2018醫(yī)學(xué)開題報告范文(影像)

1、 2018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(jìn)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

2、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(jì)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(dāng)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(jì)，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(dá)、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

3、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(jì)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

4、些背離換能器的血流則用藍(lán)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(jìn)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(jìn)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)

5、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(jìn)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(rèn)為是20世紀(jì)最先進(jìn)、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

6、(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(jìn)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(jìn)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

7、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3cm6。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、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(jìn)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

8、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(xì)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

9、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(biāo)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

10、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(jìn)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(hù)圖像固有的特征方面也有了很大的進(jìn)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

11、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(dá)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(yán)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(zhǔn)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

12、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(biāo)與目標(biāo)、目標(biāo)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?jǐn)?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

13、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(jìn)行檢測時的效果不甚理想?；趫D像灰度值的梯度進(jìn)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(dāng)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(dá)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k

14、ing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(biāo)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(dá)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(biāo)的移位，也影響了hifu的

15、精確治療。利用術(shù)中超聲圖像的實時處理達(dá)到通過體內(nèi)標(biāo)記來實時定位治療目標(biāo)，是提高臨床治療準(zhǔn)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(zhǔn)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(xì)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 m

16、arching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(jìn)行定性及定量的分析，以提高醫(yī)生診斷的準(zhǔn)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)。縱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(biāo)，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

17、化情況，協(xié)助醫(yī)生進(jìn)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(biāo)準(zhǔn)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

18、適應(yīng)改變生長標(biāo)準(zhǔn)參數(shù)用于醫(yī)學(xué)圖像分割的算法22。4、圖像配準(zhǔn) 圖像配準(zhǔn)是圖像融合的前提，是公認(rèn)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(zhǔn)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(dá)到匹配，使一幅圖像上同時表達(dá)來自多種成像源的信息，以便醫(yī)生做出更加準(zhǔn)確的診斷或制定出更加合適的治療方法。圖像配準(zhǔn)的方式可以概括為相對配準(zhǔn)和絕對配準(zhǔn)兩種：相對配準(zhǔn)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(zhǔn)，其坐標(biāo)系統(tǒng)是任意的。絕對配準(zhǔn)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(jìn)行配準(zhǔn)，也就是分別完成各分量圖像的幾何校正來實現(xiàn)坐

19、標(biāo)系的統(tǒng)一。近年來，國內(nèi)外在圖像配準(zhǔn)方面研究很多，如幾何矩的配準(zhǔn)、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(jìn)行配準(zhǔn)。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(zhǔn)確方面改進(jìn)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(zhǔn)方法、金字塔式多層次圖像配準(zhǔn)方法、基于互信息的方法23。使用最優(yōu)化策略改進(jìn)圖像配準(zhǔn)以及對非剛性圖像配準(zhǔn)將成為今后醫(yī)學(xué)領(lǐng)域圖像配準(zhǔn)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)

20、的圖像進(jìn)行圖像融合，可以準(zhǔn)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(jìn)行圖像融合，可以準(zhǔn)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

21、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(jìn)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

22、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(xiàn)。二、論文的研究內(nèi)容、研究目標(biāo)，以及

23、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(biāo)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(biāo)準(zhǔn)格式的醫(yī)學(xué)圖像，對醫(yī)學(xué)圖像進(jìn)行顯示;2、能夠?qū)斎氲某晥D像進(jìn)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(jìn)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)斎氲腸t圖像和mri圖像進(jìn)行配準(zhǔn);6、能夠?qū)ε錅?zhǔn)后的ct圖像和mri圖像進(jìn)行融合和顯示。研究的目標(biāo)是：1、實現(xiàn)和提高超聲圖像的去噪效果，邊緣檢測的準(zhǔn)確

24、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(zhǔn)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(jìn)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(zhǔn)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(zhǔn)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(xiàn)，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

25、相關(guān)文獻(xiàn)，了解和掌握圖像去噪、圖像邊緣檢測、圖像分割、圖像配準(zhǔn)、圖像融合的基礎(chǔ)算法和目前國內(nèi)外較先進(jìn)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(jìn)行實現(xiàn)和改進(jìn);4、研究如何針對ct圖像和mri圖像的特點，對圖像配準(zhǔn)和圖像融合算法進(jìn)行實現(xiàn)和改進(jìn);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(jìn)行評估，判斷改進(jìn)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(jìn)行過研究，所以，可以參考的文獻(xiàn)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(dá)到比較好的效果;2、將圖像處理應(yīng)用在不同的

26、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(jìn)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(jìn)行實現(xiàn)和改進(jìn)，主要工作和貢獻(xiàn)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(jìn)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(jìn)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

27、像處理，本課題還將進(jìn)行這方面的研究和探索。五、參考文獻(xiàn)1 郭興明. 醫(yī)學(xué)成像技術(shù)m. 重慶大學(xué)出版社, XX.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, XX, 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), XX, 3: 6-11.4 xiong minghui, et al. ctvirtual bronchoscopy; imaging method and clinical applicationj. chinesemedical joumal, XX, 113(11):1022- 10255huang j, zhang s,

28、 metaxasd. efficient mr image reconstruction for compressed mr imagingj. medicalimage analysis, XX, 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, XX, 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, XX, 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), XX.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), XX.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), XX.12mukherjee p s, qiu bias correction for magnetic resonance image denoisingj. statisticsin medicine, XX.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), XX, 4: 034.14piotr , fastimpul