- 相關(guān)推薦
2015醫(yī)學(xué)開題報告范文（影像）
論文題目：
醫(yī)學(xué)影像圖像處理若干關(guān)鍵問題的研究
一、論文選題依據(jù)(包括本課題國內(nèi)外研究現(xiàn)狀述評，研究的理論與實際意義，對科技、經(jīng)濟和社會發(fā)展的作用等)
醫(yī)學(xué)影像技術(shù)的發(fā)展歷史可追溯到1895 年德國物理學(xué)家倫琴發(fā)現(xiàn)了X 射線并把它用于醫(yī)學(xué)診斷。從而發(fā)明了X 射線成像技術(shù), 它第一次無損地為人類提供了人體內(nèi)部器官組織的解剖形態(tài)照片, 從而為醫(yī)生臨床診斷提供了重要的生物信息。由此引發(fā)了一場醫(yī)學(xué)診斷技術(shù)的革命。它是一門交叉學(xué)科，利用物理學(xué)、電子學(xué)、計算機科學(xué)等一些基礎(chǔ)科學(xué)的先進技術(shù)來診斷和治療疾病[1]。
隨著微電子技術(shù)、計算機網(wǎng)絡(luò)技術(shù)、計算機圖形圖像處理技術(shù)、人工智能和自動控制技術(shù)的蓬勃發(fā)展，現(xiàn)代醫(yī)學(xué)影像技術(shù)已成為21世紀發(fā)展最快的技術(shù)領(lǐng)域之一[2]。隨著超聲(US)、計算機體層攝影(CT)、磁共振成像(MRI)、介人放射學(xué)及正電子發(fā)射體層攝影術(shù)(PET)等新的影像診斷和治療方法的相繼問世，醫(yī)學(xué)影像學(xué)從無到有，從小到大，經(jīng)歷了一個飛速迅猛的發(fā)展過程。尤其是介人放射學(xué)的出現(xiàn)，使單純的放射診斷室發(fā)展成為當今集診斷與治療于一體的大型臨床醫(yī)學(xué)影像科室，無疑在新世紀，醫(yī)學(xué)成像技術(shù)將發(fā)展得更快，并在醫(yī)療領(lǐng)域發(fā)揮日益重要的作用[3]。
下面來介紹一下幾類主要的醫(yī)學(xué)成像方式：
1、超聲成像 第二次世界大戰(zhàn)后, 在雷達、聲納技術(shù)基礎(chǔ)上,應(yīng)用回聲定位原理發(fā)展了各種超聲成像技術(shù),研制完成了A型、B型、M型超聲診斷儀。目前(透射型)超聲計算機斷層成像技術(shù)(Ultrasound Computed Tomography, UCT)已經(jīng)成熟。
超聲波成像具有無損傷、靈敏度高的優(yōu)點。對于軟組織的觀察無須做注射造影劑之類的成像前預(yù)處理,而且成像迅速,設(shè)備造價低廉,它既可以反映器官的解剖圖像,也可反映機能狀況。因此,超聲成像是目前各成像技術(shù)中應(yīng)用最廣、發(fā)展最快的技術(shù)。
20世紀80 年代初問世的超聲血流圖( color flowmapping, CFM) 是目前臨床上使用的高檔超聲診斷儀。它的特點是把血流信息疊加到二維B 型圖像上。在B 型圖像顯示的血管中, 凡是指向換能器的血流在圖中用紅色表示, 而那些背離換能器的血流則用藍色表示。由于在一張圖像上既能看到臟器的解剖形態(tài), 又能看到動態(tài)血流, 它在心血管疾病的診斷中發(fā)揮了很大的作用[1]。
2、CT成像 計算機體層攝影(computed tomography, CT)是利用X線對人體某一范圍進行逐層的掃描，取得信息，經(jīng)計算機處理后獲得重建的圖像(橫斷解剖圖)，通過計算機處理得到三維的重建圖像。由CT生成的橫切面、斷層、數(shù)字圖像解決了傳統(tǒng)影像中三維結(jié)構(gòu)重疊、軟組織分辨率差及信息效率低等主要缺陷，取得了劃時代的革新。但是在多層CT開發(fā)成功之前,CT一度曾處于相對停滯的階段。多層CT技術(shù)進入峰回路轉(zhuǎn)的新階段，其主要突破在于:采集速度(掃描速度)，成像質(zhì)量(空間分辨率與密度分辨率)，數(shù)據(jù)采集范圍(掃描范圍)三個方面由于三者存在著相互制約的關(guān)系，所以通過技術(shù)方法的改進將其協(xié)調(diào)在最佳值，成為CT技術(shù)發(fā)展中的重要研究課題[4]。
3、MRI成像磁共振成像(Magnetic resonance imaging, MRI)又稱核共振(Nuclear magnetic resonance, NMR)，是近年來迅速發(fā)展起來的醫(yī)學(xué)影像新技術(shù)，被認為是20世紀最先進、最有前途的影像設(shè)備[5]。1946年美國學(xué)者Bloch和Purcell首先發(fā)現(xiàn)了核磁共振現(xiàn)象,從此產(chǎn)生了核磁共振譜學(xué)這門學(xué)科。核磁共振技術(shù)的最初應(yīng)用是對有機化合物的結(jié)構(gòu)分析及物質(zhì)性質(zhì)的研究。1973年勞特伯(Lauterbur)利用核磁共振技術(shù)首次獲得了生物體斷面的質(zhì)子自旋密度圖像,第一個做出了仿真模塊的二維核磁共振圖像。核磁共振技術(shù)與計算機技術(shù)結(jié)合,形成磁共振CT,且已在臨床上普遍應(yīng)用。它是利用與人體組織密切相關(guān)的一類原子核(如等1H、2H、13C、14N、19F、23Na、31P、127I等)在外界射頻磁場的作用下發(fā)生核磁共振現(xiàn)象，利用其產(chǎn)生的共振現(xiàn)象進行成像的技術(shù)。磁共振成像首先將受檢部位置于靜磁場內(nèi)，病人的長軸與靜磁場Z方向平行;用脈沖射頻磁場激勵人體的受檢部位，用接受線圈測量輸出的共振信號，利用計算機進行二維斷層成像或三維立體成像。磁共振成像按獲得磁場的形式可以分為永磁型、常導(dǎo)磁體型和超導(dǎo)磁體型永磁型的特點是造價低、耗電省、效率高;超導(dǎo)磁體型是利用電流來激勵磁場，機器可以設(shè)計的比永磁型的小;超導(dǎo)磁體型可以做出很高的磁場，適合于各種不同要求檢查，斷層厚度也可以小到3cm[6]。
磁共振成像兼容了射線技術(shù)和核醫(yī)學(xué)的特點，不僅可以顯示形態(tài)解剖圖，還可以顯示出各種不同組織的化學(xué)結(jié)構(gòu)，以及生理、生化的動態(tài)信息。如含水狀態(tài)，脂肪含量，F(xiàn)、Na、P等元素的含量等。MRI是通過電子學(xué)方法調(diào)節(jié)梯度場以實現(xiàn)掃描，所以根據(jù)需要不僅可以直接顯示任意決度的切面，而且可以得到無限個切面，及利用這些切面進行三維顯像[7]。
在臨床應(yīng)用上，與CT相比，MRI具有無放射線損害，無骨性偽影，能多方面、多參數(shù)成像，有高度的軟組織分辨能力，不需使用對比劑即可顯示血管結(jié)構(gòu)等獨特的優(yōu)點。幾乎是用于全身各系統(tǒng)的不同疾病，如腫瘤、炎癥、創(chuàng)傷、推行性病變以及各種先天性疾病的檢查。對顱腦、脊椎和脊髓病的現(xiàn)實優(yōu)于CT。它可不用血管造影劑，即顯示血管的結(jié)構(gòu)，故對血管、腫塊、淋巴結(jié)和血管結(jié)構(gòu)之間的相互鑒別，有其獨到之處。它還有高于CT數(shù)倍的軟組織分辨能力，敏感地檢出組織成分中的水分含量的變化，因而常比CT更有效和更早地發(fā)現(xiàn)病變MRI能清楚、全面地顯示心腔、心肌、心包及心內(nèi)其他細小結(jié)構(gòu)，是診斷各種心臟病以及心功能檢查的可靠的方法[8]。
以下是幾類常用的圖像處理技術(shù)：
1、圖像去噪 圖像去噪指的是利用各種濾波模型，通過多點平滑等方法從已知的含有噪聲的圖像中去掉噪聲成分。圖像去噪從整個圖像分析的流程上來講屬于圖像的預(yù)處理階段，從數(shù)字圖像處理的技術(shù)角度來說屬于圖像恢復(fù)的技術(shù)范疇，它的存在有著非常要的意義。
為了抑制圖像中的噪聲，可以使用很多常規(guī)的方法，例如均值濾波、中值濾波、順序統(tǒng)計濾波、維納濾波，以及由這些濾波方法衍生而來的許多其他濾波器，包括模糊濾波器、自適應(yīng)均值濾波器、基于邊緣特征的濾波器等，上述各種濾波方法都能在一定程度上濾除圖像中存在的噪聲。但是，這些常規(guī)的方法在濾除噪聲的同時，往往會損失目標在圖像中的高頻信息，引起邊緣和紋理的模糊。所以，在去除噪聲的過程中，存在噪聲抑制與邊緣保持之間的矛盾，有必要尋找更好的去噪方法，在抑制噪聲的同時，還能保持邊緣和紋理信息，以便更好地復(fù)原因噪聲污染引起的圖像質(zhì)量退化[9]。
近年來，采用偏微分方程(Partial Differemial Equation，PDE)技術(shù)對圖像進行處理獲得了國內(nèi)外的廣泛關(guān)注，它是一種局部自適應(yīng)(Local adaptability)技術(shù)，它具有很高的靈活性和變通性;另外使用形式上的規(guī)范性(unification)使得圖像處理問題的描述在形式上變得簡單，對不同圖像處理問題，在數(shù)學(xué)處理上更加統(tǒng)一;并且PDE技術(shù)在消除圖像噪聲和保護圖像固有的特征方面也有了很大的進展，在圖像處理的各個領(lǐng)域均有不錯的效果[10]。
醫(yī)用B超己越來越廣泛地應(yīng)用于臨床診斷中，然而B超圖像中存在大量的斑點噪聲，不同于傳統(tǒng)的加性噪聲，斑點噪聲是一種乘性噪聲。乘性噪聲廣泛存在于合成孔雷達成像，超聲成像，激光成像及顯微鏡圖像中，相比較于加性噪聲圖像，乘性噪聲對圖像的損壞更為嚴重，且乘性噪聲圖像對比度往往更低。合理地去除乘性噪聲，將極大地提高醫(yī)生的分析效率及臨床診斷的準確率[11]。
針對MRI圖像去噪，Partha Sarathi Mukherjee根據(jù)Rician噪聲模型和相對應(yīng)的偏差修正問題，提出了一個新的更有效的基于回歸分析和MonteCarlo模擬偏差修正公式[12]。
2、邊緣檢測 邊緣檢測目的是要檢測出圖像中灰度變化的不連續(xù)區(qū)域。確定它們在圖像中的精確位置，為后期的圖像分析和處理提供信息，圖像的邊緣包含了物體形狀的重要信息，主要存在于目標與目標、目標與背景、區(qū)域與區(qū)域(包括不同色彩)之間，是圖像分割、紋理特征和形狀特征等圖像分析的重要基礎(chǔ)。圖像邊緣檢測的實質(zhì)是采用某種算法來提取出圖像中對象與背景間的交界線。
經(jīng)典的邊緣檢測算子利用邊緣處一階或二階導(dǎo)數(shù)來檢測梯度變化情況，基本的微分檢測算子有Roberts算子、Sobel算子、Laplace算子、LOG算子和Canny算子等。近年來。隨著數(shù)學(xué)理論和人工智能的發(fā)展，又出現(xiàn)了許多新的邊緣檢測方法，比如基于分數(shù)階微分法、小波變換法、Snake模型法、模糊檢測法、數(shù)學(xué)形態(tài)學(xué)法、神經(jīng)網(wǎng)絡(luò)法等。這些邊緣檢測方法最終目的都是檢測出圖像的邊緣信息.但在解決特定特征圖像時也顯現(xiàn)出各自的優(yōu)勢和不足之處[13]。
由于噪聲普遍存在于實際圖像之中，而分布、方差等信息均屬未知，且噪聲和邊緣都為高頻信號，外加一些其他的干擾原因，令檢測圖像中邊緣的一些信息無法得到有效度量[14]。因此，經(jīng)典邊緣檢測算法進行檢測時的效果不甚理想。
基于圖像灰度值的梯度進行計算的算法對噪聲的敏感度比較高，一旦圖像出現(xiàn)噪聲的時候，這些算法可能將噪聲當作圖像的邊緣檢測出來，也可能混淆真正的邊緣點與噪聲點而發(fā)生誤檢或漏檢的現(xiàn)象[15]。
由于現(xiàn)實生活中獲取到的圖像大都具有模糊性，普通邊緣檢測算子的檢測到的圖像邊緣也具有模糊性，達不到預(yù)期的效果[16]。對于這樣的問題，有2位學(xué)者分別是PaI和King提出了基于模糊集理論的邊緣檢測方法[17]。在這個算法中，他們將模糊集理論引入其中，取得了良好的檢測效果，并且在很多領(lǐng)域獲得了不錯的應(yīng)用。
近年來，相控高強度聚焦超聲(HIFU, Hiigh Intensity Focused Ultrasound)技術(shù)已經(jīng)成為治療超聲的研究熱點。HIFU強度較高，為了避免損傷正常組織和提高治療效率，必須提供治療目標的精確位置。在目前超聲圖像引導(dǎo)的HIFU治療系統(tǒng)中，超聲圖像由于受散斑噪聲等降質(zhì)因素影響分辨率較低，是達到HIFU精確治療的障礙之一。另外，現(xiàn)在大部分己投入使用的HIFU系統(tǒng)未能充分考慮呼吸運動在治療中造成的病灶等治療目標的移位，也影響了HIFU的精確治療。利用術(shù)中超聲圖像的實時處理達到通過體內(nèi)標記來實時定位治療目標，是提高臨床治療準確性與快速性的一種行之有效的方法。超聲圖像的預(yù)處理效果是定位準確的一個關(guān)鍵因素[18]。
3、圖像分割 圖像分割是圖像處理與圖像分析中的一個經(jīng)典問題，就是一個根據(jù)區(qū)域間的相似或不同把圖像分割成若干區(qū)域的過程，主要以各種細胞、組織與器官的圖像作為處理對象。從分割操作策略上講，可以分為基于區(qū)域生成的分割方法，基于邊界檢測的分割方法和區(qū)域生成與邊界檢測的混合方法。
近年來，隨著其他新興學(xué)科的發(fā)展，產(chǎn)生了一些全新的圖像分割技術(shù)。如基于模糊理論的方法，基于知識分割的方法，基于神經(jīng)網(wǎng)絡(luò)的方法，基于j維可視化系統(tǒng)結(jié)合Fast Marching算法和Watershed變換的醫(yī)學(xué)圖像分割方法等。圖像分割可以幫助醫(yī)生將感興趣的部位提取出來，對病變組織進行定性及定量的分析，以提高醫(yī)生診斷的準確性和科學(xué)性。雖然已有研究通過醫(yī)學(xué)圖像的自動分割區(qū)分出所需的器官、組織或找到病變區(qū)的方法，但是由于人體解剖結(jié)構(gòu)的復(fù)雜性和功能的系統(tǒng)性，目前現(xiàn)成的軟件包一般無法完成自動的分割，需要解剖學(xué)方面的人工干預(yù)�？v觀圖像分割方法的發(fā)展，新的分割方法的研究將主要以自動、精確.快速、自適應(yīng)等幾個方向作為研究目標，加強經(jīng)典分割技術(shù)與現(xiàn)代分割技術(shù)的綜合利用。
通過對組織或器官精確的分割和提取，可以定量地分析組織或器官的大小，形狀等變化情況，從而判斷組織的病理變化情況，協(xié)助醫(yī)生進行診斷和手術(shù)等。B超圖像精確分割的困難在于B超圖像中存在的各種干擾信息，如大量斑點噪聲、組織或器官的邊緣缺失、陰影等[11]。
區(qū)域生長是一種被廣泛應(yīng)用的圖像分割算法，在原始算法基礎(chǔ)上研究者們提出了各種各樣的擴展算法.Pohle等把待分割區(qū)域像素值看作一個正態(tài)發(fā)布，先用原始區(qū)域生長算法估算出分布參數(shù)，再將該參數(shù)應(yīng)用到第二遍生長過程中，從而獲得更好的結(jié)果[19]。為了克服大多數(shù)區(qū)域生長算法對于初始種子點的選取順序和位置敏感的問題，Zheng等開發(fā)出不需種子點的自動分割算法[20];于水等將圖像的紋理信息和灰度信息融合在區(qū)域生長的標準中[21];陸劍鋒等提出一種通過計算種子點附近鄰域統(tǒng)計信息, 自適應(yīng)改變生長標準參數(shù)用于醫(yī)學(xué)圖像分割的算法[22]。
4、圖像配準 圖像配準是圖像融合的前提，是公認難度較大的圖像處理技術(shù)。也是決定醫(yī)學(xué)圖像融合技術(shù)發(fā)展的關(guān)鍵技術(shù)。要求配準的結(jié)構(gòu)能使兩幅圖像上所有的解剖點，或至少是所有具有診斷意義以及手術(shù)區(qū)域的點都達到匹配，使一幅圖像上同時表達來自多種成像源的信息，以便醫(yī)生做出更加準確的診斷或制定出更加合適的治療方法。圖像配準的方式可以概括為相對配準和絕對配準兩種：相對配準是指選擇多圖像中的一張圖像作為參考圖像，將其它的相關(guān)圖像與之配準，其坐標系統(tǒng)是任意的。絕對配準是指先定義一個控制網(wǎng)格，所有的圖像相對于這個網(wǎng)格來進行配準，也就是分別完成各分量圖像的幾何校正來實現(xiàn)坐標系的統(tǒng)一。
近年來，國內(nèi)外在圖像配準方面研究很多，如幾何矩的配準、利用圖像的相關(guān)系數(shù)、樣條插值等多項式變換對圖像進行配準。一些新算法，如基于小波變換的算法、統(tǒng)計學(xué)參數(shù)繪圖算法、遺傳算法等，在醫(yī)學(xué)圖像上的應(yīng)用也在不斷擴展，向快速和準確方面改進算法。國內(nèi)研究人員也提出了一些相應(yīng)的算法：一致圖像配準方法、金字塔式多層次圖像配準方法、基于互信息的方法[23]。使用最優(yōu)化策略改進圖像配準以及對非剛性圖像配準將成為今后醫(yī)學(xué)領(lǐng)域圖像配準技術(shù)的重點研究方向。
5、圖像融合 圖像融合的主要目的是通過對多幅圖像問的冗余數(shù)據(jù)的處理來提高圖像的可讀性。對多幅圖像間的互補信息的處理來提高圖像的清晰度。利用可視化軟件對多種模態(tài)的圖像進行圖像融合，可以準確地確定病變體的空間位置、大小、幾何形狀及它與周圍生物組織之間的空間關(guān)系，從而及時高效地診斷疾病。目前的圖像融合技術(shù)可以分為兩類：一類是以圖像像素為基礎(chǔ)的融合方法;另一類是以圖像特征為基礎(chǔ)的融合方法。以圖像特征為基礎(chǔ)的融合方法在原理上不夠直觀且算法復(fù)雜，但實現(xiàn)效果較好[24]。
不同的醫(yī)學(xué)圖像提供了相關(guān)臟器的不同信息，圖像融合的潛力在于綜合處理應(yīng)用這些成像設(shè)備所得信息以獲得新的有助于臨床診斷的信息。利用可視化軟件，對多種模態(tài)的圖像進行圖像融合，可以準確地確定病變體的空間位置、大小、幾何形狀及它與周圍生物組織之間的空間關(guān)系，從而及時高效地診斷疾病，也可以用在手術(shù)計劃的制定、病理變化的跟蹤、治療效果的評價等方面。在放療中，利用MR圖像勾勒畫出腫瘤的輪廓線，也就是描述腫瘤的大小;利用CT圖像計算出放射劑量的大小以及劑量的分布，以便修正治療方案- 在制定手術(shù)方案時，對病變與周圍組織關(guān)系的了解是手術(shù)成功與否的關(guān)鍵，所以CT與MR圖像的融合為外科手術(shù)提供有利的佐證，甚至為進一步研究腫瘤的生長發(fā)育過程及早期診斷提供新的契機。在CT成像中，由于骨組織對X線有較大的吸收系數(shù)，因此對骨組織很敏感;而在MR成像中，骨組織含有較低的質(zhì)子密度，所以MR對骨組織和鈣化點信號較弱，融合后的圖像對病變的定性、定位有很大的幫助[25]。由于不同醫(yī)學(xué)成像設(shè)備的成像機制不同，其圖像質(zhì)量、空間與時間特性有很大差別- 因此，實現(xiàn)醫(yī)學(xué)圖像的融合、圖像數(shù)據(jù)轉(zhuǎn)換、圖像數(shù)據(jù)相關(guān)、圖像數(shù)據(jù)庫和數(shù)據(jù)理解都是亟待解決的關(guān)鍵技術(shù)。
醫(yī)學(xué)成像技術(shù)發(fā)展到今天,各種方法互相補充,日臻完善,為現(xiàn)代的醫(yī)學(xué)研究、臨床診斷提供了非常有效的手段,特別是最近X 射線治療刀和γ射線治療刀以及強聚焦超聲技術(shù)的發(fā)展,把現(xiàn)代醫(yī)學(xué)成像技術(shù)和放射治療手段結(jié)合在一起,為征服許多頑固病癥(如癌癥等)提供了可能性,醫(yī)學(xué)成像技術(shù)在診斷和治療領(lǐng)域的重要性愈發(fā)顯得突出�？梢灶A(yù)見,將來生命科學(xué)和醫(yī)學(xué)上的許多疑難問題將依賴于醫(yī)學(xué)成像技術(shù)的發(fā)展和完善而得到解決。醫(yī)學(xué)成像技術(shù)在消除人類疾病、探索生命奧秘等方面做出了非常重要的貢獻。
二、論文的研究內(nèi)容、研究目標，以及擬解決的關(guān)鍵問題(包括具體研究與開發(fā)的主要內(nèi)容、目標和要重點解決的關(guān)鍵技術(shù)問題)
研究與開發(fā)的主要內(nèi)容：開發(fā)一款基于MATLAB的可執(zhí)行程序，能實現(xiàn)以下幾個功能：1、首先可以讀入標準格式的醫(yī)學(xué)圖像，對醫(yī)學(xué)圖像進行顯示;2、能夠?qū)斎氲某晥D像進行快速去噪處理，擬采用基于偏微分方程的去噪方法;3、能夠?qū)︻A(yù)處理過的超聲圖像進行邊緣檢測，擬采用基于輪廓波的邊緣檢測方法;3、能夠?qū)Τ晥D像實現(xiàn)手動或自動的圖像分割，擬采用基于區(qū)域生長的分割方法;5、能夠?qū)斎氲腃T圖像和MRI圖像進行配準;6、能夠?qū)ε錅屎蟮腃T圖像和MRI圖像進行融合和顯示。
研究的目標是：1、實現(xiàn)和提高超聲圖像的去噪效果，邊緣檢測的準確性還有分割部位的有效性;2、實現(xiàn)和提高CT圖像和MRI圖像的配準和融合效果。
擬解決的問題是：1、超聲圖像容易產(chǎn)生斑點噪聲和偽影，這是超聲圖像去噪處理環(huán)節(jié)的一大問題，有待進一步發(fā)掘有效的方法;2、同部位多模醫(yī)學(xué)圖像的配準速度還有待加強。
三、擬采取的研究方案及可行性分析(包括研究的基本思路，研究過程擬采用的方法和手段，現(xiàn)有研究條件和基礎(chǔ)，研究開發(fā)方案和技術(shù)路線等)
本文主要研究的超聲圖像的去噪、邊緣檢測和分割，CT圖像和MRI圖像的配準和融合。
擬采用的研究方案如下：
1、閱讀醫(yī)學(xué)成像技術(shù)的相關(guān)文獻，了解超聲圖像、CT圖像、MRI圖像的成像過程，存在的問題和目前成像技術(shù)的發(fā)展情況;
2、閱讀圖像處理技術(shù)的相關(guān)文獻，了解和掌握圖像去噪、圖像邊緣檢測、圖像分割、圖像配準、圖像融合的基礎(chǔ)算法和目前國內(nèi)外較先進的做法;
3、研究如何針對超聲圖像的特點，對圖像去噪、圖像邊緣檢測和圖像分割算法進行實現(xiàn)和改進;
4、研究如何針對CT圖像和MRI圖像的特點，對圖像配準和圖像融合算法進行實現(xiàn)和改進;
5、利用醫(yī)院提供的相關(guān)真實醫(yī)學(xué)圖像和科研醫(yī)學(xué)圖像數(shù)據(jù)庫中的圖像，對算法進行評估，判斷改進情況。
本研究方案的可行性分析如下：
1、國內(nèi)外的大量科研工作者都對圖像進行過研究，所以，可以參考的文獻較多，目前的圖像去噪、圖像邊緣檢測、圖像分割、圖像配置和圖像融合的研究都比較深入，工程上能達到比較好的效果;
2、將圖像處理應(yīng)用在不同的醫(yī)學(xué)圖像領(lǐng)域的研究，目前國內(nèi)外的科研工作者也在探索，已經(jīng)取得了較好的效果，基本上能有效利用不同類型的醫(yī)學(xué)圖像來進行處理得的需要的結(jié)果;
3、本人所做的工作主要是對目前的各種醫(yī)學(xué)圖像處理方法進行實現(xiàn)和改進，主要工作和貢獻集中在工程領(lǐng)域，因此，本研究方案是具有可行性的。
四、本課題的特色與創(chuàng)新之處
一、注重應(yīng)用研究與企業(yè)實際需求結(jié)合，根據(jù)醫(yī)院超聲科提出使用現(xiàn)有超聲設(shè)備提供的真實數(shù)據(jù)，進行開發(fā)研究。
二、現(xiàn)階段醫(yī)院所使用的硬件設(shè)備的功能可擴展性差，很多實際需要的功能并沒有實現(xiàn)，因此根據(jù)現(xiàn)有的醫(yī)學(xué)圖像進行二次的處理是很有必要的。
三、很多現(xiàn)有的圖像處理技術(shù)對于特定的醫(yī)學(xué)圖像處理的效果有限，并沒有完全適用于醫(yī)學(xué)圖像處理，本課題還將進行這方面的研究和探索。
五、參考文獻
<頁面、頁數(shù)不足請自行加頁>
[1] 郭興明. 醫(yī)學(xué)成像技術(shù)[M]. 重慶大學(xué)出版社, 2005.
[2] 王希高. 發(fā)展中的現(xiàn)代醫(yī)學(xué)影像技術(shù)[J]. 醫(yī)學(xué)動物防制, 2005, 21(12): 926-928.
[3] 王駿. 我國醫(yī)學(xué)影像技術(shù)近十年發(fā)展報述[J]. 影像技術(shù), 2004, 3: 6-11.
[4] Xiong Minghui, et al. CTvirtual bronchoscopy; Imaging method and clinical application[J]. ChineseMedical Joumal, 2000, 113(11):1022- 1025
[5]Huang J, Zhang S, MetaxasD. Efficient MR image reconstruction for compressed MR imaging[J]. MedicalImage Analysis, 2011, 15(5): 670-679.
[6] 徐家興.磁共振技術(shù)的新發(fā)展[J].中國臨床醫(yī)學(xué)影像雜志, 1999, 10(2): 77-80.
[7] 馬麗明, 李艷婷, 黃兆佳, 等. 醫(yī)學(xué)圖像處理技術(shù)[J]. 現(xiàn)代醫(yī)院, 2007, 7(11).
[8] 劉俊敏, 黃忠全, 王世耕, 等. 醫(yī)學(xué)圖像處理技術(shù)的現(xiàn)狀及發(fā)展方向[J]. 醫(yī)療衛(wèi)生裝備, 2005, 26(12): 26-30.
[9] 羅春燕. 生物醫(yī)學(xué)圖像去噪及分割方法研究[D]. 南京信息工程大學(xué), 2011.
[10]周浩. 基于偏微分方程的圖像降噪算法研究[D]. 江蘇科技大學(xué), 2010.
[11]黃杰. 基于變分偏微分方程的醫(yī)學(xué) B 超圖像處理[D]. 南京理工大學(xué), 2012.
[12]Mukherjee P S, Qiu P.Efficient bias correction for magnetic resonance image denoising[J]. Statisticsin medicine, 2012.
[13] 高海娟, 平子良, 周素華, 等. 邊緣檢測算法在醫(yī)學(xué)超聲液性病變圖像中的應(yīng)用[J]. 現(xiàn)代電子技術(shù), 2012, 4: 034.
[14]Piotr S.Windyga, FastImpulsive Noise Remove【J】.IEEETrans on image processing,2001, l(10):173-179.
[15]汪岳. 基于邊緣檢測經(jīng)典算法的改進研究與實現(xiàn)[D]. 安徽大學(xué), 2012.
[16]劉金華, 唐競新, 龍圖景.一種改進的模糊邊緣檢測快速算法[J].系統(tǒng)仿真學(xué)報, 2003, 15(2)：273-277.
[17]PAL S K, KING R A.Image enhancement using smoothing with fuzzy sets[J].IEEE Trans.on
Systems, Manand Cybernetics, 198l,l1(7)：494～50 1.
[18]宋曉陽. 醫(yī)學(xué)超聲圖像的輪廓波方法研究及其在相控 HIFU 治療系統(tǒng)中的應(yīng)用[D]. 上海交通大學(xué), 2009.
[19]Pohle R，T6nnies K D.A new approach formodel—based adaptive region growing in medical imageanalysis[A].In： Proceedings ofthe 9th International Conference on Computer Analysis and Patterns，Warsaw，2001.238～246
[20]Zheng L，Jin J，Hugues T.Unseeded region growing for 3D image segmentation[J].Journal of Research and Practice in Information Technology，2001，2：31～37
[21]于水，馬范援.一種基于數(shù)據(jù)融合的醫(yī)學(xué)圖像分割方法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2001，13(12)：1073～1076
[22]陸劍鋒, 林海, 潘志庚. 自適應(yīng)區(qū)域生長算法在醫(yī)學(xué)圖像分割中的應(yīng)用[J]. 計算機輔助設(shè)計與圖形學(xué)學(xué)報, 2005, 17(10): 2168-2173.
[23]唐莉，李冉，羅述謙. 幾種圖像配準方法的研究[D]. 第九屆全國醫(yī)藥信息學(xué)大會CMIA，02論文集，2002:361-365.
[24] 張霞, 汪超. 醫(yī)學(xué)圖像處理技術(shù)及發(fā)展趨勢[J]. 中外醫(yī)學(xué)研究, 2010, 8(007): 22-23.
[25]汪家旺，羅立民，舒華忠. CT、MR圖像融合技術(shù)臨床應(yīng)用研究[J]. 影像技術(shù)學(xué)，2001;8：604-608.
【醫(yī)學(xué)開題報告影像】相關(guān)文章：
醫(yī)學(xué)開題報告07-16
醫(yī)學(xué)開題報告范文03-10
醫(yī)學(xué)開題報告范文參考03-24
醫(yī)學(xué)檢驗開題報告范文03-23
醫(yī)學(xué)碩士開題報告范文03-29
醫(yī)學(xué)開題報告ppt范文03-31
最新醫(yī)學(xué)開題報告范文03-27
醫(yī)學(xué)開題報告范文分享03-28