基于生物医学的图像处理应用

《基于生物医学的图像处理应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、班另XXX学号：XXXX姓名：xxxx基于生物医学的图像处理应用数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。图像处理技术带动着现代医学诊断正产生着深刻的变革。各种新的医学成像方法的临床应用，使医学诊断和治疗技术取得了很大的进展，同时将各种成像技术得到的信息进行互补，也为临床诊断及生物医学研宄提供了有力的科学依据。因此，医学图像处理技术一直受到国内外有关专家的高度重视。所谓医学图像处理与分析就是借助计算机这一工具，根据临床特定的需要利用数学的方法对医学图像进行各种加工和处理，以便为临床提供更多的诊

2、断信息或数据。例如，对于对比度不理想和信噪比不高的图像，利用图像增强和滤波的方法改变阁像的对比度，提高阁像的信噪比，从而提供给放射科医生较高质量的图像，以便于放射科医生对图像的判读；对于由先进的医学影像设备产生的大量医学图像数据，可以先由计算机进行图像处理后，把可疑的病灶全部标记出来，然后再由放射科医生对标记出来的可疑病灶进行判读。这样可以节省放射科医生大量的读片时间，使他们得以把注意力集屮在可疑病灶上，从而为正确诊断奠定基础，这就是目前在医学影像学领域得到广泛关注并发展迅速的医学阁像计算机辅助诊断技术。另外，医学图像

3、处理与分析技术在外科手术术前计划的制订，神经外科导航，虚拟内窥镜以及放射治疗计划的制订等方面都具有重要的应用价值。在生物医学领域屮，为了诊断、教学、科研等A的，常常要对医学影像进行一些处理操作，包括编辑阁像，对阁像进行直方阁、影像均衡、影像平滑处理、边缘增强处理、影像灰阶和对比度调节、正负像旋转、影像色彩反向显示：伪彩色绘制与计算等等。下面从几个方面分析图像处理在生物医学的应用：1.伪彩色增强医学影像如CT、MR、B超、X光片都是灰度阁像，尽管这些设备的成像质量很高，可以将灰度等级分成2000多阶，但人眼只能分别出其中

4、16个灰度等级。若将2000个灰度等级，划分为16个灰阶则，每个灰阶所能分辨的CT值为2000/16=125Huo即相邻两组织CT值相差125吋人眼才能将二者区分出来，若小于此数值，处于同一灰阶则不能分辨。而人体组织的CT值在相差几个HU单位时（3〜5Hu）就有重要的诊断意义。然而，人眼对彩色的敏感程度远远高于对灰度的敏感程度，利用人眼的这一视觉特性，可以对眹学图像进行伪彩色处理，使病灶部分能够较清晰的显现出来。如图1所示为肠道病毒引发的脑干脑炎（手足口病）MRI图像［3］，把患者脑部脑干部分横切面图像进行分析。可以看

5、出，灰度图像病灶部分模糊不淸，但对其进行伪彩色处理后，可以较淸晰地辨认出病灶的轮廓和大小。其主要实现方法为，首先读入灰度阁像，然后将灰度阁像分层,对图像数组进行等分层处理，最后利用PColorO进行彩色变换。图11.灰度变换利用阁像灰度级的分布可以看出阁像灰度分布的特性。如果大部分像素集中在低灰度区则图像呈现暗特性，反之则呈现亮特性。灰度变换的目的是通过改善直方图的灰度分布特性，进而改善图像的质量。灰度变换的方法包括直方图灰度变换、直方图均衡化、直方图规定化。本研究以直方图均衡化为例说明该模块的设计功能。直方图均衡化是

6、利用直方图的统计数据进行直方图的修改，能有效的处理原始阁像的直方阁分布情况，使各灰度级具有均匀的概率分布，通过调整阁像灰度值的动态范围，自动增加整个图像的对比度，以致图像具有较大的反差，大部分细节比较清晰［1］。如图2所示，为脑膜炎患者的MR图像，通过直方图分析，原图像人面积为暗色，并II层次不清，经过直方图均衡化后，直方图的灰度间隔被拉大，显得较为“平坦”，灰度层次等级增加，然后用此均衡直方图校正阁像，有利于阁像的分析与识别。一fil«K«lp厍％图®fl方E均#•癸袄后£t万四200图2医学图像处理技术包括很多方面

7、，木文主要介绍分析图像分割、图像配准和融合以及伪彩色处理技术和纹理分析在医学领域的应用和发展。1.图像分割阁像分割就是把阁像中具有特殊涵义的不同区域分开来，这些区域使互不相交的每一个区域都满足特定区域的一致性。它是图像处理与图像分析中的一个经典问题。阁像分割技术发展至今，己在灰度阈值分割法、边缘检测分割法、区域跟踪分割法的基础上结合特定的理论工具有了更进一步的发展。分割可以帮助医生将感兴趣的物体(病变组织等)提取出来，帮助医生能够对病变组织进行定性及定量的分析，从而提高医生诊断的准确性和科学性。如何使多次成像或多种成像

8、设备的信息得到综合利用，弥补信息不完整、部分信息不准确或不确定引起的缺陷，使临床的诊断治疗、放疗定位、计划设计、外科手术和疗效评估更准确，已成为医学图像处理急需解决的重要课题。医学图像分割在临床诊断、病理分析以及治疗方面具有重要意义，具体表现在以下几个方面：(1)图像分割的结果常用于生物医学图像的分析，如不同形式图像的配准、融合，