醫(yī)學圖象處理與分析

醫(yī)學圖象處理與分析演講人202x-11-11目錄01目錄

第1章醫(yī)學圖象的發(fā)展02第1章醫(yī)學圖象的發(fā)展1.1倫琴開創(chuàng)了人體圖象的先河1.2ct技術與三維醫(yī)學圖象1.3pet技術與功能醫(yī)學圖象1.4多種成象模式1.5醫(yī)學圖象后處理概念1.2CT技術與三維醫(yī)學圖象1.3PET技術與功能醫(yī)學圖象1.4多種成象模式1.5醫(yī)學圖象后處理概念第2章醫(yī)學圖象基礎03第2章醫(yī)學圖象基礎01032.1圖象數據格式2.2灰度直方圖2.3偽彩色與假彩色020405062.4圖象體數據集2.5圖象插值技術2.6圖象形狀和紋理量化第2章醫(yī)學圖象基礎2.2灰度直方圖2.2.5直方圖的線性拉伸與壓縮2.2.4彩色圖象的直方圖2.2.3歸一化直方圖2.2.2灰度直方圖的性質2.2.1灰度直方圖概念第2章醫(yī)學圖象基礎2.3偽彩色與假彩色2.3.1偽彩色2.3.2假彩色第2章醫(yī)學圖象基礎2.4圖象體數據集2.4.1體數據集12.4.2體數據文件格式2第2章醫(yī)學圖象基礎2.5圖象插值技術012.5.1插值的概念022.5.2圖象灰度插值032.5.3二維圖象灰度插值方法042.5.4三維圖象灰度插值方法第2章醫(yī)學圖象基礎2.6圖象形狀和紋理量化2.6.1形狀量化12.6.2紋理量化2第3章醫(yī)學圖象增強043.1基本增強技術3.2適配圖象濾波3.3適配模板濾波3.4二進小波圖象增強技術第3章醫(yī)學圖象增強第3章醫(yī)學圖象增強3.1基本增強技術d3.1.4多幅圖象運算e3.1.5頻域增強技術a3.1.1卷積算子b3.1.2象素運算c3.1.3局部算子第3章醫(yī)學圖象增強3.2適配圖象濾波013.2.1空間頻率濾波023.2.2鈍化蒙片法033.2.3適配維納濾波043.2.4各向異性適配濾波第3章醫(yī)學圖象增強3.3適配模板濾波13.3.1適配模板濾波算法23.3.2仿真圖象濾波實驗33.3.3mri圖象適配模板濾波43.3.4三維體數據適配模板濾波第3章醫(yī)學圖象增強3.4二進小波圖象增強技術3.4.2多維離散二進小波變換3.4.3數字乳腺圖象的對比增強3.4.1一維離散二進小波變換第4章醫(yī)學圖象分割05第4章醫(yī)學圖象分割4.2閾值分割技術024.1醫(yī)學圖象分割概念014.3微分算子邊緣檢測034.4區(qū)域增長技術044.5聚類分割技術054.6形態(tài)運算064.7邊界跟蹤4.8邊界分段擬合第4章醫(yī)學圖象分割第4章醫(yī)學圖象分割4.2閾值分割技術4.2.1全局閾值法14.2.2大津閾值分割2第4章醫(yī)學圖象分割4.3微分算子邊緣檢測01034.3.1灰度梯度4.3.2roberts交叉算子4.3.3sobel模板020405064.3.4kirsch算子4.3.5laplace算子4.3.6marr算子第4章醫(yī)學圖象分割4.3微分算子邊緣檢測4.3.7canny算子14.3.8hough變換2第4章醫(yī)學圖象分割4.4區(qū)域增長技術4.4.3登山算法034.4.1單一型鏈結的區(qū)域增長014.4.4分水嶺算法044.4.2混合型鏈結的區(qū)域增長02第4章醫(yī)學圖象分割4.5聚類分割技術4.5.1c均值聚類14.5.2isodata算法2第4章醫(yī)學圖象分割4.6形態(tài)運算4.6.1膨脹與腐蝕4.6.2開運算與閉運算4.6.3形態(tài)運算舉例第4章醫(yī)學圖象分割4.7邊界跟蹤4.7.18鄰域搜索法14.7.2跟蹤蟲搜索法2第4章醫(yī)學圖象分割4.8邊界分段擬合4.8.2最小均方誤差曲線擬合4.8.1迭代端點擬合第5章醫(yī)學圖象分類06第5章醫(yī)學圖象分類ABCDEF5.1單譜mr圖象分割5.2多譜圖象分析5.3神經網絡分類5.4馬爾可夫隨機場與期望值最大化方法5.5基于有偏場校正的圖象分割方法5.6基于信息最小化的mr強度不均勻性回顧修正5.7模糊聚類分割5.8梯度向量流變形模型5.9水平集與快速步進分割方法5.10用體素直方圖的部分體積分割5.11異常腦組織的識別5.12醫(yī)學圖象分割技術的評估第5章醫(yī)學圖象分類單擊此處添加文本具體內容，簡明扼要的闡述您的觀點。根據需要可酌情增減文字，以便觀者準確的理解您傳達的思想。單擊此處添加標題第5章醫(yī)學圖象分類5.3神經網絡分類5.3.2帶有側反饋的kohonen網絡5.3.3kohonen自組織特征圖5.3.1kohonen模型第5章醫(yī)學圖象分類5.4馬爾可夫隨機場與期望值最大化方法015.4.1有限混合模型025.4.2馬爾可夫模型與一階馬爾可夫鏈035.4.3馬爾可夫隨機場045.4.4gibbs分布與mrf055.4.5mrf-map分類065.4.6用期望值最大化方法擬合模型第5章醫(yī)學圖象分類5.5基于有偏場校正的圖象分割方法5.5.1算法介紹5.5.2適配分割算法的實現5.5.3實驗結果第5章醫(yī)學圖象分類5.6基于信息最小化的mr強度不均勻性回顧修正5.6.1線性校正模型15.6.2實驗方法及結果2第5章醫(yī)學圖象分類5.7模糊聚類分割5.7.1模糊集合與隸屬度5.7.3方向敏感的模糊c均值算法5.7.4適配模糊c均值算法5.7.5基于有偏場校正的適配模糊聚類分割算法（bafcm）5.7.2模糊c均值算法0102030405第5章醫(yī)學圖象分類5.8梯度向量流變形模型15.8.1二維參數式變形模型25.8.2梯度向量流變形模型第5章醫(yī)學圖象分類5.9水平集與快速步進分割方法5.9.1邊界驅動蛇線法5.9.2區(qū)域競爭蛇線法5.9.4快速步進法5.9.3圖象的預處理第5章醫(yī)學圖象分類5.10用體素直方圖的部分體積分割5.10.1歸一化直方圖5.10.2單純材料與混合材料區(qū)的直方圖基函數5.10.5分類實驗結果5.10.3直方圖基函數的參數估算5.10.4分類方法第5章醫(yī)學圖象分類5.12醫(yī)學圖象分割技術的評估5.12.1專家目測5.12.2體模驗證5.12.3計算機化解剖圖譜第6章醫(yī)學圖象配準07第6章醫(yī)學圖象配準ABCDEF6.1圖象配準的概述6.3基于基準點的配準方法6.5基于最大互信息的多模醫(yī)學圖象配準6.2基本空間變換模型6.4倒角匹配圖象配準法6.6結合互信息與圖象梯度的配準技術第6章醫(yī)學圖象配準6.7基于形狀特征點最大互信息的醫(yī)學圖象配準6.8基于薄板樣條的mri圖象與腦圖譜的配準方法6.9圖象信息融合技術6.10醫(yī)學圖象配準的評估6.8基于薄板樣條的MRI圖象與腦圖譜的配準方法6.9圖象信息融合技術6.10醫(yī)學圖象配準的評估第6章醫(yī)學圖象配準6.1圖象配準的概述016.1.1圖象配準的概念026.1.2醫(yī)學圖象基本變換036.1.3配準的類型046.1.4主要配準方法第6章醫(yī)學圖象配準6.2基本空間變換模型01036.2.1剛體變換6.2.2全局尺度變換6.2.39參數仿射變換020405066.2.4一般仿射變換6.2.5透視變換6.2.6非線性空間變換第6章醫(yī)學圖象配準6.3基于基準點的配準方法016.3.1極值線與極值點026.3.2極值點的自動提取方法036.3.3用隨機法提取極值點046.3.4基于曲線的剛體配準056.3.5基于極值點的剛體配準066.3.6僅依賴基準點位置的剛體配準第6章醫(yī)學圖象配準6.4倒角匹配圖象配準法6.4.2圖象分割與代價函數的優(yōu)化6.4.3倒角匹配算法的醫(yī)學應用6.4.1代價函數與距離變換第6章醫(yī)學圖象配準6.5基于最大互信息的多模醫(yī)學圖象配準6.5.2以互信息為相似性測度026.5.4配準結果的評估046.5.1配準原理016.5.3多參數最優(yōu)化算法036.5.5實驗結果05第6章醫(yī)學圖象配準6.6結合互信息與圖象梯度的配準技術6.6.1結合互信息與圖象梯度的配準測度016.6.2配準實例02第6章醫(yī)學圖象配準6.7基于形狀特征點最大互信息的醫(yī)學圖象配準6.7.1配準原理6.7.2實驗結果6.7.3幾點討論第6章醫(yī)學圖象配準6.8基于薄板樣條的mri圖象與腦圖譜的配準方法6.8.1talairach腦圖譜6.8.2非線性形變方法6.8.4實驗結果6.8.3薄板樣條方法第6章醫(yī)學圖象配準6.9圖象信息融合技術6.9.5小波變換融合法6.9.4對比度調制法6.9.3toet法6.9.2加權平均法6.9.1基于分割的圖象融合法第6章醫(yī)學圖象配準6.10醫(yī)學圖象配準的評估6.10.1體模6.10.2準標6.10.3圖譜6.10.4目測檢驗第7章醫(yī)學圖象可視化08第7章醫(yī)學圖象可視化7.1生物醫(yī)學三維可視化7.3表面繪制技術7.5形態(tài)插值技術7.2可視化數據基本表示法與基本算法7.4體繪制技術7.6血管圖象可視化方法第7章醫(yī)學圖象可視化7.7虛擬內窺鏡第7章醫(yī)學圖象可視化7.2可視化數據基本表示法與基本算法17.2.1可視化數據基本表示法27.2.2可視化基本算法第7章醫(yī)學圖象可視化7.3表面繪制技術7.3.1基于體素的表面重建7.3.2基于切片的表面重建第7章醫(yī)學圖象可視化7.4體繪制技術01037.4.1透明度與α值7.4.2紋理映射7.4.3體繪制020405067.4.4按圖象順序體繪制7.4.5按對象順序體繪制7.4.6其他體繪制方法第7章醫(yī)學圖象可視化7.5形態(tài)插值技術17.5.1基于形狀的形態(tài)插值27.5.2基于形態(tài)骨架的二值圖象插值第7章醫(yī)學圖象可視化7.6血管圖象可視化方法ab7.6.2基于水平集曲線演化的血管分割7.6.1用于血管圖象分割的簡化模糊連接算法第7章醫(yī)學圖象可視化7.7虛擬內窺鏡7.7.1圖象處理和分割7.7.2用于虛擬內窺鏡的管狀器官的圓柱狀近似7.7.5交互式虛擬內窺鏡工具7.7.3圓柱狀近似算法7.7.4用圓柱狀結構加速體繪制第8章醫(yī)學圖象標準數據庫09第8章醫(yī)學圖象標準數據庫8.5mni-bic的brainwebe8.4ono腦溝回圖譜d8.1數字化人腦圖譜技術a8.2數字化虛擬人體b8.3talairach圖譜c8.6哈佛全腦數據庫f第8章醫(yī)學圖象標準數據庫8.1數字化人腦圖譜技術8.1.1數字化人腦圖譜的概念與特點018.1.2數字化人腦圖譜的構建方法028.1.3數字化人腦圖譜的應用03第8章醫(yī)學圖象標準數據庫8.2數字化虛擬人體8.2.1美國可視人計劃8.2.2vhp數據集的處理8.2.3數字化虛擬人設想8.2.4中國虛擬人的有關醫(yī)學圖象方法學考慮第8章醫(yī)學圖象標準數據庫8.3talairach圖譜018.3.1talairach坐標系統(tǒng)028.3.2數據集到talairach-tournoux坐標的轉換038.3.3交互式talairach圖譜第9章醫(yī)學圖象壓縮、存儲與通信1019.1圖象壓縮的基本概念和標準39.3臨床PACS中的圖象標準化29.2醫(yī)學圖象存檔、讀取與通信49.4壓縮醫(yī)學圖象的質量評估第9章醫(yī)學圖象壓縮、存儲與通信59.5分形圖象壓縮簡介69.6用小波變換進行三維圖象壓縮第9章醫(yī)學圖象壓縮、存儲與通信9.1圖象壓縮的基本概念和標準9.1.1數字圖象9.1.2圖象數據壓縮方案9.1.3無損圖象壓縮9.1.6huffman編碼9.1.5jpeg有損壓縮方法的幾個階段9.1.4有損圖象壓縮010203040506第9章醫(yī)學圖象壓縮、存儲與通信9.1圖象壓縮的基本概念和標準9.1.9jpeg2000標準9.1.8mpeg運動圖象壓縮標準9.1.7jpeg圖象壓縮標準第9章醫(yī)學圖象壓縮、存儲與通信9.2醫(yī)學圖象存檔、讀取與通信019.2.1醫(yī)學圖象信息模型029.2.2醫(yī)學圖象存檔系統(tǒng)039.2.3dicom圖象通信標準049.2.4檔案軟件組成部件059.2.5his/ris接口和圖象預取069.2.6dicom圖象檔案標準9.2醫(yī)學圖象存檔、讀取與通信9.2.7pacs研究應用第9章醫(yī)學圖象壓縮、存儲與通信第9章醫(yī)學圖象壓縮、存儲與通信9.3臨床pacs中的圖象標準化9.3.3圖象方位調整039.3.1背景消除019.3.4圖象標準化函數在hi-pacs中的實現049.3.2視覺感知性能的改進02第9章醫(yī)學圖象壓縮、存儲與通信9.4壓縮醫(yī)學圖象的質量評估9.4.4金標準的決定9.4.3診斷的準確性和roc方法學9.4.2主觀質量分級9.4.1平均畸變和psnr第9章醫(yī)學圖象壓縮、存儲與通信9.5分形圖象壓縮簡介01039.5.1分形圖象