时间：2023-10-11 10:03:56
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇医学图像诊断，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！
中图分类号：TP319 文献标识码：A 文章编号：1009-3044（2015）27-0135-01
1引言
近年来，医学影像技术已成为医疗技术中发展最快的领域之一，图像拼接（Image Mosaic）是指将多幅具有重叠区域的序列图像通过图像预处理、图像变换、图像配准、图像融合等处理后，形成一幅包含各个图像序列内容的宽视角全景图像的技术。图像拼接技术是图像处理的重要研究领域，被广泛应用于卫星遥感、图像识别、医学图像分析及无人机监视和搜索、虚拟现实等方面。Shmuel Peleg等人在图像拼接理论和图像拼接方法上做了大量工作，为图像拼接在工程技术上的应用奠定了理论基础。Masanobu Shimada等人将图像拼接技术应用于雷达图像处理领域，用于监控森林植被的变化情况。国外Mustafa Suphi Erden课题组研制了针式共聚焦显微腹腔镜，在微创手术中截取部分视频图像，拼接成全景图像指导医生诊断治疗。国内的严壮志课题组提出基于特征检测、特征匹配、空间坐标转换和图像融合等方法的图像拼接技术，实现了连续X光片拼接的医学全景成像。
现有的传统医学成像设备，特别是显微成像设备，基本都是对组织的某一较小视野进行成像，设备最后采集到的是不同组织部位的多帧医学图像，需要医生对这些图像进行观察分析，根据自身医学知识与医疗经验来做出诊断。图像拼接技术的应用，能将多幅具有重叠区域的医学图像，通过图像变换、图像配准、图像融合等方法，自动拼接为大视野的清晰图像。该图像包含完整的医学病理信息，有助于医生全面了解病人病情。同时，系统能够自动追踪图像中的感兴趣区域，做出标记和注释，为医生提供诊断辅助。
2主要研究内容及关键技术
2.1主要研究内容
本系统的研究是通过研发基于实时自动图像拼接技术的医学图像分析系统，为医学实践中，实现显微镜、眼科设备、内窥镜等设备的数字化图像采集、图像自动分析处理，从而对医生的诊断、治疗起到辅助作用。
本系统的主要研究内容有基于CMOS的图像采集、实时自动图像拼接技术。
（1） 基于CMOS的图像采集
基于CMOS的高清图像采集系统的研发，包括图像和视频采集、图像的编码技术。兼顾红外光和可见光，实现图像的多波段自适应采集。具体功能还包括自动对焦、自动识别拍照功能，以及图像采集模块在各种医疗设备使用的适应性研究。
（2） 实时自动图像拼接技术
研究图像灰度处理、图像变换、图像配准、图像融合等算法，实现多帧医学图像或视频序列的实时自动图像拼接，输出具有计算机诊断辅助功能的大视野全景医学图像。能够自动跟踪图像中的感兴趣区域并做出标识和注释。
2.2关键技术
图像的拼接技术是本设计的关键，本设计提出对采集的多帧医学图像进行实时自动拼接，提供宽角度全景图像。同时，能够自动跟踪图像中的感兴趣区域并做出标识和注释。
3 系统设计思路
3.1 图像处理模块
图像传感器模块计划采用CMOS传感器为核心做成独立硬件模块，通过高速数据线与图像处理模块连接。这样设计的优点在于模块可以根据不同的应用场合，进行合理布置。
图像编解码和图像处理模块的方案计划采用TI的soc方案。该方案可以完成图像编解码、图像处理功能。
3.2实时自动图像拼接技术研究
图像拼接的核心技术是图像配准，关键在于准确找到相邻图像间重叠区域的位置及范围，进而通过图像融合的方法实现全景图像构建。图像配准通常有三类方法：基于灰度值的图像配准、基于变换域的图像配准和基于特征的图像配准。基于灰度值的图像配准方法实现方便，计算量小，但该方法对图像间的细微差别较敏感，抗干扰能力不强。基于变换域的图像配准可以缓解这个问题，且算法简洁，利于硬件的实现。不过该方法要求两幅图像的重叠区域不能少于50%，如果重叠区域过小，容易造成误配准。为了提高图像配准的精确度和速度，达到实时自动图像拼接的功能，本设计提出将基于灰度的网格配准和基于特征值配准相结合的方法。首先，对输入图像进行粗网格的分块处理，利用基于灰度的配准方法确定相似重叠区域。然后在重叠区域内进行基于SIFT（Scale-invariant feature transform）特征点提取和配准，这样就可以大大提高图像配准的速度。图像拼接算法的流程如图1所示。
4 结论
本文探讨了基于实时自动拼接技术的医学图像处理系统的主要技术和设计思路，有了自动的图像拼接技术，就能将多幅具有重叠区域的医学图像，通过图像处理的方法，自动拼接为大视野的清晰图像，为医生的诊断提供参考。
参考文献：
[1]马玉琨，张志霞. 图像拼接技术在医学诊断中的应用研究[J].软件导刊，2014（5）：169-171.
关键词：移动医疗；数字图像处理；医学影像
中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2016）30-0238-03
随着科学技g的快速发展和生活质量的提高，健康问题已成为大家关注的焦点。然而生活环境的污染、饮食结构的不健康和长期处于现代职场高压环境之下，很多人的身体出现亚健康状态：头痛、胸闷、失眠等健康问题困扰着现代职场白领，长期以往，身体不堪重负，疾病随之而来。面对这种情况，早期发现、早期治疗既可以减轻患者病痛，提高预后水平，又可以减少患者的经济支出。因此，对疾病问题的早期诊断就成为国内外医学界关注的焦点。
然而由于医患交流以及过去医学影像不清晰、保管难等问题，始终制约了精准医疗的发展。目前随着科学技术的进步和互联网技术的突飞猛进，影像学被越来越多的应用到各种疾病的检查中去，医生读片诊病，影像成了医生重要的诊断辅助工具，难以被低估，不能被替代。随之影像学科也成了当今迅速发展起来的一门综合学科，多门课程如通讯、计算机、医疗交叉，为医务工作者提供尽可能准确的辅助诊疗方法，这将是今后影像学科持续发展的重要方面。
日常生活中我们在对体内和体外的血液细胞、器官组织进行无损害性检查时，通常会选择诸如：数字线摄影、核磁共振、超声波三维诊断等治疗方法，这些拍片式的诊断方法可见即可得，不仅生动补充了书本上的人体正常组织以及病灶组织的解剖学知识，同时对影像引导下的教学、检查、穿刺、手术等有着不可低估的作用。但是医疗图像A生成往往会因自然界信号的干扰、信号传输过程中的衰减、医疗设备的成像原理、光线和显示屏等原因的影响，所显示出来的影像像质往往不够清晰、感兴趣内容不突出，或者不适合人眼观察或者机器理解分析，同时医学影像本身也有图像分辨率不高导致图像模糊不清或者无明显边缘、噪声偏大、结构信息缺乏的问题， 最终生成的影像不能准确定位病变部位以及病变性质，临床诊断面临各种困难。如果有一种方法能对生成的医学影像进行数据处理提高影像的清晰度，增强医学影像的可读性可分辨性，临床医生可以结合解剖学和生理学对病变组织有针对性的观察并诊断，这将大大提高临床诊断的准确率。因此，医学影像的数字化处理对医疗卫生、信息技术、生物科学等学科来说无论在理论研究还是临床应用方面都起着关键作用，这是人类认识疾病并对之精确诊断的重要环节，这将是一门具有较强应用性和长远发展性的课题。
1医学影像的发展及意义
1.1国内外医学影像的背景及对其图像处理的意义
1895年德国物理学家W.K.伦琴在实验室拍摄出其夫人手指和的影像，自此 “X射线”被发现，并被影像学逐步引进到医学领域。经过30多年的研究与应用，医学影像起着翻天覆地的变化，随着计算机技术的引进和广泛应用，影像学科更是呈现出跨度大、知识交叉密集的特点，如今基于计算机算法的图像处理技术也已经成为医学影像学中发展迅速的领域之一。
1971年，英国科学家汉斯・基于计算机技术原理设计出第一台X-CT诊病机，这一发明在医学界引起巨大的轰动。从此，对医学影像的数字成像技术的研究开始发展壮大，各种医疗设备也被开发出来，它包括计算机 X线摄影（ Computed Radiography， CR）、数字 X线摄影（ Digital Radiography， DR）、 X射线计算机断层成像（ X- Computed Tomography，X- CT）、磁共振成像超声（ Magnetic Resonance， MR），超声（ Ultrasound）成像、光纤内窥镜图像、磁共振血管造影术（ Magnetic Resonance Angiography，MRA）、数字减影血管造影术（ Digital Subtraction Angiography， DSA）、单光子发射断层成像（ Single Photon Emission Computed Tomography，SPECT）、正电子发射断层成像（ Positron Emission Tomography， PET）， EEG脑电图、 MEG脑磁图、光学内源成像等。
本文着重论述的 X- CT（ Computed Tomogaphy）意为 X线计算机断层扫描技术，是用 X线束对器官组织进行断层扫描，应用物理原理来测量X射线在人体组织中的衰减系数或吸收系数，再经计算机进行数学计算来对图像进行三维重建。按照测量的衰减系数的数值排列成一个二维分布矩阵，计算出人体被扫描组织断面上的图像灰度分布，从而生成断面图像。X-CT以它高速、高分辨率、高灵敏度的探测器螺旋式旋转来获取器官组织的多方位、多层次的断面或立体影像，经临床实际应用，它能发挥有别于传统X线检查的巨大作用。它能综合反映人体组织在解剖学方面的功能、性质，还能提供人体被拍摄部位的完整三维信息，器官和组织结构清楚显影，提示病变，已与核磁共振、超声波等诊断方法一样成了医生获取信息的重要来源。并且具有其他医学设备不可比拟的优点，X- CT成像简单方便、对人体损伤小、组织结构密度分辨率高，这在病理学和解剖学研究中尤为重要。特别是临床在对肿瘤的诊断中X-CT的分辨率要远远高于其他医学设备成像，研究显示在对于1～2厘米的小肿块的检测上，X-CT显示率高达88%，而B超、MRI等仅为48%。在针对肝脏疾病实验的拍片中， X-CT可以较清晰的显示出多种器官病变和功能性状，如肝癌、肝血管瘤、脂肪肝等，其对肝癌的诊断准确率高达93%，最小分辨率可显示为1.5厘米，
可以直接观察到肝静脉、门静脉与肿瘤大小、位置之间的关系，并能诊断出肝静脉、门静脉有无癌栓，为医生的精确诊疗提供了重要依据。
由于器官病变的位置、病灶大小、病程长短等自身因素，加上设备电子元器件、嘈杂的环境以及人为操作等因素的影响， X- CT在对病灶做定位影像、定性精确诊断时常常会有所限制，即它能反映出器官的异样变化，但却不能反应目前器官的生理功能。现实工作中采集到的数字化影像或多或少的存在一些问题：伪影、雪花、边缘不清、病灶不清、对比度不强……凭借肉眼无法从整张影像中清晰分辨出病灶部位或者确性病理改变的程度，要想精确诊断，还需做进一步的检查。
目前，对 X- CT图像处理进行处理大部分的研究还集中在预处理阶段，即研究通过调试设备、提高影像像素、提高出图效率、减少外界干扰等方式增强医学影像的可读性和敏感性。而对于医学影像成像后的处理则相对冷门，其中对部分内容的研究也比较单一，如仅仅单独研究医学影像的降噪或增强。同时应用降噪、增强、分割技术来处理影像的研究较少，理论研究也停留在可行性阶段，针对单一疾病的医学影像处理研究还不常见。
1.2医学影像常用的诊断方法
目前我们常用超声波、核磁共振、X-CT等设备生成的医学影像作为辅助诊断方法。其中：超声波是使用声波来探测病理并生成平面图像的一种诊断方法，由于其具有方向性好，穿透力强，声能集中，操作简便，能反映出人体组织的灰度形态和结构等优点，被影像科广泛采用。其中 B型超声波采用超声平面成像，在超声屏上显示出病变部位周围有明显的强弱不等的回声区，表现为亮度不等的光点、结合解剖学和生理学知识，可判断这些高光区和暗区的病变性质。且价格低廉，诊断快速，但缺点是对于1～2厘米的小肿块诊断准确率不到达48%。
核磁共振是诊断组织病理变化的一种新的方法，通过层片选择，频率编码，相位编码，实现对接收到的电磁信号在人体内部的准确定位，根据接收到的电磁信号的频率、相位的差别成像，完成对器官组织的检测。例如：核磁共振检查原发性肝癌时通常表现为信号改变，T1W1驰豫时间加权图呈低信号，T2W2加权图呈高信号。其特征性影像为病灶内出现粗大引流或供血血管的流空信号，该信号提示肝癌结节内有动静脉短路形成。但缺点在于检查价格昂贵，且核磁共振设备在我国普及率较低，对于1～2厘米的小肿块诊断准确率较低。
X- CT是用 X线束对器官组织进行断层扫描，再经计算机由于分辨率高图像清晰，能够扫描到早期刚发展起来的较小的肿瘤，这对病人早诊断早治疗不至延误病情具有重要意义。比如：X- CT肝癌表现与大体病理形态一致，平扫多为低密度，少数为等密度或混杂密度，外形不规则呈球形或结节形，边界模糊。增强扫描表现为低密度区略缩小，境界变得较为清楚。肿块中心部位常因肿瘤组织坏死囊变形成极低密度区。研究显示在对于1～2厘米的小肿块的检测上，X-CT显示率高达88%。目前X-CT已成为各种疑难杂症中最重要的诊断方法。
1.3对医学影像进行数字图像处理的可行性及意义
在实际图像信号的生成和传输过程中，由于受到医疗器械自身、人为操作控制和自然界噪声等干扰的影响，多多少少会出现细节模糊、对比度差、噪声较大或存在伪影等问题，影响到影像质量。且成像是用亮度不等的灰度表示，加上病灶发展早期其空间形态变化通常比较小，拍出的片子肉眼很难观察，误诊和漏诊的情况也时有发生，致使病情诊断准确率下降，医务工作者的效率也难以体现。因此，有必要运用适当的技术和方法来处理和分析医学影像，提高影像质量，这将有助于减少误诊和漏诊率，提高诊断准确率。因此，研究医学影像的计算机辅助诊断技术和数字图像处理技术具有重要的意义和实用价值。
在医学影像领域的数字成像技术有个共性：基于计算机将图像采集、显示、存储和传递分解成各个独立的部分，将每一部分图像信息分别数字化，这种共性为我们以后对各功能模块进行单独优化提供了便利，对其实施图像数字信息的后续处理提供了可行性。
以X-CT成像为例，对影像进行预处理可以过滤掉影像上的不利影响，处理掉无用的信息，保留或恢复有价值的信息。通过过滤掉不利因素，加强病灶信息的可读性，突出感兴趣部位，清除各种干扰的同时能保留所摄影像的形态和边缘，有效的改善图像视觉效果，为医生诊病提供了依据和便利，这就达到了图像处理的目的。
2数字图像处理在医学影像中的具体应用
图像处理（image processing），在医学上也被称作影像处理，是指将图像信号转换成数字信号后使用计算机对医学影像处理和分析，提高并改善影像的质量供医生有效诊断的专业技术。将将人设为对象，图像设为目标，输入低质量的图像，输入改善后高质量的图像，当图像达到满足人的视觉效果为最终目标。图像处理方法通常有图像增强、复原、编码、压缩等等。本文将重点讨论图像去噪、增强、分割在医学影像中的应用技术。
2.1图像去噪
影像的生成和传输常常受到自然界各种声音的干扰导致影像质量下降，就像我们在日常生活中交谈时被其他声音打扰一样，在语言中表现为听不清对方说话， 表现到影像上，则是原本很清楚的图像，因为机械本身、电子元件、外界杂音等干扰原因产生各种各样的斑点或条纹，图像变得模糊不清，此即为图像噪声。噪声的存在势必影响后续对影像的分割和理解分析，所以图像去噪是预处理的重要步骤之一。去噪的方法有很多，结合影像特点、噪声的统计特征及频谱分布规律，目前常用均值滤波、中值滤波、低通滤波等算法来对图像进行平滑处理。
2.2 图像增强
图像增强（image enhancement）是数字图像处理领域中的一个重要分支。影像学上的图像增强和复原的目的是为了提高医学影像的质量，清除干扰、降低噪声，通过增强清晰度、对比度、边缘锐化、伪彩色等来提高影像的质量，或者转换为更适合人观察或机器识别的模式。不同于图像噪声，在图像增强中通常不考虑影像降质的原因，它不需要反应真实的原始图像，只需突出图像中感兴趣的内容。但要对降质的原因有所了解，依据降质的原因建立“降质模型”，然后各种滤波方法和变换手段增强图像中的背景与感兴趣部位的对比度，比如：增加图像高频分量，被照人体组织轮廓变得清晰，细节特征明显；增加低频分量，能有效降低噪声干扰，最终达到增强图像清晰度的目的。
图像增强根据空间不同可划分为基于空间域的增强方法和基于频率域的增强方法。基于空间域的增强方法是对图像中的各个像素的灰度值直接处理，算法有直方图均衡化、直方图规定化等；基于频率域的增强方法不直接处理，而是用傅里叶变换将空间域转换成频率域，在频率域对频谱进行处理，再使用反傅里叶变回到空间域，算法有低通滤波、高通滤波、同态滤波等。
2.3图像分割
图像分割是数字图像处理领域的关键技术之一，目的是将图像中有意义、感兴趣的内容从背景里剥离，划分为各个互不交叉的区域。有意义、感兴趣的内容通常是指图像区域、图像边缘等。分割是后续图像理解分析和识别工作的前提和依据。目前已经开发出很多边缘检测和区域分割的算法，但是还没有一个算法对各种图像处理都有效。因此对图像分割的研究还将继续深入，在以后很长一段时间将始终是热门话题。
图像分割方法基于灰度值主要划分为基于区域内部灰度相似性的分割和基于区域之间灰度不连续的分割。
（1） 基于区域内部灰度相似性的分割
基于区域内部灰度相似性的分割是确定每个像素的归属区域（同一区域内部像素是相似的），从而形成一个区域图集，来对图像进行分割，常用算法有阈值分割法、形态学分割、区域生长法、分裂合并法等。
（2） 基于区域之间灰度不连续的分割
基于区域之间灰度不连续的分割是指先提取区域边界，再确定边界限定的区域。因为图像中的边缘部分往往是灰度级发生跃变的区域，根据像素灰度级的不连续性，找出点、线、边，最后确定边缘。常用的算法有边缘检测分割法、Hough变换等。
关键词：眼底图像；黄斑；灌注区；亮点；血管芽
中图分类号：TP317.4文献标识码：A文章编号：1672-7800（2013）006-0127-03
基金项目：新乡市科技发展计划项目； 新乡学院自然科学研究计划基金项目（1399020087）
作者简介：张同光（1977-），男，硕士，新乡学院计算机学院讲师，研究方向为计算机网络与信息安全技术、嵌入式系统、Linux。
0引言
本项目（数字眼底荧光造影分析软件）是新乡学院、新乡市中心医院两家单位共同承担的新乡市科技发展计划项目。新乡学院负责数字影像分析软件编制工作，中心医院负责提供医学素材、影像分析技术和测试环境。
1眼底
眼底[1]是眼球内后部的组织，即眼球的内膜——视网膜、视、黄斑和视网膜中央动静脉。
在视盘的外侧，有一个颜色略深，中心凹处有一反射光点，称为黄斑，它是视力最敏锐的部分。
眼底检查十分重要，许多疾病都可以从眼底上反映出来。眼底的视网膜血管是人体中唯一可看见的血管，医生把它当作了解其它脏器血管情况的窗口。因此，它的变化在一定程度上反映了一些器官的改变程度。医生可据此来分析、判断疾病的严重程度[2]。
2眼底图像及其处理
眼底图像是利用眼底照相机对眼球内壁进行不同角度拍摄而成的图像，图像经过数字化存入计算机中，医师可通过对眼底图像的分析[3]，为各种疾病的诊断提供参考依据。
医学图像研究可以分为两大部分：医学图像成像技术研究、医学图像处理与分析，两者又都包含广泛的研究内容。医学图像处理与分析中主要包括：①图像增强技术；②图像分割技术；③图像配准与拼接技术；④图像显示技术；⑤图像指导治疗技术；⑥图像引导手术技术；⑦医学虚拟环境技术。
医学图像处理与分析一直都是图像处理和分析领域中研究的重点和热点问题，借助图形、图像技术的有力手段，医学图像的质量和显示方法得到了极大的改善，使得医疗水平大大提高，不论在基础学科还是临床应用，都是图像处理种类极多的领域。但是，由于医学图像的处理技术难度大，依然存在着较多的关键问题，使得很多处理很难达到临床实用化程度。
本课题以眼底图像为研究对象，主要集中在对眼底图像的后处理及其应用等方面。结合临床实际，对这些关键问题展开深入的研究，并将成果应用于医学临床分析和诊断。
3研究内容
本项目主要的研究工作是：开发眼底照片辅助分析诊断软件，实现医师在电脑上完成对眼底影像的浏览、分析、诊断、病历编辑、打印、存档等一系列工作（其中分析、诊断功能是本项目的关键技术）。
黄斑是视网膜上一个重要的部位，是中心视力最敏锐（视细胞最密集）的区域，直径仅有1.5mm。多数眼科疾病与黄斑病变（视网膜病变）有关，中心性视网膜炎、出血性黄斑等病变，伴有视网膜下新生血管、渗漏及出血，病灶边缘处有弧形或环形出血，偶有呈放射形排列的点状出血。病程末期，黄斑区形成黄白色瘢痕。黄斑病变（视网膜病变）的眼底荧光血管造影中，会发现渗出灶处有颗粒状、花边状（本项目中称为血管芽）等多种形态的新生血管网。因此，采用数据图像处理技术（阈值化轮廓提取法、半径直方图等）对眼底图像进行处理，获得黄斑区域（包括其附近区域）的图像特征（如区域边缘的轮廓、形状等）和人为图像特征（如直方图、圆度、长半轴、短半轴等）。
总之，从眼底图像中要获得的信息是：拱环（黄斑）、灌注区、亮点、血管芽及它们的属性，然后根据这些信息帮助眼科医生做出初步诊断。
4技术方案
在分析和比较现有眼底图像分析与处理方法的基础上，针对眼底图像处理与分析中存在的关键问题，从以下4个方面进行研究：①图像预处理；②区域识别；③轮廓提取；④参数获取及诊断。
本课题研究的主要内容及模块间关系、研究技术路线如图1所示。将信息学与生物医学紧密结合起来，充分利用现代计算机图像处理技术，对彩色眼底图像进行分析与处理，为临床诊断与科学研究提供定性与定量的参考依据。
解决技术问题所采用的方案：①用二值SOBEL法，对图像进行边缘提取，得到眼底图像的二值轮廓；②通过动态阈值法获得适合当前图像的阈值（包括黄斑阈值、亮点阈值、血管芽阈值），根据获得的阈值对图像进行二值化处理，进而得到“拱环（黄斑区）、无灌注区”图、“亮点”图、“血管芽”图，便于后续的处理；③通过区域亮点密度（亮点数），判断眼底图像中是否存在分支静脉栓塞；④通过区域芽点密度（芽点数），判断眼底图像中是否存在血管芽；⑤通过黄斑区个数、无灌注区个数，判断黄斑结构是否异常，是否存在无灌注区；⑥获得基准面积、测量面积以及黄斑区的属性（圆度、长半轴、短半轴等）；⑦通过半径直方图法，判断黄斑区的圆度；⑧汇总前面的处理结果，作出初步诊断。
5研究环境
本项目研究的数字眼底荧光造影分析仪包括数字影像采集设备和眼底照片分析诊断软件两个部分。①硬件：通用PC、眼底照相机（TRC-50DX）；②软件：Windows XP、Visual Studio 2005、C/C++、OpenCV（Open Source Computer Vision Library）。
6系统测试
测试选用三个实际来诊病人的眼底图像，一人眼底图像正常，两人眼底图像异常。
待处理A（正常）眼底图像如图2所示。
待处理B（异常）眼底图像如图3所示。
待处理C（异常）眼底图像如图4所示。
基准值通过10张正常的眼底图像计算而得。
由于篇幅限制，仅提供来诊病人——C（异常）的测试图像。
通过动态阈值法和手动阈值法对眼底图像进行处理，图5、6、7、8、9、10、11是动态阈值法获得图像，手动阈值法获得的图像省略。
7结语
通过对3个来诊病人眼底图像的测试，说明了该课题设计的眼底影像辅助分析诊断及管理系统达到了预期的功能，能够快速主动地为眼科医生提供一系列有价值的诊断参数和初步诊断结果，极大提高了诊断时间。从测试所获得的参数和结果看，动态阈值法要好些。
另外，该系统能够快速生成诊断报告单（见图12），极大提高了工作效率。关于生成诊断报告单的具体过程，在软件使用说明书中描述。
该课题设计的眼底影像辅助分析诊断及管理系统还存在不足之处：
在对少数图像进行处理时，没有完全达到预期的结果，这也是使用该系统的医院反馈的信息。比如说，在判断亮点时，识别出来的亮点个数为47（亮点个数
参考文献：
[1]王晓幸，王勤美.包含飞.眼科信息学的发展概述[J].中华眼科杂志，2006（5）.
[关键词] 医学图像融合技术；肿瘤；放射治疗
[中图分类号] R730 [文献标识码] A [文章编号] 1674-0742（2015）11（b）-0196-03
[Abstract] Objective To discuss the application effect of medical image fusion technology in cancer radiotherapy by takeing CT-MRI image fusion technology as an example. Methods 50 patients with prostate cancer admitted to this hospital from January 2013 and January 2014 were included. They all underwent CT and MRI scanning. We compared CT image and fusion image in determining the target volume and radiation dose. Results The tumor volume was 72.45cm3 on the CT image and 51.12cm3 on the CT-MRI fusion image， and the area of target tumour cells determined by the CT-MRI fusion image was precise than that determined by CT image. Calculation results of dose of radiation to the bladder and rectum showed that the minimum radiation dose and maximum radiation dose of the fusion image were both smaller than that of the CT image， and the difference was statistically significant，（P
[Key words] Medical image fusion technology； Tumor； Radiotherapy
医学图像融合技术[1]作为当代科技与医学影像相结合的计算机信息融合工程，为临床肿瘤诊断、治疗提供多模态图像，为医学诊断提供了更确切的医学信息。医学图像融合技术最重要的应用领域在于肿瘤的放射治疗，通过各种模态医学图像的融合，准确勾勒出肿瘤靶区轮廓，使肿瘤放射治疗更加精准和有效[2]。该文将通过对该院2013年1月-2014年1月收治的50名前列腺癌症患者，应用CT―MRI融合技术确定前列腺癌强调放疗靶区，综合分析、探讨医学图像融合技术在肿瘤放射治疗中的应用效果，现报道如下。
1 资料与方法
1.1 一般资料
整群选取该院2013年1月-2014年1月收治的前列腺癌症患者50名为研究对象。病例年龄5678岁，平均年龄（65.32.2）岁。所有患者经医学图像及病理学检查符合前列腺癌的临床诊断标准，癌症病程情况为T2bT3a期21例，T3bT4期9例。
1.2 方法
1.2.1 扫描方法 所有患者检查当天清晨保持空腹状态。医学图像扫描前1 h饮用1.5%泛影葡胺水（金陵药业股份有限公司浙江天峰制药厂，生产批号：国药准字H33021004），扫面前15 min肌肉注射15 mg盐酸山莨菪（国药集团容声制药有限公司，生产批号：国药准字H41023400）。由本科专业医师操作行CT扫描，扫描范围从第3腰椎至坐骨结节下缘约 5 cm。患者于第二天CT扫描时间短进行MRI扫描，扫描前1 h喝800 ml温开水，其他操作与CT扫描一致。
1.2.2 放疗靶区勾画 运用图像配准软件对CT扫描及MRI扫描图像进行配准，并将配准图片传入放疗计划系统，根据CT及CT-MRI融合图像勾画患者前列腺、精囊的体积，并勾画出膀胱、直肠、股骨头周围的正常组织。对勾画的肿瘤体积进行化疗，化疗剂量根据照射体积计算。比较患者CT图像与融合图像放疗靶区体积大小，以及各部位的照射剂量。
1.3 统计方法
采用SPSS18.0统计学软件进行数据处理，计量资料采用（x±s）表示，行t检验，P
2 结果
2.1 肿瘤体积勾画体积比较
50例患者采用CT图像勾画的肿瘤体积为（72.45±2.35）mm3，采用CT-MRI融合图像勾画的肿瘤体积为（51.12±2.12）mm3，CT-MRI融合图像确定的肿瘤靶细胞范围更加精准。差异具有统计学意义（t=6.424，P
2.2 放疗照射剂量比较
对膀胱、直肠等部位的照射剂量选择上，CT图像技术的放疗最小照射量为与最大照射量均大于CT-MRI融合图像的放疗照射剂量，（详见表1）。采用CT图像与CT-MR融合技术，两组数据比较：膀胱最小照射剂量，差异有统计学意义（t=5.456，P
3 讨论
3.1 医学图像融合技术的应用讨论
3.1.1 几种主要的医学图像融合技术 目前临床成像设备主要有CT、MRI、SPECT、PET等[3]，为临床提供多模态的医学图像。图像融合技术在放疗中的应用主要有：①CT与MRI融合。CT图像应用于肿瘤放疗中对高密度组织比较敏感，图形稳定不易发生变形的优点，但对软组织边界显示不清晰[4]。MRI图像则提供了较高的空间分辨度，对浸润性肿瘤软组织更加敏感，能清晰显示图像的边界。二者的融合对某些特殊部位，如脑部、前列腺要求精度更高的靶区位置时，图像融合就起到了互补作用，可以帮助医师确定肿瘤边界。②CT与MRSI融合[5]。在胶质瘤的放疗中，MRI图像技术对肿瘤的局部控制和复发控制效果不明显。MRSI技术相比于MRI技术能更加清楚显示肿瘤位置及形状，还可以同时显示代谢水平的有关信息。CT与MRSI融合能提高部分肿瘤的控制效果。③ CT与PET融合[6]。肿瘤细胞具有增殖快、转移速度快的特点，PET可以根据失踪化合物在组织内的浓度，对比肿瘤细胞的增殖及代谢水平。PET显示的活性肿瘤区域图像与CT图像图像融合技术可提高图像对肿瘤病灶的敏感性和特异性，有助于指导精确肿瘤化疗区域与化疗药物的剂量控制。
3.1.2 医学图像融合技术操作步骤 第一，预处理。医学图像预处理是对选定的图像信息进行增强对比度、噪声去除、统一图像大小、格式、分辨率，对感兴趣区域进行分割等各项处理[7]。
第二，图像配准。配准首先应选择适合的图像特征量进行图像特征提取；再根据图像的特征量确定几何变换，以相似性测度函数检验所选图像与参考图像的相似程度，并通过改变参数使测度函数值达到最优，最后执行整体变换。
第三，创建融合图像。首先应进行图像数据的融合，以图像为基础的融合是通过各种图像预处理方法使图像最终呈现的效果达到最佳，以像素为基础的融合即尽量提高图像清晰度。完成图像数据融合后，最终通过伪彩色显示法、断层显示法和三维显示法等显示方法使临床医师能够通过直观的图像进行疾病诊断。
3.2 该次研究结果讨论
医学图像融合技术使传统化疗计划的确定摆脱了单一模态数据指引，以不同图像技术的优点弥补不同技术存中在的不足，具有广泛的临床应用价值。医学图像融合技术应用于肿瘤放射治疗，可确定肿瘤分布位置，有效提高诊断准确性与灵活性，对恶性肿瘤的控制与提高患者生存率具有重要意义。
该次研究中采用CT-MRI融合图像确定前列腺癌强调放疗靶区的应用中，可以看到，CT图像勾画的肿瘤体积为（72.45±2.35）mm3，采用CT-MRI融合图像勾画的肿瘤体积为（51.12±2.12）mm3，CT-MRI融合图像确定的肿瘤靶细胞范围更加精准。另外，肿瘤靶细胞区域的体积大小与放疗照射剂量密切相关，放疗区域确定越大，使用的放疗剂量越多，对患者身体造成的危害更大。CT-MRI融合图像放疗剂量明显少于CT图像，化疗的毒副作用更少。该次研究与胡玉兰等[8]关于CT-MRI融合图像确定前列腺癌放疗靶区的结果具有一致性，认为可以利用图形融合技术进行靶区勾勒，以减小误差。
综上所述，医学融合技术在肿瘤放疗中已有广泛应用，各种医学显像技术取长补短，提高了诊断的灵敏度和准确性。
[参考文献]
[1] 李兴波，陈炀，叶岭，等.医学图像融合技术在肿瘤放射治疗中的应用分析[J].中国卫生产业，2013，10（31）：105-106.
[2] 赵琦，钱永红，王琨，等.CT、MRI 图像融合技术在头部肿瘤放疗中的应用[J].中国医师杂志，2014（z2）：163-164.
[3] 宋永浩，夏海波，周诚忠，等.CT/MRI图像融合在骨转移瘤放射治疗中的应用和价值[J].现代肿瘤医学，2015，23（3）：412-144.
[4] 金烁.医学图像配准技术的研究及其在放射治疗PET-CT系统中的应用[D].济南：山东大学，2013.
[5] 李凯，苏中振，郑荣琴，等.三维超声-CT图像融合评价肝癌消融安全边界[J].中华超声影像学杂志，2012，21（8）：719-722.
[6] 吕宗烨.常规超声、CT检查及超声/CT融合成像对肾肿瘤诊断价值的对比研究[D].济南：山东大学，2014：21.
[7] 张德智，梁萍.肝脏超声图像融合技术的应用进展[J].中华医学超声杂志：电子版，2014（5）：375-377.
关键词：口腔颌面疾病本体 医学图像 疾病肤辅助诊断系统
中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2014）02-0078-02
人体的下颚系统主要包括额骨和和颞下颌关节组成，很多的人体口腔疾病都与和颞下颌关节相关，如牙齿不能正常咬合、张不开嘴、面部骨或软组织畸形以及腮腺炎等面部神经疾患等，医师借助基于本体的疾病辅助诊断系统虚拟环境中的信息进行手术演练和手术技能，能够有效地提高疾病的诊断与治疗。本文利用VC++语言和Matlab设计基于口腔颌面疾病的辅助诊断系统，旨在为医师诊断和治疗口腔颌面疾病提供信息上的帮助，本文先简单概述本体概念和疾病辅助诊断系统
1 疾病本体和辅助诊断系统概述
本体一词最早出现在哲学领域中，意义为客观存在的学科，本体理论不依赖于特定的语言描述，是一种客观世界某个方面的特定体系，在20世纪80年代后期，本体理论逐渐被使用带其他学科领域中，意在描述不同知识理论间的联系，随着研究的深入，本体定义的内涵逐渐加深，概念不断发生变化目前最为流行使用的是Gruber提出的理论。虽然各研究这对于本体的概念定义有所不同，但是对于其实质内含有有着明确的统一的认识，均认同本体是包括概念及概念在内关系的某一领域知识的概念集，本体本身能够提供给人与人与机器，以及机器之间的共享，对于相关学科领域的知识标准化建设有很大帮助，到目前为止本体理论已广泛应用在知识工程、图书情报以及数字图书馆领域中，在医学中本体理论主要是用于GO以及中医药一体化语言系统的研究。
基于本体的辅助诊断系统设计最重要的部分为疾病知识库，包括疾病病状、疾病诊断以及治疗等相关内容，它的作用主要是由来为医师提供医学经验，这种基于本体理论的整合描述，能够在语言层次上说明各种疾病以及药物之间的联系，能够为医学提供强大的知识体系服务。在基于本体的知识库系统中包括用户应用层、本体数据层以及语义网络层，内容包括建立医学疾病如名称、患者信息、药物治疗以及致病原因等概念词典，目前构建本体的工具有很多比较常用的主要是Protere工具。
2 基于口腔颌面本体疾病的辅助诊断系统的研究与实现
本设计的基于口腔颌面本体疾病的辅助诊断系统包括医学图像三维重建系统和口腔颌面本体。基于口腔颌面本体疾病的复制诊断系统主要是对头部的CT图像进行研究，同时包括少量其他的医学图像，这些图像全部转化为DICOM3.0标准，由医学图像三维常见系统和本体采用ADDIn树插件构成，其中辅助诊断系统的医学图像三尾中建系统主要是针对病人的面部以及骨骼图像，本系统的设计能够实现图像的处理分割以及储存等功能，口腔颌面本体对颌面本体外科疾病进行了定义，能够实现口腔疾病信息的查询。由于Matlab与许多对象语言如C++以及VC++等都能够实现连接，因此本基于本体的疾病辅助诊断系统采用Matlab和VC语言进行设计，保证系统含有实用性和可扩展性，满足使用和后期修改补充的需要。
2.1 医学图像三维系统的研究与实现
本设计的医学图像三维系统的模块依照功能进行划分，包括医学图像的读入模块、医学图像的预处理模块、医学图像的分割模块三维模型显示模块以及数据储存模块。在医学图像的读入模块中可以先出读取图像的产生时间以及病人命名称等信息，在此模块中可以对图像进行放大旋转等操作，三维模型的模块中可以改变模型的显示颜色以达到更好的显示效果。医学图像三维重建系统的数据类型主要包括有图像、轮廓度、等值面以及体素等，读入后的图像直接使用矩阵模式进行存储，在轮廓度上像素点的灰度值为1，采样点的位置和坐标采用数据进行记录，体素通过矩阵中的点表示，等值面则是采用等值线进行表示。为方便后期的扩充功能，本设计采用AddIn树的设计思想，插件定义为XML编写。
在构建医学图像三维系统时，设计思想为采用Matalab进行编程，所有的编码全部集中到一个文件中，去除掉控制台窗口，所有功能模块的实现都通过这个文件来进行达到，在执行时需要对VC++的编程环境进行设置，owl格式文件作为口腔颌面本体，进而信转化为VC++语言能够是别的文件格式，达到模块插入到系统中的目的。在此基础上进行改善，使系统的主要功能和系统界面能够通过Matalab实现，系统主界面包括主菜单操作按钮、显示窗口以及文本对话框等，系统的主菜单包括的内容主要为文件、图像处理、三维模型、疾病本体以及数据存储等，通过菜单能够实现图像的读入以及打印等操作。在是哪位系统的构建中主要是对一组图像使用面绘制方法进行表面的三维构建，在菜单的集合操作中实现图像的放大、缩小以及旋转等操作，同时在这个系统中能够实现图像的一维灰度直方图、灰度均值图像以及二维灰度直方图像，同时还可以改变视图中的显示角度。在数据存储菜单中，面对的对象主要是串口中显示的图像和图形，可以实现存储和打印操作，存储操作主要是把图像存储为bmp格式的图像，口腔颌面疾病本体菜单则是连接建立的基于口腔颌面本体的辅助诊断系统。
2.2 基于口腔颌面本体的辅助诊断系统的设计与实现
基于本体的设计能够减少医学概念以及术语之间的差异性，有效的增强医学领域专业知识的使用和共享，本文设计的基于颌面本体的辅助诊断系统采用Graphviz和Protege3.1进行实现。
本设计口腔颌面本体定义6个与疾病相关的公理，这些公理的内容包括不同类之间的公理以及类所对应的塑性之间的联系性的公理。首先公理1对于疾病X而言，这种疾病在发作时，发生症状Y，S则代表疾病X的临床表现，则疾病X的临床表现是症状Y就可以采用S（Y，X）来进行描述；公理2规定恶性肿瘤的转移速度为X，并规定良性肿瘤的转移速度为Y，则恶性肿瘤的转移速度大于良性肿瘤的转移速度就可以采用S（X，Y）进行描述，其中X>Y；公理3定义对于任意疾病X而言，疾病复发率全部大于0小于1，可以使用0
在口腔颌面疾病本体中主要定义了5个基本类，分别记作为Extraneous factor、Medical treatement、Diseases、Patient和Medical substance5类，其中这5个基本类同时又包含起亚的许多子类，如类Diseases包含子类Diseases Oral and Maxillo facial Region 和子类Other diseases，而子类Diseases Oral and Maxillo facial Region又包含了Periodontal disease、Congenital deformity of Oral and Maxilofacial Region以及Tooth disease等共8个子类，同时随着时间的推移以及各临床症状的进一步完善，这些子类有些还能够进行细分。本文所设计的基于口腔颌面疾病本体的子类共119个，这5个基本类的结构层次（从上往下）分别为以下内容。基本类Extraneous factor的结构层次：Medical substance、Medical instrument；基本类Medical treatement的结构层次为 Medical instrument、Medical substance；基本类Diseases的结构层次为Diseases Oral and Maxillo facial Region、Other diseases、Tumour、Extraneous factor；基本类Medical substance的结构层次为Emergency disposing、Immunization therapy、Medicament treatment、Surgery treatment、Patient。
在对基本类进行定义以后，还需要定义这些类的属性，其中需要定义的属性包括数据类型属性以及对象类别属性，具体而言数据类型属性的作用是修饰基本类，而对象类数据属性则是表示不同类之间的相互关系。针对口腔颌面本体具体的关系如下表所示。在不同类的的不同属性中父类的属性同样使用在子类的属性之中，并在子类的属性中还包含了其他的属性，如在基本类的Patient的属性中还包含了住址、姓名、性别患病经历、就诊日期以及联系方式等属性。（表1）
在对类的属性进行定义中，每个类都包含有具体的实例，在本设计的基于口腔颌面疾病本体的系统中基本类Diseases包含有93个实例，类Patient则包有l0个实例。用户在使用本设计的疾病辅助诊断系统式，可根据口腔颌面本体进行查询，主要是以红枣具体的类名和属性进行查询，在查询中，系统会对查询方式进行存储，选定的条件越多，得到的查询结果越精确，查询到结果后可保存文本格式，也可以保存到数据库中，能够满足多种需要。
3 结语
综上所述，本文先概述基于口腔颌面本体疾病的辅助诊断系统的设计模块，进而分析医学图像三维重建系统的设计，讲述基于口腔颌面疾病本体的疾病肤辅助诊断系统的研究与实验。本文设计使用VC++语言，采用了Addin树设计方法，构建了辅助诊断系统，主要内容包括三维重建颞下颌关节来获得三维模型，随着计算机技术的不断发展，还需要对本设计系统模块进行扩充，如增加有限元分析模块等，基于口腔颌面疾病辅助诊断系统的设计中还需要显示出颞下颌关节的具体运动环节，进而分析其受力情况，找出口腔疾病的的原因，这些问题还需要更多的人去研究。
参考文献
[1]王东升，刘亮亮，曹敢，等.基于领域本体的心血管疾病辅助诊断系统[J].微计算机信息，2008，24（1）：276-277+251.
[2]生佳根，刘思峰.一种基于本体的关联规则挖掘方法[J].南京理工大学学报（自然科学版），2008，32（4）：401-405+410.
[3]李学明，付大超.基于本体的智能检索及其在泌尿外科中的应用[J].计算机应用与软件，2011，21（12）：213-216.
[4]郑丽萍，李光耀，姜华，等.口腔颌面疾病辅助诊断系统的设计与实现[J].计算机工程，2011，37（21）：279-281+284.
关键词:医学图像配准;插值方法;互信息
中图分类号：TP391文献标识码：A文章编号：1009-3044(2012)18-4501-02
Research and Application of Medical Image Registration Methods
ZHANG Rong-hai1, PAN Yi-guang2, ZHANG Jun1
（1.Dept. of Public, West Anhui Health Vocational College, Lu’an 237005, China; 2.Medical Imaging Center, Lu’an People’s Hospital, Lu’an 237006, China）
Abstract: Image registration is an important research topic in the field of medical image processing. Image registration is a multiple image alignment to a common coordinate system, to detect subtle changes in the intervening. Medical image registration is widely used in medical diagnosis, to guide nerve surgery, radiation treatment plan, lesion location, tracking and inspection of the treatment of pathological changes in various aspects of morphology and function of integrated information for clinical diagnosis. In this paper a comprehensive overview of the research and application progress of medical image registration techniques.
Key words: medical image registration; interpolation method; mutual information
图像配准技术是医学图像处理领域的一个重要研究课题。医学图像配准技术可以将来源于不同成像设备的图像，或者不同时间利用同种成像设备得到的图像进行配准，得到更丰富的信息用于医疗诊断中。医学图像配准不仅可以用于医疗诊断，还可以用于指导神经手术、放射治疗计划的制定、病灶的定位、病理变化的跟踪和治疗效果的评价等各个方面，为医生提供功能和形态的综合信息。在不同的时间使用不同的设备，如磁共振、CT、PET、SPECT等（多模式），从不同的角度，以2D或3D的视角（多时空）。图像配准应用于各个领域，如遥感技术及其应用（多光谱分类）、环境监测、变化检测、图像拼接、气象预报、建立超分辨率图像、纳入地理信息信息系统（GIS）），医药（从不同的方式相结合的数据，如电脑断层扫描（CT）和磁共振成像（MRI），以获得更完整、有关病人的信息，监测肿瘤的生长、治疗验证、比较病人的数据、制图、解剖地图集（地图更新）、在计算机视觉（目标定位，自动质量控制）。
医学图像配准技术可以将来源于不同成像设备的图像，或者不同时间利用同种成像设备得到的图像进行配准，得到更丰富的信息用于医疗诊断中。全自动医学图像配准不仅可以用于医疗诊断，还可以用于指导神经手术、放射治疗计划的制定、病灶的定位、病理变化的跟踪和治疗效果的评价等各个方面，为医生提供功能和形态的综合信息。目前大量的图像数据无法实时实现和临床应用，这也成为限制了现阶段配准性能较好的互信息相似性测度在配准方法中的应用。不论是刚性还是非刚性配准算法，在配准过程中，常使用多分辨率图像金字塔来进行由粗到精的搜索变换系数，提高计算效率、避免局部极小值，实现自动的更精确的配准结果。但是常见的图像小波金字塔，滤波器的张量积形式使得小波变换缺乏平移和旋转不变性，这些不变性正是在图像配准中最需要的，只有具有这些不变性，刁能保证从粗尺度上得到的平移、旋转和放缩参数的准确性，从而得到准确的结果。
1医学图像配准的步骤
图像配准主要包括特征检测、特征匹配、变换模型估计、图像采样与变换等步骤。功能检测：突出和鲜明的对象（封闭的边界地区、边缘，轮廓线交叉路口，弯道等两个参考）和遥感图像被检测到。特征匹配的特点和参考之间的对应关系建立了遥感影像。变换模型估计：所谓的映射的类型和参数功能，根据遥感图像与参考图像，估计。图像重采样和改造：遥感图像转化指的映射功能。
2医学图像配准方法
医学图像配准方法以下方法包括傅立叶转换分析、互相关的方法，使用傅立叶分析、总体搜索技术、特征值分解、矩匹配技术、变形技术、程序的方法、解剖图集、内部标签、外部标签等。
2.1外在配准方法
是将人造物体检测连接到病人的身体的方法，不需要复杂的算法，常用于骨科临床诊断与治疗等；
医学图像处理技术包括很多方面，本文主要介绍分析图像分割、图像配准和融合以及伪彩色处理技术和纹理分析在医学领域的应用和发展。图像分割就是把图像中具有特殊涵义的不同区域分开来，这些区域使互不相交的每一个区域都满足特定区域的一致性。它是图像处理与图像分析中的一个经典问题。目前针对各种具体问题已经提出了许多不同的图像分割算法,对图像分割的效果也有很好的分析结论。但是由于图像分割问题所面向领域的特殊性，至尽尚未得到圆满的、具有普适性的解决方法[2]。
图像分割技术发展至今，已在灰度阈值分割法、边缘检测分割法、区域跟踪分割法的基础上结合特定的理论工具有了更进一步的发展。比如基于三维可视化系统结合FastMarching算法和Watershed变换的医学图像分割方法,能得到快速、准确的分割结果[3]。图像分割同时又是进行三维重建的基础，分割的效果直接影响到三维重建后模型的精确性，分割可以帮助医生将感兴趣的物体(病变组织等)提取出来，帮助医生能够对病变组织进行定性及定量的分析，从而提高医生诊断的准确性和科学性[4]。
如何使多次成像或多种成像设备的信息得到综合利用，弥补信息不完整、部分信息不准确或不确定引起的缺陷，使临床的诊断治疗、放疗定位、计划设计、外科手术和疗效评估更准确，已成为医学图像处理急需解决的重要课题。医学图像配准是通过寻找某种空间变换，使两幅图像的对应点达到空间位置和解剖结构上的完全一致。要求配准的结构能使两幅图像上所有的解剖点，或至少是所有具有诊断意义以及手术区域的点都达到匹配[5]。目前医学图像配准方法有基于外部特征的图像配准(有框架)和基于图像内部特征的图像配准(无框架)两种方法。后者由于其无创性和可回溯性，已成为配准算法的研究中心。基于互信息的弹性形变模型也逐渐成为研究热点。
互信息是统计两个随机变量相关性的测度，以互信息作为两幅图像相似性测度进行配准基于如下原理：当两幅基于共同的解剖结构的图像达到最佳配准时，它们对应的图像特征的互信息应为最大[6]。图像配准是图像融合的前提，是公认难度较大的图像处理技术，也是决定医学图像融合技术发展的关键技术。近年来国外在图像配准方面研究很多，如几何矩的配准、利用图像的相关系数、样条插值等多项式变换对图像进行配准。国内研究人员也提出了一些相应的算法：对于两幅图像共同来估计其正反变换的一种新的图像配准方法，称为一致图像配准方法；采用金字塔式分割，进行多栅格和多分辨率的图像配准，称为金字塔式多层次图像配准方法；为了提高CT、MRI、PET多模态医学图像的三维配准、融合的精度，还可以采用基于互信息的方法[7]。
在图像配准方面，在努力提高配准精度的同时，目前提出的多种方法都尽量避免人工介入，力求整个过程自动化，其结果导致实现算法的过程复杂而耗费时间，文献[5]已进行研究，试图实现基于人机交互的快速图像配准策略,同时根据图像的不同成像模式选择合适的配准测度也十分重要。不同的医学图像提供了相关脏器的不同信息，图像融合的潜力在于综合处理应用这些成像设备所得信息以获得新的有助于临床诊断的信息。利用可视化软件，对多种模态的图像进行图像融合，可以准确地确定病变体的空间位置、大小、几何形状及它与周围生物组织之间的空间关系，从而及时高效地诊断疾病，也可以用在手术计划的制定、病理变化的跟踪、治疗效果的评价等方面。在放疗中，利用MR图像勾勒画出肿瘤的轮廓线，也就是描述肿瘤的大小；利用CT图像计算出放射剂量的大小以及剂量的分布，以便修正治疗方案。
在制定手术方案时，对病变与周围组织关系的了解是手术成功与否的关键，所以CT与MR图像的融合为外科手术提供有利的佐证，甚至为进一步研究肿瘤的生长发育过程及早期诊断提供新的契机。在CT成像中，由于骨组织对X线有较大的吸收系数，因此对骨组织很敏感；而在MR成像中，骨组织含有较低的质子密度，所以MR对骨组织和钙化点信号较弱，融合后的图像对病变的定性、定位有很大的帮助[8]。由于不同医学成像设备的成像机理不同，其图像质量、空间与时间特性有很大差别。因此，实现医学图像的融合、图像数据转换、图像数据相关、图像数据库和数据理解都是亟待解决的关键技术[9]。对一幅黑白图像，人眼一般只能辨别出4到5比特的灰度级别，而人眼能辨别出上千种不同的颜色。针对这一特点，人们往往将黑白图像经过处理变为彩色图像，充分发挥人眼对彩色的视觉能力，从而使观察者能从图像中取得更多的信息，这就是伪彩色图像处理技术。
医学图像大多是黑白图像，如X、CT、MRI、B超图像等。经过伪彩色处理技术，即密度分割技术，提高了对图像特征的识别。通过临床研究对X线图片、CT图片、MRI图片、B超图片、电镜图片均进行了伪彩色技术的尝试，取得了良好的效果，部分图片经过处理后可以显现隐性病灶。例如对X线图片，在乳腺照影中伪彩色处理能鉴别囊性病、良性和恶性肿瘤，同样，钡餐照影图片和各种X线图片也得到良好的诊断效果[10]。纹理是人类视觉的一个重要组成部分，迄今为止还难以适当地为纹理建模。为此有关专家进行了大量的探索研究，但未能获得有关纹理的分析、分类、分割及其综合的有效解释[11]。
有研究针对肝脏疾病难以根除、危害面广的问题，采用灰度梯度共生矩阵的方法，分别提取纤维化肝组织和正常肝组织的CT图像的纹理特征，提出了基于灰度梯度共生矩阵的小梯度优势、灰度均方差、灰度熵等参数作为图像的纹理特征量。通过选取的纹理参数，可以看到正常组和异常组之间存在显著性差异，为纤维化CT图像临床诊断提供了依据[12]。
2三维医学图像的可视化
三维医学图像的可视化通常是利用人类的视觉特性，通过计算机对二维数字断层图像序列形成的三维体数据进行处理，使其变换为具有直观立体效果的图像来展示人体组织的三维形态。三维医学图像可视化技术通常分为面绘制和体绘制两种方法。体绘制技术的中心思想是为每一个体素指定一个不透明度，并考虑每一个体素对光线的透度、发射和反射作用。医学数据的可视化，已成为数据可视化领域中最为活跃的研究领域之一。实现三维数据可视化的方法很多，空间域方法的典型算法包括：射线投射法、足迹法、剪切－曲变法(目前被认为是一种速度最快的体绘制算法)等；变换域方法的典型算法有频域体绘制法和基于小波的体绘制法，其中小波的体绘制技术显现出较好的前景[13]。
以上可以利用的三维可视化软件有AVS、Analyze、amira、3Dslicer等，其中Analyze是专为生物医学图像的研究而开发的图像可视化软件。利用二维断层数据进行三维重建，可以更为直观地显示人体器官的各个解剖结构的形态及它们之间的毗邻关系，为基础研究和手术规划及手术过程模拟提供参考。鼻部是人体内解剖结构比较复杂的部位之一，可以利用3DSlicer来尝试实现鼻部部分解剖结构的三维可视化，以此为可视化虚拟人体模型的建立探索一种精确的重建方法和显示手段，同时也可为医疗工作者提供更为细致、完全和快捷的观察方案[14]。
随着互联网技术不断发展，跨越空间限制的远程虚拟现实技术已经逐步成为可能。基于虚拟现实技术利用美国国家医学图书馆VHP(VisibleHumanProject)完整数据重建可视人体，综合VTK、VRML、OperGL等可视化平台的优势，采用三维互动、空间电磁定位、立体视觉等虚拟现实技术，实现了全数字可拆装人体骨骼的本地和远程互动学习。三维虚拟现实让“遨游”人体世界成为可能，可以呈现一个物理上并不存在但又实实在在“看得见”、“摸得着”的“真实”人体，使用者可以无数次地“解剖”这个虚拟人以了解人体的结构[15]。在临床方面，提出了一种用AVS/Express开发的基于PC的LeFortI手术模型系统原型。
利用AVS/Express大量预制的可视化编程对象模块，快速构建系统的结构框架和功能模块，生成的原型能对以DICOM(DigitalImagingandCommunicationsinMedicine)格式存储的颅颌面CT序列断层图像进行预处理，并进行三维重建，在交互式操作环境中，显示颅颌面各种组织的解剖结构，进行相应的三维测量，模拟LeFortI手术的截骨头，对截骨段实行任意的平移颌旋转[16]。
在体视化方面一直致力于提高重建速度(实时显示利于交互操作)，使重建效果理想，减少冗余信息及存储空间。具体需要考虑：1)不完全数据提出一个足够精确的数据提取方案2)什么算法能够快速准确地实现图像重建。人体器官是一个高精度庞大的结构，所建模型还应考虑临床实用方面的因素以及某些特殊部位的个体差异，针对不同的生理组织应采用不同的分割方法[17]。3针对PACS的图像压缩PACS(PictureArchivingandCommunicationSystem，图像存档及通信系统)是近年来国内外新兴的医学影像信息技术，是专门为医学图像管理而设计的，包括图像获取、处理、存储、显示或打印的软硬件系统，是医学影像、数字化图像技术、计算机技术和网络通信技术相结合的产物。显然，计算机网络是PACS的重要组成部分，它负责提供底层图像传输服务，是PACS的软硬件基础，正是通过各个层次的网络才将PACS中的图像获取、存储显示以及医疗数据的管理等单元连为一体，使之形成一个统一、高性能的系统。
PACS需要解决数据传输和图像存储的问题，如何利用有限的存储空间存储更多的图像，医学图像压缩是关键的技术之一。医学图像数据量是非常惊人的，建立PACS的许多技术困难都与之有关，如图像的存储、传输、显示等。从图像压缩还原的角度出发，图像压缩方法可分为无损压缩和有损压缩两大类，常用的无损压缩方法有差分脉冲预测编码、多级内插方法等。常用的有损压缩方法有离散余弦变换(DCT)、全帧离散余弦变换、重叠正交变换(LOT)、自适应预测编码和神经网络法等，近年来又出现了分形和小波变换编码[18]。如何对医学图像进行压缩，是近年来图像处理技术中的一个重点研究的问题[19]。
医学图像的压缩无疑是减低应用系统成本，提高网络传输效率，减少存储空间的一个重要途径。DICOM作为医学图像与通信的重要标准，加入了对图像压缩算法的支持。目前DICOM正在研究对最新的压缩标准JPEG2000支持的可能性。随着新一代静态图像压缩标准JPEG2000的发展，小波理论在这个领域成为研究的热点，在这方面文献[20]提出了面向任务的医学图像压缩的概念。医学图像是医学诊断和疾病治疗的重要根据，在临床上具有非常重要的应用价值。确保医学图像压缩后的高保真度是医学图像压缩首要考虑的因素，现在医学图像上常常采用无损压缩，因为它能够精确地还原原图像。但是无损图像压缩的压缩比很低，一般为2~4；而有损图像压缩的压缩比可以高达50，甚至更高。
所以将这两种压缩方法在保证使用要求的基础上结合起来，在获取高的压缩质量的前提下提高压缩比。因此，医学图像被人为地划分为两个区域：1)包含重要诊断信息的区域，其错误描述的代价非常高，所以此感兴趣区域(ROIRegionofInterest)需要高重构质量的压缩方案；2)非感兴趣区域则要求达到尽可能高的压缩比,即需要在某一框架下将无损压缩与有损压缩统一起来，这也是目前医学图像研究领域的一个热点。我们的工作就集中在小波理论框架下实现面向任务的医学图像压缩,由于并非所有的小波基都适合于分解图像，所以前期工作的重点在MATLAB的仿真上，考虑到部分所选医学图像的ROI区域和非ROI区域的对比度不很理想的情况，图像分割的最优算法是考虑的一个方面。
压缩比方面在满足一般性的图像条件下针对某些特殊图像也会有相应的考虑，目前的工作是在VC平台下实现面向任务的医学图像压缩。在医学图像压缩方面，许多学者结合模式识别、计算机视觉、神经网络理论、小波变换和分形理论等探索图像编码的新途径，同时人的视觉生理心理特性的研究成果也开拓了人们的视野，给从事图像编码技术研究的学者带来了新的启迪。但随着网络技术在医学领域的广泛应用，更加细致的要求也逐渐被提出来了。
[关键词]医学超声影像 图像融合 应用
[中图分类号]R455.1 [文献标识码] B [文章编号]1009―6019―[2010]06―37―02
医学超声在医学诊断中起着十分重要的作用。但是医学超声所包含的诊断技术，无论是型成像还是血流检测，一般都沿用了线性声学的规律，从低廉的普及型仪器到昂贵的高档设备，都作为线性系统进人应用领域，这种医学超声中的线性现象以往占了主导地位，形成超声诊断的主流，实际上医学超声中存在着非线性现象，过去它处于次要地位而被忽略，但是随着人们对事物本质研究的深入，以往被忽略的非线性现象都在某种场合显示其重要性，研究医学超声中非线性现象有助于人们进一步提高现有的诊断水平，近年来产生的谐波技术就是非线性声学在超声诊断中的一项有应用成效的新技术。传统的超声影像设备是接收和发射频率相同的回波信号成像，这种成像的方法被称为基波成像，实际上回波信号受到人体组织的非线性调制后产生基波的二次三次等高次谐波，其中二次谐波幅值最强，利用人体回声的高次谐波构成人体器官的图像，使得图像清晰分辨率得到提高。这种用回波的高次谐波成像的方法叫做谐波成像，近年来，在临床上得到了广泛的应用。虽然谐波成像可以减少杂波和图像阴霾，能够提供增强的对比分辨率，但是由于带宽较窄，对于低频中的有用信号的损失是不可避免的，能否提高信号的利用率是获得更为清晰的超声图像的关键。
数据融合，是20世纪80年代形成和发展起来的一种自动化信息综合处理技术，它将来自多传感器和多源的信息和数据进行综合处理，从而得出更为可信的图像融合。图像融合是将来自不同探测器的图像进行合并，以得到一个更完整的图片或场景，其主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可靠性，通过对多幅图像间的互补信息的处理来提高图像的清晰度，图像融合作为数据融合的一个分支，也用到了常用的数据融合方法，但又根据图像的特点引入了许多图像处理的方法，本文采用小波变换的方法针对医学超声图像进行融合，实验所用图像经过预处理滤波。
1 基于小波变换的图像融合方法
医学图像融合的过程可以分为两个步骤，图像在空间域的配准和融合图像的创建，图像配准是图像融合的先决条件，图像配准精度的高低直接决定着融合结果的质量，20世纪90年代以来，随着图像配准研究的深入开展，国内外学者研究了多种方法1993年专门对医学图像的配准方法进行了分类，归纳了7种分类标准。
小波变换在空间和频率域上都具有局域性，从而能对信息进行多尺度分析的细化分析。小波变换在图像融合中的应用研究已有报道，但大多在热图像和可视图像的融合，小波变换用于图像融合有不少优点，图像经小波分解后，不同分辨率上的细节信息互不相关，这样可以将不同频率范围内的信号分别组合，产生多种不同特征的融合图像，而且图像在不同分辨率水平上的能量和噪声不会互相干扰，融合图像的块状伪影也容易消除，基于小波变换的图像融合的一般结构，可以看出融合规则非常重要，当在建立融合图像的每个小波系数时，必须确定哪幅源图的小波系数对融合有利，这个信息将保留在融合决策图中，常用的融合规则主要有基于像素的融合规则和基于窗口的融合规则，基于像素的融合规则逐个考虑源图相应位置的小波系数，主要是交叉像素选择法，即从各源图的小波系数矩阵中相应位置选取最大的小波系数作为融合的小波系数，然后再由小波逆变换得到融合图像。
这种方法在融合处理时表现出对边缘的高度敏感性，使得图像在预处理时要求图像严格对准，否则处理结果将不尽人意。基于窗口的融合规则不仅考虑相应位置的小波系数，还要考虑与它相邻的小波系数。比如窗口划分，再确定融合相应位置的小波系数，这种方法考虑了图像像素与它相邻像素的高度相关性这一事实，因此，降低了对边缘的敏感性。如何选择窗口是该融合规则的难点，这要求所选窗口的小波系数有较大的相关性，否则就无法发挥该法的优越性，为此，可以将图像看作是由不同灰度等级的区域构成的，而物体的边缘表现为灰度差，边缘是图像的一个很重要的特征，包含有价值的目标边界信息，由边缘可以进行图像的定位“识别”滤波等操作。根据边缘区域图和区域活动表，使用以下的融合规则来计算融合决策图：高活动等级优于低活动等级，边缘的像素点优于非边缘像素点，小区域优于大区域，在确定边缘在图像处理中，经常要将处理后的图像与处理前的图像进行各方面的比较，看图像质量是否改观，比较常用的方法是峰值信噪比，图像融合是一种新的图像处理方法，因此可以借用通常图像处理中的图像评估方法，以评判融合方法的优劣，由于图像融合是将几幅不同的图像经处理后得到一幅包含源图像中各个细节的图像，该融合后的图像与两张源图进行，计算处理结果表明基于区域的融合的方法是有效的，总之，融合处理对图像质量的提高是有益的。
