簡(jiǎn)介：針對(duì)骨骼醫(yī)學(xué)圖像的計(jì)算機(jī)后處理技術(shù)可以改善圖像觀察效果、實(shí)現(xiàn)智能輔助診斷，進(jìn)而推動(dòng)相關(guān)疾病影像學(xué)診斷技術(shù)的發(fā)展和完善。本文首先綜述和分析相關(guān)技術(shù)發(fā)展現(xiàn)狀，進(jìn)而針對(duì)骨分割、骨測(cè)量、骨移除和骨拼接提出了新的方法或技術(shù)，以解決現(xiàn)有技術(shù)在精確性、魯棒性或自動(dòng)化程度等方面存在的缺陷。第一，在定量CT骨密度測(cè)量（尤其是針對(duì)腰椎的測(cè)量）中，需要借助骨分割和骨測(cè)量技術(shù)來(lái)準(zhǔn)確提取測(cè)量目標(biāo)，并進(jìn)行精確測(cè)量。針對(duì)現(xiàn)有骨分割技術(shù)難以完整、自動(dòng)化地分割單節(jié)腰椎的問(wèn)題，本文提出了一種高度自動(dòng)化的單節(jié)腰椎分割方法。首先分割整個(gè)脊椎，再分別利用不同的圖像處理方法斷開椎體和椎小關(guān)節(jié)間的連接。在真實(shí)QCT數(shù)據(jù)和仿真數(shù)據(jù)上實(shí)驗(yàn)，證明此方法在自動(dòng)化程度和結(jié)果準(zhǔn)確性方面均優(yōu)于現(xiàn)有的各種腰椎分割方法。本文提出了一種自動(dòng)定參的無(wú)體模骨密度測(cè)量技術(shù)，使骨密度測(cè)量突破了體模的限制。大數(shù)據(jù)量實(shí)驗(yàn)證實(shí)其具有較高的準(zhǔn)確性，可重復(fù)性也超過(guò)同類方法。第二，在使用血管造影CT圖像來(lái)診斷頭頸部和體部血管疾病時(shí)，需要利用骨移除技術(shù)，以便無(wú)干擾地觀察和提取血管。本文提出了基于骨輪廓信息融合的頭頸部骨移除技術(shù)和基于輪廓提取與分類的體部骨移除技術(shù)。實(shí)驗(yàn)證明這兩項(xiàng)技術(shù)均在各自應(yīng)用中得到了較好的去骨效果，大大提高了圖像觀察質(zhì)量，進(jìn)而提高了血管提取準(zhǔn)確性。第三，骨拼接技術(shù)主要應(yīng)用于長(zhǎng)骨外傷或畸形等疾病的影像學(xué)診斷中，將分段采集的圖像拼接為便于觀察和診斷的全景圖像。為提高現(xiàn)有骨拼接技術(shù)的魯棒性，并解決融合圖像中存在的“拼縫”偽影和曝光度差異等問(wèn)題，本文提出了一種旋轉(zhuǎn)無(wú)關(guān)的圖像拼接方法。此方法借助改進(jìn)的特征配準(zhǔn)和相關(guān)度匹配等算法實(shí)現(xiàn)圖像配準(zhǔn)。經(jīng)實(shí)驗(yàn)驗(yàn)證，其配準(zhǔn)算法在保證結(jié)果準(zhǔn)確性的同時(shí)提高了魯棒性其融合算法可有效地平衡曝光度差異，并避免“拼縫”偽影，極大地提高了全景圖像質(zhì)量。另外，設(shè)計(jì)了三款用于輔助臨床診斷的軟件系統(tǒng)（或軟件功能模塊）。這些軟件已被投入臨床日常診斷中，或已開始臨床試用，這也將本研究的理論成果帶入了實(shí)際應(yīng)用。

簡(jiǎn)介：我國(guó)醫(yī)學(xué)影像類雜志的引證數(shù)據(jù)分析CITATIONDATAANALYSISOFCHINESEMEDICALIMAGINGJOURNALS一一論文課題起止時(shí)間2Q15生圣月2Q魚生窆月中國(guó)醫(yī)科大學(xué)遼寧2016年10月目錄一、摘要中文論著摘要1英文論著摘要3二、英文縮略語(yǔ)5三、論文前言66日Ⅱ舌研究資料與方法7結(jié)果與討論9結(jié)論與建議一35四、本研究創(chuàng)新性的自我評(píng)價(jià)39五、參考文獻(xiàn)一40六、附錄綜述43致謝一56個(gè)人簡(jiǎn)介一57

簡(jiǎn)介：本文對(duì)PETCT醫(yī)學(xué)影像肺部腫瘤邊界的數(shù)字勾畫做了進(jìn)一步研究，給出一種更精確和規(guī)范的勾畫腫瘤邊界的方法。首先，直接在存儲(chǔ)PETCT影像的DICOM文件格式下，進(jìn)行算法研究，避免格式轉(zhuǎn)化帶來(lái)的數(shù)據(jù)精度丟失問(wèn)題。其次，將包含整個(gè)腫瘤及浸潤(rùn)區(qū)域定義為腫瘤興趣區(qū)，并將該區(qū)分為腫瘤異常區(qū)和腫瘤亞異常區(qū)，認(rèn)為腫瘤的實(shí)際邊界存在于亞異常區(qū)之中。再次，采用數(shù)據(jù)插值法，對(duì)腫瘤興趣區(qū)的圖像數(shù)據(jù)做插值運(yùn)算，以增大腫瘤興趣區(qū)像素?cái)?shù)據(jù)的密度，增強(qiáng)腫瘤邊界識(shí)別的精確度。最后，采用數(shù)值差分法，通過(guò)平均值對(duì)比來(lái)確定腫瘤的實(shí)際邊界。本文基于PETCT醫(yī)學(xué)影像肺部腫瘤邊界的研究創(chuàng)新之處提出腫瘤亞異常區(qū)概念，直接DICOM文件格式下進(jìn)行數(shù)據(jù)處理，采用插值法增強(qiáng)腫瘤邊界識(shí)別精確度。仿真實(shí)驗(yàn)表明，本文對(duì)于肺部腫瘤邊界的確定方法的研究，對(duì)精確和規(guī)范的構(gòu)建腫瘤三維放療靶區(qū)，具有一定的應(yīng)用價(jià)值。

簡(jiǎn)介：隨著移動(dòng)醫(yī)療應(yīng)用的深入和發(fā)展，目前已經(jīng)有移動(dòng)護(hù)理、移動(dòng)護(hù)送和移動(dòng)查房等一系列移動(dòng)醫(yī)療應(yīng)用。在這些應(yīng)用中，對(duì)于移動(dòng)終端設(shè)備上的數(shù)字醫(yī)學(xué)影像應(yīng)用程序的要求已經(jīng)接近傳統(tǒng)桌面工作站的水平。但是移動(dòng)環(huán)境和傳統(tǒng)的數(shù)字醫(yī)學(xué)影像應(yīng)用環(huán)境有很多不同，會(huì)產(chǎn)生不少問(wèn)題。比如對(duì)于硬件參數(shù)來(lái)說(shuō)，移動(dòng)設(shè)備處理器性能有限，解析高分辨率影像需要等待較長(zhǎng)時(shí)間，影響到用戶使用體驗(yàn)。又比如對(duì)于網(wǎng)絡(luò)環(huán)境來(lái)說(shuō)，數(shù)字醫(yī)學(xué)影像領(lǐng)域的事實(shí)標(biāo)準(zhǔn)DICOM協(xié)議中的不少服務(wù)無(wú)法適用于移動(dòng)無(wú)線網(wǎng)絡(luò)結(jié)構(gòu)，嚴(yán)重影響到了客戶端的圖像接收功能。此外移動(dòng)設(shè)備系統(tǒng)平臺(tái)眾多，各種平臺(tái)之間互不兼容，為每種平臺(tái)一一實(shí)現(xiàn)DICOM網(wǎng)絡(luò)服務(wù)接口需要耗費(fèi)大量的時(shí)間和精力。國(guó)內(nèi)外目前存在一些移動(dòng)DICOM應(yīng)用的案例，其中絕大多數(shù)是基于HTML技術(shù)開發(fā)實(shí)現(xiàn)的，直接將DICOM圖像包含在HTML網(wǎng)頁(yè)中，使用瀏覽器控件進(jìn)行顯示。這中做法能適用于絕大多數(shù)移動(dòng)終端，但是功能有限，只能傳輸JPEG格式的普通圖像，無(wú)法像傳統(tǒng)DICOM網(wǎng)絡(luò)通信那樣通過(guò)設(shè)置各種參數(shù)來(lái)控制傳輸方式和圖像內(nèi)容。而且HTML網(wǎng)頁(yè)技術(shù)與傳統(tǒng)的DICOM通信技術(shù)設(shè)計(jì)理念大相徑庭，不方便將目前現(xiàn)有的DICOM應(yīng)用代碼遷移到移動(dòng)端上去。在進(jìn)行設(shè)計(jì)此系統(tǒng)時(shí)，針對(duì)這些問(wèn)題進(jìn)行了分析，鑒于HTML網(wǎng)頁(yè)技術(shù)是基于HTTP傳輸協(xié)議的，并且HTTP協(xié)議在各種移動(dòng)設(shè)備平臺(tái)都有良好的支持，決定編寫DICOM轉(zhuǎn)HTTP代理，以此將DICOM網(wǎng)絡(luò)服務(wù)以盡可能類似于傳統(tǒng)使用方式的樣式供給移動(dòng)應(yīng)用端使用。DICOM轉(zhuǎn)HTTP代理基于J2EE技術(shù)，采用DCM4CHE類庫(kù)與PACS系統(tǒng)進(jìn)行基于DICOM協(xié)議的數(shù)據(jù)通訊。同時(shí)利用SPRINGMVC框架提供的功能，在處理HTTP請(qǐng)求和應(yīng)答的時(shí)候，可以將DCM4CHE類庫(kù)中使用的DICOM數(shù)據(jù)字典參數(shù)數(shù)據(jù)格式自動(dòng)轉(zhuǎn)換為與移動(dòng)設(shè)備客戶端進(jìn)行通訊所使用的JSON數(shù)據(jù)格式。在此機(jī)制上根據(jù)臨床實(shí)際的應(yīng)用需要，向移動(dòng)設(shè)備提供了非圖像信息查詢，圖像獲取與圖像上傳等REST風(fēng)格的WEB服務(wù)。同時(shí)討論了移動(dòng)終端如何利用這些服務(wù)進(jìn)行移動(dòng)客戶端開發(fā)，給出了示例代碼。另外基于HL7協(xié)議的應(yīng)用系統(tǒng)也大量在臨床中運(yùn)用，并且和DICOM系統(tǒng)會(huì)產(chǎn)生大量的交互。所以在DICOM轉(zhuǎn)HTTP代理中，使用HAPI類庫(kù)實(shí)現(xiàn)了一些HL7M消息服務(wù)WEB訪問(wèn)接口，方便了移動(dòng)設(shè)備應(yīng)用客戶端進(jìn)行預(yù)約、登記。DICOM轉(zhuǎn)HTTP代理的實(shí)現(xiàn)，豐富了移動(dòng)臨床系統(tǒng)的功能和內(nèi)容。使得各種平臺(tái)下的移動(dòng)設(shè)備可以不再關(guān)心底層的DICOM網(wǎng)絡(luò)服務(wù)細(xì)節(jié)，方便的調(diào)用PACS和RIS系統(tǒng)提供的各種服務(wù)，提供了移動(dòng)端設(shè)備客戶端的開發(fā)速度。在此基礎(chǔ)之上實(shí)現(xiàn)的臨床查房拍照自動(dòng)歸檔功能，更是將過(guò)去的拍照、整理、歸檔操作進(jìn)行了簡(jiǎn)化，使之能夠一步完成，讓臨床一線的醫(yī)務(wù)人員能有更多的時(shí)間投入到實(shí)際的為病人服務(wù)的工作中去。

簡(jiǎn)介：高清體繪制的算法研究要求高質(zhì)量、高效率的繪制體數(shù)據(jù)的數(shù)據(jù)特征。直接體繪制方法在GPU并行加速的支持下能夠達(dá)到高質(zhì)量、實(shí)時(shí)可交互的繪制但是對(duì)用戶感興趣區(qū)域的繪制往往需要通過(guò)調(diào)節(jié)傳輸函數(shù)來(lái)實(shí)現(xiàn)。傳輸函數(shù)的調(diào)節(jié)需要用戶通過(guò)反復(fù)嘗試的方法對(duì)體數(shù)據(jù)進(jìn)行分類繪制要求用戶具備領(lǐng)域經(jīng)驗(yàn)并且簡(jiǎn)單的傳輸函數(shù)通常無(wú)法對(duì)某些數(shù)據(jù)特征進(jìn)行有效分類。最大強(qiáng)度差值累積方法提出一種通過(guò)降低最大強(qiáng)度值變化區(qū)域的累積不透明度的方法實(shí)現(xiàn)對(duì)最大強(qiáng)度值區(qū)域的加強(qiáng)繪制但是存在不能繪制局部特征信息的問(wèn)題。因此本文提出了一種基于特征分析的局部特征加強(qiáng)體繪制方法對(duì)體數(shù)據(jù)進(jìn)行快速高質(zhì)量的特征繪制?；谔卣鞣治龅木植刻卣骷訌?qiáng)體繪制方法包含兩個(gè)過(guò)程分別為體數(shù)據(jù)的局部特征分析以及局部特征加強(qiáng)繪制實(shí)現(xiàn)了對(duì)體數(shù)據(jù)的特征提取以及特征加強(qiáng)繪制。1體數(shù)據(jù)的局部特征分析。本文提出一種局部特征分析的方法獲取體數(shù)據(jù)的特征信息。利用高斯濾波去除數(shù)據(jù)的高頻噪聲并利用移動(dòng)最小二乘法對(duì)體數(shù)據(jù)標(biāo)量曲線進(jìn)行重構(gòu)并對(duì)光滑連續(xù)的標(biāo)量曲線進(jìn)行極小值點(diǎn)查詢最后利用梯度閾值確定特征邊界點(diǎn)并實(shí)現(xiàn)對(duì)特征的歸類。2局部特征加強(qiáng)繪制。在獲取體數(shù)據(jù)的局部特征信息的條件下提出局部特征差值累積方法累積過(guò)程中引入深度信息優(yōu)化加權(quán)累積方法。為增強(qiáng)繪制結(jié)果的三維立體感引入PHONG光照模型并利用特征分析結(jié)果選擇適當(dāng)?shù)奶荻确ㄏ蛄坑?jì)算光照。同時(shí)引入自適應(yīng)TONE衰減對(duì)最終結(jié)果實(shí)現(xiàn)顏色亮度平衡增強(qiáng)局部特征對(duì)比度。此外本文還提出一種基于標(biāo)量值與梯度模值的交互方法實(shí)現(xiàn)對(duì)體數(shù)據(jù)特征的交互繪制。本文算法在VEEN框架下進(jìn)行開發(fā)實(shí)現(xiàn)了GPU并行加速能達(dá)到實(shí)時(shí)交互的繪制效率。經(jīng)過(guò)對(duì)多種類型醫(yī)學(xué)影像體數(shù)據(jù)以及工業(yè)掃描體數(shù)據(jù)的繪制實(shí)驗(yàn)證明本文算法在不需要調(diào)節(jié)傳輸函數(shù)的前提下能夠?qū)崟r(shí)高清的繪制體數(shù)據(jù)中的局部特征信息并且與最大強(qiáng)度差值累積方法比較能繪制更為詳細(xì)的局部特征具有一定的應(yīng)用前景。

簡(jiǎn)介：在醫(yī)學(xué)領(lǐng)域中，保護(hù)患者的基本信息、診斷信息等醫(yī)學(xué)數(shù)據(jù)的安全，具有至關(guān)重要的意義。數(shù)字水印技術(shù)已經(jīng)成為解決影像數(shù)據(jù)安全的重要手段。為了便于傳輸，普遍采用將隱秘信息以水印的方式加入到對(duì)應(yīng)的醫(yī)學(xué)影像中。針對(duì)醫(yī)學(xué)影像的特殊性，在保證水印不可見(jiàn)性的基礎(chǔ)上，還要使水印對(duì)影像質(zhì)量的影響盡可能小，以保證影像的質(zhì)量。本文在對(duì)文本水印信息進(jìn)行分割重組預(yù)處理的基礎(chǔ)上，研究實(shí)現(xiàn)了高容量的醫(yī)學(xué)影像文本信息嵌入方法。完成的主要工作包括首先針對(duì)已有文本信息嵌入算法中所采用的二進(jìn)制數(shù)據(jù)流描述文本水印時(shí)所表達(dá)的信息有限、水印容量較小的問(wèn)題，提出了一種文本信息Ⅱ碼值的分割重組預(yù)處理方案，使用該方案對(duì)待嵌入文本信息進(jìn)行預(yù)處理，可大幅度提高水印容量。實(shí)驗(yàn)數(shù)據(jù)表明，對(duì)中文文本信息容量可提高3倍左右，英文文本信息容量可提高2倍左右。其次在綜述了文本信息數(shù)字水印技術(shù)現(xiàn)狀的基礎(chǔ)上，設(shè)計(jì)實(shí)現(xiàn)了基于二維離散小波變換的醫(yī)學(xué)影像文本信息嵌入算法，通過(guò)二維離散小波變換對(duì)醫(yī)學(xué)影像的不同層次進(jìn)行了分解，將預(yù)處理后的待嵌入文本信息嵌入到小波分解的三級(jí)低頻部分，實(shí)現(xiàn)了文本信息的嵌入。對(duì)肺部CT影像的仿真實(shí)驗(yàn)結(jié)果表明，該算法在保證結(jié)果影像質(zhì)量、文本信息不可見(jiàn)性、水印容量等方面，具有良好的效果。

簡(jiǎn)介：點(diǎn)擊查看更多醫(yī)學(xué)影像可視化算法及集成化醫(yī)學(xué)影像算法平臺(tái)的研究.pdf精彩內(nèi)容。

簡(jiǎn)介：隨著信息技術(shù)和醫(yī)學(xué)的發(fā)展，CT、MRI等數(shù)字化醫(yī)療設(shè)備在臨床工作和輔助診斷中得以日益廣泛的應(yīng)用。這些現(xiàn)代化的設(shè)備使得醫(yī)療機(jī)構(gòu)每天都會(huì)產(chǎn)生大量的醫(yī)學(xué)影像數(shù)據(jù)。醫(yī)學(xué)影像作為臨床診斷中的不可缺少的一部分，不僅可以反映人體的解剖信息及結(jié)構(gòu)形態(tài)，而且還可以直觀的解釋人體組織器官功能，是醫(yī)生進(jìn)行臨床診斷、病情監(jiān)控、手術(shù)參考、病理研究的重要客觀依據(jù)。醫(yī)生在臨床診斷的過(guò)程中，通常需要對(duì)不同患者或者同一患者不同時(shí)間的影像進(jìn)行分析和比較，并結(jié)合診斷報(bào)告做出最終的診斷結(jié)論。醫(yī)生一般通過(guò)對(duì)比同一部位影像的某些局部特征做出判斷。這就需要根據(jù)局部特征進(jìn)行檢索，而單一局部特征來(lái)檢索會(huì)出現(xiàn)非同一部位的誤檢。因?yàn)樵谀承┣闆r不同的部位組織局部特征可能相似，如腦部影像某種病變的局部特征與腿部某種病變的局部特征相似，所以在檢索前需要將不同組織的輸入影像進(jìn)行過(guò)濾。本文設(shè)計(jì)了基于特征融合的醫(yī)學(xué)影像檢索算法來(lái)解決這一問(wèn)題。本文設(shè)計(jì)了一種融合了全局特征和局部特征的醫(yī)學(xué)影像檢索算法，通過(guò)全局特征先對(duì)影像進(jìn)行預(yù)分類，然后利用局部特征進(jìn)行檢索。文中提取影像的SIFT特征點(diǎn)作為影像的局部特征，通過(guò)構(gòu)建BOVW模型對(duì)影像的局部特征進(jìn)行檢索。具體是通過(guò)KMEANS聚類方法對(duì)由局部特征詞集聚類得到BOVW模型所需要的詞典。之后，利用詞典統(tǒng)計(jì)影像中特征詞出現(xiàn)的頻率對(duì)影像進(jìn)行描述。然后根據(jù)影像的描述向量對(duì)影像數(shù)據(jù)庫(kù)建立索引。而對(duì)于局部特征相似的其他部位的影像通過(guò)影像的預(yù)分類來(lái)進(jìn)行排除。具體通過(guò)融合一種TAMURA紋理特征和一種SHAPECONTEXT形狀特征，來(lái)對(duì)SVM分類器進(jìn)行訓(xùn)練，利用分類器實(shí)現(xiàn)對(duì)影像的預(yù)分類。實(shí)驗(yàn)表明，本文提出的基于特征融合的醫(yī)學(xué)影像檢索算法比傳統(tǒng)的影像檢索方法對(duì)影像的檢索效果更好。

簡(jiǎn)介：醫(yī)學(xué)圖像的三維可視化是圖像處理技術(shù)、計(jì)算機(jī)圖形學(xué)理論和虛擬現(xiàn)實(shí)技術(shù)在臨床醫(yī)學(xué)和教學(xué)研究中的集中體現(xiàn)。利用面繪制或者體繪制方法將一系列連續(xù)的CT圖像重建成三維模型，可使醫(yī)務(wù)工作者能夠更準(zhǔn)確地觀察感興趣區(qū)域的分布與組織關(guān)系。近年來(lái)，這一技術(shù)已經(jīng)成為國(guó)內(nèi)外研究熱點(diǎn)，在醫(yī)學(xué)教學(xué)、放射治療、虛擬內(nèi)窺鏡、刑偵、法醫(yī)學(xué)等科學(xué)中都具有重要作用。本文首先對(duì)DICOM格式的醫(yī)學(xué)圖像進(jìn)行了分析研究，并針對(duì)醫(yī)學(xué)CT圖像的特點(diǎn)給出了較為適合的濾波方法和分割方法。濾波采用中值各向異性相結(jié)合的方法，使用中值濾波后的梯度模值代替原各向異性濾波PM方程中的梯度模值，有效地利用中值濾波對(duì)圖像中強(qiáng)噪聲和散粒噪聲的抑制作用。分割采用分水嶺區(qū)域生長(zhǎng)相結(jié)合的方法，有效地利用圖像的結(jié)構(gòu)信息和像素信息，先根據(jù)分水嶺算法得到梯度圖像，這種圖像中包含了完整的閉合曲線，再對(duì)感興趣區(qū)域進(jìn)行分割提取，得到的感興趣區(qū)域較為精確，為重建模型的真實(shí)性提供了依據(jù)。醫(yī)學(xué)CT圖像的重建算法采用面繪制中的移動(dòng)立方體法（MARCHINGCUBES），針對(duì)MC算法中存在的二義性問(wèn)題，給出了改進(jìn)的查找表法，將原始的15種基本構(gòu)型拓展為17種，重建結(jié)果顯示，改進(jìn)的查找表有效地解決了MC算法的二義性，改善了重建模型表面的孔洞現(xiàn)象。針對(duì)MC算法中存在的效率問(wèn)題，給出了基于人體器官連通理論的“區(qū)域遍歷”法，單個(gè)非空體元內(nèi)的三角面片確定之后，與其相鄰的體元中三角面片也必然會(huì)按照一定的規(guī)律拓?fù)鋽U(kuò)展；另外，用中點(diǎn)法代替線性插值求取得交點(diǎn)，計(jì)算量明顯減少，算法的整體效率得到提升。最后，搭建了三維重建的系統(tǒng)平臺(tái)，使得醫(yī)學(xué)圖像經(jīng)過(guò)讀取、預(yù)處理、三維重建等步驟，從而能與用戶進(jìn)行實(shí)時(shí)交互。

簡(jiǎn)介：隨著我國(guó)醫(yī)療信息化的不斷完善，圖像處理技術(shù)的不斷發(fā)展以及醫(yī)院影像采集設(shè)備的不斷升級(jí)，醫(yī)學(xué)影像檢測(cè)已經(jīng)越來(lái)越可靠有效，成為了醫(yī)生診斷的重要依據(jù)?，F(xiàn)在的大型醫(yī)院都使用放射科信息管理系統(tǒng)（RADIOLOGYINFMATIONSYSTEM，RIS）和影像歸檔和通信系統(tǒng)（PICTUREARCHIVINGCOMMUNICATIONSYSTEMS，PACS）相結(jié)合的模式來(lái)存儲(chǔ)、調(diào)閱病人的影像圖片，RIS負(fù)責(zé)預(yù)約、病例管理等功能，PACS負(fù)責(zé)影像數(shù)據(jù)的存儲(chǔ)、調(diào)閱。隨著區(qū)域影像共享協(xié)作平臺(tái)的建立，傳統(tǒng)PACS所采用的在線近線離線存儲(chǔ)策略已經(jīng)不能滿足海量影像數(shù)據(jù)存儲(chǔ)的需求，在海量影像數(shù)據(jù)的檢索方面，PACS所使用的關(guān)系型數(shù)據(jù)庫(kù)在海量數(shù)據(jù)規(guī)模下調(diào)閱影像效率低下，并且現(xiàn)有的PACS缺少完備的數(shù)據(jù)備份和容災(zāi)方案。本論文分析了使用HDFS存儲(chǔ)海量醫(yī)學(xué)影像文件的可行性、優(yōu)勢(shì)以及需要解決的問(wèn)題，對(duì)PACS所提供的精確調(diào)閱、范圍調(diào)閱功能如何在HADOOP中高效的實(shí)現(xiàn)進(jìn)行了研究。主要研究?jī)?nèi)容包括對(duì)海量醫(yī)學(xué)影像數(shù)據(jù)在HDFS的存儲(chǔ)進(jìn)行了研究，提出醫(yī)學(xué)影像數(shù)據(jù)存儲(chǔ)優(yōu)化方法，將同序列影像文件存儲(chǔ)在一個(gè)SEQUENCEFILE中，解決了HADOOP存儲(chǔ)醫(yī)學(xué)影像文件時(shí)名字節(jié)點(diǎn)的內(nèi)存占用過(guò)大以及讀取效率低下問(wèn)題；面向PACS提供的精確條件查詢，在非結(jié)構(gòu)化數(shù)據(jù)庫(kù)中根據(jù)實(shí)際調(diào)閱條件提出了基于布隆過(guò)濾器的多級(jí)索引方法，提高了影像查詢的效率；針對(duì)PACS提供的范圍查詢無(wú)法在HBASE上直接實(shí)現(xiàn)的問(wèn)題，提出了結(jié)構(gòu)化查詢?nèi)蝿?wù)流向非結(jié)構(gòu)化數(shù)據(jù)的MAPREDUCE任務(wù)流的映射模型，與現(xiàn)行PACS相比，提高了影像范圍查詢的效率。最后搭建HADOOP集群，實(shí)現(xiàn)基于HADOOP的影像存儲(chǔ)檢索系統(tǒng)，實(shí)驗(yàn)結(jié)果證明醫(yī)學(xué)影像存儲(chǔ)優(yōu)化方法有效的減少了名字節(jié)點(diǎn)內(nèi)存消耗。通過(guò)本系統(tǒng)與現(xiàn)行PACS在精確條件查詢、范圍查詢的檢索用時(shí)的比較，證明了本系統(tǒng)在影像查詢效率上優(yōu)于現(xiàn)行PACS系統(tǒng)。

簡(jiǎn)介：X射線等醫(yī)學(xué)影像在醫(yī)學(xué)臨床診斷中常扮演著重要的角色。由于X射線曝光非均勻，低照度環(huán)境以及各種噪聲等原因，降低了所生成圖像的品質(zhì)，其主要表現(xiàn)為對(duì)比度差、細(xì)節(jié)模糊，不同程度的影響了醫(yī)生的診斷及分析以及易造成對(duì)病變組織的漏診或誤診等。雖然當(dāng)前圖像增強(qiáng)方法已有很多，然而針對(duì)X射線醫(yī)學(xué)圖像的模糊性和非均勻性，傳統(tǒng)的圖像增強(qiáng)方法表現(xiàn)出較大局限性。為突出圖像中較模糊及對(duì)比度差等區(qū)域的細(xì)節(jié)，以便醫(yī)師診斷，亟待給出一種對(duì)原始圖像進(jìn)行有效增強(qiáng)與圖像質(zhì)量評(píng)價(jià)方法。本文針對(duì)現(xiàn)今醫(yī)學(xué)圖像增強(qiáng)與無(wú)參考醫(yī)學(xué)圖像質(zhì)量評(píng)價(jià)中存在的問(wèn)題，利用虛擬儀器數(shù)字系統(tǒng)搭建醫(yī)學(xué)影像處理與分析平臺(tái)，提出一種層級(jí)模糊隸屬度的X光醫(yī)學(xué)圖像增強(qiáng)算法，同時(shí)還給出了一種基于雙向映射的無(wú)參考醫(yī)學(xué)圖像質(zhì)量評(píng)價(jià)算法。本文主要工作如下在圖像增強(qiáng)方面，提出了一種層級(jí)模糊隸屬度的X光醫(yī)學(xué)圖像增強(qiáng)算法。其首先采用拉普拉斯金字塔方法將圖像分解為多尺度下的子圖像，然后對(duì)其分層計(jì)算模糊隸屬度并實(shí)現(xiàn)多尺度下的圖像加權(quán)增強(qiáng)與重構(gòu)，最后利用雙邊濾波器對(duì)圖像實(shí)施保邊去噪，實(shí)現(xiàn)了對(duì)X射線醫(yī)學(xué)圖像的有效增強(qiáng)。與傳統(tǒng)方法的實(shí)驗(yàn)對(duì)比結(jié)果表明，本文所提算法對(duì)X射線醫(yī)學(xué)圖像具有較強(qiáng)的增強(qiáng)效果，具有一定的理論和實(shí)際應(yīng)用價(jià)值。在圖像質(zhì)量評(píng)價(jià)方面，本文提出了一種基于雙向映射的無(wú)參考醫(yī)學(xué)圖像質(zhì)量評(píng)價(jià)方法。所提算法主要考慮將無(wú)參考圖像與標(biāo)準(zhǔn)圖像增強(qiáng)前后的雙向映射評(píng)價(jià)過(guò)程。也即先通過(guò)顏色分布傳遞算法將低質(zhì)量的X射線醫(yī)學(xué)圖像增強(qiáng)后的結(jié)果映射到灰度分布較均勻的標(biāo)準(zhǔn)自然圖像進(jìn)行質(zhì)量評(píng)價(jià)以及先通過(guò)顏色傳遞將低照度X射線醫(yī)學(xué)圖像的灰度范圍映射給標(biāo)準(zhǔn)圖像增強(qiáng)后進(jìn)行質(zhì)量評(píng)價(jià)的正、反兩種映射過(guò)程。經(jīng)過(guò)主觀和客觀的實(shí)驗(yàn)均驗(yàn)證了本文所提無(wú)參考醫(yī)學(xué)圖像質(zhì)量評(píng)價(jià)算法的有效性與可行性。最終本文基于MATLABSCIRPT節(jié)點(diǎn)的混合編程搭建了一個(gè)醫(yī)學(xué)影像圖像處理的測(cè)試平臺(tái)即將采集后的醫(yī)學(xué)影像傳入LABVIEW系統(tǒng)后，再利用MATLAB節(jié)點(diǎn)完成LABVIEW和MATLAB的算法混合編程，最終在LABVIEW平臺(tái)實(shí)現(xiàn)醫(yī)學(xué)影像增強(qiáng)等處理功能。

簡(jiǎn)介：點(diǎn)擊查看更多基于VTK的三維醫(yī)學(xué)影像診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf精彩內(nèi)容。

簡(jiǎn)介：近年來(lái)，信號(hào)處理領(lǐng)域的一個(gè)最新進(jìn)展是稀疏表示理論。稀疏表示理論已被廣泛應(yīng)用于圖像處理、計(jì)算機(jī)視覺(jué)和模式識(shí)別等方面。同時(shí)在醫(yī)學(xué)影像處理與分析領(lǐng)域，以稀疏表示理論為基礎(chǔ)的稀疏編碼方法和稀疏正則化方法也得到了廣大研究者的日益重視，運(yùn)用稀疏方法能夠解決傳統(tǒng)醫(yī)學(xué)影像處理與分析技術(shù)中的許多問(wèn)題。醫(yī)學(xué)影像處理與分析主要包含醫(yī)學(xué)影像去噪、增強(qiáng)、分割和影像序列分析等技術(shù)。本論文在稀疏表示理論的基礎(chǔ)上研究了醫(yī)學(xué)影像處理與分析領(lǐng)域中的幾個(gè)問(wèn)題，對(duì)醫(yī)學(xué)影像去噪、影像增強(qiáng)和影像序列分析進(jìn)行了討論，具體成果如下。將斑點(diǎn)噪聲模型與圖像稀疏編碼相結(jié)合解決超聲醫(yī)學(xué)影像去噪問(wèn)題。采用12稀疏編碼對(duì)影像數(shù)據(jù)進(jìn)行描述以得到比傳統(tǒng)1編碼更為稀疏的表達(dá)形式。在BAYESIANMAP框架下，根據(jù)編碼的統(tǒng)計(jì)分布特點(diǎn)，設(shè)計(jì)合適的閾值收縮算法，實(shí)現(xiàn)對(duì)噪聲的抑制，達(dá)到恢復(fù)影像質(zhì)量的目的。實(shí)驗(yàn)表明算法能有效地恢復(fù)醫(yī)學(xué)超聲影像，較好地抑制斑點(diǎn)噪聲，增強(qiáng)邊緣并保持細(xì)節(jié)效果。研究了醫(yī)療影像的偏差場(chǎng)自適應(yīng)校正與增強(qiáng)問(wèn)題。針對(duì)傳統(tǒng)校正增強(qiáng)方法對(duì)偏差場(chǎng)模型參數(shù)依賴等問(wèn)題，分析了醫(yī)療成像中偏差場(chǎng)與觀測(cè)影像之間的聯(lián)系，提出實(shí)現(xiàn)影像增強(qiáng)的合理假設(shè)，在偏差場(chǎng)成像模型的基礎(chǔ)上，構(gòu)造了基于稀疏正則約束的自適應(yīng)校正增強(qiáng)模型。增強(qiáng)模型包含雙正則項(xiàng)，分別采用全變差約束理想影像和梯度光滑性約束偏差場(chǎng)結(jié)構(gòu)，運(yùn)用迭代演化觀測(cè)影像曲面的方法自適應(yīng)地逼近偏差場(chǎng)，從而避免了估計(jì)偏差場(chǎng)模型參數(shù)，采用交替優(yōu)化方法尋優(yōu)達(dá)到校正增強(qiáng)目的。仿真與真實(shí)數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了該算法能夠得到較好地實(shí)現(xiàn)醫(yī)學(xué)影像增強(qiáng)效果。研究了醫(yī)學(xué)時(shí)序影像數(shù)據(jù)自動(dòng)化分析技術(shù)，通過(guò)對(duì)傳統(tǒng)醫(yī)學(xué)影像序列因子分析方法進(jìn)行討論，提出一種基于稀疏非負(fù)矩陣分解的影像序列因子分析方法。該方法針對(duì)傳統(tǒng)因子分析方法中出現(xiàn)的問(wèn)題進(jìn)行改進(jìn)，解決了解的非負(fù)性并對(duì)解的結(jié)構(gòu)進(jìn)行約束。在保證分解結(jié)果非負(fù)性的前提下，提出了既能夠描述醫(yī)學(xué)生理結(jié)構(gòu)獨(dú)立性，又能夠限制解的結(jié)構(gòu)稀疏正則約束項(xiàng)，進(jìn)而構(gòu)造出新的因子分析模型。應(yīng)用稀疏非負(fù)矩陣分解算法實(shí)現(xiàn)模型的數(shù)值求解運(yùn)算。仿真實(shí)驗(yàn)證明了該算法的有效性與穩(wěn)定性，與傳統(tǒng)經(jīng)典方法相比，效果有較大提高。進(jìn)一步將新方法應(yīng)用到肝臟超聲灌注造影數(shù)據(jù)中，處理結(jié)果得到了診斷醫(yī)師的認(rèn)可，驗(yàn)證了技術(shù)的可行性與準(zhǔn)確性。最后，本文歸納總結(jié)了所做的工作，同時(shí)分析了本文的不足之處，并進(jìn)一步討論了研究計(jì)劃。

簡(jiǎn)介：隨著醫(yī)學(xué)科技水平不斷提高，醫(yī)學(xué)影像案例也隨之不斷的增長(zhǎng)，如何快速準(zhǔn)確的找到和需要查詢案例最相似的醫(yī)學(xué)影像輔助醫(yī)生進(jìn)行診斷受到越來(lái)越多的重視。醫(yī)學(xué)影像案例包含有圖像的底層特征和語(yǔ)義特征，在對(duì)圖像進(jìn)行檢索時(shí)，底層特征和語(yǔ)義特征之間的“語(yǔ)義鴻溝”問(wèn)題一直是個(gè)難題，采用何種方法來(lái)縮減語(yǔ)義鴻溝，以達(dá)到在檢索過(guò)程中既包含有圖像的底層特征又可以用人類理解的語(yǔ)義來(lái)進(jìn)行檢索成為研究的熱點(diǎn)。醫(yī)學(xué)影像案例在計(jì)算機(jī)輔助診斷過(guò)程中有重要的表現(xiàn)，本文針對(duì)醫(yī)學(xué)影像進(jìn)行研究，通過(guò)模態(tài)關(guān)聯(lián)模型由醫(yī)學(xué)影像的底層特征獲知影像的視覺(jué)語(yǔ)義特征，實(shí)現(xiàn)了兩種不同模態(tài)之間的有效關(guān)聯(lián)，縮減了語(yǔ)義鴻溝并同時(shí)實(shí)現(xiàn)醫(yī)學(xué)影像視覺(jué)語(yǔ)義的自動(dòng)標(biāo)注，在此基礎(chǔ)上，結(jié)合與醫(yī)學(xué)影像語(yǔ)義相關(guān)的底層特征進(jìn)行影像案例的多模檢索，提高影像的檢索性能，為輔助醫(yī)生進(jìn)行診斷提供決策支持。主要的研究?jī)?nèi)容包含有以下三部分1獲取醫(yī)學(xué)影像特征，包括底層特征和診斷語(yǔ)義關(guān)鍵詞。針對(duì)醫(yī)學(xué)影像感興趣區(qū)域，獲得代表醫(yī)學(xué)影像灰度、形態(tài)及紋理的底層特征并進(jìn)行特征歸一化，共計(jì)32個(gè)，然后利用醫(yī)學(xué)影像相關(guān)知識(shí)，從病灶對(duì)象形態(tài)、病理診斷結(jié)果等描述信息組成的診斷報(bào)告中提取語(yǔ)義關(guān)鍵詞，共同組成醫(yī)學(xué)影像特征。2構(gòu)建模態(tài)關(guān)聯(lián)模型。針對(duì)語(yǔ)義鴻溝問(wèn)題，首先，為了達(dá)到減輕維數(shù)災(zāi)難目的，采用基于關(guān)聯(lián)規(guī)則的特征選擇算法獲得與語(yǔ)義關(guān)鍵詞具有相關(guān)性的底層特征，去除冗余特征，實(shí)現(xiàn)特征的降維；然后，采用經(jīng)典的APRII算法進(jìn)行關(guān)聯(lián)規(guī)則挖掘，并通過(guò)關(guān)聯(lián)規(guī)則剪枝算法得到強(qiáng)關(guān)聯(lián)規(guī)則；最后利用關(guān)聯(lián)分類引擎ASSOCIATIVECLASSIFIERENGINEACE算法建立模態(tài)關(guān)聯(lián)模型，實(shí)現(xiàn)了由醫(yī)學(xué)影像底層特征獲知語(yǔ)義特征目的，縮減語(yǔ)義鴻溝。3多模影像檢索系統(tǒng)及性能評(píng)估。針對(duì)醫(yī)學(xué)影像案例的特點(diǎn)，選擇適合醫(yī)學(xué)影像的相似度量方案，并通過(guò)SQLSERVER2000數(shù)據(jù)庫(kù)、VISUALC60以及MATLAB聯(lián)合構(gòu)建影像多模檢索系統(tǒng)，以該系統(tǒng)為依托，通過(guò)查準(zhǔn)率、查全率等來(lái)評(píng)價(jià)檢索系統(tǒng)的性能，實(shí)現(xiàn)有效的計(jì)算機(jī)輔助診斷。

簡(jiǎn)介：隨著醫(yī)療數(shù)字化進(jìn)程的加快，醫(yī)學(xué)影像資料數(shù)量成爆炸式增長(zhǎng)，使其存儲(chǔ)空間和獲取速度面臨很大的挑戰(zhàn)。在信號(hào)處理領(lǐng)域，人們對(duì)于基于信號(hào)稀疏表達(dá)的研究越來(lái)越感興趣。信號(hào)稀疏表達(dá)不是基于固定的有數(shù)字模型的變換，而是通過(guò)訓(xùn)練集產(chǎn)生過(guò)完備字典，通過(guò)稀疏編碼來(lái)將信號(hào)分解成為一些字典原子的線性組合，從而獲得信號(hào)更為簡(jiǎn)潔的表示方式。本文主要工作是在研究影像歸檔和通信系統(tǒng)（PACS）及醫(yī)學(xué)數(shù)字成像與通訊標(biāo)準(zhǔn)（DICOM）的基礎(chǔ)上，獲取研究的圖像數(shù)據(jù)進(jìn)行壓縮處理以及將算法實(shí)際應(yīng)用到系統(tǒng)的探索。在信號(hào)的稀疏表示上，從字典學(xué)習(xí)和稀疏表達(dá)兩個(gè)方面進(jìn)行了研究字典學(xué)習(xí)主要研究的是最有方向算法MOD、K奇異值分解KSVD、遞推最小二乘字典學(xué)習(xí)算法ILSDLA和遞歸最小二乘的字典學(xué)習(xí)算法RLSDLA；稀疏表達(dá)主要研究了基追蹤BP、匹配追蹤算法MP和正交匹配追蹤OMP。在研究信號(hào)的稀疏表示后，利用主流的字典學(xué)習(xí)算法對(duì)獲取的圖像數(shù)據(jù)進(jìn)行壓縮和解壓縮。在壓縮和解壓縮的過(guò)程中，分析使用不同原子尺度的字典對(duì)于生成字典的影響以及其字典對(duì)壓縮效果的影響。在上述研究的基礎(chǔ)上，提出一種改進(jìn)的基于KSVD的圖像壓縮算法，該算法主要使用較小尺度原子的字典進(jìn)行圖像的壓縮和解壓縮，并且在解壓縮前保存圖像的邊緣信息，在解壓縮后，使用邊緣信息對(duì)解壓縮后的圖像進(jìn)行修復(fù)，該算法比傳統(tǒng)的壓縮算法能夠獲得更高的峰值信噪比（PSNR）。最后，本文對(duì)提出的算法加入PACS系統(tǒng)進(jìn)行了初步探索，使用DEMO程序?qū)λ惴ㄟM(jìn)行了評(píng)估，結(jié)果表明算法能夠獲得較高壓縮比，并且在主觀和客觀上能達(dá)到較高的圖像質(zhì)量，但是算法的時(shí)間復(fù)雜度較高，需要后續(xù)改進(jìn)降低算法的時(shí)間復(fù)雜度。