医学在图像中的应用.doc

医学在图像中的应用 李金妍 摘 要：文章介绍了医学图像处理的基本技术，对图像分割、图像拼接、伪彩色处理和纹理分析技术进行了综述。医学治疗在医学图象处理技术的帮助下，对人体内部病变部位的观察更直接、更清晰，确诊率也更高 关键字：医学图像处理 ；图像分割；图像拼接 ；伪彩色处理；纹理分析 中国分类号：TP317.4 In the application of medical image Abstract: the article introduces the basic technology of medical image processing, image segmentation, image mosaicing, false color processing and texture analysis technique was reviewed in this paper. Medical treatment in medical image processing with the help of technology, the lesion site inside human body of more directly, more clear observation, diagnose rate is also higher． Key word: Medical Image Processing ; image segmentation ; image mosaicing ; for color processing ; texture analysis 医学在图像中的应用 １X- CT、MRI、PET、SPECT ２[1]。因此，医学图像分割是一个非常基础的工作， 但又是极其重要的研究领域。基于特定理论的图像分割方法具有严密的理论基础，能够更好地对图像进行分割处理， 无论在运算速度还是分割精度方面与传统的图像分割方法相比都具有明显的优势。 2.1 窄带法 窄带法由Adalsteinsson，Sethian [2－3][4]等提出一种基于策略演化水平集的图像分割方法， 该方法不需要计算符号距离函数和偏微分方程， 水平集演化过程中避免了重新初始化水平集函数。这种方法特点主要有： （1） （2） （3） 2.2 快速推进发 基于传统水平集运算量大的缺陷，Sethian 等提出了快速推进法（fast marching）能够极大提高运算速度[5]。该方法是通过求解Eikonal 方程得到稳定解[6]。速度函数的设定能够使得 零水平集演化在目标边界处停止， 因此速度函数的选择成为影响图像分割质量的关键因素。快速推进法的不足之处在于：该方法的速度项和停止准则的选取没有充分考虑图像的全域信息，在图像灰度比较接近、图像边缘模糊的地方，分割效果不太理想。李鑫宇[7]等将水平集方法和快速推进法相结合，充分利用了水平集与快速推进法各自的优势， 在提高分割准确性的同时运算量也得到降低。 2.3 快速扫描法 Zhao[6]等人提出利用快速扫描方法（fast sweeping method）Eikonal 方程进行求以及符号距离函数（SDF）O（NlogN）O（N），其中N 为像素点个数。但快速扫描法对计算域有比较高的要求，在窄带水平集方法的应用中效果不是很理想。柳周[8]等将快速扫描法与窄带水平集法相结合，通过定义一种特殊的窄带和数据结构，对传统的扫描方法进行了改进，实验证明，该方法可以节省约一半的计算量。 2.4 模糊连接法 其基本思想是： 通过将图像中具有相似性的像素集合起来构成一个区域，区域中每两个相邻像素连成一条边，该边隶属于感兴趣对象的程度可以用0~1 之间的数值来表示[9]。表示这条边隶属于感兴趣区域大小的数值即是模糊连接度。通过将像素划分到与其模糊连接度最高的目标区域中， 从而完成图像分割。杨玲等[9]采用模糊连接法对牙齿进行分割，克服了牙齿边界的模糊性， 分割结果表明该方法能够有效地分割出单科牙齿，克服了畸形牙齿难以分割的问题。 2.5 模糊阈值分割方法 模糊阈值法由S.K.Pal[10]等于1983 年提出，使用模糊数学来对灰度图像进行描述， 定性地讨论了隶属函数窗宽对阈值选取的影响， 图像分割的模糊阈值是通过对模糊率以及模糊熵的计算来选择的。Murthy[11－12][13]。针对模糊阈值的选择问题，学者们做了大量的研究工作：汤春明等[14]采用基于最大信息熵的模糊阈值分割方法来寻找模糊分割中的最佳阈值，在对神经元干细胞序列图像中分裂细胞精细分割处理中，该方法能够较好地保留细胞形状特征， 能够对微小目标精细分割。模糊