前言：本站為你精心整理了醫學圖像處理技術分析范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

1醫學圖像處理技術

醫學圖像處理技術包括很多方面，本文主要介紹分析圖像分割、圖像配準和融合以及偽彩色處理技術和紋理分析在醫學領域的應用和發展。圖像分割就是把圖像中具有特殊涵義的不同區域分開來，這些區域使互不相交的每一個區域都滿足特定區域的一致性。它是圖像處理與圖像分析中的一個經典問題。目前針對各種具體問題已經提出了許多不同的圖像分割算法,對圖像分割的效果也有很好的分析結論。但是由于圖像分割問題所面向領域的特殊性，至盡尚未得到圓滿的、具有普適性的解決方法[2]。

圖像分割技術發展至今，已在灰度閾值分割法、邊緣檢測分割法、區域跟蹤分割法的基礎上結合特定的理論工具有了更進一步的發展。比如基于三維可視化系統結合FastMarching算法和Watershed變換的醫學圖像分割方法,能得到快速、準確的分割結果[3]。圖像分割同時又是進行三維重建的基礎，分割的效果直接影響到三維重建后模型的精確性，分割可以幫助醫生將感興趣的物體(病變組織等)提取出來，幫助醫生能夠對病變組織進行定性及定量的分析，從而提高醫生診斷的準確性和科學性[4]。

如何使多次成像或多種成像設備的信息得到綜合利用，彌補信息不完整、部分信息不準確或不確定引起的缺陷，使臨床的診斷治療、放療定位、計劃設計、外科手術和療效評估更準確，已成為醫學圖像處理急需解決的重要課題。醫學圖像配準是通過尋找某種空間變換，使兩幅圖像的對應點達到空間位置和解剖結構上的完全一致。要求配準的結構能使兩幅圖像上所有的解剖點，或至少是所有具有診斷意義以及手術區域的點都達到匹配[5]。目前醫學圖像配準方法有基于外部特征的圖像配準(有框架)和基于圖像內部特征的圖像配準(無框架)兩種方法。后者由于其無創性和可回溯性，已成為配準算法的研究中心?；诨バ畔⒌膹椥孕巫兡Ｐ鸵仓饾u成為研究熱點。

互信息是統計兩個隨機變量相關性的測度，以互信息作為兩幅圖像相似性測度進行配準基于如下原理：當兩幅基于共同的解剖結構的圖像達到最佳配準時，它們對應的圖像特征的互信息應為最大[6]。圖像配準是圖像融合的前提，是公認難度較大的圖像處理技術，也是決定醫學圖像融合技術發展的關鍵技術。近年來國外在圖像配準方面研究很多，如幾何矩的配準、利用圖像的相關系數、樣條插值等多項式變換對圖像進行配準。國內研究人員也提出了一些相應的算法：對于兩幅圖像共同來估計其正反變換的一種新的圖像配準方法，稱為一致圖像配準方法；采用金字塔式分割，進行多柵格和多分辨率的圖像配準，稱為金字塔式多層次圖像配準方法；為了提高CT、MRI、PET多模態醫學圖像的三維配準、融合的精度，還可以采用基于互信息的方法[7]。

在圖像配準方面，在努力提高配準精度的同時，目前提出的多種方法都盡量避免人工介入，力求整個過程自動化，其結果導致實現算法的過程復雜而耗費時間，文獻[5]已進行研究，試圖實現基于人機交互的快速圖像配準策略,同時根據圖像的不同成像模式選擇合適的配準測度也十分重要。不同的醫學圖像提供了相關臟器的不同信息，圖像融合的潛力在于綜合處理應用這些成像設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，對多種模態的圖像進行圖像融合，可以準確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系，從而及時高效地診斷疾病，也可以用在手術計劃的制定、病理變化的跟蹤、治療效果的評價等方面。在放療中，利用MR圖像勾勒畫出腫瘤的輪廓線，也就是描述腫瘤的大?。焕肅T圖像計算出放射劑量的大小以及劑量的分布，以便修正治療方案。

在制定手術方案時，對病變與周圍組織關系的了解是手術成功與否的關鍵，所以CT與MR圖像的融合為外科手術提供有利的佐證，甚至為進一步研究腫瘤的生長發育過程及早期診斷提供新的契機。在CT成像中，由于骨組織對X線有較大的吸收系數，因此對骨組織很敏感；而在MR成像中，骨組織含有較低的質子密度，所以MR對骨組織和鈣化點信號較弱，融合后的圖像對病變的定性、定位有很大的幫助[8]。由于不同醫學成像設備的成像機理不同，其圖像質量、空間與時間特性有很大差別。因此，實現醫學圖像的融合、圖像數據轉換、圖像數據相關、圖像數據庫和數據理解都是亟待解決的關鍵技術[9]。對一幅黑白圖像，人眼一般只能辨別出4到5比特的灰度級別，而人眼能辨別出上千種不同的顏色。針對這一特點，人們往往將黑白圖像經過處理變為彩色圖像，充分發揮人眼對彩色的視覺能力，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。

醫學圖像大多是黑白圖像，如X、CT、MRI、B超圖像等。經過偽彩色處理技術，即密度分割技術，提高了對圖像特征的識別。通過臨床研究對X線圖片、CT圖片、MRI圖片、B超圖片、電鏡圖片均進行了偽彩色技術的嘗試，取得了良好的效果，部分圖片經過處理后可以顯現隱性病灶。例如對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]。紋理是人類視覺的一個重要組成部分，迄今為止還難以適當地為紋理建模。為此有關專家進行了大量的探索研究，但未能獲得有關紋理的分析、分類、分割及其綜合的有效解釋[11]。

有研究針對肝臟疾病難以根除、危害面廣的問題，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勢、灰度均方差、灰度熵等參數作為圖像的紋理特征量。通過選取的紋理參數，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[12]。

2三維醫學圖像的可視化

三維醫學圖像的可視化通常是利用人類的視覺特性，通過計算機對二維數字斷層圖像序列形成的三維體數據進行處理，使其變換為具有直觀立體效果的圖像來展示人體組織的三維形態。三維醫學圖像可視化技術通常分為面繪制和體繪制兩種方法。體繪制技術的中心思想是為每一個體素指定一個不透明度，并考慮每一個體素對光線的透度、發射和反射作用。醫學數據的可視化，已成為數據可視化領域中最為活躍的研究領域之一。實現三維數據可視化的方法很多，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顯現出較好的前景[13]。

以上可以利用的三維可視化軟件有AVS、Analyze、amira、3Dslicer等，其中Analyze是專為生物醫學圖像的研究而開發的圖像可視化軟件。利用二維斷層數據進行三維重建，可以更為直觀地顯示人體器官的各個解剖結構的形態及它們之間的毗鄰關系，為基礎研究和手術規劃及手術過程模擬提供參考。鼻部是人體內解剖結構比較復雜的部位之一，可以利用3DSlicer來嘗試實現鼻部部分解剖結構的三維可視化，以此為可視化虛擬人體模型的建立探索一種精確的重建方法和顯示手段，同時也可為醫療工作者提供更為細致、完全和快捷的觀察方案[14]。

隨著互聯網技術不斷發展，跨越空間限制的遠程虛擬現實技術已經逐步成為可能。基于虛擬現實技術利用美國國家醫學圖書館VHP(VisibleHumanProject)完整數據重建可視人體，綜合VTK、VRML、OperGL等可視化平臺的優勢，采用三維互動、空間電磁定位、立體視覺等虛擬現實技術，實現了全數字可拆裝人體骨骼的本地和遠程互動學習。三維虛擬現實讓“遨游”人體世界成為可能，可以呈現一個物理上并不存在但又實實在在“看得見”、“摸得著”的“真實”人體，使用者可以無數次地“解剖”這個虛擬人以了解人體的結構[15]。在臨床方面，提出了一種用AVS/Express開發的基于PC的LeFortI手術模型系統原型。

利用AVS/Express大量預制的可視化編程對象模塊，快速構建系統的結構框架和功能模塊，生成的原型能對以DICOM(DigitalImagingandCommunicationsinMedicine)格式存儲的顱頜面CT序列斷層圖像進行預處理，并進行三維重建，在交互式操作環境中，顯示顱頜面各種組織的解剖結構，進行相應的三維測量，模擬LeFortI手術的截骨頭，對截骨段實行任意的平移頜旋轉[16]。

在體視化方面一直致力于提高重建速度(實時顯示利于交互操作)，使重建效果理想，減少冗余信息及存儲空間。具體需要考慮：1)不完全數據提出一個足夠精確的數據提取方案2)什么算法能夠快速準確地實現圖像重建。人體器官是一個高精度龐大的結構，所建模型還應考慮臨床實用方面的因素以及某些特殊部位的個體差異，針對不同的生理組織應采用不同的分割方法[17]。3針對PACS的圖像壓縮PACS(PictureArchivingandCommunicationSystem，圖像存檔及通信系統)是近年來國內外新興的醫學影像信息技術，是專門為醫學圖像管理而設計的，包括圖像獲取、處理、存儲、顯示或打印的軟硬件系統，是醫學影像、數字化圖像技術、計算機技術和網絡通信技術相結合的產物。顯然，計算機網絡是PACS的重要組成部分，它負責提供底層圖像傳輸服務，是PACS的軟硬件基礎，正是通過各個層次的網絡才將PACS中的圖像獲取、存儲顯示以及醫療數據的管理等單元連為一體，使之形成一個統一、高性能的系統。

PACS需要解決數據傳輸和圖像存儲的問題，如何利用有限的存儲空間存儲更多的圖像，醫學圖像壓縮是關鍵的技術之一。醫學圖像數據量是非常驚人的，建立PACS的許多技術困難都與之有關，如圖像的存儲、傳輸、顯示等。從圖像壓縮還原的角度出發，圖像壓縮方法可分為無損壓縮和有損壓縮兩大類，常用的無損壓縮方法有差分脈沖預測編碼、多級內插方法等。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)、自適應預測編碼和神經網絡法等，近年來又出現了分形和小波變換編碼[18]。如何對醫學圖像進行壓縮，是近年來圖像處理技術中的一個重點研究的問題[19]。

醫學圖像的壓縮無疑是減低應用系統成本，提高網絡傳輸效率，減少存儲空間的一個重要途徑。DICOM作為醫學圖像與通信的重要標準，加入了對圖像壓縮算法的支持。目前DICOM正在研究對最新的壓縮標準JPEG2000支持的可能性。隨著新一代靜態圖像壓縮標準JPEG2000的發展，小波理論在這個領域成為研究的熱點，在這方面文獻[20]提出了面向任務的醫學圖像壓縮的概念。醫學圖像是醫學診斷和疾病治療的重要根據，在臨床上具有非常重要的應用價值。確保醫學圖像壓縮后的高保真度是醫學圖像壓縮首要考慮的因素，現在醫學圖像上常常采用無損壓縮，因為它能夠精確地還原原圖像。但是無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50，甚至更高。

所以將這兩種壓縮方法在保證使用要求的基礎上結合起來，在獲取高的壓縮質量的前提下提高壓縮比。因此，醫學圖像被人為地劃分為兩個區域：1)包含重要診斷信息的區域，其錯誤描述的代價非常高，所以此感興趣區域(ROIRegionofInterest)需要高重構質量的壓縮方案；2)非感興趣區域則要求達到盡可能高的壓縮比,即需要在某一框架下將無損壓縮與有損壓縮統一起來，這也是目前醫學圖像研究領域的一個熱點。我們的工作就集中在小波理論框架下實現面向任務的醫學圖像壓縮,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在MATLAB的仿真上，考慮到部分所選醫學圖像的ROI區域和非ROI區域的對比度不很理想的情況，圖像分割的最優算法是考慮的一個方面。

壓縮比方面在滿足一般性的圖像條件下針對某些特殊圖像也會有相應的考慮，目前的工作是在VC平臺下實現面向任務的醫學圖像壓縮。在醫學圖像壓縮方面，許多學者結合模式識別、計算機視覺、神經網絡理論、小波變換和分形理論等探索圖像編碼的新途徑，同時人的視覺生理心理特性的研究成果也開拓了人們的視野，給從事圖像編碼技術研究的學者帶來了新的啟迪。但隨著網絡技術在醫學領域的廣泛應用，更加細致的要求也逐漸被提出來了。

4結束語

隨著遠程醫療技術的蓬勃發展，對醫學圖像處理提出的要求也越來越高。以“千禧年的技術挑戰和全球機遇”為主題的IEEE生物醫學信息學和生物醫學工程學(BIBE)國際會議的一個重要議題就是“多媒體、虛擬現實、可視化、高級圖像處理和機器人在醫學中的應用”。醫學圖像處理技術發展至今，各個學科的交叉滲透已是發展的必然趨勢，其中還有很多亟待解決的問題。有效地提高醫學圖像處理技術的水平，與多學科理論的交叉融合、醫務人員和理論技術人員之間的交流就顯得越來越重要?？傊t學圖像作為提升現代醫療診斷水平的有力依據，使實施風險低、創傷性小的化療、手術方案成為可能，必將在醫藥信息研究領域受到更多的關注[21]。