- 相關(guān)推薦
2015醫(yī)學(xué)開(kāi)題報(bào)告范文（影像）
論文題目：
醫(yī)學(xué)影像圖像處理若干關(guān)鍵問(wèn)題的研究
一、論文選題依據(jù)(包括本課題國(guó)內(nèi)外研究現(xiàn)狀述評(píng)，研究的理論與實(shí)際意義，對(duì)科技、經(jīng)濟(jì)和社會(huì)發(fā)展的作用等)
醫(yī)學(xué)影像技術(shù)的發(fā)展歷史可追溯到1895 年德國(guó)物理學(xué)家倫琴發(fā)現(xiàn)了X 射線并把它用于醫(yī)學(xué)診斷。從而發(fā)明了X 射線成像技術(shù), 它第一次無(wú)損地為人類提供了人體內(nèi)部器官組織的解剖形態(tài)照片, 從而為醫(yī)生臨床診斷提供了重要的生物信息。由此引發(fā)了一場(chǎng)醫(yī)學(xué)診斷技術(shù)的革命。它是一門交叉學(xué)科，利用物理學(xué)、電子學(xué)、計(jì)算機(jī)科學(xué)等一些基礎(chǔ)科學(xué)的先進(jìn)技術(shù)來(lái)診斷和治療疾病[1]。
隨著微電子技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、計(jì)算機(jī)圖形圖像處理技術(shù)、人工智能和自動(dòng)控制技術(shù)的蓬勃發(fā)展，現(xiàn)代醫(yī)學(xué)影像技術(shù)已成為21世紀(jì)發(fā)展最快的技術(shù)領(lǐng)域之一[2]。隨著超聲(US)、計(jì)算機(jī)體層攝影(CT)、磁共振成像(MRI)、介人放射學(xué)及正電子發(fā)射體層攝影術(shù)(PET)等新的影像診斷和治療方法的相繼問(wèn)世，醫(yī)學(xué)影像學(xué)從無(wú)到有，從小到大，經(jīng)歷了一個(gè)飛速迅猛的發(fā)展過(guò)程。尤其是介人放射學(xué)的出現(xiàn)，使單純的放射診斷室發(fā)展成為當(dāng)今集診斷與治療于一體的大型臨床醫(yī)學(xué)影像科室，無(wú)疑在新世紀(jì)，醫(yī)學(xué)成像技術(shù)將發(fā)展得更快，并在醫(yī)療領(lǐng)域發(fā)揮日益重要的作用[3]。
下面來(lái)介紹一下幾類主要的醫(yī)學(xué)成像方式：
1、超聲成像 第二次世界大戰(zhàn)后, 在雷達(dá)、聲納技術(shù)基礎(chǔ)上,應(yīng)用回聲定位原理發(fā)展了各種超聲成像技術(shù),研制完成了A型、B型、M型超聲診斷儀。目前(透射型)超聲計(jì)算機(jī)斷層成像技術(shù)(Ultrasound Computed Tomography, UCT)已經(jīng)成熟。
超聲波成像具有無(wú)損傷、靈敏度高的優(yōu)點(diǎn)。對(duì)于軟組織的觀察無(wú)須做注射造影劑之類的成像前預(yù)處理,而且成像迅速,設(shè)備造價(jià)低廉,它既可以反映器官的解剖圖像,也可反映機(jī)能狀況。因此,超聲成像是目前各成像技術(shù)中應(yīng)用最廣、發(fā)展最快的技術(shù)。
20世紀(jì)80 年代初問(wèn)世的超聲血流圖( color flowmapping, CFM) 是目前臨床上使用的高檔超聲診斷儀。它的特點(diǎn)是把血流信息疊加到二維B 型圖像上。在B 型圖像顯示的血管中, 凡是指向換能器的血流在圖中用紅色表示, 而那些背離換能器的血流則用藍(lán)色表示。由于在一張圖像上既能看到臟器的解剖形態(tài), 又能看到動(dòng)態(tài)血流, 它在心血管疾病的診斷中發(fā)揮了很大的作用[1]。
2、CT成像 計(jì)算機(jī)體層攝影(computed tomography, CT)是利用X線對(duì)人體某一范圍進(jìn)行逐層的掃描，取得信息，經(jīng)計(jì)算機(jī)處理后獲得重建的圖像(橫斷解剖圖)，通過(guò)計(jì)算機(jī)處理得到三維的重建圖像。由CT生成的橫切面、斷層、數(shù)字圖像解決了傳統(tǒng)影像中三維結(jié)構(gòu)重疊、軟組織分辨率差及信息效率低等主要缺陷，取得了劃時(shí)代的革新。但是在多層CT開(kāi)發(fā)成功之前,CT一度曾處于相對(duì)停滯的階段。多層CT技術(shù)進(jìn)入峰回路轉(zhuǎn)的新階段，其主要突破在于:采集速度(掃描速度)，成像質(zhì)量(空間分辨率與密度分辨率)，數(shù)據(jù)采集范圍(掃描范圍)三個(gè)方面由于三者存在著相互制約的關(guān)系，所以通過(guò)技術(shù)方法的改進(jìn)將其協(xié)調(diào)在最佳值，成為CT技術(shù)發(fā)展中的重要研究課題[4]。
3、MRI成像磁共振成像(Magnetic resonance imaging, MRI)又稱核共振(Nuclear magnetic resonance, NMR)，是近年來(lái)迅速發(fā)展起來(lái)的醫(yī)學(xué)影像新技術(shù)，被認(rèn)為是20世紀(jì)最先進(jìn)、最有前途的影像設(shè)備[5]。1946年美國(guó)學(xué)者Bloch和Purcell首先發(fā)現(xiàn)了核磁共振現(xiàn)象,從此產(chǎn)生了核磁共振譜學(xué)這門學(xué)科。核磁共振技術(shù)的最初應(yīng)用是對(duì)有機(jī)化合物的結(jié)構(gòu)分析及物質(zhì)性質(zhì)的研究。1973年勞特伯(Lauterbur)利用核磁共振技術(shù)首次獲得了生物體斷面的質(zhì)子自旋密度圖像,第一個(gè)做出了仿真模塊的二維核磁共振圖像。核磁共振技術(shù)與計(jì)算機(jī)技術(shù)結(jié)合,形成磁共振CT,且已在臨床上普遍應(yīng)用。它是利用與人體組織密切相關(guān)的一類原子核(如等1H、2H、13C、14N、19F、23Na、31P、127I等)在外界射頻磁場(chǎng)的作用下發(fā)生核磁共振現(xiàn)象，利用其產(chǎn)生的共振現(xiàn)象進(jìn)行成像的技術(shù)。磁共振成像首先將受檢部位置于靜磁場(chǎng)內(nèi)，病人的長(zhǎng)軸與靜磁場(chǎng)Z方向平行;用脈沖射頻磁場(chǎng)激勵(lì)人體的受檢部位，用接受線圈測(cè)量輸出的共振信號(hào)，利用計(jì)算機(jī)進(jìn)行二維斷層成像或三維立體成像。磁共振成像按獲得磁場(chǎng)的形式可以分為永磁型、常導(dǎo)磁體型和超導(dǎo)磁體型永磁型的特點(diǎn)是造價(jià)低、耗電省、效率高;超導(dǎo)磁體型是利用電流來(lái)激勵(lì)磁場(chǎng)，機(jī)器可以設(shè)計(jì)的比永磁型的小;超導(dǎo)磁體型可以做出很高的磁場(chǎng)，適合于各種不同要求檢查，斷層厚度也可以小到3cm[6]。
磁共振成像兼容了射線技術(shù)和核醫(yī)學(xué)的特點(diǎn)，不僅可以顯示形態(tài)解剖圖，還可以顯示出各種不同組織的化學(xué)結(jié)構(gòu)，以及生理、生化的動(dòng)態(tài)信息。如含水狀態(tài)，脂肪含量，F(xiàn)、Na、P等元素的含量等。MRI是通過(guò)電子學(xué)方法調(diào)節(jié)梯度場(chǎng)以實(shí)現(xiàn)掃描，所以根據(jù)需要不僅可以直接顯示任意決度的切面，而且可以得到無(wú)限個(gè)切面，及利用這些切面進(jìn)行三維顯像[7]。
在臨床應(yīng)用上，與CT相比，MRI具有無(wú)放射線損害，無(wú)骨性偽影，能多方面、多參數(shù)成像，有高度的軟組織分辨能力，不需使用對(duì)比劑即可顯示血管結(jié)構(gòu)等獨(dú)特的優(yōu)點(diǎn)。幾乎是用于全身各系統(tǒng)的不同疾病，如腫瘤、炎癥、創(chuàng)傷、推行性病變以及各種先天性疾病的檢查。對(duì)顱腦、脊椎和脊髓病的現(xiàn)實(shí)優(yōu)于CT。它可不用血管造影劑，即顯示血管的結(jié)構(gòu)，故對(duì)血管、腫塊、淋巴結(jié)和血管結(jié)構(gòu)之間的相互鑒別，有其獨(dú)到之處。它還有高于CT數(shù)倍的軟組織分辨能力，敏感地檢出組織成分中的水分含量的變化，因而常比CT更有效和更早地發(fā)現(xiàn)病變MRI能清楚、全面地顯示心腔、心肌、心包及心內(nèi)其他細(xì)小結(jié)構(gòu)，是診斷各種心臟病以及心功能檢查的可靠的方法[8]。
以下是幾類常用的圖像處理技術(shù)：
1、圖像去噪 圖像去噪指的是利用各種濾波模型，通過(guò)多點(diǎn)平滑等方法從已知的含有噪聲的圖像中去掉噪聲成分。圖像去噪從整個(gè)圖像分析的流程上來(lái)講屬于圖像的預(yù)處理階段，從數(shù)字圖像處理的技術(shù)角度來(lái)說(shuō)屬于圖像恢復(fù)的技術(shù)范疇，它的存在有著非常要的意義。
為了抑制圖像中的噪聲，可以使用很多常規(guī)的方法，例如均值濾波、中值濾波、順序統(tǒng)計(jì)濾波、維納濾波，以及由這些濾波方法衍生而來(lái)的許多其他濾波器，包括模糊濾波器、自適應(yīng)均值濾波器、基于邊緣特征的濾波器等，上述各種濾波方法都能在一定程度上濾除圖像中存在的噪聲。但是，這些常規(guī)的方法在濾除噪聲的同時(shí)，往往會(huì)損失目標(biāo)在圖像中的高頻信息，引起邊緣和紋理的模糊。所以，在去除噪聲的過(guò)程中，存在噪聲抑制與邊緣保持之間的矛盾，有必要尋找更好的去噪方法，在抑制噪聲的同時(shí)，還能保持邊緣和紋理信息，以便更好地復(fù)原因噪聲污染引起的圖像質(zhì)量退化[9]。
近年來(lái)，采用偏微分方程(Partial Differemial Equation，PDE)技術(shù)對(duì)圖像進(jìn)行處理獲得了國(guó)內(nèi)外的廣泛關(guān)注，它是一種局部自適應(yīng)(Local adaptability)技術(shù)，它具有很高的靈活性和變通性;另外使用形式上的規(guī)范性(unification)使得圖像處理問(wèn)題的描述在形式上變得簡(jiǎn)單，對(duì)不同圖像處理問(wèn)題，在數(shù)學(xué)處理上更加統(tǒng)一;并且PDE技術(shù)在消除圖像噪聲和保護(hù)圖像固有的特征方面也有了很大的進(jìn)展，在圖像處理的各個(gè)領(lǐng)域均有不錯(cuò)的效果[10]。
醫(yī)用B超己越來(lái)越廣泛地應(yīng)用于臨床診斷中，然而B(niǎo)超圖像中存在大量的斑點(diǎn)噪聲，不同于傳統(tǒng)的加性噪聲，斑點(diǎn)噪聲是一種乘性噪聲。乘性噪聲廣泛存在于合成孔雷達(dá)成像，超聲成像，激光成像及顯微鏡圖像中，相比較于加性噪聲圖像，乘性噪聲對(duì)圖像的損壞更為嚴(yán)重，且乘性噪聲圖像對(duì)比度往往更低。合理地去除乘性噪聲，將極大地提高醫(yī)生的分析效率及臨床診斷的準(zhǔn)確率[11]。
針對(duì)MRI圖像去噪，Partha Sarathi Mukherjee根據(jù)Rician噪聲模型和相對(duì)應(yīng)的偏差修正問(wèn)題，提出了一個(gè)新的更有效的基于回歸分析和MonteCarlo模擬偏差修正公式[12]。
2、邊緣檢測(cè) 邊緣檢測(cè)目的是要檢測(cè)出圖像中灰度變化的不連續(xù)區(qū)域。確定它們?cè)趫D像中的精確位置，為后期的圖像分析和處理提供信息，圖像的邊緣包含了物體形狀的重要信息，主要存在于目標(biāo)與目標(biāo)、目標(biāo)與背景、區(qū)域與區(qū)域(包括不同色彩)之間，是圖像分割、紋理特征和形狀特征等圖像分析的重要基礎(chǔ)。圖像邊緣檢測(cè)的實(shí)質(zhì)是采用某種算法來(lái)提取出圖像中對(duì)象與背景間的交界線。
經(jīng)典的邊緣檢測(cè)算子利用邊緣處一階或二階導(dǎo)數(shù)來(lái)檢測(cè)梯度變化情況，基本的微分檢測(cè)算子有Roberts算子、Sobel算子、Laplace算子、LOG算子和Canny算子等。近年來(lái)。隨著數(shù)學(xué)理論和人工智能的發(fā)展，又出現(xiàn)了許多新的邊緣檢測(cè)方法，比如基于分?jǐn)?shù)階微分法、小波變換法、Snake模型法、模糊檢測(cè)法、數(shù)學(xué)形態(tài)學(xué)法、神經(jīng)網(wǎng)絡(luò)法等。這些邊緣檢測(cè)方法最終目的都是檢測(cè)出圖像的邊緣信息.但在解決特定特征圖像時(shí)也顯現(xiàn)出各自的優(yōu)勢(shì)和不足之處[13]。
由于噪聲普遍存在于實(shí)際圖像之中，而分布、方差等信息均屬未知，且噪聲和邊緣都為高頻信號(hào)，外加一些其他的干擾原因，令檢測(cè)圖像中邊緣的一些信息無(wú)法得到有效度量[14]。因此，經(jīng)典邊緣檢測(cè)算法進(jìn)行檢測(cè)時(shí)的效果不甚理想。
基于圖像灰度值的梯度進(jìn)行計(jì)算的算法對(duì)噪聲的敏感度比較高，一旦圖像出現(xiàn)噪聲的時(shí)候，這些算法可能將噪聲當(dāng)作圖像的邊緣檢測(cè)出來(lái)，也可能混淆真正的邊緣點(diǎn)與噪聲點(diǎn)而發(fā)生誤檢或漏檢的現(xiàn)象[15]。
由于現(xiàn)實(shí)生活中獲取到的圖像大都具有模糊性，普通邊緣檢測(cè)算子的檢測(cè)到的圖像邊緣也具有模糊性，達(dá)不到預(yù)期的效果[16]。對(duì)于這樣的問(wèn)題，有2位學(xué)者分別是PaI和King提出了基于模糊集理論的邊緣檢測(cè)方法[17]。在這個(gè)算法中，他們將模糊集理論引入其中，取得了良好的檢測(cè)效果，并且在很多領(lǐng)域獲得了不錯(cuò)的應(yīng)用。
近年來(lái)，相控高強(qiáng)度聚焦超聲(HIFU, Hiigh Intensity Focused Ultrasound)技術(shù)已經(jīng)成為治療超聲的研究熱點(diǎn)。HIFU強(qiáng)度較高，為了避免損傷正常組織和提高治療效率，必須提供治療目標(biāo)的精確位置。在目前超聲圖像引導(dǎo)的HIFU治療系統(tǒng)中，超聲圖像由于受散斑噪聲等降質(zhì)因素影響分辨率較低，是達(dá)到HIFU精確治療的障礙之一。另外，現(xiàn)在大部分己投入使用的HIFU系統(tǒng)未能充分考慮呼吸運(yùn)動(dòng)在治療中造成的病灶等治療目標(biāo)的移位，也影響了HIFU的精確治療。利用術(shù)中超聲圖像的實(shí)時(shí)處理達(dá)到通過(guò)體內(nèi)標(biāo)記來(lái)實(shí)時(shí)定位治療目標(biāo)，是提高臨床治療準(zhǔn)確性與快速性的一種行之有效的方法。超聲圖像的預(yù)處理效果是定位準(zhǔn)確的一個(gè)關(guān)鍵因素[18]。
3、圖像分割 圖像分割是圖像處理與圖像分析中的一個(gè)經(jīng)典問(wèn)題，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，主要以各種細(xì)胞、組織與器官的圖像作為處理對(duì)象。從分割操作策略上講，可以分為基于區(qū)域生成的分割方法，基于邊界檢測(cè)的分割方法和區(qū)域生成與邊界檢測(cè)的混合方法。
近年來(lái)，隨著其他新興學(xué)科的發(fā)展，產(chǎn)生了一些全新的圖像分割技術(shù)。如基于模糊理論的方法，基于知識(shí)分割的方法，基于神經(jīng)網(wǎng)絡(luò)的方法，基于j維可視化系統(tǒng)結(jié)合Fast Marching算法和Watershed變換的醫(yī)學(xué)圖像分割方法等。圖像分割可以幫助醫(yī)生將感興趣的部位提取出來(lái)，對(duì)病變組織進(jìn)行定性及定量的分析，以提高醫(yī)生診斷的準(zhǔn)確性和科學(xué)性。雖然已有研究通過(guò)醫(yī)學(xué)圖像的自動(dòng)分割區(qū)分出所需的器官、組織或找到病變區(qū)的方法，但是由于人體解剖結(jié)構(gòu)的復(fù)雜性和功能的系統(tǒng)性，目前現(xiàn)成的軟件包一般無(wú)法完成自動(dòng)的分割，需要解剖學(xué)方面的人工干預(yù)�？v觀圖像分割方法的發(fā)展，新的分割方法的研究將主要以自動(dòng)、精確.快速、自適應(yīng)等幾個(gè)方向作為研究目標(biāo)，加強(qiáng)經(jīng)典分割技術(shù)與現(xiàn)代分割技術(shù)的綜合利用。
通過(guò)對(duì)組織或器官精確的分割和提取，可以定量地分析組織或器官的大小，形狀等變化情況，從而判斷組織的病理變化情況，協(xié)助醫(yī)生進(jìn)行診斷和手術(shù)等。B超圖像精確分割的困難在于B超圖像中存在的各種干擾信息，如大量斑點(diǎn)噪聲、組織或器官的邊緣缺失、陰影等[11]。
區(qū)域生長(zhǎng)是一種被廣泛應(yīng)用的圖像分割算法，在原始算法基礎(chǔ)上研究者們提出了各種各樣的擴(kuò)展算法.Pohle等把待分割區(qū)域像素值看作一個(gè)正態(tài)發(fā)布，先用原始區(qū)域生長(zhǎng)算法估算出分布參數(shù)，再將該參數(shù)應(yīng)用到第二遍生長(zhǎng)過(guò)程中，從而獲得更好的結(jié)果[19]。為了克服大多數(shù)區(qū)域生長(zhǎng)算法對(duì)于初始種子點(diǎn)的選取順序和位置敏感的問(wèn)題，Zheng等開(kāi)發(fā)出不需種子點(diǎn)的自動(dòng)分割算法[20];于水等將圖像的紋理信息和灰度信息融合在區(qū)域生長(zhǎng)的標(biāo)準(zhǔn)中[21];陸劍鋒等提出一種通過(guò)計(jì)算種子點(diǎn)附近鄰域統(tǒng)計(jì)信息, 自適應(yīng)改變生長(zhǎng)標(biāo)準(zhǔn)參數(shù)用于醫(yī)學(xué)圖像分割的算法[22]。
4、圖像配準(zhǔn) 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)。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，使一幅圖像上同時(shí)表達(dá)來(lái)自多種成像源的信息，以便醫(yī)生做出更加準(zhǔn)確的診斷或制定出更加合適的治療方法。圖像配準(zhǔn)的方式可以概括為相對(duì)配準(zhǔn)和絕對(duì)配準(zhǔn)兩種：相對(duì)配準(zhǔn)是指選擇多圖像中的一張圖像作為參考圖像，將其它的相關(guān)圖像與之配準(zhǔn)，其坐標(biāo)系統(tǒng)是任意的。絕對(duì)配準(zhǔn)是指先定義一個(gè)控制網(wǎng)格，所有的圖像相對(duì)于這個(gè)網(wǎng)格來(lái)進(jìn)行配準(zhǔn)，也就是分別完成各分量圖像的幾何校正來(lái)實(shí)現(xiàn)坐標(biāo)系的統(tǒng)一。
近年來(lái)，國(guó)內(nèi)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)。一些新算法，如基于小波變換的算法、統(tǒng)計(jì)學(xué)參數(shù)繪圖算法、遺傳算法等，在醫(yī)學(xué)圖像上的應(yīng)用也在不斷擴(kuò)展，向快速和準(zhǔn)確方面改進(jìn)算法。國(guó)內(nèi)研究人員也提出了一些相應(yīng)的算法：一致圖像配準(zhǔn)方法、金字塔式多層次圖像配準(zhǔn)方法、基于互信息的方法[23]。使用最優(yōu)化策略改進(jìn)圖像配準(zhǔn)以及對(duì)非剛性圖像配準(zhǔn)將成為今后醫(yī)學(xué)領(lǐng)域圖像配準(zhǔn)技術(shù)的重點(diǎn)研究方向。
5、圖像融合 圖像融合的主要目的是通過(guò)對(duì)多幅圖像問(wèn)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。利用可視化軟件對(duì)多種模態(tài)的圖像進(jìn)行圖像融合，可以準(zhǔn)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(guān)系，從而及時(shí)高效地診斷疾病。目前的圖像融合技術(shù)可以分為兩類：一類是以圖像像素為基礎(chǔ)的融合方法;另一類是以圖像特征為基礎(chǔ)的融合方法。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，但實(shí)現(xiàn)效果較好[24]。
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，可以準(zhǔn)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(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[25]。由于不同醫(yī)學(xué)成像設(shè)備的成像機(jī)制不同，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)。
醫(yī)學(xué)成像技術(shù)發(fā)展到今天,各種方法互相補(bǔ)充,日臻完善,為現(xiàn)代的醫(yī)學(xué)研究、臨床診斷提供了非常有效的手段,特別是最近X 射線治療刀和γ射線治療刀以及強(qiáng)聚焦超聲技術(shù)的發(fā)展,把現(xiàn)代醫(yī)學(xué)成像技術(shù)和放射治療手段結(jié)合在一起,為征服許多頑固病癥(如癌癥等)提供了可能性,醫(yī)學(xué)成像技術(shù)在診斷和治療領(lǐng)域的重要性愈發(fā)顯得突出。可以預(yù)見(jiàn),將來(lái)生命科學(xué)和醫(yī)學(xué)上的許多疑難問(wèn)題將依賴于醫(yī)學(xué)成像技術(shù)的發(fā)展和完善而得到解決。醫(yī)學(xué)成像技術(shù)在消除人類疾病、探索生命奧秘等方面做出了非常重要的貢獻(xiàn)。
二、論文的研究?jī)?nèi)容、研究目標(biāo)，以及擬解決的關(guān)鍵問(wèn)題(包括具體研究與開(kāi)發(fā)的主要內(nèi)容、目標(biāo)和要重點(diǎn)解決的關(guān)鍵技術(shù)問(wèn)題)
研究與開(kāi)發(fā)的主要內(nèi)容：開(kāi)發(fā)一款基于MATLAB的可執(zhí)行程序，能實(shí)現(xiàn)以下幾個(gè)功能：1、首先可以讀入標(biāo)準(zhǔn)格式的醫(yī)學(xué)圖像，對(duì)醫(yī)學(xué)圖像進(jìn)行顯示;2、能夠?qū)斎氲某晥D像進(jìn)行快速去噪處理，擬采用基于偏微分方程的去噪方法;3、能夠?qū)︻A(yù)處理過(guò)的超聲圖像進(jìn)行邊緣檢測(cè)，擬采用基于輪廓波的邊緣檢測(cè)方法;3、能夠?qū)Τ晥D像實(shí)現(xiàn)手動(dòng)或自動(dòng)的圖像分割，擬采用基于區(qū)域生長(zhǎng)的分割方法;5、能夠?qū)斎氲腃T圖像和MRI圖像進(jìn)行配準(zhǔn);6、能夠?qū)ε錅?zhǔn)后的CT圖像和MRI圖像進(jìn)行融合和顯示。
研究的目標(biāo)是：1、實(shí)現(xiàn)和提高超聲圖像的去噪效果，邊緣檢測(cè)的準(zhǔn)確性還有分割部位的有效性;2、實(shí)現(xiàn)和提高CT圖像和MRI圖像的配準(zhǔn)和融合效果。
擬解決的問(wèn)題是：1、超聲圖像容易產(chǎn)生斑點(diǎn)噪聲和偽影，這是超聲圖像去噪處理環(huán)節(jié)的一大問(wèn)題，有待進(jìn)一步發(fā)掘有效的方法;2、同部位多模醫(yī)學(xué)圖像的配準(zhǔn)速度還有待加強(qiáng)。
三、擬采取的研究方案及可行性分析(包括研究的基本思路，研究過(guò)程擬采用的方法和手段，現(xiàn)有研究條件和基礎(chǔ)，研究開(kāi)發(fā)方案和技術(shù)路線等)
本文主要研究的超聲圖像的去噪、邊緣檢測(cè)和分割，CT圖像和MRI圖像的配準(zhǔn)和融合。
擬采用的研究方案如下：
1、閱讀醫(yī)學(xué)成像技術(shù)的相關(guān)文獻(xiàn)，了解超聲圖像、CT圖像、MRI圖像的成像過(guò)程，存在的問(wèn)題和目前成像技術(shù)的發(fā)展情況;
2、閱讀圖像處理技術(shù)的相關(guān)文獻(xiàn)，了解和掌握?qǐng)D像去噪、圖像邊緣檢測(cè)、圖像分割、圖像配準(zhǔn)、圖像融合的基礎(chǔ)算法和目前國(guó)內(nèi)外較先進(jìn)的做法;
3、研究如何針對(duì)超聲圖像的特點(diǎn)，對(duì)圖像去噪、圖像邊緣檢測(cè)和圖像分割算法進(jìn)行實(shí)現(xiàn)和改進(jìn);
4、研究如何針對(duì)CT圖像和MRI圖像的特點(diǎn)，對(duì)圖像配準(zhǔn)和圖像融合算法進(jìn)行實(shí)現(xiàn)和改進(jìn);
5、利用醫(yī)院提供的相關(guān)真實(shí)醫(yī)學(xué)圖像和科研醫(yī)學(xué)圖像數(shù)據(jù)庫(kù)中的圖像，對(duì)算法進(jìn)行評(píng)估，判斷改進(jìn)情況。
本研究方案的可行性分析如下：
1、國(guó)內(nèi)外的大量科研工作者都對(duì)圖像進(jìn)行過(guò)研究，所以，可以參考的文獻(xiàn)較多，目前的圖像去噪、圖像邊緣檢測(cè)、圖像分割、圖像配置和圖像融合的研究都比較深入，工程上能達(dá)到比較好的效果;
2、將圖像處理應(yīng)用在不同的醫(yī)學(xué)圖像領(lǐng)域的研究，目前國(guó)內(nèi)外的科研工作者也在探索，已經(jīng)取得了較好的效果，基本上能有效利用不同類型的醫(yī)學(xué)圖像來(lái)進(jìn)行處理得的需要的結(jié)果;
3、本人所做的工作主要是對(duì)目前的各種醫(yī)學(xué)圖像處理方法進(jìn)行實(shí)現(xiàn)和改進(jìn)，主要工作和貢獻(xiàn)集中在工程領(lǐng)域，因此，本研究方案是具有可行性的。
四、本課題的特色與創(chuàng)新之處
一、注重應(yīng)用研究與企業(yè)實(shí)際需求結(jié)合，根據(jù)醫(yī)院超聲科提出使用現(xiàn)有超聲設(shè)備提供的真實(shí)數(shù)據(jù)，進(jìn)行開(kāi)發(fā)研究。
二、現(xiàn)階段醫(yī)院所使用的硬件設(shè)備的功能可擴(kuò)展性差，很多實(shí)際需要的功能并沒(méi)有實(shí)現(xiàn)，因此根據(jù)現(xiàn)有的醫(yī)學(xué)圖像進(jìn)行二次的處理是很有必要的。
三、很多現(xiàn)有的圖像處理技術(shù)對(duì)于特定的醫(yī)學(xué)圖像處理的效果有限，并沒(méi)有完全適用于醫(yī)學(xué)圖像處理，本課題還將進(jìn)行這方面的研究和探索。
五、參考文獻(xiàn)
<頁(yè)面、頁(yè)數(shù)不足請(qǐng)自行加頁(yè)>
[1] 郭興明. 醫(yī)學(xué)成像技術(shù)[M]. 重慶大學(xué)出版社, 2005.
[2] 王希高. 發(fā)展中的現(xiàn)代醫(yī)學(xué)影像技術(shù)[J]. 醫(yī)學(xué)動(dòng)物防制, 2005, 21(12): 926-928.
[3] 王駿. 我國(guó)醫(yī)學(xué)影像技術(shù)近十年發(fā)展報(bào)述[J]. 影像技術(shù), 2004, 3: 6-11.
[4] Xiong Minghui, et al. CTvirtual bronchoscopy; Imaging method and clinical application[J]. ChineseMedical Joumal, 2000, 113(11):1022- 1025
[5]Huang J, Zhang S, MetaxasD. Efficient MR image reconstruction for compressed MR imaging[J]. MedicalImage Analysis, 2011, 15(5): 670-679.
[6] 徐家興.磁共振技術(shù)的新發(fā)展[J].中國(guó)臨床醫(yī)學(xué)影像雜志, 1999, 10(2): 77-80.
[7] 馬麗明, 李艷婷, 黃兆佳, 等. 醫(yī)學(xué)圖像處理技術(shù)[J]. 現(xiàn)代醫(yī)院, 2007, 7(11).
[8] 劉俊敏, 黃忠全, 王世耕, 等. 醫(yī)學(xué)圖像處理技術(shù)的現(xiàn)狀及發(fā)展方向[J]. 醫(yī)療衛(wèi)生裝備, 2005, 26(12): 26-30.
[9] 羅春燕. 生物醫(yī)學(xué)圖像去噪及分割方法研究[D]. 南京信息工程大學(xué), 2011.
[10]周浩. 基于偏微分方程的圖像降噪算法研究[D]. 江蘇科技大學(xué), 2010.
[11]黃杰. 基于變分偏微分方程的醫(yī)學(xué) B 超圖像處理[D]. 南京理工大學(xué), 2012.
[12]Mukherjee P S, Qiu P.Efficient bias correction for magnetic resonance image denoising[J]. Statisticsin medicine, 2012.
[13] 高海娟, 平子良, 周素華, 等. 邊緣檢測(cè)算法在醫(yī)學(xué)超聲液性病變圖像中的應(yīng)用[J]. 現(xiàn)代電子技術(shù), 2012, 4: 034.
[14]Piotr S.Windyga, FastImpulsive Noise Remove【J】.IEEETrans on image processing,2001, l(10):173-179.
[15]汪岳. 基于邊緣檢測(cè)經(jīng)典算法的改進(jìn)研究與實(shí)現(xiàn)[D]. 安徽大學(xué), 2012.
[16]劉金華, 唐競(jìng)新, 龍圖景.一種改進(jìn)的模糊邊緣檢測(cè)快速算法[J].系統(tǒng)仿真學(xué)報(bào), 2003, 15(2)：273-277.
[17]PAL S K, KING R A.Image enhancement using smoothing with fuzzy sets[J].IEEE Trans.on
Systems, Manand Cybernetics, 198l,l1(7)：494～50 1.
[18]宋曉陽(yáng). 醫(yī)學(xué)超聲圖像的輪廓波方法研究及其在相控 HIFU 治療系統(tǒng)中的應(yīng)用[D]. 上海交通大學(xué), 2009.
[19]Pohle R，T6nnies K D.A new approach formodel—based adaptive region growing in medical imageanalysis[A].In： Proceedings ofthe 9th International Conference on Computer Analysis and Patterns，Warsaw，2001.238～246
[20]Zheng L，Jin J，Hugues T.Unseeded region growing for 3D image segmentation[J].Journal of Research and Practice in Information Technology，2001，2：31～37
[21]于水，馬范援.一種基于數(shù)據(jù)融合的醫(yī)學(xué)圖像分割方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2001，13(12)：1073～1076
[22]陸劍鋒, 林海, 潘志庚. 自適應(yīng)區(qū)域生長(zhǎng)算法在醫(yī)學(xué)圖像分割中的應(yīng)用[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào), 2005, 17(10): 2168-2173.
[23]唐莉，李冉，羅述謙. 幾種圖像配準(zhǔn)方法的研究[D]. 第九屆全國(guó)醫(yī)藥信息學(xué)大會(huì)CMIA，02論文集，2002:361-365.
[24] 張霞, 汪超. 醫(yī)學(xué)圖像處理技術(shù)及發(fā)展趨勢(shì)[J]. 中外醫(yī)學(xué)研究, 2010, 8(007): 22-23.
[25]汪家旺，羅立民，舒華忠. CT、MR圖像融合技術(shù)臨床應(yīng)用研究[J]. 影像技術(shù)學(xué)，2001;8：604-608.
【醫(yī)學(xué)開(kāi)題報(bào)告影像】相關(guān)文章：
醫(yī)學(xué)開(kāi)題報(bào)告07-16
醫(yī)學(xué)影像實(shí)習(xí)報(bào)告05-25
醫(yī)學(xué)開(kāi)題報(bào)告范文03-10
醫(yī)學(xué)開(kāi)題報(bào)告范文參考03-24
醫(yī)學(xué)檢驗(yàn)開(kāi)題報(bào)告范文03-23
醫(yī)學(xué)碩士開(kāi)題報(bào)告范文03-29
醫(yī)學(xué)開(kāi)題報(bào)告ppt范文03-31