醫學(xué)圖像領(lǐng)域中數字圖像處理的應用論文

　　在日常學(xué)習和工作生活中，大家都跟論文打過(guò)交道吧，論文是我們對某個(gè)問(wèn)題進(jìn)行深入研究的文章。那么，怎么去寫(xiě)論文呢？下面是小編幫大家整理的醫學(xué)圖像領(lǐng)域中數字圖像處理的應用論文，希望對大家有所幫助。

　　1、前言

　　計算機技術(shù)不斷發(fā)展，硬件性能不斷提升，軟件效能不斷優(yōu)化，在其帶動(dòng)下，數字圖像處理技術(shù)也得到了迅速的發(fā)展。以往難以解決的技術(shù)性瓶頸，而今已經(jīng)可以輕而易舉的突破。但是在一些專(zhuān)業(yè)性較強的領(lǐng)域，對于數字圖像處理有著(zhù)一些特殊的要求，很多通用的數字圖像處理技術(shù)、方法，不能充分發(fā)揮其優(yōu)勢，甚至無(wú)法使用。本文針對數字圖像去噪這一典型問(wèn)題，在簡(jiǎn)單回顧相關(guān)通用數字圖像處理技術(shù)發(fā)展的基礎上，針對醫學(xué)PET圖像的特殊性，提出一些自己的看法及思考。

　　雖然數字圖像處理技術(shù)很早便被應用于醫學(xué)相關(guān)領(lǐng)域，但是由于醫學(xué)圖像自身的分類(lèi)多樣、成像技術(shù)相對復雜，目前仍然有許多影響醫學(xué)圖像成像的諸多因素無(wú)法從理論層面解釋?zhuān)�所以數字圖像處理技術(shù)在醫學(xué)領(lǐng)域的發(fā)展仍然相對滯后。

　　2、數字圖像處理技術(shù)的回顧

　　數字圖像處理作為一個(gè)學(xué)科，經(jīng)過(guò)將近60年的發(fā)展，已經(jīng)形成了完善的理論體系，并細化為多個(gè)專(zhuān)業(yè)方向。數字圖像處理技術(shù)誕生之初，圖像去噪就是其主要目標之一。在通用數字圖像處理領(lǐng)域，常見(jiàn)的噪聲主要包括乘性噪聲和加性噪聲。數字圖像的噪聲往往和圖像的特征信息交織在一起，如何有效地區別并去除噪聲，同時(shí)盡量保持圖像的細節完整，是數字圖像去除噪聲要面對的難題[1].

　　2.1空間域通過(guò)卷積處理圖像噪聲對獲得的圖像在空間域直接進(jìn)行處理，往往采用卷積的數學(xué)形式。例如常見(jiàn)的均值濾波、中值濾波、為納濾波等。常見(jiàn)的中值濾波可定義為：

　　式子中{xij(i,j)∈I2}表示數字圖像個(gè)點(diǎn)的灰度值。根據圖像處理的實(shí)際需要，目前已經(jīng)有許多成熟的濾波器可供選擇。該類(lèi)方法的優(yōu)勢在于數學(xué)結構相對簡(jiǎn)單，運算量較小，但是圖像處理結果相對較差，容易造成圖像細節丟失或者噪聲抑制不足等結果。

　　2.2頻率域通過(guò)相應轉換處理圖像噪聲將要處理的圖像進(jìn)行轉換，根據實(shí)際情況選擇適當的頻帶進(jìn)行處理，然后經(jīng)過(guò)反變換獲得去噪后的圖像[2].基于小波及其衍生分析方法的多尺度分析是該種方法中最具代表性的。因為該類(lèi)方法理論較為成熟，數學(xué)機構靈活，所以至今仍然被學(xué)術(shù)界關(guān)注，并且每年都有一些新的方法被提出。雖然該類(lèi)方法與前面提到的濾波器方法相比在運算復雜性上有著(zhù)較大的劣勢，但其在圖像處理結果上的優(yōu)勢明顯，并且隨著(zhù)計算機硬件效能的提升，在頻率域的多尺度分析方法已經(jīng)得到了較為普及的應用[3].

　　傳統的小波去噪方法(wavelet-baseddenoising)：將含有噪聲的圖像進(jìn)行小波變換，轉化成小波系數Wf(j,k)，選擇合適的閾值Tf,根據一定的處理規則，對小波系數進(jìn)行處理，把小波系數中噪聲的部分去除，最后經(jīng)過(guò)小波反變換得到去噪后的圖像。

　　根據實(shí)際的圖像分析需求，在小波的基礎上發(fā)展出了很多小波的衍生方法。這些方法又可以按照處理圖像時(shí)基函數的變化與否分為自適應分析和非自適應分析。其中自適應分析比較常見(jiàn)的方法有：Brushlet、Wedgelet、Bandelet和Directionlet等。非自適應分析常見(jiàn)的方法有：Ridgelet、Curvelet、Contourlet、Shearlet、NSCT等[3].

　　3、數字圖像技術(shù)在醫學(xué)圖像領(lǐng)域的應用

　　數字圖像處理在醫學(xué)領(lǐng)域有著(zhù)廣泛的應用，在這里只針對醫療中常見(jiàn)的大型設備來(lái)簡(jiǎn)單闡述。這里僅例舉CT、MRI和PET(positronemissiontomography)三種具有代表性的影像設備來(lái)簡(jiǎn)單分析。

　　CT、MRI和PET都屬于臨床常見(jiàn)的影像設備，雖然成像原理各不相同，但卻使用許多相同的數字成像技術(shù)。CT主要是運用X光穿透被照體，檢測X光的衰減，從而反推出被照體的衰減系數，根據已知的衰減系數對照表重建出被照體的解剖圖像。MRI的結構成像主要檢測靜態(tài)磁場(chǎng)中外加射頻脈沖對人體內氫質(zhì)子的影響，從而得到對應的MR信號，重建出對應的解剖圖像。PET主要是檢測注入人體內的放射性核醫藥物在人體內代謝過(guò)程中發(fā)生“湮滅”放射出的γ射線(xiàn)，通過(guò)圖像重建得到對應的功能性信息[4].

　　以上三種設備普遍使用了空間域通過(guò)卷積去噪的方法，最為常見(jiàn)的就是Gaussionfilter.幾乎常見(jiàn)的品牌設備都將此種方法作為圖像重建過(guò)程中的去噪標準步驟。一般作為補充，許多品牌的設備也內建了一些“更為復雜”和“有效”的去噪方法。但是實(shí)際使用中，去噪效果并不十分理想[5].

　　4、局限與對策

　　CT在圖像重建過(guò)程中，如果只簡(jiǎn)單使用Gaussionfilter,忽略X光的實(shí)際物理效應，如康普頓散射、X光的能譜分布等，得不到較為準確的圖像信息，這也是目前臨床使用的普通CT無(wú)法做到準確“定量”的原因之一。MRI成像相較CT更為復雜，而且截至目前尚無(wú)研究表明MRI對人體有任何直接危害，所以MRI設備生產(chǎn)商將更多資源投入到如何從設備的硬件改善來(lái)提高圖像品質(zhì)，而不是考慮如何從圖像處理的角度來(lái)解決問(wèn)題。因此Gaussionfilter在MRI中使用也非常廣泛。PET成像與CT原理不同，但是同樣受限于放射劑量。與MRI相比PET的圖像處理技術(shù)相對較為多樣，因為PET圖像自身的一些特點(diǎn)，也決定其需要配合更多的圖像處理才能獲得更多有價(jià)值的信息[6].而對于PET來(lái)說(shuō)，雖然核醫藥物的γ射線(xiàn)產(chǎn)生符合泊松分布，但是在臨床實(shí)際圖像處理中往往并不針對泊松來(lái)處理，Guassionfilter依然被使用。

　　由于早期計算機硬件的效能不高，許多優(yōu)秀的數字圖像處理方法無(wú)法應用于臨床實(shí)踐，當今計算機硬件效能已經(jīng)有了大幅度提升，可以重新考慮在相關(guān)大型醫療影像設備中植入較為先進(jìn)的算法，從而獲得更為優(yōu)良的圖像質(zhì)量。并且應當根據不同影像設備的成像特點(diǎn)，合理優(yōu)化圖像處理技術(shù)，做到通過(guò)軟件提升，使設備硬件發(fā)揮最大效率，使病人在最小的輻射劑量下得到最優(yōu)化的診療。

　　5、討論與總結

　　數字圖像處理經(jīng)歷了近60年的發(fā)展，涌現出了許多優(yōu)秀的理論與研究成果，也在生產(chǎn)生活的諸多領(lǐng)域得參考文獻到了廣泛應用。醫療領(lǐng)域對于圖像處理有著(zhù)強大的需求，但就目前來(lái)看，該領(lǐng)域的數字圖像處理技術(shù)發(fā)展仍然滯后。對于科研工作者，醫療領(lǐng)域的圖像處理有較高的研究?jì)r(jià)值和較大的研究空間。要根據臨床實(shí)踐，通過(guò)深入研究醫學(xué)圖像的成像原理，理清問(wèn)題的研究重點(diǎn)，有針對性地設計實(shí)驗方法，從而獲得較好的研究結果。在社會(huì )發(fā)展，人們越來(lái)越重視自身健康和生活質(zhì)量的大背景下，只有把研究工作與生產(chǎn)生活實(shí)踐相結合，才能獲得科研轉化為生產(chǎn)力的良性循環(huán)。在科學(xué)技術(shù)飛速發(fā)展的大背景下，只有深入研究，細化問(wèn)題，有針對性地解決具體問(wèn)題，才是科研的最重要任務(wù)。

　　參考文獻

　　[1]寧媛,李皖.圖像去噪的幾種方法分析比較[J].貴州工業(yè)大學(xué)學(xué)報:自然科學(xué)版,2006(34):63-66.

　　[2]馬國兵,肖培如.基于小波的圖像去噪研究綜述[J].工業(yè)控制計算機,2013(5):91-92.

　　[3]李彥,汪勝前,鄧承志.多尺度幾何分析的圖像去噪方法綜述[J].計算機工程與應用,2011(47).

　　[4]陳武凡,秦安,江少峰,等.醫學(xué)圖像分析的現狀與展望[J].中國生物醫學(xué)工程學(xué)報,2008(27).

　　[5]LePogam A,Hanzouli H,Hatt M,etal.Denoising of PET images by combining wave lets and curve lets for improved preservation of resolution and quantitation[J].Medical Image Analysis,2013(17):877-891.

　　[6]Mejia JM,Ochoa Dominguez HDJ,Vergara Villegas OO,etal.Noise reduction in small-animal PET images using amulti resolution transform[J].IEEET ransaction son Medical Imaging,2014(33):2010-2019.

【醫學(xué)圖像領(lǐng)域中數字圖像處理的應用論文】相關(guān)文章：

醫學(xué)圖像領(lǐng)域中數字圖像處理的應用研究性論文04-24

脈沖耦合神經(jīng)網(wǎng)絡(luò )在醫學(xué)圖像處理中的應用11-22

數字圖像點(diǎn)運算的實(shí)現03-26

數字圖像水印的分析與實(shí)現11-23

計算機圖像處理在全息學(xué)中的應用03-13

醫學(xué)圖像資料書(shū)寫(xiě)11-20

圖像處理中的模糊算法及實(shí)現03-13

基于數字圖像分析的瀝青混合料有限元建模03-07

數字圖像制作過(guò)程中的色彩管理方法11-15

超聲醫學(xué)圖像濾波算法探究03-13