醫(yī)療影像處理綜述

醫(yī)學(xué)圖像處理綜述二0一四年十月目錄醫(yī)學(xué)圖像處理背景醫(yī)學(xué)圖像預(yù)處理醫(yī)學(xué)圖像去噪醫(yī)學(xué)圖像復(fù)原醫(yī)學(xué)圖像分割醫(yī)學(xué)圖像識(shí)別醫(yī)學(xué)圖像配準(zhǔn)醫(yī)學(xué)圖像的拼接醫(yī)學(xué)圖像在臨床的應(yīng)用醫(yī)學(xué)圖像處理技術(shù)在科研中的應(yīng)用醫(yī)學(xué)圖像處理背景醫(yī)學(xué)圖像處理是一門綜合了數(shù)學(xué)、計(jì)算機(jī)科學(xué)、醫(yī)學(xué)影像學(xué)等多個(gè)學(xué)科的交叉科學(xué)，是利用數(shù)學(xué)的方法和計(jì)算機(jī)這一現(xiàn)代化的信息處理工具，對(duì)由不同的醫(yī)學(xué)影像設(shè)備產(chǎn)生的圖像按照實(shí)際需要進(jìn)行處理和加工的技術(shù)。醫(yī)學(xué)圖像處理的對(duì)象主要是X射線圖像，CT(ComputerizedTomography)圖像，MRI(MagneticResonanceImaging)圖像，超聲(Ultrasonic)圖像，PET(Positronemissiontomography)圖像和SPECT(SinglePhotonEmissionComputedTomography)圖像等。

醫(yī)學(xué)圖像處理過程一般包括：圖像采集、圖像預(yù)處理、圖像分析、圖像理解以及控制決策等環(huán)節(jié)。醫(yī)學(xué)圖像處理過程目錄醫(yī)學(xué)圖像處理背景醫(yī)學(xué)圖像預(yù)處理醫(yī)學(xué)圖像去噪醫(yī)學(xué)圖像復(fù)原醫(yī)學(xué)圖像分割醫(yī)學(xué)圖像識(shí)別醫(yī)學(xué)圖像配準(zhǔn)醫(yī)學(xué)圖像的拼接醫(yī)學(xué)圖像在臨床的應(yīng)用醫(yī)學(xué)圖像處理技術(shù)在科研中的應(yīng)用

含義圖像預(yù)處理是對(duì)輸入的圖像進(jìn)行特征抽取、分割及配準(zhǔn)前所進(jìn)行的處理。圖像預(yù)處理技術(shù)分為兩大方面，即圖像增強(qiáng)和圖像復(fù)原技術(shù)。

必要性圖像在傳輸過程和存儲(chǔ)過程中難免會(huì)受到某種程度的破壞和各種各樣的噪聲的污染，導(dǎo)致圖片喪失了本質(zhì)或者偏離了人們的需求。這就需要一系列的預(yù)處理操作來消除圖像受到的影響。進(jìn)行圖像預(yù)處理主要目的是為了消除圖像中無關(guān)緊要的信息，恢復(fù)有用的真實(shí)的信息，增強(qiáng)相關(guān)信息的可檢測性和最大限度地簡化我們需要的數(shù)據(jù)，從而增加特征抽取、圖像分割、配準(zhǔn)和識(shí)別等后續(xù)圖像處理步驟的可靠性。醫(yī)學(xué)圖像的預(yù)處理

圖像增強(qiáng)增強(qiáng)圖像中的有用信息，它可以是一個(gè)失真的過程，其目的是要改善圖像的視覺效果，針對(duì)給定圖像的應(yīng)用場合，有目的地強(qiáng)調(diào)圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，擴(kuò)大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強(qiáng)圖像判讀和識(shí)別效果，滿足某些特殊分析的需要。圖像增強(qiáng)技術(shù)圖像增強(qiáng)技術(shù)主要有兩種方法：空間域和頻率域法?？臻g域法則主原始圖像

圖像預(yù)處理

圖像理解

特征分析

，直接在空間域內(nèi)對(duì)圖像進(jìn)行運(yùn)算處理，包括圖像灰度變換、直方圖修正、局部統(tǒng)計(jì)法、圖像平滑和圖像銳化等幾個(gè)方面。頻率域法則只在圖像的某種變換域里對(duì)圖像的變換值進(jìn)行運(yùn)算，比如對(duì)圖像進(jìn)行傅立葉變換，然后在變換域里對(duì)圖像的頻譜進(jìn)行某種計(jì)算，最后把計(jì)算后的圖像逆變換到空間域。醫(yī)學(xué)圖像的預(yù)處理-圖像增強(qiáng)醫(yī)學(xué)圖像的預(yù)處理-圖像增強(qiáng)方法空間域圖像增強(qiáng)頻率域灰度變換空域?yàn)V波直接灰度變換直方圖修正法圖像的代數(shù)運(yùn)算直方圖均衡化直方圖規(guī)定化圖像平滑圖像銳化高通濾波低通濾波帶通、帶阻濾波

醫(yī)學(xué)圖像的圖像增強(qiáng)-直方圖均衡灰度直方圖：數(shù)字圖像中每一灰度級(jí)與它出現(xiàn)的頻率之間的統(tǒng)計(jì)，可以理解為描述各個(gè)灰度級(jí)的像素出現(xiàn)多少的統(tǒng)計(jì)圖示。若用橫坐標(biāo)表示灰度級(jí)，縱坐標(biāo)表示頻率，就可以看出圖像中灰度的分布情況.四種典型灰度圖像的直方圖特征：(a)暗圖像；(b)亮圖像；(c)低對(duì)照度圖像；(e)高對(duì)照度圖像醫(yī)學(xué)圖像的圖像增強(qiáng)-圖像銳化圖像銳化目的：圖像經(jīng)轉(zhuǎn)換或傳輸后，質(zhì)量可能下降，難免有些模糊。通過銳化，加強(qiáng)圖像輪廓，使圖像看起來比較清晰。方法：空間頻率愈高，幅度增加就愈大。這表明微分是可以加強(qiáng)高頻成分的，從而使圖像輪廓變清晰。最常用的銳化方法是梯度法和拉普拉斯算子。醫(yī)學(xué)圖像的圖像增強(qiáng)-偽彩色增強(qiáng)

偽彩色加強(qiáng)：人眼只能區(qū)分40多種不同等級(jí)的灰度，卻能區(qū)分幾千種不同色度、不同亮度的色彩。偽彩色處理就是把黑白圖象的灰度值映射成相應(yīng)的彩色。人腦圖像偽彩色增強(qiáng)心臟圖像偽彩色增強(qiáng)醫(yī)學(xué)圖像的圖像增強(qiáng)-圖像去噪

圖像去噪：現(xiàn)實(shí)中的數(shù)字圖像在數(shù)字化和傳輸過程中，常受到成像設(shè)備與外部環(huán)境噪聲干擾等影響，成為含噪圖像。完全去除或減少數(shù)字圖像中的噪聲稱為圖像去噪技術(shù)。必要性：大多數(shù)的現(xiàn)實(shí)醫(yī)學(xué)圖像都是含噪圖像，醫(yī)學(xué)圖像噪聲對(duì)醫(yī)學(xué)圖像分析、醫(yī)學(xué)圖像壓縮的影響很大，因此醫(yī)學(xué)圖像去噪是醫(yī)學(xué)圖像預(yù)處理階段最重要的任務(wù)之一。醫(yī)學(xué)圖像去噪是圖像預(yù)處理中一項(xiàng)被廣泛應(yīng)用的技術(shù)，其作用是提高醫(yī)學(xué)圖像的信噪比，突出醫(yī)學(xué)圖像期望特征。因此，具體重要的應(yīng)用價(jià)值。關(guān)于圖像去噪的詳細(xì)內(nèi)容將在之后的章節(jié)進(jìn)行介紹。圖像復(fù)原技術(shù)需要知道圖像的降質(zhì)緣由，根據(jù)圖像降質(zhì)的現(xiàn)眼知識(shí)，恢復(fù)并重構(gòu)原來的圖像。圖像復(fù)原和圖像增強(qiáng)的目的是不一樣的，圖像增強(qiáng)的目的是為了改善圖像視覺效果，便于觀察和分析人們所感興趣的東西，而把那些不重要的地方給清除出去，不僅如此，圖像增強(qiáng)還便于人工或者機(jī)器對(duì)圖像的進(jìn)一步處理。而圖像復(fù)原不僅僅是對(duì)圖像進(jìn)行預(yù)處理還要恢復(fù)至原來的面貌，它需要建立模型依此為依據(jù)進(jìn)行復(fù)原。關(guān)于圖像復(fù)原的詳細(xì)內(nèi)容將在之后的章節(jié)進(jìn)行介紹。醫(yī)學(xué)圖像的預(yù)處理-圖像復(fù)原目錄醫(yī)學(xué)圖像處理背景醫(yī)學(xué)圖像預(yù)處理醫(yī)學(xué)圖像去噪醫(yī)學(xué)圖像復(fù)原醫(yī)學(xué)圖像分割醫(yī)學(xué)圖像識(shí)別醫(yī)學(xué)圖像配準(zhǔn)醫(yī)學(xué)圖像的拼接醫(yī)學(xué)圖像在臨床的應(yīng)用醫(yī)學(xué)圖像處理技術(shù)在科研中的應(yīng)用醫(yī)學(xué)圖像去噪方法

含義：醫(yī)學(xué)圖像在采集、數(shù)字化和傳輸過程中，常受到成像設(shè)備與外部環(huán)境噪聲干擾等影響，成為含噪圖像。完全去除或減少數(shù)字圖像中的噪聲稱為圖像去噪技術(shù)。

必要性：醫(yī)學(xué)成像過程中由于成像機(jī)制的影響,不可避免的引入噪聲,圖像中的噪聲會(huì)大大降低圖像的質(zhì)量,使組織邊界模糊,細(xì)微結(jié)構(gòu)難以辨認(rèn),影響醫(yī)學(xué)診斷。因此在醫(yī)學(xué)圖像去噪中,有效的去除噪聲的同時(shí)很好的保留邊界和結(jié)構(gòu)信息是十分重要的。醫(yī)學(xué)圖像去噪方法-空域法

空域法:采用各種圖像平滑模板對(duì)圖像進(jìn)行卷積處理，達(dá)到抑制或消除噪聲的目的。

高斯濾波：高斯濾波是經(jīng)典的圖像濾波的算法，能夠在一定程度上抑制噪聲。很多算法都拿高斯濾波做預(yù)處理，例如canny邊緣檢測算子。然而高斯濾波在模糊圖像的同時(shí)，也模糊了圖像的邊緣信息。

均值濾波：均值濾波的方法是對(duì)將處理的當(dāng)前像素，選擇一個(gè)模板，該模板為其鄰近的若干像素組成，用模板中像素的均值來替代原像素的值。均值濾波是一種線性濾波器，但是模糊效應(yīng)比較嚴(yán)重，去噪的同時(shí)會(huì)引起細(xì)節(jié)信息的丟失。中值濾波:是一種常用的非線性平滑濾波方法，其基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代換。中值濾波的主要作用是將那些與周圍像素灰度值的差比較大的像素改取與周圍的像素值接近的值，從而可以消除孤立的噪聲點(diǎn)，所以中值濾波對(duì)于濾除圖像的椒鹽噪聲非常有效。中值濾波優(yōu)于均值濾波之處在于它不僅像均值濾波一樣可以抑制噪聲，而且可以使邊緣模糊效應(yīng)大大降低。醫(yī)學(xué)圖像去噪方法-空域法舉例a,含椒鹽噪聲的大腦醫(yī)學(xué)圖像b,均值濾波效果,均值濾波：方法是對(duì)將處理的當(dāng)前像素，選擇一個(gè)模板，該模板為其鄰近的若干像素組成，用模板中像素的均值來替代原像素的值。c,中值濾波效果,中值濾波：基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代換。醫(yī)學(xué)圖像去噪方法-頻率域法頻率域法：通過對(duì)圖像進(jìn)行變換以后，選用適當(dāng)?shù)念l率帶通濾波器進(jìn)行濾波，經(jīng)反變換后獲得去噪聲圖像。

小波方法:主要是針對(duì)圖像信號(hào)與噪聲信號(hào)經(jīng)小波變換后再不同的分辨率呈現(xiàn)不同的規(guī)律，在不同的分辨率下，設(shè)定閾值門限，調(diào)整小波系數(shù)帶到圖像去噪目的。如果閾值太小，處理后的信號(hào)仍有噪聲存在，閾值太大，重要的圖像特征將被濾掉，引起偏差。利用小波去噪，只有當(dāng)閾值選擇合適才能使達(dá)到比較好的去噪效果。基于稀疏變換去噪：將圖像有用信息部分作為圖像中稀疏成分，而將圖像中的噪聲作為圖像（去除其中稀疏成分后得到）殘差，以此作為圖像去噪處理的基礎(chǔ)。相比于空域方法，基于稀疏變換的方法可以有效保留圖像原有高頻信息的基礎(chǔ)上去除噪聲高頻分量。醫(yī)學(xué)圖像去噪方法-頻域法舉例利用小波變換對(duì)機(jī)械部件圖像去噪效果對(duì)比圖,有效的保留了圖像的高頻分量。目錄醫(yī)學(xué)圖像處理背景醫(yī)學(xué)圖像預(yù)處理醫(yī)學(xué)圖像去噪醫(yī)學(xué)圖像復(fù)原醫(yī)學(xué)圖像分割醫(yī)學(xué)圖像識(shí)別醫(yī)學(xué)圖像配準(zhǔn)醫(yī)學(xué)圖像的拼接醫(yī)學(xué)圖像在臨床的應(yīng)用醫(yī)學(xué)圖像處理技術(shù)在科研中的應(yīng)用

醫(yī)學(xué)圖像的退化

圖像在形成、記錄、處理和傳輸過程中，由于成像系統(tǒng)、記錄設(shè)備、傳輸介質(zhì)和處理方法的不完善，從而導(dǎo)致的圖像質(zhì)量下降。醫(yī)學(xué)圖像的復(fù)原試圖利用退化過程的先驗(yàn)知識(shí)，去恢復(fù)已被退化圖像的本來面目。復(fù)原的過程是沿著質(zhì)量降質(zhì)（退化）的逆過程來重現(xiàn)原始圖像。醫(yī)學(xué)圖像的退化與復(fù)原醫(yī)學(xué)圖像的復(fù)原-基本思路退化了的圖像圖像退化圖像復(fù)原因果關(guān)系研究退化模型高質(zhì)量圖像復(fù)原的圖像圖像退化典型原因及表現(xiàn)：成像系統(tǒng)的像差、畸變、有限帶寬等造成的圖像失真。模擬圖像在數(shù)字化的過程中，由于會(huì)損失掉部分細(xì)節(jié)，因而造成圖像質(zhì)量下降。拍攝時(shí)，相機(jī)與景物之間的相對(duì)運(yùn)動(dòng)產(chǎn)生的運(yùn)動(dòng)模糊醫(yī)學(xué)圖像的復(fù)原方法根據(jù)圖像退化的先驗(yàn)知識(shí)建立一個(gè)退化模型，以此模型為基礎(chǔ)，采用各種逆退化處理方法進(jìn)行恢復(fù)，使圖像質(zhì)量得到改善。圖像復(fù)原的關(guān)鍵在于建立圖像退化模型。這個(gè)退化模型應(yīng)該能夠反映圖像退化的原因。通常將退化原因作為線性系統(tǒng)退化的一個(gè)因素來對(duì)待，從而建立系統(tǒng)退化模型來近似描述圖像函數(shù)的退化。醫(yī)學(xué)圖像的退化與復(fù)原圖像復(fù)原方法：退化函數(shù)估計(jì)：運(yùn)動(dòng)矩陣H的估計(jì)，噪聲（n）的估計(jì)。圖像去噪：可以使用空間域或頻率域?yàn)V波器實(shí)現(xiàn)。因?yàn)椴煌虍a(chǎn)生的噪音的分布是不同，可以通過分析圖片中噪音的分布得到產(chǎn)生這些噪音的參數(shù)，然后進(jìn)行逆運(yùn)算進(jìn)行圖像復(fù)原。逆濾波：有約束的最小二乘法容易通過計(jì)算機(jī)的簡單程序?qū)崿F(xiàn)，對(duì)圖像進(jìn)行逆濾波來實(shí)現(xiàn)反卷積的方法方便快捷，無需循環(huán)或迭代，直接可以得到反卷積結(jié)果。維納濾波：由Wiener首先提出的，應(yīng)用于一維信號(hào)處理，取得了很好的效果。之后，維納濾波法被用于二維信號(hào)處理，也取得了不錯(cuò)的效果，尤其在圖像復(fù)原領(lǐng)域，由于維納濾波計(jì)算量小，復(fù)原效果好，從而得到了廣泛的應(yīng)用和發(fā)展。醫(yī)學(xué)圖像的復(fù)原方法醫(yī)學(xué)圖像的復(fù)原方法-去噪聲(a)原圖像

(b)被正弦噪聲干擾的圖像

(c)濾波效果圖復(fù)原受正弦噪聲干擾的圖像

醫(yī)學(xué)圖像的復(fù)原方法-維納濾波去運(yùn)動(dòng)模糊(a)原圖像(b)運(yùn)動(dòng)模糊圖像(c)濾波效果圖利用維納濾波復(fù)原含運(yùn)動(dòng)模糊的圖像目錄醫(yī)學(xué)圖像處理背景醫(yī)學(xué)圖像預(yù)處理醫(yī)學(xué)圖像去噪醫(yī)學(xué)圖像復(fù)原醫(yī)學(xué)圖像分割醫(yī)學(xué)圖像識(shí)別醫(yī)學(xué)圖像配準(zhǔn)醫(yī)學(xué)圖像的拼接醫(yī)學(xué)圖像在臨床的應(yīng)用醫(yī)學(xué)圖像處理技術(shù)在科研中的應(yīng)用醫(yī)學(xué)圖像分割

醫(yī)學(xué)圖像分割是一個(gè)根據(jù)圖像區(qū)域間的相似或不同把圖像分割成若干區(qū)域的過程。這些區(qū)域是互相不交叉的，每一個(gè)區(qū)域都滿足特定區(qū)域的一致性。

必要性：圖像分割是圖像分析環(huán)節(jié)的關(guān)鍵技術(shù)，是提取影像圖像中特殊組織的定量信息的不可缺少的手段，同時(shí)也是可視化實(shí)現(xiàn)的預(yù)處理步驟和前提。分割后的圖像正被廣泛應(yīng)用于各種場合，如組織容積的定量分析，診斷，病變組織的定位，解剖結(jié)構(gòu)的學(xué)習(xí)，治療規(guī)劃，功能成像數(shù)據(jù)的局部體效應(yīng)校正和計(jì)算機(jī)指導(dǎo)手術(shù)。由于醫(yī)學(xué)圖像的復(fù)雜性和多樣性，醫(yī)學(xué)圖像分割至今仍然是個(gè)科學(xué)難題。醫(yī)學(xué)圖像分割-技術(shù)實(shí)現(xiàn)方法基于區(qū)域的分割方法

：利用同一區(qū)域內(nèi)的特征相似性識(shí)別圖像不同區(qū)域的方法。

閾值法

區(qū)域生長和分裂合并

分類器和聚類方法基于隨機(jī)場的方法其他統(tǒng)計(jì)方法

邊緣分割方法：區(qū)域邊緣上的像素灰度值的變化往往比較劇烈，檢測不同區(qū)域間的邊緣來解決圖像分割問題。并行微分算子基于曲面擬合的方法基于邊界曲線擬合的方法串行邊界查找醫(yī)學(xué)圖像分割-閾值法舉例腦部CT切片的CT值范圍為0-4095,灰度級(jí)別為4096,采用多閾值方法將改圖分為四個(gè)部分：背景、表皮、軟組織和骨骼。閾值分別為175、977和1502.閾值方法：如果只用選取一個(gè)閾值稱為單閾值分割，它將圖像分為目標(biāo)和背景；如果需用多個(gè)閾值則稱為多閾值方法，圖像將被分割為多個(gè)目標(biāo)區(qū)域和背景，為區(qū)分目標(biāo)，還需要對(duì)各個(gè)區(qū)域進(jìn)行標(biāo)記。閾值分割方法基于對(duì)灰度圖像的一種假設(shè)：目標(biāo)或背景內(nèi)的相鄰像素間的灰度值是相似的，但不同目標(biāo)或背景的像素在灰度上有差異，反映在圖像直方圖上就是不同目標(biāo)和背景對(duì)應(yīng)不同的峰。選取的閾值應(yīng)位于兩個(gè)峰之間的谷，從而將各個(gè)峰分開。閾值法的優(yōu)缺點(diǎn)

優(yōu)點(diǎn)簡單對(duì)于不同類的物體灰度值或其他特征值相差很大時(shí)，它能很有效的對(duì)圖像進(jìn)行分割。閾值分割通常作為預(yù)處理，在其后應(yīng)用其他一系列分割方法進(jìn)行處理，它常被用于CT圖像中皮膚、骨骼的分割。

缺點(diǎn)不適用于多通道圖像和特征值相差不大的圖像，對(duì)于圖像中不存在明顯的灰度差異或各物體的灰度值范圍有較大重疊的圖像分割問題難以得到準(zhǔn)確的結(jié)果。它僅僅考慮了圖像的灰度信息而不考慮圖像的空間信息，閾值分割對(duì)噪聲和灰度不均勻很敏感。醫(yī)學(xué)圖像分割-并行微分算子方法舉例并行微分算子法對(duì)圖像中灰度的變化進(jìn)行檢測，通過求一階導(dǎo)數(shù)極值點(diǎn)或二階導(dǎo)數(shù)過零點(diǎn)來檢測邊緣。常用的一階導(dǎo)數(shù)算子有梯度算子、Prewitt算子和Sobel算子，二階導(dǎo)數(shù)算子有Laplacian算子，還有Kirsch算子和Wallis算子等非線性算子。梯度算子不僅對(duì)邊緣信息敏感，而且對(duì)于像素點(diǎn)也很敏感。醫(yī)學(xué)圖像分割-并行微分算子法的優(yōu)缺點(diǎn)

優(yōu)點(diǎn)對(duì)于高質(zhì)量圖像，檢測精度高。

缺點(diǎn)對(duì)噪聲敏感，由于梯度算子具有高通特性，噪聲通常也是高頻的，因此可能造成一些錯(cuò)誤邊緣像素的檢測。區(qū)域生長和分裂

優(yōu)點(diǎn)：計(jì)算簡單,特別適用于分割小的結(jié)構(gòu)如腫瘤和傷疤。

缺點(diǎn)：需要人工交互以獲得種子點(diǎn)，這樣使用者必須在每個(gè)需要抽取出的區(qū)域中植入一個(gè)種子點(diǎn)。對(duì)噪聲敏感，導(dǎo)致抽取出的區(qū)域有空洞或者在局部體效應(yīng)的情況下將原本分開的區(qū)域連接起來。形變模型

優(yōu)點(diǎn)：能夠直接產(chǎn)生閉合的曲線或者曲面，對(duì)噪聲和偽邊界有很強(qiáng)的魯棒性.

缺點(diǎn)：對(duì)初始邊界位置敏感，需要人工交互干預(yù)。其他方法，限于篇幅不再贅述。醫(yī)學(xué)圖像分割-其他方法的優(yōu)缺點(diǎn)目錄醫(yī)學(xué)圖像處理背景醫(yī)學(xué)圖像預(yù)處理醫(yī)學(xué)圖像去噪醫(yī)學(xué)圖像復(fù)原醫(yī)學(xué)圖像分割醫(yī)學(xué)圖像識(shí)別醫(yī)學(xué)圖像配準(zhǔn)醫(yī)學(xué)圖像的拼接醫(yī)學(xué)圖像在臨床的應(yīng)用醫(yī)學(xué)圖像處理技術(shù)在科研中的應(yīng)用含義：利用計(jì)算機(jī)對(duì)醫(yī)學(xué)圖像進(jìn)行自動(dòng)處理、特征抽取和分類的技術(shù)。實(shí)現(xiàn)醫(yī)學(xué)圖像自動(dòng)識(shí)別是計(jì)算機(jī)和醫(yī)學(xué)交叉領(lǐng)域的研究熱點(diǎn)，而影響識(shí)別效果的因素主要是特征提取和識(shí)別方法兩個(gè)方面。醫(yī)學(xué)圖像的識(shí)別

顏色特征提取

優(yōu)點(diǎn)：提取方便缺點(diǎn)：缺少空間分布信息

紋理特征提取

優(yōu)點(diǎn)：可以反映圖像像素點(diǎn)某鄰域內(nèi)灰度級(jí)或顏色的某種變化，進(jìn)而反映局部結(jié)構(gòu)化特征。缺點(diǎn)：缺少全局信息。形狀特征提取

優(yōu)點(diǎn)：可以很好的表示圖像可視化特征。缺點(diǎn)：需要圖像分割，圖像分割好壞決定著特征提取的效果。醫(yī)學(xué)圖像的識(shí)別-特征提取方法的優(yōu)缺點(diǎn)

神經(jīng)網(wǎng)絡(luò)是主流的醫(yī)學(xué)圖像識(shí)別方法。

優(yōu)點(diǎn)

自適應(yīng)性強(qiáng)

學(xué)習(xí)能力強(qiáng)

魯棒性和容錯(cuò)能力強(qiáng)缺點(diǎn)

對(duì)于處理多維特征圖像，單個(gè)分類器識(shí)別率不高

使用多個(gè)神經(jīng)網(wǎng)絡(luò)分類器復(fù)雜度高醫(yī)學(xué)圖像的識(shí)別-神經(jīng)網(wǎng)絡(luò)識(shí)別方法醫(yī)學(xué)圖像的識(shí)別舉例-乳腺病變位置的確定a.原始圖像b.閾值分割得到的乳腺組織和脂肪組織c.利用區(qū)域生長方法得到病理影像d.增加了針狀物特征之后的病理提取情況在特征提取的基礎(chǔ)上進(jìn)行模式分類是基于乳腺影像的計(jì)算機(jī)輔助診斷的重要步驟。如上圖所示，對(duì)原始數(shù)據(jù)進(jìn)行處理的過程中得到病灶的一系列特征，以及用這些特征表達(dá)的模式。正是這些特征或特征的組合形成的模式可以用于自動(dòng)的分類分析。目錄醫(yī)學(xué)圖像處理背景醫(yī)學(xué)圖像預(yù)處理醫(yī)學(xué)圖像去噪醫(yī)學(xué)圖像復(fù)原醫(yī)學(xué)圖像分割醫(yī)學(xué)圖像識(shí)別醫(yī)學(xué)圖像配準(zhǔn)醫(yī)學(xué)圖像的拼接醫(yī)學(xué)圖像在臨床的應(yīng)用醫(yī)學(xué)圖像處理技術(shù)在科研中的應(yīng)用醫(yī)學(xué)圖像剛性配準(zhǔn)與柔性配準(zhǔn)的含義醫(yī)學(xué)圖像配準(zhǔn)是指將來自不同形式的探測器(如MRI,CT,PET,SPECT等)的醫(yī)學(xué)圖像，利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)對(duì)于一幅醫(yī)學(xué)圖像尋求一種或者一系列的空間變換，使它與另一幅醫(yī)學(xué)圖像上的對(duì)應(yīng)點(diǎn)達(dá)到空間上的一致。其中，剛性配準(zhǔn)的空間變換為剛性變換，柔性配準(zhǔn)的空間變換為非線性變換。醫(yī)學(xué)圖像配準(zhǔn)的必要性必要性：醫(yī)學(xué)圖像大致可分為解剖圖像(如CT,MRI)和功能圖像(如PET,fMRI,SPECT)。解剖圖像能清晰地提供臟器的解剖結(jié)構(gòu)信息,但不具備功能顯示;功能圖像能夠顯示人體的新陳代謝的功能變化,但分辨率較低,無法清晰地描繪出器官或病灶的解剖細(xì)節(jié)。若單獨(dú)使用某一種模態(tài)的成像技術(shù),效果都不理想。因而我們需要利用圖像配準(zhǔn)技術(shù)來使多次成像或多種模式成像的信息得到綜合利用。醫(yī)學(xué)圖像配準(zhǔn)的一般流程醫(yī)學(xué)圖像配準(zhǔn)-剛性變換與非線性變換剛體變換仿射變換投影變換非線性變換剛性變換用一句話來說剛性變換后直線仍然是直線，非線性變換后直線可能會(huì)變成曲線。醫(yī)學(xué)圖像配準(zhǔn)-剛性變換剛體變換：指在變換前后能夠保持待配準(zhǔn)圖像中任意兩點(diǎn)間距離不變的變換方法,包括平移和旋轉(zhuǎn)兩部分。仿射變換：變換前后能夠?qū)⒋錅?zhǔn)圖像中的直線仍舊映射為直線,且任意兩直線之間的平行關(guān)系保持不變。它包括平移，旋轉(zhuǎn)和縮放。投影變換：變換前后的平行直線仍舊是直線,但不保證它們間的平行關(guān)系仍舊成立。投影變換反映的是目標(biāo)在不同距離成像時(shí),成像系統(tǒng)