操作估算研究。此后，以產(chǎn)前的超聲醫(yī)學(xué)為基礎(chǔ)對(duì)該類型技術(shù)進(jìn)行了綜合應(yīng)用研究，其中包括了標(biāo)準(zhǔn)化切面的自動(dòng)提取技術(shù)和應(yīng)用生物學(xué)研究模式進(jìn)行參數(shù)自動(dòng)化測(cè)量處理。，對(duì)產(chǎn)前超聲智能化發(fā)展和診斷進(jìn)步方向進(jìn)行了完整總結(jié)。

【關(guān)鍵詞】 產(chǎn)前學(xué) 醫(yī)學(xué)圖像處理 生物學(xué)參數(shù)測(cè)量

前言：出生帶來(lái)的生理缺陷是導(dǎo)致新生兒死亡率上升的主要原因，同時(shí)也是該部分原因給個(gè)人家庭以及集體社會(huì)帶來(lái)了沉重的負(fù)擔(dān)和影響，出生生理缺陷引發(fā)的新生兒?jiǎn)栴}發(fā)生概率也在逐年上升。目前來(lái)看，我國(guó)每年新生兒出生缺陷病例總數(shù)在逐年上升，同時(shí)，因?yàn)樾律鷥撼錾毕荻牡尼t(yī)療治療費(fèi)用也高達(dá)百億元，本文首先從超生醫(yī)學(xué)的相關(guān)圖像處理方法入手，之后對(duì)該部分技術(shù)的臨床應(yīng)用進(jìn)行了完整總結(jié)。

一、超聲醫(yī)學(xué)圖像處理方法

1.1計(jì)算機(jī)的視覺(jué)

我國(guó)的計(jì)算機(jī)視覺(jué)處理手法與醫(yī)學(xué)影像研究處理方法的結(jié)合一直是一個(gè)重點(diǎn)研究課題，同時(shí)也對(duì)我國(guó)傳統(tǒng)的醫(yī)學(xué)圖像處理技術(shù)的發(fā)展產(chǎn)生了重要影響。在我國(guó)的計(jì)算機(jī)視覺(jué)領(lǐng)域目前已經(jīng)研究總結(jié)了大量有價(jià)值的研究方法和研究技術(shù)。

1.1.1圖像濾波

超聲的圖像濾波應(yīng)用主要作用在于過(guò)濾掉斑點(diǎn)噪聲。斑點(diǎn)噪聲主要是因?yàn)槿梭w內(nèi)存在很多實(shí)際尺寸小于波長(zhǎng)的人體組織機(jī)構(gòu)，同時(shí)在后向的散射聲波影響下而產(chǎn)生，斑點(diǎn)和噪聲的出現(xiàn)進(jìn)一步降低了在B超成像過(guò)程中的實(shí)際圖像對(duì)比以及組織內(nèi)可以提取的詳細(xì)信息數(shù)據(jù)。通過(guò)調(diào)查研究可以發(fā)現(xiàn)，斑點(diǎn)噪聲的模型可以大致劃分為兩個(gè)類別：性的隨機(jī)模型、長(zhǎng)階次非隨機(jī)模型、斷階次非隨機(jī)模型。目前我國(guó)已經(jīng)采用的多種超聲成像濾波算法都可以實(shí)現(xiàn)一定程度的噪聲過(guò)濾，并沒(méi)有哪一個(gè)固定的濾波算法可以實(shí)現(xiàn)應(yīng)用效果發(fā)揮，對(duì)于固定的圖像成像分析可以采用多種定性以及定量形式進(jìn)行計(jì)算，從而對(duì)各類型濾波進(jìn)行對(duì)比分析，所以屬于一種可行性較強(qiáng)的應(yīng)用方案[1]。

1.1.2圖像分割

醫(yī)學(xué)的圖像構(gòu)成處理方法研究過(guò)程中，圖像分割一直都是其中一個(gè)熱門(mén)討論課題。主要的圖像分割目標(biāo)在于按照合理的規(guī)則進(jìn)行圖像像素類型劃分。早期的該部分技術(shù)主要有區(qū)域生長(zhǎng)以及聚類，主要是借助圖像的灰度信息，但是應(yīng)用此類方法對(duì)于灰度值較為相近的兩種類型物品難以區(qū)分，以邊緣檢測(cè)的方法進(jìn)行分析需要結(jié)合梯度信息，但是該類型的方法沒(méi)有較為敏感的噪聲反應(yīng)度，同時(shí)對(duì)于邊緣較為模糊的物體提取存在困難，因?yàn)榇蟛糠值漠a(chǎn)科超聲醫(yī)學(xué)計(jì)算機(jī)成像質(zhì)量較差，同時(shí)在操作過(guò)程中的待分割目標(biāo)也較為復(fù)雜，所以需要利用更加多元化的信息處理方法才能取得更好的分割處理效果。形狀先驗(yàn)操作形式是在活動(dòng)的具體輪廓和活動(dòng)模型的提出而受到重視，以神經(jīng)網(wǎng)絡(luò)信息計(jì)算方法為分割的主要目標(biāo)，同時(shí)也可以通過(guò)學(xué)習(xí)一種合理的分割形式來(lái)提高分割效果[2]。

1.2機(jī)器學(xué)習(xí)

在我國(guó)的產(chǎn)前超聲醫(yī)學(xué)處理過(guò)程中，機(jī)器學(xué)習(xí)都占據(jù)重要的地位并發(fā)揮著重要的作用，主要是因?yàn)闄C(jī)器學(xué)習(xí)促進(jìn)了我國(guó)的產(chǎn)前超聲診斷以及智能化發(fā)展，對(duì)于部分沒(méi)有充足度和分析推導(dǎo)較為困難的問(wèn)題，可以利用實(shí)際案例中的自動(dòng)學(xué)習(xí)算法提高性。近些年來(lái)，我國(guó)大部分的超聲成像醫(yī)學(xué)設(shè)備開(kāi)始應(yīng)用于臨床實(shí)踐中，從而豐富了總體的超聲醫(yī)學(xué)成像數(shù)據(jù)信息資源，進(jìn)而也提高了機(jī)器學(xué)習(xí)在產(chǎn)前超聲的醫(yī)學(xué)應(yīng)用可行性[3]。

二、產(chǎn)前的應(yīng)用

國(guó)內(nèi)學(xué)者對(duì)于標(biāo)準(zhǔn)切面自動(dòng)化搜索研究成果已經(jīng)較為豐富，獲得了較大的研究進(jìn)展，首先，提出了自動(dòng)化的標(biāo)準(zhǔn)切面模型成像方法，該種方法需要人工進(jìn)行參考切面處理，同時(shí)還應(yīng)該根據(jù)實(shí)際的統(tǒng)計(jì)方法進(jìn)行其他類型研究，上述工作多數(shù)都是以傳統(tǒng)圖像處理手段為基礎(chǔ)，實(shí)際的有效性主要是以假設(shè)的正確性為基礎(chǔ)，但是從另一個(gè)角度進(jìn)行分析也難以滿足所以復(fù)雜的要求。機(jī)器學(xué)習(xí)主要是可以實(shí)現(xiàn)自動(dòng)化的訓(xùn)練數(shù)據(jù)信息提取，通過(guò)該種方法可以獲得更加復(fù)雜同時(shí)性較強(qiáng)的經(jīng)驗(yàn)，同時(shí)還可以實(shí)現(xiàn)系統(tǒng)范化性能的良好實(shí)現(xiàn)。

結(jié)論：以超聲圖像為基礎(chǔ)的醫(yī)學(xué)診斷屬于我國(guó)當(dāng)前臨床診斷中的重要方式，基于超聲圖像手段的醫(yī)學(xué)診斷方式具有受損程度小、及時(shí)性強(qiáng)、非侵入等眾多優(yōu)點(diǎn)，從而讓其在實(shí)際的診斷中得到了更為廣泛的發(fā)展和應(yīng)用。本文主要從產(chǎn)前超聲醫(yī)學(xué)為研究背景，對(duì)相關(guān)的醫(yī)學(xué)圖像處理方法以及處理手段的原理進(jìn)行了綜合分析和闡述，同時(shí)也對(duì)其中應(yīng)用的關(guān)鍵性技術(shù)進(jìn)行了綜合分析，可以豐富該領(lǐng)域的研究成果。