論文題目：
醫學影像圖像處理若干關鍵問題的研究
一、論文選題依據(包括本課題國內外研究現狀述評，研究的理論與實際意義，對科技、經濟和社會發展的作用等)
醫學影像技術的發展歷史可追溯到1895 年德國物理學家倫琴發現了x 射線並把它用於醫學診斷。從而發明了x 射線成像技術, 它第一次無損地為人類提供了人體內部器官組織的解剖形態照片, 從而為醫生臨床診斷提供了重要的生物信息。由此引發了一場醫學診斷技術的革命。它是一門交叉學科，利用物理學、電子學、計算機科學等一些基礎科學的先進技術來診斷和治療疾病[1]。
隨著微電子技術、計算機網路技術、計算機圖形圖像處理技術、人工智慧和自動控制技術的蓬勃發展，現代醫學影像技術已成為21世紀發展最快的技術領域之一[2]。隨著超聲(us)、計算機體層攝影(ct)、磁共振成像(mri)、介人放射學及正電子發射體層攝影術(pet)等新的影像診斷和治療方法的相繼問世，醫學影像學從無到有，從小到大，經歷了一個飛速迅猛的發展過程。尤其是介人放射學的出現，使單純的放射診斷室發展成為當今集診斷與治療於一體的大型臨床醫學影像科室，無疑在新世紀，醫學成像技術將發展得更快，並在醫療領域發揮日益重要的作用[3]。
下面來介紹一下幾類主要的醫學成像方式：
1、超聲成像 第二次世界大戰後, 在雷達、聲納技術基礎上,套用回聲定位原理髮展了各種超聲成像技術,研製完成了a型、b型、m型超聲診斷儀。目前(透射型)超聲計算機斷層成像技術(ultrasound computed tomography, uct)已經成熟。
超音波成像具有無損傷、靈敏度高的優點。對於軟組織的觀察無須做注射造影劑之類的成像前預處理,而且成像迅速,設備造價低廉,它既可以反映器官的解剖圖像,也可反映機能狀況。因此,超聲成像是目前各成像技術中套用最廣、發展最快的技術。
20世紀80 年代初問世的超聲血流圖( 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色表示。由於在一張圖像上既能看到臟器的解剖形態, 又能看到動態血流, 它在心血管疾病的診斷中發揮了很大的作用[1]。
2、ct成像 計算機體層攝影(computed tomography, ct)是利用x線對人體某一範圍進行逐層的掃描，取得信息，經計算機處理後獲得重建的圖像(橫斷解剖圖)，通過計算機處理得到三維的重建圖像。由ct生成的橫切面、斷層、數字圖像解決了傳統影像中三維結構重疊、軟組織解析度差及信息效率低等主要缺陷，取得了劃時代的革新。但是在多層ct開發成功之前,ct一度曾處於相對停滯的階段。多層ct技術進入峰迴路轉的新階段，其主要突破在於:採集速度(掃描速度)，成像質量(空間解析度與密度解析度)，數據採集範圍(掃描範圍)三個方面由於三者存在著相互制約的關係，所以通過技術方法的改進將其協調在最佳值，成為ct技術發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)，是近年來迅速發展起來的醫學影像新技術，被認為是20世紀最先進、最有前途的影像設備[5]。1946年美國學者bloch和purcell首先發現了核磁共振現象,從此產生了核磁共振譜學這門學科。核磁共振技術的最初套用是對有機化合物的結構分析及物質性質的研究。1973年勞特伯(lauterbur)利用核磁共振技術首次獲得了生物體斷面的質子自鏇密度圖像,第一個做出了仿真模組的二維核磁共振圖像。核磁共振技術與計算機技術結合,形成磁共振ct,且已在臨床上普遍套用。它是利用與人體組織密切相關的一類原子核(如等1h、2h、13c、14n、19f、23na、31p、127i等)在外界射頻磁場的作用下發生核磁共振現象，利用其產生的共振現象進行成像的技術。磁共振成像首先將受檢部位置於靜磁場內，病人的長軸與靜磁場z方向平行;用脈衝射頻磁場激勵人體的受檢部位，用接受線圈測量輸出的共振信號，利用計算機進行二維斷層成像或三維立體成像。磁共振成像按獲得磁場的形式可以分為永磁型、常導磁體型和超導磁體型永磁型的特點是造價低、耗電省、效率高;超導磁體型是利用電流來激勵磁場，機器可以設計的比永磁型的小;超導磁體型可以做出很高的磁場，適合於各種不同要求檢查，斷層厚度也可以小到3cm[6]。
磁共振成像兼容了射線技術和核醫學的特點，不僅可以顯示形態解剖圖，還可以顯示出各種不同組織的化學結構，以及生理、生化的動態信息。如含水狀態，脂肪含量，f、na、p等元素的含量等。mri是通過電子學方法調節梯度場以實現掃描，所以根據需要不僅可以直接顯示任意決度的切面，而且可以得到無限個切面，及利用這些切面進行三維顯像[7]。
在臨床套用上，與ct相比，mri具有無放射線損害，無骨性偽影，能多方面、多參數成像，有高度的軟組織分辨能力，不需使用對比劑即可顯示血管結構等獨特的優點。幾乎是用於全身各系統的不同疾病，如腫瘤、炎症、創傷、推行性病變以及各種先天性疾病的檢查。對顱腦、脊椎和脊髓病的現實優於ct。它可不用血管造影劑，即顯示血管的結構，故對血管、腫塊、淋巴結和血管結構之間的相互鑑別，有其獨到之處。它還有高於ct數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更有效和更早地發現病變mri能清楚、全面地顯示心腔、心肌、心包及心內其他細小結構，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：
1、圖像去噪 圖像去噪指的是利用各種濾波模型，通過多點平滑等方法從已知的含有噪聲的圖像中去掉噪聲成分。圖像去噪從整個圖像分析的流程上來講屬於圖像的預處理階段，從數字圖像處理的技術角度來說屬於圖像恢復的技術範疇，它的存在有著非常要的意義。
為了抑制圖像中的噪聲，可以使用很多常規的方法，例如均值濾波、中值濾波、順序統計濾波、維納濾波，以及由這些濾波方法衍生而來的許多其他濾波器，包括模糊濾波器、自適應均值濾波器、基於邊緣特徵的濾波器等，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，這些常規的方法在濾除噪聲的同時，往往會損失目標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，還能保持邊緣和紋理信息，以便更好地復原因噪聲污染引起的圖像質量退化[9]。
近年來，採用偏微分方程(partial differemial equation，pde)技術對圖像進行處理獲得了國內外的廣泛關注，它是一種局部自適應(local adaptability)技術，它具有很高的靈活性和變通性;另外使用形式上的規範性(unification)使得圖像處理問題的描述在形式上變得簡單，對不同圖像處理問題，在數學處理上更加統一;並且pde技術在消除圖像噪聲和保護圖像固有的特徵方面也有了很大的進展，在圖像處理的各個領域均有不錯的效果[10]。
醫用b超己越來越廣泛地套用於臨床診斷中，然而b超圖像中存在大量的斑點噪聲，不同於傳統的加性噪聲，斑點噪聲是一種乘性噪聲。乘性噪聲廣泛存在於合成孔雷達成像，超聲成像，雷射成像及顯微鏡圖像中，相比較於加性噪聲圖像，乘性噪聲對圖像的損壞更為嚴重，且乘性噪聲圖像對比度往往更低。合理地去除乘性噪聲，將極大地提高醫生的分析效率及臨床診斷的準確率[11]。
針對mri圖像去噪，partha sarathi mukherjee根據rician噪聲模型和相對應的偏差修正問題，提出了一個新的更有效的基於回歸分析和montecarlo模擬偏差修正公式[12]。
2、邊緣檢測 邊緣檢測目的是要檢測出圖像中灰度變化的不連續區域。確定它們在圖像中的精確位置，為後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，主要存在於目標與目標、目標與背景、區域與區域(包括不同色彩)之間，是圖像分割、紋理特徵和形狀特徵等圖像分析的重要基礎。圖像邊緣檢測的實質是採用某種算法來提取出圖像中對象與背景間的交界線。
經典的邊緣檢測運算元利用邊緣處一階或二階導數來檢測梯度變化情況，基本的微分檢測運算元有roberts運算元、sobel運算元、laplace運算元、log運算元和canny運算元等。近年來。隨著數學理論和人工智慧的發展，又出現了許多新的邊緣檢測方法，比如基於分數階微分法、小波變換法、snake模型法、模糊檢測法、數學形態學法、神經網路法等。這些邊緣檢測方法最終目的都是檢測出圖像的邊緣信息.但在解決特定特徵圖像時也顯現出各自的優勢和不足之處[13]。
由於噪聲普遍存在於實際圖像之中，而分布、方差等信息均屬未知，且噪聲和邊緣都為高頻信號，外加一些其他的干擾原因，令檢測圖像中邊緣的一些信息無法得到有效度量[14]。因此，經典邊緣檢測算法進行檢測時的效果不甚理想。
基於圖像灰度值的梯度進行計算的算法對噪聲的敏感度比較高，一旦圖像出現噪聲的時候，這些算法可能將噪聲當作圖像的邊緣檢測出來，也可能混淆真正的邊緣點與噪聲點而發生誤檢或漏檢的現象[15]。
由於現實生活中獲取到的圖像大都具有模糊性，普通邊緣檢測運算元的檢測到的圖像邊緣也具有模糊性，達不到預期的效果[16]。對於這樣的問題，有2位學者分別是pai和king提出了基於模糊集理論的邊緣檢測方法[17]。在這個算法中，他們將模糊集理論引入其中，取得了良好的檢測效果，並且在很多領域獲得了不錯的套用。
近年來，相控高強度聚焦超聲(hifu, hiigh intensity focused ultrasound)技術已經成為治療超聲的研究熱點。hifu強度較高，為了避免損傷正常組織和提高治療效率，必須提供治療目標的精確位置。在目前超聲圖像引導的hifu治療系統中，超聲圖像由於受散斑噪聲等降質因素影響解析度較低，是達到hifu精確治療的障礙之一。另外，現在大部分己投入使用的hifu系統未能充分考慮呼吸運動在治療中造成的病灶等治療目標的移位，也影響了hifu的精確治療。利用術中超聲圖像的實時處理達到通過體內標記來實時定位治療目標，是提高臨床治療準確性與快速性的一種行之有效的方法。超聲圖像的預處理效果是定位準確的一個關鍵因素[18]。
3、圖像分割 圖像分割是圖像處理與圖像分析中的一個經典問題，就是一個根據區域間的相似或不同把圖像分割成若干區域的過程，主要以各種細胞、組織與器官的圖像作為處理對象。從分割操作策略上講，可以分為基於區域生成的分割方法，基於邊界檢測的分割方法和區域生成與邊界檢測的混合方法。
近年來，隨著其他新興學科的發展，產生了一些全新的圖像分割技術。如基於模糊理論的方法，基於知識分割的方法，基於神經網路的方法，基於j維可視化系統結合fast marching算法和watershed變換的醫學圖像分割方法等。圖像分割可以幫助醫生將感興趣的部位提取出來，對病變組織進行定性及定量的分析，以提高醫生診斷的準確性和科學性。雖然已有研究通過醫學圖像的自動分割區分出所需的器官、組織或找到病變區的方法，但是由於人體解剖結構的複雜性和功能的系統性，目前現成的軟體包一般無法完成自動的分割，需要解剖學方面的人工干預。縱觀圖像分割方法的發展，新的分割方法的研究將主要以自動、精確.快速、自適應等幾個方向作為研究目標，加強經典分割技術與現代分割技術的綜合利用。
通過對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，協助醫生進行診斷和手術等。b超圖像精確分割的困難在於b超圖像中存在的各種干擾信息，如大量斑點噪聲、組織或器官的邊緣缺失、陰影等[11]。
區域生長是一種被廣泛套用的圖像分割算法，在原始算法基礎上研究者們提出了各種各樣的擴展算法.pohle等把待分割區域像素值看作一個正態發布，先用原始區域生長算法估算出分布參數，再將該參數套用到第二遍生長過程中，從而獲得更好的結果[19]。為了克服大多數區域生長算法對於初始種子點的選取順序和位置敏感的問題，zheng等開發出不需種子點的自動分割算法[20];於水等將圖像的紋理信息和灰度信息融合在區域生長的標準中[21];陸劍鋒等提出一種通過計算種子點附近鄰域統計信息, 自適應改變生長標準參數用於醫學圖像分割的算法[22]。
4、圖像配準 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。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，使一幅圖像上同時表達來自多種成像源的信息，以便醫生做出更加準確的診斷或制定出更加合適的治療方法。圖像配準的方式可以概括為相對配準和絕對配準兩種：相對配準是指選擇多圖像中的一張圖像作為參考圖像，將其它的相關圖像與之配準，其坐標系統是任意的。絕對配準是指先定義一個控制格線，所有的圖像相對於這個格線來進行配準，也就是分別完成各分量圖像的幾何校正來實現坐標系的統一。
近年來，國內外在圖像配準方面研究很多，如幾何矩的配準、利用圖像的相關係數、樣條插值等多項式變換對圖像進行配準。一些新算法，如基於小波變換的算法、統計學參數繪圖算法、遺傳算法等，在醫學圖像上的套用也在不斷擴展，向快速和準確方面改進算法。國內研究人員也提出了一些相應的算法：一致圖像配準方法、金字塔式多層次圖像配準方法、基於互信息的方法[23]。使用最最佳化策略改進圖像配準以及對非剛性圖像配準將成為今後醫學領域圖像配準技術的重點研究方向。
5、圖像融合 圖像融合的主要目的是通過對多幅圖像問的冗餘數據的處理來提高圖像的可讀性。對多幅圖像間的互補信息的處理來提高圖像的清晰度。利用可視化軟體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係，從而及時高效地診斷疾病。目前的圖像融合技術可以分為兩類：一類是以圖像像素為基礎的融合方法;另一類是以圖像特徵為基礎的融合方法。以圖像特徵為基礎的融合方法在原理上不夠直觀且算法複雜，但實現效果較好[24]。
不同的醫學圖像提供了相關臟器的不同信息，圖像融合的潛力在於綜合處理套用這些成像設備所得信息以獲得新的有助於臨床診斷的信息。利用可視化軟體，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係，從而及時高效地診斷疾病，也可以用在手術計畫的制定、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小;利用ct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係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，由於骨組織對x線有較大的吸收係數，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，融合後的圖像對病變的定性、定位有很大的幫助[25]。由於不同醫學成像設備的成像機制不同，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、圖像資料庫和數據理解都是亟待解決的關鍵技術。
醫學成像技術發展到今天,各種方法互相補充,日臻完善,為現代的醫學研究、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射線治療刀以及強聚焦超聲技術的發展,把現代醫學成像技術和放射治療手段結合在一起,為征服許多頑固病症(如癌症等)提供了可能性,醫學成像技術在診斷和治療領域的重要性愈發顯得突出。可以預見,將來生命科學和醫學上的許多疑難問題將依賴於醫學成像技術的發展和完善而得到解決。醫學成像技術在消除人類疾病、探索生命奧秘等方面做出了非常重要的貢獻。
二、論文的研究內容、研究目標，以及擬解決的關鍵問題(包括具體研究與開發的主要內容、目標和要重點解決的關鍵技術問題)
研究與開發的主要內容：開發一款基於matlab的可執行程式，能實現以下幾個功能：1、首先可以讀入標準格式的醫學圖像，對醫學圖像進行顯示;2、能夠對輸入的超聲圖像進行快速去噪處理，擬採用基於偏微分方程的去噪方法;3、能夠對預處理過的超聲圖像進行邊緣檢測，擬採用基於輪廓波的邊緣檢測方法;3、能夠對超聲圖像實現手動或自動的圖像分割，擬採用基於區域生長的分割方法;5、能夠對輸入的ct圖像和mri圖像進行配準;6、能夠對配準後的ct圖像和mri圖像進行融合和顯示。
研究的目標是：1、實現和提高超聲圖像的去噪效果，邊緣檢測的準確性還有分割部位的有效性;2、實現和提高ct圖像和mri圖像的配準和融合效果。
擬解決的問題是：1、超聲圖像容易產生斑點噪聲和偽影，這是超聲圖像去噪處理環節的一大問題，有待進一步發掘有效的方法;2、同部位多模醫學圖像的配準速度還有待加強。
三、擬採取的研究方案及可行性分析(包括研究的基本思路，研究過程擬採用的方法和手段，現有研究條件和基礎，研究開發方案和技術路線等)
本文主要研究的超聲圖像的去噪、邊緣檢測和分割，ct圖像和mri圖像的配準和融合。
擬採用的研究方案如下：
1、閱讀醫學成像技術的相關文獻，了解超聲圖像、ct圖像、mri圖像的成像過程，存在的問題和目前成像技術的發展情況;
2、閱讀圖像處理技術的相關文獻，了解和掌握圖像去噪、圖像邊緣檢測、圖像分割、圖像配準、圖像融合的基礎算法和目前國內外較先進的做法;
3、研究如何針對超聲圖像的特點，對圖像去噪、圖像邊緣檢測和圖像分割算法進行實現和改進;
4、研究如何針對ct圖像和mri圖像的特點，對圖像配準和圖像融合算法進行實現和改進;
5、利用醫院提供的相關真實醫學圖像和科研醫學圖像資料庫中的圖像，對算法進行評估，判斷改進情況。
本研究方案的可行性分析如下：
1、國內外的大量科研工作者都對圖像進行過研究，所以，可以參考的文獻較多，目前的圖像去噪、圖像邊緣檢測、圖像分割、圖像配置和圖像融合的研究都比較深入，工程上能達到比較好的效果;
2、將圖像處理套用在不同的醫學圖像領域的研究，目前國內外的科研工作者也在探索，已經取得了較好的效果，基本上能有效利用不同類型的醫學圖像來進行處理得的需要的結果;
3、本人所做的工作主要是對目前的各種醫學圖像處理方法進行實現和改進，主要工作和貢獻集中在工程領域，因此，本研究方案是具有可行性的。
四、本課題的特色與創新之處
一、注重套用研究與企業實際需求結合，根據醫院超聲科提出使用現有超聲設備提供的真實數據，進行開發研究。
二、現階段醫院所使用的硬體設備的功能可擴展性差，很多實際需要的功能並沒有實現，因此根據現有的醫學圖像進行二次的處理是很有必要的。
三、很多現有的圖像處理技術對於特定的醫學圖像處理的效果有限，並沒有完全適用於醫學圖像處理，本課題還將進行這方面的研究和探索。
五、參考文獻
<頁面、頁數不足請自行加頁>
[1] 郭興明. 醫學成像技術[m]. 重慶大學出版社, XX.
[2] 王希高. 發展中的現代醫學影像技術[j]. 醫學動物防制, XX, 21(12): 926-928.
[3] 王駿. 我國醫學影像技術近十年發展報述[j]. 影像技術, XX, 3: 6-11.
[4] xiong minghui, et al. ctvirtual bronchoscopy; imaging method and clinical application[j]. chinesemedical joumal, XX, 113(11):1022- 1025
[5]huang j, zhang s, metaxasd. efficient mr image reconstruction for compressed mr imaging[j]. medicalimage analysis, XX, 15(5): 670-679.
[6] 徐家興.磁共振技術的新發展[j].中國臨床醫學影像雜誌, 1999, 10(2): 77-80.
[7] 馬麗明, 李艷婷, 黃兆佳, 等. 醫學圖像處理技術[j]. 現代醫院, XX, 7(11).
[8] 劉俊敏, 黃忠全, 王世耕, 等. 醫學圖像處理技術的現狀及發展方向[j]. 醫療衛生裝備, XX, 26(12): 26-30.
[9] 羅春燕. 生物醫學圖像去噪及分割方法研究[d]. 南京信息工程大學, XX.
[10]周浩. 基於偏微分方程的圖像降噪算法研究[d]. 江蘇科技大學, XX.
[11]黃杰. 基於變分偏微分方程的醫學 b 超圖像處理[d]. 南京理工大學, XX.
[12]mukherjee p s, qiu p.efficient bias correction for magnetic resonance image denoising[j]. statisticsin medicine, XX.
[13] 高海娟, 平子良, 周素華, 等. 邊緣檢測算法在醫學超聲液性病變圖像中的套用[j]. 現代電子技術, XX, 4: 034.
[14]piotr s.windyga, fastimpulsive noise remove【j】.ieeetrans on image processing,XX, l(10):173-179.
[15]汪岳. 基於邊緣檢測經典算法的改進研究與實現[d]. 安徽大學, XX.
[16]劉金華, 唐競新, 龍圖景.一種改進的模糊邊緣檢測快速算法[j].系統仿真學報, XX, 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. 醫學超聲圖像的輪廓波方法研究及其在相控 hifu 治療系統中的套用[d]. 上海交通大學, XX.
[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，XX.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，XX，2：31～37
[21]於水，馬范援.一種基於數據融合的醫學圖像分割方法[j].計算機輔助設計與圖形學學報，XX，13(12)：1073～1076
[22]陸劍鋒, 林海, 潘志庚. 自適應區域生長算法在醫學圖像分割中的套用[j]. 計算機輔助設計與圖形學學報, XX, 17(10): 2168-2173.
[23]唐莉，李冉，羅述謙. 幾種圖像配準方法的研究[d]. 第九屆全國醫藥信息學大會cmia，02論文集，XX:361-365.
[24] 張霞, 汪超. 醫學圖像處理技術及發展趨勢[j]. 中外醫學研究, XX, 8(007): 22-23.
[25]汪家旺，羅立民，舒華忠. ct、mr圖像融合技術臨床套用研究[j]. 影像技術學，XX;8：604-608.