ebnnuqc医学_图像处理技术

^

| You have to believe, there is a way. The ancients said:" the kingdom of heaven is trying to enter". Only when the reluctant step by step to go to it 's time, must be managed to get one step down, only have struggled to achieve it.

-- Guo Ge Tech

医学图像处理技术

摘要：随着医学成像和计算机辅助技术的发展，从二维医学图像到三维可视化技术成为研究的热点，本文介绍了医学图像处理技术的发展动态，对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域中应用的基础上，提出了医学图像处理技术发展所面临的相关问题及其发展方向。关键词：医学图像处理；图像分割；图像配准；图像融合；纹理分析

1．引言

近20 多年来，医学影像已成为医学技术中发展最快的领域之一，其结果使临床医生对

人体部病变部位的观察更直接、更清晰，确诊率也更高。20 世纪70 年代初，X-CT 的发明

曾引发了医学影像领域的一场革命，与此同时，核磁共振成像象(MRI :Magnetic Resonance Imaging)、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。计算机和医学图像处理技术作为这些成像技术的发展基础，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究提供了有力的科学依据。

在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系,仅通过观察二维切片图象是很难实现的。因此,利用计算机图象处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析,可以大大提高医疗诊断的

准确性和可靠性。此外,它在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。

本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。

2．医学图像三维可视化技术

2.1三维可视化概述

医学图像的三维可视化的方法很多，但基本步骤大体相同，如图.。从#$ /&’(或超声等成像系统获得二维断层图像，然后需要将图像格式（如0(#1&）转化成计算机方便处理的格式。通过二维滤波，减少图像的噪声影响，提高信噪比和消除图像的尾迹。采取图像插值方法，对医学关键部位进行各向同性处理，获得体数据。经过三维滤波后，不同组织器官需要进行分割和归类，对同一部位的不同图像进行配准和融合，以利于进一步对某感兴趣部位的操作。根据不同的三维可视化要求和系统平台的能力，选择不同的方法进行三维体绘制，实现三维重构。

2.2关键技术：

图像分割是三维重构的基础，分割效果直接影像三维重构的精确度。图像分割是将图像分割成有意义的子区域，由于医学图像的各区域没有清楚的边界，为了解决在医学图像分割中遇到不确定性的问题，引入模糊理论的模糊阀值、模糊边界和模糊聚类等概念。快速准确的分离出解剖结构和定位区域位置和形状，自动或半自动的图像分割方法是非常重要的。在实际应用中有聚类法、统计学模型、弹性模型、区域生长、神经网络等适用于医学图像分割的具体方法。

由于可以对同一部位用不同的成像仪器多次成像，或用同一台仪器多次成像，这样产生了多模态图像。多模态图像提供的信息经常相互覆盖和具有互补性，为了综合使用多种成像模式以提供更全面的信息，需要对各个模态的原始图像进行配准和数据融合，其整个过程称为数据整合。整合的第一步是将多个医学图像的信息转换到一个公共的坐标框架的研究，使多幅图像在空间域中达到几何位置的完全对应，称为三维医学图像的配准问题。建立配准关系后，将多个图像的数据合成表示的过程，称为融合。在医学应用中，不同模态的图像还提供了不互相覆盖的结构互补信息，比如，当CT提供的是骨信息，MRI提供的关于软组织的信息，所以可以用逻辑运算的方法来实现它们图像的合成。

当分割归类或数据整合结束后，对体数据进行体绘制。体绘制一般分为直接体绘制和间接体绘制，由于三维医学图像数据量很大，采用直接体绘制方法，计算量过重，特别在远程应用和交互操作中，所以一般多采用间接体绘制。在图形工作站上可以进行直接体绘制，近来随着计算机硬件快速发展，新的算法，如三维纹理映射技术，考虑了计算机图形硬件的特定功能及体绘制过程中的各种优化方法，从而大提高了直接体绘制的速度。体绘制根据所用的投影算法不同加以分类，分为以对象空间为序的算法（又称为体素投影法）和以图像空间为序的算法!又称为光线投射法"，一般来说，体素投影法绘制的速度比光线投射法快。由于三维医学图像的绘制目的在于看见部组织的细节，真实感并不是最重要的，所以在医学应用中的绘制要突出特定诊断所需要的信息，而忽略无关信息。另外，高度的可交互性是三维医学图像绘制的另一个要求，即要求一些常见操作，如旋转，放大，移动，具有很好的实时性，或至少是在一个可以忍受的响应时间完成。这意味着在医学图像绘制中，绘制时间短的可视化方法更为实用。

未来的三维可视化技术将与虚拟现实技术相结合，不仅仅是获得体数据的工具，更主要的是能创造一个虚拟环境。

3．医学图像分割

医学图像分割就是一个根据区域间的相似或不同把图像分割成若干区域的过程。目前,主要以各种细胞、组织与器官的图像作为处理的对象，图像分割技术主要基于以下几种理论方法。

3.1 基于统计学的方法

统计方法是近年来比较流行的医学图像分割方法。从统计学出发的图像分割方法把图像中各个像素点的灰度值看作是具有一定概率分布的随机变量,观察到的图像是对实际物体做了某

种变换并加入噪声的结果,因而要正确分割图像,从统计学的角度来看,就是要找出以最大的概

率得到该图像的物体组合。用吉布斯（Gibbs）分布表示的Markov随机场(MRF)模型,能够简单地通过势能形式表示图像像素之间的相互关系,因此周刚慧等结合人脑MR图像的空间关系定义Markov随机场的能量形式,然后通过最大后验概率(MAP)方法估计Markov随机场的参数,并通过

迭代方法求解。层次MRF采用基于直方图的DAEM算法估计标准有限正交混合(SFNM)参数的全局最优值,并基于MRF先验参数的实际意义,采用一种近似的方法来简化这些参数的估计。林亚忠等采用的混合金字塔Gibbs随机场模型,有效地解决了传统最大后验估计计算量庞大和Gibbs 随机场模型参数无监督及估计难等问题,使分割结果更为可靠。

3.2基于模糊集理论的方法

医学图像一般较为复杂，有许多不确定性和不精确性，也即模糊性。所以有人将模糊理论引入到图像处理与分析中，其中包括用模糊理论来解决分割问题。基于模糊理论的图形分割方法包括模糊阈值分割方法、模糊聚类分割方法等。模糊阈值分割技术利用不同的S型隶属函数来定义模糊目标，通过优化过程最后选择一个具有最小不确定性的S函数，用该函数表示目标像素之间的关系。这种方法的难点在于隶属函数的选择。模糊C均值聚类分割方法通过优化表示图像像素点与C各类中心之间的相似性的目标函数来获得局部极大值，从而得到最优聚类。Venkateswarlu 等[改进计算过程，提出了一种快速的聚类算法。

3.2.1基于模糊理论的方法

模糊分割技术是在模糊集合理论基础上发展起来的,它可以很好地处理MR图像在的模糊性

和不确定性,而且对噪声不敏感。模糊分割技术主要有模糊阈值、模糊聚类、模糊边缘检测等。在各种模糊分割技术中,近年来模糊聚类技术,特别是模糊C-均值(FCM)聚类技术的应用最为广泛。FCM是一种非监督模糊聚类后的标定过程,非常适合存在不确定性和模糊性特点的MR图像。然而,FCM算法本质上是一种局部搜索寻优技术,它的迭代过程采用爬山技术来寻找最优解,因此容易陷入局部极小值,而得不到全局最优解。近年来相继出现了许多改进的FCM分割算法,其中快速模糊分割(FFCM)是最近模糊分割的研究热点。FFCM算法对传统FCM算法的初始化进行了改进,用K-均值聚类的结果作为模糊聚类中心的初值,通过减少FCM的迭代次数来提高模糊聚类的速度。它实际上是两次寻优的迭代过程,首先由K-均值聚类得到聚类中心的次最优解,再由FCM进行模糊聚类,最终得到图像的最优模糊分割。

3.2.2基于神经网络的方法

按拓扑机构来分,神经网络技术可分为前向神经网络、反馈神经网络和自组织映射神经网络。目前已有各种类型的神经网络应用于医学图像分割,如江宝钏等利用MRI多回波性,采用有指导的BP神经网络作为分类器,对脑部MR图像进行自动分割。而Ahmed和Farag则是用自组织Kohenen网络对CT/MRI脑切片图像进行分割和标注,并将具有几何不变性的图像特征以模式的形式输入到Kohenen网络,进行无指导的体素聚类,以得到感兴趣区域。模糊神经网络(FNN)分割技术越来越多地得到学者们的青睐,黄永锋等提出了一种基于FNN的颅脑MRI半自动分割技术,仅对神经网络处理前和处理后的数据进行模糊化和去模糊化,其分割结果表明FNN分割技术的抗噪和抗模糊能力更强。

3.2.3基于小波分析的分割方法

小波变换是近年来得到广泛应用的一种数学工具，由于它具有良好的时一频局部化特征、尺度变化特征和方向特征，因此在图像处理上得到了广泛的应用。

小波变换和分析作为一种多尺度多通道分析工具，比较适合对图像进行多尺度的边缘检测，典型的有如Mallat小波模极大值边缘检测算法[6

3.3基于知识的方法

基于知识的分割方法主要包括两方面的容:(1)知识的获取,即归纳提取相关知识,建立知识

库；(2)知识的应用,即有效地利用知识实现图像的自动分割。其知识来源主要有:(1)临床知识,即某种疾病的症状及它们所处的位置；(2)解剖学知识,即某器官的解剖学和形态学信息,及其几何学与拓扑学的关系,这种知识通常用图谱表示；(3)成像知识,这类知识与成像方法和具体设备有关；(4)统计知识,如M I的质子密度(PD)、T1和T2统计数据。Costin等提出了一种基于知识的模糊分割技术,首先对图像进行模糊化处理,然后利用相应的知识对各组织进行模糊边缘检测。而逢等则提出了一种基于知识的人脑三维医学图像分割显示的方法。首先,以框架为主要表示方法,建立完整的人脑三维知识模型,包含脑组织几何形态、生理功能、图像灰度三方面的信息；然后,采用“智能光线跟踪”方法,在模型知识指导下直接从体积数据中提取并显示各组织器官的表面。

3.4基于模型的方法

该方法根据图像的先验知识建立模型,有动态轮廓模型(Active Contour Model,又称Snake)、组合优化模型等,其中Snake最为常用。Snake算法的能量函数采用积分运算,具有较好的抗噪性,对目标的局部模糊也不敏感,但其结果常依赖于参数初始化,不具有足够的拓扑适应性,因此很多学者将Snake与其它方法结合起来使用,如王蓓等利用图像的先验知识与Snake结合的方法,避开图像的一些局部极小点,克服了Snake方法的一些不足。Raquel等将径向基网络(RBFNN cc)与Snake相结合建立了一种混合模型,该模型具有以下特点:(1)该混合模型是静态网络和动态模型的有机结合；( 2)Snake的初始化轮廓由RBFNN cc提供；(3)Snake的初始化轮廓给出了最佳的控制点；(4)Snake的能量方程中包含了图像的多谱信息。Luo等提出了一种将live wire算法与Snake相结合的医学图像序列的交互式分割算法,该算法的特点是在少数用户交互的基础上,可以快速可靠地得到一个医学图像序列的分割结果。

由于医学图像分割问题本身的困难性，目前的方法都是针对某个具体任务而言的，还没有一个通用的解决方法。综观近几年图像分割领域的文献，可见医学图像分割方法研究的几个显著特点：（1）学者们逐渐认识到现有任何一种单独的图像分割算法都难以对一般图像取得比较满意的结果，因而更加注重多种分割算法的有效结合；（2）在目前无法完全由计算机来完成图像分割任务的情况下，半自动的分割方法引起了人们的广泛注意，如何才能充分利用计算机的运算能力，使人仅在必要的时候进行必不可少的干预，从而得到满意的分割结果是交互式分割方法的核心问题；（3）新的分割方法的研究主要以自动、精确、快速、自适应和鲁棒性等几个方向作为研究目标，经典分割技术与现代分割技术的综合利用（集成技术）是今后医学图像分割技术的发展方向。

4．医学图像配准和融合

医学图像可以分为解剖图像和功能图像2 个部分。解剖图像主要描述人体形态信息，功能图像主要描述人体代信息。为了综合使用多种成像模式以提供更全面的信息，常常需要将有效信息进行整合。整合的第一步就是使多幅图像在空间域中达到几何位置的完全对应，这一步骤称为“配准”。整合的第二步就是将配准后图像进行信息的整合显示，这一步骤称为“融合”。

在临床诊断上，医生常常需要各种医学图像的支持，如CT、MRI、PET、SPECT以及超声图像等，但无论哪一类的医学图像往往都难以提供全面的信息，这就需要将患者的各种图像信息综合研究19]，而要做到这一点，首先必须解决图像的配准(或叫匹配)和融合问题。医学图像配准是确定两幅或多幅医学图像像素的空间对应关系；而融合是指将不同形式的医学图像中的信息综合到一起，形成新的图像的过程。图像配准是图像融合必需的预处理技术，反过来，图像融合是图像配准的一个目的。

4.1 医学图像配准

医学图像配准包括图像的定位和转换，即通过寻找一种空间变换使两幅图像对应点达到空间位置上的配准，配准的结果应使两幅图像上所有关键的解剖点或感兴趣的关键点达到匹配。20世纪90年代以来，医学图像配准的研究受到了国外医学界和工程界的高度重视，1993年Petra 等]综述了二维图像的配准方法，并根据配准基准的特性，将图像配准的方法分为两大类：基于外部特征（有框架）的图像配准和基于部特征（无框架）的图像配准。基于外部特征的方法包

括立体定位框架法、面膜法及皮肤标记法等。基于外部特征的图像配准，简单易行，易实现自动化，能够获得较高的精度，可以作为评估无框架配准算法的标准。但对标记物的放置要求高，只能用于同一患者不同影像模式之间的配准，不适用于患者之间和患者图像与图谱之间的配准，不能对历史图像做回溯性研究。基于部特征的方法是根据一些用户能识别出的解剖点、医学图像中相对运动较小的结构及图像部体素的灰度信息进行配准。基于部特征的方法包括手工交互法、对应点配准法、结构配准法、矩配准法及相关配准法。基于部特征的图像配准是一种交互性方法，可以进行回顾性研究，不会造成患者不适，故基于部特征的图像配准成为研究的重点。

近年来，医学图像配准技术有了新的进展，在配准方法上应用了信息学的理论和方法，例如应用最大化的互信息量作为配准准则进行图像的配准，在配准对象方面从二维图像发展到三维多模医学图像的配准。例如Luo等利用最大互信息法对CT-MR和MR-PET三维全脑数据进行了配准，结果全部达到亚像素级配准精度。在医学图像配准技术方面引入信号处理技术，例如傅氏变换和小波变换。小波技术在空间和频域上具有良好的局部特性，在空间和频域都具有较高的分辨率，应用小波技术多分辨地描述图像细貌，使图像由粗到细的分级快速匹配，是近年来医学图像配准的发展之一。国外学者在这方面作了大量的工作，如Sharman等提出了一种基于小波变换的自动配准刚体图像方法，使用小波变换获得多模图像特征点然后进行图像配准，提高了配准的准确性。另外，非线性配准也是近年来研究的热点，它对于非刚性对象的图像配准更加适用，配准结果更加准确。

目前许多医学图像配准技术主要是针对刚性体的配准，非刚性图像的配准虽然已经提出一些解决的方法，但同刚性图像相比还不成熟。另外，医学图像配准缺少实时性和准确性及有效的全自动的配准策略。向快速和准确方面改进算法，使用最优化策略改进图像配准以及对非刚性图像配准的研究是今后医学图像配准技术的发展方向。

4.2 医学图像融合

图像融合的主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可读性,对多幅

图像间的互补信息的处理来提高图像的清晰度。不同的医学影像设备获取的影像反映了不同的信息：功能图像（SPECT、PET 等）分辨率较差，但它提供的脏器功能代和血液流动信息是解剖图像所不能替代的；解剖图像（CT、MRI、B 超等）以较高的分辨率提供了脏器的解剖形态信息，其中CT 有利于更致密的组织的探测，而MRI能够提供软组织的更多信息。多模态医学图像的融合把有价值的生理功能信息与精确的解剖结构结合在一起，可以为临床提供更加全面和准确的资料。

医学图像的融合可分为图像融合的基础和融合图像的显示。（1）图像融合的基础：目前的图像融合技术可以分为2 大类，一类是以图像像素为基础的融合法；另一类是以图像特征为基础的融合方法。以图像像素为基础的融合法模型可以表示为：

其中，为融合图像，为源图像，为相应的权重。以图像特征为基础的融合方法在原理上不够直观且算法复杂，但是其实现效果较好。图像融合的步骤一般为：①将源图像分别变换至一定变换域上；②在变换域上设计一定特征选择规则；③根据选取的规则在变换域上创建融合图像；

④逆变换重建融合图像。（2）融合图像的显示：融合图像的显示方法可分成2 种：空间维显示和时间维显示。

目前，医学图像融合技术中还存在较多困难与不足。首先，基本的理论框架和有效的广义融合模型尚未形成。以致现有的技术方法还只是针对具体病症、具体问题发挥作用，通用性相对较弱。研究的图像以CT、MRI、核医学图像为主，超声等成本较低的图像研究较少且研究主要集中于大脑、肿瘤成像等；其次，由于成像系统的成像原理的差异，其图像采集方式、格式以及图像的大小、质量、空间与时间特性等差异大，因此研究稳定且精度较高的全自动医学图像配准与融合方法是图像融合技术的难点之一；最后，缺乏能够客观评价不同融合方法融合效果

优劣的标准，通常用目测的方法比较融合效果，有时还需要利用到医生的经验。

在图像融合技术研究中，不断有新的方法出现，其中小波变换在图像融合中的应用，基于有限元分析的非线性配准以及人工智能技术在图像融合中的应用将是今后图像融合研究的热点与方向。随着三维重建显示技术的发展，三维图像融合技术的研究也越来越受到重视，三维图像的融合和信息表达，也将是图像融合研究的一个重点。

5．医学图像纹理分析

一般认为图像的纹理特征描述物体表面灰度或颜色的变化,这种变化与物体自身属性有关,是某种纹理基元的重复。Sklansky早在1978年给出了一个较为适合于医学图像的纹理定义:“如果图像的一系列固有的统计特性或其它的特性是稳定的、缓慢变化的或者是近似周期的,那么则认为图像的区域具有不变的纹理”。纹理的不变性即指纹理图像的分析结果不会受到旋转、平移、以及其它几何处理的影响。目前从图像像素之间的关系角度,纹理分析方法主要包括以下几种。

5.1 统计法

统计分析方法主要是基于图像像素的灰度值的分布与相互关系,找出反映这些关系的特征。基本原理是选择不同的统计量对纹理图像的统计特征进行提取。这类方法一般原理简单,较易实现,但适用围受到限制。该方法主要适合医学图像中那些没有明显规则性的结构图像,特别适合于具有随机的、非均匀性的结构。统计分析方法中,最常用的是共生矩阵法,其中有灰度共生矩阵(gray level co-occurrence matrix , GLCM)和灰度—梯度共生矩阵。杜克大学的R. Voracek 等使用GLCM对肋间周边区提取的兴趣区(region of interest, ROI)进行计算,测出了有意义的纹理参数。另外,还有长游程法(run length matrix ,RLM),其纹理特征包括短游程优势、长游程优势、灰度非均匀化、游程非均匀化、游程百分比等,长游程法是对图像灰度关系的高阶统计,对于给定的灰度游程,粗的纹理具有较大的游程长度,而细的纹理具有较小的游程长度。

5.2 结构法

结构分析方法是分析纹理图像的结构,从中获取结构特征。结构分析法首先将纹理看成是有许多纹理基元按照一定的位置规则组成的,然后分两个步骤处理（1）提取纹理基元；（2）推论纹理基元位置规律。目前主要用数学形态学方法处理纹理图像,该方法适合于规则和周期性纹理,但由于医学图像纹理通常不是很规则,因此该方法的应用也受到限制,实际中较少采用。

5.3 模型法

模型分析方法认为一个像素与其邻域像素存在某种相互关系,这种关系可以是线性的,也可以是符合某种概率关系的。模型法通常有自回归模型、马尔科夫随机场模型、Gibbs随机场模型、分形模型,这些方法都是用模型系数来表征纹理图像,其关键在于首先要对纹理图像的结构进行分析以选择到最适合的模型,其次为如何估计这些模型系数。如何通过求模型参数来提取纹理特征,进行纹理分析,这类方法存在着计算量大,自然纹理很难用单一模型表达的缺点。

5.4 频谱法

频谱分析方法主要基于滤波器理论，包括傅立叶变换法、Gabor变换法和小波变换法。

1973年Bajcsy使用傅立叶滤波器方法分析纹理。Indhal等利用2-D快速傅立叶变换对纹理图像进行频谱分析,从而获得纹理特征。该方法只能完成图像的频率分解,因而获得的信息不是很充分。1980年Laws对图像进行傅氏变换,得出图像的功率谱,从而提取纹理特征进行分析。

Gabor函数可以捕捉到相当多的纹理信息,且具有极佳的空间/频域联合分辨率,因此在实际中获得了较广泛的应用。小波变换法大体分金子塔形小波变换法和树形小波变换法(小波包法)。

小波变换在纹理分析中的应用是Mallat在1989年首先提出的,主要用二值小波变换(Discrete Wavelet Transform, DWT),之后各种小波变换被用于抽取纹理特征。传统的金字塔小波变换在各分解级仅对低频部分进行分解,所以利用金字塔小波变换进行纹理特征提取是仅

利用了纹理图像低频子带的信息,但对某些纹理,其中高频子带仍含有有关纹理的重要特征信息(如对具有明显的不规则纹理的图像,即其高频子带仍含有有关纹理的重要特征)得不到利用。使

用在每个分解级对所有的频率通道均进行分解的完全树结构小波变换提取特征,能够较全面地

提取有关纹理特征。

由于医学图像及其纹理的复杂性，目前还不存在通用的适合各类医学图像进行纹理分析的方法，因而对于各类不同特点的医学图像就必须采取有针对性地最适合的纹理分析技术。另外，在应用某一种纹理分析方法对图像进行分析时，寻求最优的纹理特征与纹理参数也是目前医学图像纹理分析中的重点和难点。

6．总结

随着远程医疗技术的蓬勃发展，对医学图像处理提出的要求也越来越高。医学图像处理技术发展至今，各个学科的交叉渗透已是发展的必然趋势，其中还有很多亟待解决的问题。有效地提高医学图像处理技术的水平，与多学科理论的交叉融合、医务人员和理论技术人员之间的交流就显得越来越重要。多维、多参数以及多模式图像在临床诊断（包括病灶检测、定性，脏器功能评估，血流估计等）与治疗（包括三维定位、体积计算、外科手术规划等）中将发挥更大的作用。

参考文献

[1] P. Suetens. Fundamentals of Medical Imaging[M]. Cambridge University Press，2002．

[2] 俊敏，黄忠全，王世耕，颖. 医学图像处理技术的现状及发展方向[J]. 医疗卫生设备，2005，Vol26 （12）：25-26.

[3] 田娅，饶妮妮，蒲立新. 国医学图像处理技术的最新动态[J]. 电子科技大学学报，2002，Vol31（5）：485-489.

[4] 周刚慧，施鹏飞．磁共振图像的随机场分割方法[J]．交通大学学报，2001，Vol35（11）：1655．

[5] Zhang HM，Yuan ZJ，Cai ZM. Segmentation of MRI using hierarchical markov random field[J]. Journal of

Software，2002，Vol13（9）：1779.

[6] 林亚忠，武凡，丰. 基于混合金字塔吉布斯随机场模型的图像分割[J]. 中国生物医学工程学报，

2004，Vol23（1）：79.

[7] 聂生东，瑛，顾．磁共振颅脑图像快速模糊聚类分割算法研究[J]．中国生物医学工程学报，2001，

Vol20（2）：104．

[8] 江宝钏，钧良．基于BP 神经网络的MRI 分割[J]. 微机发展，2000，Vol1：67.

[9] Ahmed MN，Farag A. Two-stage neural network for volume segmentation of medical images[J]. Proceedings

of IEEE International Conference on Neural Networks，1997，Vol28（3）：1373.

[10] 黄永峰，岑康，司京玉等. 模糊神经网络在颅脑磁共振图像分割中的应用研究[J]. 中国生物医学工程

学报，2003，Vol22（6）：508.

[11] Costin H，Rotariu CR. Knowledge-based contour detection in medical imaging using fuzzy logic[J]. International Symposium on SCS’03，2003，1：273.

[12] 逢，罗立民，田雪琴. 基于知识的人脑三维医学图像分割显示方法[J]. 生物医学工程学杂志，1997，Vol14（2）：124.

[13] 王蓓，立明. 利用图像先验知识与Snake 结合对心脏序列图像的分割[J]. 复旦大学学报（自然科学版），2003，Vol42（1）：81.

[14] Raquel VC，Veronica MB，Oscar YS. Coupling of radial-basis network and active contour model for multi

spectral brain MRI segmentation[J]. IEEE Transactions on Biomedical Engineering，2004，Vol51（3）：459.

[15] Luo XP，Tian J，Lin Y. An algorithm for segmentation of medical image series based on active contour

model[J]. Journal of Software，2002，Vol13（6）：1050.

[16] Hallpike L，Hawkes DJ. Medical image registration: An overview[J]. Br Institute Radiol，2004，Vol14（6）：

455-463.

[17] Petra A，Elsen V. Medical Image maching: A review with classification[J]. IEEE Trans Med Image，1993，

Vol12（3）：26-39.

[18] Luo Shuo-qian，Li Xiang. Implementation of mutual information based multi-modality medical image registration[A]. Eng Med Bill Soc Proc 22nd Ann Int Conf IEEE[C]. Navy Pier Convention Center Chicago，Illinois，USA：The Institute of Electrical and Electrical and Electronics Engineers，Ind，2000，2：1447-1450.

[19] Sharman R，Tyler JM，Pianykh OL，et al. A fast and accurate to method to register medical images using

wavelet modulus maxima[J]. Patt Recog Lett，2000，21：447-462.

[20] Lester H，Arridge SR. A Survey of hierarchicl non-linear medical image registration[J]. Pattern Recognition，

1999，32：129-149.

[21] 卢健，胡志忠，如乃. 医学图像融合技术的研究[J]. 生物医学工程，2006，Vol27（3）：163-167.

[22] 王新成. 高级图像处理技术[M]. ：中国科学技术，2001.

[23] R Voracek，H P McAdams，C E Floyd. Computer Aided Diagnosis of Interstitial Lung Disease: a Texture Feature Extraction and Classification Approach[J]. Proc of SPIE，1998，3338：1502-1509.

[24] U Indhal. Evaluation of alternative spectral feature extraction Methods of textural images for multivariate

modeling[J]. Journal of Chemometrics，1998，Vol12（4）：261-278.

The Overview of Medical Image Processing Technology Fan Shangchun Zhou You

School of Instrumentation Science & Opto-electronics Engineering, BeijingUniversity of

Aeronautics and Astronautics, Beijing, P. R. China (100083)

Abstract

The present situation and development of such medical image processing techniques are summarized as

the techniques of image segmentation, image registration, image fusion and texture analysis. On the

basis of analyzing the relative techniques, the problems have been put forward what we are facing with

the development of medical miage processing techniques. At the end of this paper, the development

tendency of medical image processing is predicted.

Key words: medical image processing; image segmentation; image registration; image fusion; texture

analysis

医学图像分割综述

医学图像分割综述郭爱心安徽大学摘要：图像分割是图像处理和分析的关键。随着影像医学的发展，图像分割在医学应用中具有重要意义。本文从医学应用的角度出发，对医学图像分割的意义、方法、评估标准和发展前景做出了简单综述。关键字：医学图像分割意义方法评估标准发展前景AReviewofMedicalImageSegmentation Ai- XinGuoAnhuiUniversityAbstract:Imagesegmentationisthekeyofimageprocessingandanalysis.Withthede velopmentofmedicalimage,imagesegmentationisofgreatsignificanceinmedicalapplications.Fromtheper spectiveofmedicalapplications,thispapermadeasimplereviewofthemedicalimagesegmentationonit’ssig nificance、methods、evaluationstandardsanddevelopmentprospects.words:Keymedical image,segmentation,sig nificance,methods,evaluation standards,developmentprospects1.医学图像分割的意义图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。医学图像包括CT、正电子放射层析成像技术（PET）、单光子辐射断层摄像（SPECT）、MRI（磁共振成像技术）、Ultrasound（超[2]声）及其它医学影像设备所获得的图像。医学图像分割是将原始的2D或3D图像划分成[1]不同性质(如灰度、纹理等)的区域，从而把感兴趣的区域提取出来。医学图像分割是一个非常有研究价值和研究意义的领域，对疾病诊断、图像引导手术以及医学数据可视化等有重要作用，为临床诊疗和病理学研究提供可靠的依据。医学图像处理有其复杂性和多样性。由于医学图像的成像原理和组织本身的特性差异，图像的形成受到诸如噪音、场偏移效应、局部体效应和组织运动等的影响，医学图像与普通图像相比较，不可

数字图像处理在医学上的应用

数字图像处理的应用 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号，并通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。 进行数字图像处理所需要的设备包括摄像机、数字图像采集器（包括同步控制器、模数转换器及帧存储器）、图像处理计算机和图像显示终端。 图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。 接下来，就讨论一下数字图像处理在医学上的应用。 自发现X射线以来,在医学领域可以用图像的形式揭示更多有用的医学信息,医学的诊断方式也发生了巨大的变化。随着科学技术的不断发展,现代医学已越来越离不开医学图像的信息处理。 目前的医学图像包括CT图像、核磁共振图像、B超扫描图像、数字X 光机图像、X 射线透视图像、各种电子内窥镜图像、显微镜下病理切片图像等。由于人眼识别度等客观因素的影响，大部分的图像需要依靠计算机的帮助。随着数字图像处理技术的发展，对这些图像的分析以及处理，会变得更加快捷，分析的结果也会更加精准。

与其他领域的应用相比较，医学影像等卫生领域信息更具独特性，医学图像较普通图像纹理更多，分辨率更高，相关性更大，存储空间要更大，并且为严格确保临床应用的可靠性，其压缩、分割等图像预处理、图像分析及图像理解等要求更高。 首先，对于一个病例，要进行图像采集，由于采集到的图像因试验测量系统和测量者个人因素存在较多噪声,所以要先通过预处理对图像进行去噪处理和灰度变换处理等使其变得较为清晰。预处理完成后再利用中心路径提取算法对所获取的图像进行进一步处理。 接下来要做的就是图像处理。 先对图像二值化，二值形态学的运算对象是集合给出一个图像集合和一个结构元素集合利用结构元素对图像进行操作。然后做中心线的提取等。 使用计算机进行图像的采集预处理以及二值化和计算排除了人为测 量的不精确性和误差提高了测量结果的可靠性。 随着信息技术的飞速发展和计算机应用水平的不断提高，利用计算机断层成像、正电子放射层析成像、单光子辐射断层摄像、磁共振成像、超声成像及其它医学影像设备所获得的图像被广泛应用于医疗诊断、组织容积定量分析、病变组织定位、解剖结构学习、治疗规划、功能成像数据的局部体效应校正、计算机指导手术和术后监测等各个环节。 医学图像处理借助于计算机图形、图像技术,使医学图像的质量和显示方法得到了极大的改善。这不仅可以基于现有的医学影像设备来极

医学图像处理(名词解释广医)

1.单元数组：单元数组中的数据成员是用数字来标识的，是每一个元素为一个单元的数组 2.结构体：结构体的数据成员是用名称来标识的，组成成员为字段，结构体采用点号来调 用（访问）字段中的数据；７ 3.灰度图像：灰度图像对应着一个数据矩阵（二维数组），数组元素的值表示图像在该位 置上的亮度值；２３ 4.二值图像：灰度级为2的图像就是二值图像，二值图像只有两个颜色，黑与白；２３ 5.RGB图像：RGB图像有三个颜色值，用mxnx3数组表示，分别表示红色值。绿色值、蓝 色值；２３ 6.HSV图像：ＨＳＶ图像也是用mxnx3数组表示的，三个矩阵分别表示色彩值、饱和度、 亮度；２４ 7.索引图像：索引图像由数值矩阵和颜色映射数组组成，数值矩阵是每个像素的颜色索引 编号，通过这个编号到颜色数组中寻找颜色；２４ 8.ＪＰＥＧ图像ＪＰＥＧ标准时目前比较流行的连续色调静止画面标准，是一种很灵活的 格式，具有调节图像质量的功能，允许用不同的压缩比列对文件进行压缩，支持多种压缩级别；２７ 9.ＧＩＦ图像：ＧＩＦ文件的数据时一种基于ＬＺＷ算法的、连续色调的无损压缩的格式， 分为静态ＧＩＦ和动画ＧＩＦ两种；２７ 10.ＭＰＥＧ图像：是国际标准化组织制定的标准，可以压缩视频、音频。动画数字形式； ２９ 11.基于图像的动画制作：动画效果是由一幅幅图形变化产生的，如果这些图形来自于图像， 那么就称改动画为基于图像的动画；３１ 12.最近邻插值方法：最近邻插值方法是ｉｍｒｅｓｉｚｅ函数默认的插值方法，就是令变 换后像素的灰度值等于距它最近的输入像素的灰度值；３９ 13.双线性插值方法：双线性插值是由两个变量的插值函数的线性插值扩展，其核心 思想是在两个方向分别进行一次线性插值；４１ 14.双立方插值方法：“双”的意思就是在计算了横向插值影响的基础上，把上述运算 拓展到二维空间，再计算纵向插值影响的意思，双立方插值的每个插值是由它附近的（4 x 4）个邻近象素值推算出来的，双立方插值算法能够得到相对清晰的画面质量，不过计算量也变大；４１ 15.领域操作：是指在图像操作时，输入要处理的像素的某领域内各个像素值，输出 要处理的像素的新值；４８ 16.分离块操作：使用函数ｃｏｌｆｉｌｔ进行图像领域ｄｉｓｔｉｎｃｔ操作５６ 17.图像增强：是对图像进行操作，得到视觉更好或者更有用的新图像；５９ 18.灰度调整：灰度调整方法是基于灰度直方图的一种图像增强方法，增加灰度图像 的明暗对比度，使图像变得更加清楚；６０ 19.图像滤波：滤波是一种应用广泛的图像处理技术，可以通过滤波来强调或删除图 像的某些特征，滤波是一种领域操作，即处理后的图像每个像素值是原来像素周围的颜色值经过某种计算得到的；６９ 20.图像矩阵的特征值：设 A 是n阶方阵，如果存在数m和非零n维列向量x，使得 Ax=mx 成立，则称m 是A的一个特征值。非零n维列向量x称为矩阵A的属于（对应于）特征值m的特征向量；８４

医学图像分割方法综述

医学图像分割方法综述 林瑶，田捷1 北京,中国科学院自动化研究所人工智能实验室,100080 摘要: 图像分割是一个经典难题，随着影像医学的发展，图像分割在医学应用中具有特殊的重要意义。本文从医学应用的角度出发，对医学图像分割方法，特别是近几年来图像分割领域中出现的新思路、新方法或对原有方法的新的改进给出了一个比较全面的综述，最后总结了医学图像分割方法的研究特点。 关键词：医学图像分割 综述 1．背景介绍 医学图像包括CT 、正电子放射层析成像技术（PET ）、单光子辐射断层摄像（SPECT ）、MRI （磁共振成像技术）、Ultrasound （超声）及其它医学影像设备所获得的图像。随着影像医学在临床医学的成功应用，图像分割在影像医学中发挥着越来越大的作用[1]。图像分割是提取影像图像中特殊组织的定量信息的不可缺少的手段，同时也是可视化实现的预处理步骤和前提。分割后的图像正被广泛应用于各种场合，如组织容积的定量分析，诊断，病变组织的定位，解剖结构的学习，治疗规划，功能成像数据的局部体效应校正和计算机指导手术[2]。 所谓图像分割是指将图像中具有特殊涵义的不同区域区分开来，这些区域是互相不交叉的，每一个区域都满足特定区域的一致性。 定义 将一幅图像，其中g x y (,)0≤≤x Max x _,0≤≤y Max y _，进行分割就是将图像划分为满足如下条件的子区域...： g 1g 2g 3 (a) ，即所有子区域组成了整幅图像。 (b) 是连通的区域。 g k (c) ，即任意两个子区域不存在公共元素。 (d) 区域满足一定的均一性条件。均一性（或相似性）一般指同一区域内的像素点之间的灰度值差异较小或灰度值的变化较缓慢。 g k 如果连通性的约束被取消，那么对像素集的划分就称为分类（pixel classification），每一个像素集称为类（class）。在下面的叙述中，为了简单，我们将经典的分割和像素分类通称为分割。 医学图像分割到今天仍然没有获得解决，一个重要的原因是医学图像的复杂性和多样性。由于医学图像的成像原理和组织本身的特性差异，图像的形成受到诸如噪音、场偏移效应、局部体效应和组织运动等的影响，医学图像与普通图像比较，不可避免的具有模糊、不均匀性等特点。另外，人体的解剖组织结构和形状复杂，而且人与人之间有相当大的差别。这些都给医学图像分割的分割带来了困难。传统的分割技术或者完全失败，或者需要一些特殊的处理技术。因此，我们有必要针对医学应用这个领域，对图像分割方法进行研究。 为了解决医学图像的分割问题，近几年来，很多研究人员做了大量的工作，提出了很多实用的分割算法[2][3][4]，随着统计学理论、模糊集理论、神经网络、形态学理论、小波理论等在图像分割中的应用日渐广泛，遗传算法、尺度空间、多分辨率方法、非线性扩散方程等近期涌现的新方法和新思想也不断被用于解决分割问题，国内外学者提出了不少有针对性的好分割方法。本文将主要介绍近几年这一领域中研究人员提出的新方法或对原有方法的新改进。需要指出的是，由于从不同的角度将得到不同的分类结果，本文中所涉及方法的分类并不是绝对的，而且许多分割方法还是多种简单方法的综合体，我们只能大致将它们分为属于最能反映其特点 1x x g N k k =),(),(y g y =∪φ=(y y g j k ∩),(),x g x 1 联系人：田捷 电话：82618465 E-mail:tian@https://www.docsj.com/doc/1918925792.html,

数字图像处理在医学上的应用

数字图像处理在医学上的应用 1 引言 自伦琴1895年发现X射线以来,在医学领域可以用图像的形式揭示更多有用的医学信息,医学的诊断方式也发生了巨大的变化。随着科学技术的不断发展,现代医学已越来越离不开医学图像的信息处理, 医学图像在临床诊断、教学科研等方面有重要的作用。目前的医学图像主要包括CT (计算机断层扫描) 图像、MRI( 核磁共振)图像、B超扫描图像、数字X 光机图像、X 射线透视图像、各种电子内窥镜图像、显微镜下病理切片图像等。但是由于医学成像设备的成像机理、获取条件和显示设备等因素的限制, 使得人眼对某些图像很难直接做出准确的判断。计算机技术的应用可以改变这种状况，通过图像变换和增强技术来改善图像的清晰度, 突出重要的内容，抑制不重要的内容,以适应人眼的观察和机器的自动分析，这无疑大大提高了医生临床诊断的准确性和正确性。 数字图像处理的基本方法就是图像复原与图像增强。图像复原就是尽可能恢复原始图像的信息量,尽量保真。数字化的一个基本特征是它所固有的噪声。噪声可视为围绕真实值的随机波动, 是降低图像质量的主要因素。图像复原的一个基本问题就是消除噪声。图像增强就是通过利用人的视觉系统的生理特性更好地分辨图像细节。 与其他领域的应用相比较，医学影像等卫生领域信息更具独特性，医学图像较普通图像纹理更多，分辨率更高，相关性更大，存储空间要更大，并且为严格确保临床应用的可靠性，其压缩、分割等图像预处理、图像分析及图像理解等要求更高。医学图像处理跨计算机、数学、图形学、医学等多学科研究领域，医学图像处理技术包括图像变换、图像压缩、图像增强、图像平滑、边缘锐化、图像分割、图像识别、图像融合等等。在此联系数字图像处理的相关理论知识和步骤设计规划系统采集和处理的具体流程同时充分考虑到图像采集设备的拍摄效果以及最终处理结果的准确性，例举了基于图像处理技术的人体手指甲襞处微血管管袢直径的测量方法。 2人体微血管显微图像的采集 人体微血管显微图像的采集采用了如图1所示的显微光学系统和图像采集系统主要由透镜模组滤镜模组光源系统电荷耦合器件以及图像采集卡等构成。 图1显微光学系统与图像采集系统示意图

图像处理论文

图像处理技术近期发展及应用 摘要：图像处理技术的研究和应用越来越收到社会发展的影响，并以自身的技术特点反过来影响整个社会技术的进步。本文主要简单概括了数字图像处理技术近期的发展及应用现状，列举了数字图像处理技术的主要优点和制约其发展的因素，同时设想了图像处理技术在未来的应用和发展。 关键字：图像处理发展技术应用 1.概述 1.1图像的概念 图像包含了它所表达的物体的描述信息。我们生活在一个信息时代，科学研究和统计表明，人类从外界获得的信息约有百分之七十来自视觉系统，也就是从图像中获得，即我们平常所熟知的照片，绘画，动画。视像等。 1.2图像处理技术 图像处理技术着重强调在图像之间进行的变换，主要目标是要对图像进行各种加工以改善图像的视觉效果并为其后的目标自动识别打基础，或对图像进行压缩编码以减少图像存储所需要的空间或图像传输所需的时间。图像处理是比较低层的操作，它主要在图像像素级上进行处理，处理的数据量非常大。 1.3优点分析 1．再现性好。数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。 2．处理精度高。按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。 3．适用面宽。图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。 4．灵活性高。图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 2.近期发展及应用领域

医学图像处理单选题样题

| 姓 名~ 】） 牡丹江医学院医学影像学院 — ]

% % & : > 、 1、医学图像处理是对 A：CRR B：DORI C：MRI D：USA 成像方法及图像处理方法的研究。 。 2、PET A：正电子发射型计算机断层 B：单光子发射型计算机断层 C：磁共振扫描断层 D：多普勒超声技术 3、医学图像前处理包括对 A：光学显微成像的处理 B：电子显微镜图片处理 C：内窥镜图像处理 D：CT的成像方法的研究 - 4、医学图像后处理包括对 A：MRI成像方法的研究 B：医学影像设备所成像的处理与研究 C：USI成像方法的研究 D：CT的成像方法的研究 5、以下医学影像设备正确的是 A：PECT B：SPECT C：MIR D：SUI （ 6、DSA A：数字剪影血管造影 B：磁共振功能成像 C：磁共振血管造影 D：数字放射摄影 7、fMRI A：数字剪影血管造影 B：磁共振功能成像 C：磁共振血管造影 D：数字放射摄影 - 8、医学超声成像的优点 A：对比度高 B：图形的重复性不依赖于操作人员 C：对人体无辐射损伤 D：可对全身所有器官进行检查

9、CT成像的特点 A：全方位成像 ` B：分辨率差 C：组织重叠 D：可实现断层解剖学成像 10、核医学 成像的特点 A：无放射危害 B：分辨率高 C：功能性成像 D：主要实现断层解剖学成像 11、MRI成像的特点 A：使用造影剂 | B：利用声音回波 C：无电离辐射 D：只能横断面断层 12、哪一个不是医学影像成像 A：PET B：SPECT C：fMRI D：DSAT 13、现代医学影像技术的发展方向 A：数字向模拟方向发展 ~ B：组织形态学成像向功能性成像发展 C：由立体像平面方向发展 D：由融合向单一成像技术发展 14、医学图像可以分为哪两类 A：结构图像与局部图像 B：结构图像与功能图像 C：功能性成像与立体成像 D：静态图像与动态图像 ！ * 【 ~ ; 15、核医学成像主要是取决于 A：脏器或组织的血流与细胞功能 B：成像设备的磁场强度 C：成像设备的X射线强度 D：人体组织与器官的氢原子数含量 16、融合技术应用于医学成像的目的是 A：使两张图片更好的连接 B：同时显示功能性信息及解剖学位置 C：方便比较两张医学图片的对比度 ￥ D：实现断层解剖学成像的3D显示 17、分子影像学是 A：探测构成疾病基础的分子异常 B：详细观察体内分子的细微结构 C：研究人体内分子的发光特点 D：研究探针的运动轨迹 18、那种融合技术有应用价值

ebnnuqc医学_图像处理技术

^ | You have to believe, there is a way. The ancients said:" the kingdom of heaven is trying to enter". Only when the reluctant step by step to go to it 's time, must be managed to get one step down, only have struggled to achieve it. -- Guo Ge Tech 医学图像处理技术 摘要：随着医学成像和计算机辅助技术的发展，从二维医学图像到三维可视化技术成为研究的热点，本文介绍了医学图像处理技术的发展动态，对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域中应用的基础上，提出了医学图像处理技术发展所面临的相关问题及其发展方向。关键词：医学图像处理；图像分割；图像配准；图像融合；纹理分析 1．引言 近20 多年来，医学影像已成为医学技术中发展最快的领域之一，其结果使临床医生对 人体部病变部位的观察更直接、更清晰，确诊率也更高。20 世纪70 年代初，X-CT 的发明 曾引发了医学影像领域的一场革命，与此同时，核磁共振成像象(MRI :Magnetic Resonance Imaging)、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。计算机和医学图像处理技术作为这些成像技术的发展基础，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究提供了有力的科学依据。 在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系,仅通过观察二维切片图象是很难实现的。因此,利用计算机图象处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析,可以大大提高医疗诊断的 准确性和可靠性。此外,它在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。 本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。 2．医学图像三维可视化技术 2.1三维可视化概述 医学图像的三维可视化的方法很多，但基本步骤大体相同，如图.。从#$ /&’(或超声等成像系统获得二维断层图像，然后需要将图像格式（如0(#1&）转化成计算机方便处理的格式。通过二维滤波，减少图像的噪声影响，提高信噪比和消除图像的尾迹。采取图像插值方法，对医学关键部位进行各向同性处理，获得体数据。经过三维滤波后，不同组织器官需要进行分割和归类，对同一部位的不同图像进行配准和融合，以利于进一步对某感兴趣部位的操作。根据不同的三维可视化要求和系统平台的能力，选择不同的方法进行三维体绘制，实现三维重构。

计算机医学图像处理

计算机医学图像处理 摘要: 本文着重介绍了计算机在医学图像处理方面的应用。主要表现为 CT、数字减影技术、超声图像以及目前正在国际上兴起的体视化技术( Volume Visualization) 等。 关键词: 计算机医学图像体视化技术 1医学图像的种类及其分类 1. 1医学图像种类 现代医学离不开医学影像( 图像) 信息的支持。 而医学研究和临床诊断所需要的医学影像是多种多 样的, 如病理切片图像、X 射线透视图像、CT 和 MRI 扫描影像、核医学影像、超声影像、红外线热成 像图像及窥镜图像等等。 1. 2医学图像分类及用途 功能各异的医学影像分为结构影像技术和功能 影像技术两大类。前者主要用于获取人体各器官解 剖结构图像, 借助此类结构透视图像, 不需要解剖检 查, 医学人员就可以诊断出人体器官的器质性病变。 CT 及MRI 便属于此类结构影像的代表。 然而在人体器官发生早期病变, 但器官外形结 构仍表现为正常时, 器官的某些生理功能, 如新陈代 谢等却开始发生异常变化。此时采用结构影像做结 构解剖性检查便无法及时诊断出病变的器官, 而需 借助基于SPECT 及PET 的功能影像技术。功能影 像能够检测到人体器官的生化活动状况, 并将其以 功能影像的方式呈现出来。 2计算机对医学图像的处理应用 2. 1直接控制成像过程( CT ) 的应用 CT 的本质是一种借助于计算机进行成像和数 据处理的断层图像技术。虽然X 线透视和照相可使 人们了解人体的内部结构, 断层摄影可粗略地表示 病灶的位置, 影像增强系统和静电摄影提高了透视 和断层摄影的分辨率, 但只有CT 通过计算机在排 除散射线和重叠影像的干扰并对X 线人体组织吸 收系统矩阵作定量分析后, 才从根本上解决了分辨 率问题。与普通的X 线透视横断层图像不同的是在 CT 技术中, 用测量X 线强度的检测系统代替作为图像接受器的胶片, X 线管与检测器系统同步旋转 运动: 用检测器以数据矩阵形式多次采集的投影值, 依据反投影原理和一定的数学模型重建图像代替一 次投影直接成像。总之, 计算机在CT 系统中的作用 是至关重要的。它要完成测量数据的采集、图像建 立、图像重建、图像评价和图像存储等任务, 它还要 将透过人体的X 线所组成的数字矩阵经处理、运算 后又变为可见的图像输出。没有计算机技术, CT 设

医学图像处理综述

医学图像处理综述 墨南-初夏2010-07-24 23:51:56 医学图像处理的对象是各种不同成像机理的医学影像。广泛使用的医学成像模式主要分为X射线成像(X—CT) ，核磁共振成像(MRI)，核医学成像(NMI)和超声波成像(UI) 这四类。 （1）x射线成像：传统x射线成像基于人体不同器官和组织密度不同。对x射线的吸收衰减不同形成x射线影像。（例如人体中骨组织密度最大，在图像上呈白影，肺是软组织并且含有气体，密度最低，在照片上的图像通常是黑影。）常用于对人体骨骼和内脏器官的疾病或损伤进行诊断和定位。现代的x射线断层成像(x—cT) 发明于20世纪70年代，是传统影像技术中最为成熟的成像模式之一，其速度已经快到可以对心脏实现动态成像。其缺点是医生要在病人接收剂量和片厚之间进行折衷选择，空间分辨率和对比度的还需进一步提高。 （2）核磁共振成像(MIR) 发展于20世纪70年代，到80年代才进入市场，这种成像设备具有在任意方向上的多切片成像、多参数和多核素成像、可实现整个空问的真三维数据采集、结构和功能成像，无放射性等优点。目前MRI的功能成像(fMRI) 是MIR设备应用的前沿领域，广泛应用于大脑功能性疾病的诊断,并为肿瘤等占位性病变提供功能信息。MRI 受到世人的广泛重视，其技术尚在迅速发展

过程中。 （3）核医学成像(NMI ) ，目前以单光子计算机断层成像(SPECT) 和正电子断层成像(PET) 为主，其基本原理是向人体注射放射性核素示踪剂，使带有放射性核素的示踪原子进入人体内要成像的脏器或组织通过测量其在人体内的分布来成像。NMI不仅可以提供静态图像，而且可提供动态图像。 （4）超声波成像(Ultrasonic Imaging ) ，属于非电离辐射的成像模态，以二维平面成像的功能为主，加上血液流动的彩色杜普勒超声成像功能在内，在市场上已经广泛使用。超声成像的缺点是图像对比度差、信噪比不好、图像的重复性依赖于操作人员。但是，它的动态实时成像能力是别的成像模式不可代替的 在目前的影像医疗诊断中，主要是通过观察一组二维切片图象去发现病变体．这往往需要借助医生的经验来判定。至于准确地确定病变体的空间位置、大小、几何形状及与周围 生物组织的空间关系，仅通过观察二维切片图象是很难实现的。因此，利用计算机图像处理技术对二维切片图象进行分析和处理。实现对人体器官，软组织和病变体的分割提取，三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分

计算机图形图像处理Photoshop课程标准

《计算机图形图像处理Photoshop》课程标准 衡阳技师学院龙大奇 长沙财经职业中专吴玉桃 课程名称：计算机图形图像处理Photoshop 建议学时：96~108 适用专业：计算机应用 教学条件：多媒体教室、机房 一、课程概述 （一）课程性质：1 20 Photoshop 是 Adobe 公司推出的一款目前非常流行、应用非常广泛的图片处理软件。伴随着计算机的普及和计算机在各行业的广泛应用，Photoshop 发挥了越来越大的作用。计算机和数码相机的普及，使用者可以在家中进行简单的图片处理，这使得 Photoshop 可以作为一个应用软件在所有学生中推广。社会上各种数码冲印、数码影楼、数码海报广告的出现也直接为很好学习 Photoshop 的学生提供了就业机会。 Photoshop 具备非常强大的图片处理功能，能很好的为动画、多媒体、网页制作等等提供经过处理制作的图片素材，图片处理的好坏直接关系到作品的美观效果，是计算机应用专业的学生必修的一门课程。 （二）课程定位 《计算机图形图像处理Photoshop》属于一门专业必修课，它之前的课程为《计算机应用基础》等课程；它之后为《Dreamweaver网页设计》、《Flash二维设计》、《3ds Max三维设计》等专业核心课程。在计算应用专业中起承上启下、连贯前后课程，围绕专业核心技能设置的。鉴于计算机图形图像处理的重要意义和在设计中重要作用，本课程作为平面设计的岗位职业能力培养，可以充分发挥学生的特长，拓展就业渠道。 二、课程设计理念 Photoshop 教学过程中应注重培养学生的思考和动手能力，把知识点穿插在实例中进行教学，一方面启迪学生去思考实例是如何实现的，另一方面让学生通过操作完成实例的创作。使学生在轻松愉快的过程中完成学习任务，掌握 Photoshop 的使用。教师应重视实例的选择，要求实例能突出新知识点，同时也兼顾旧知识点，操作的难度要适中，通过教学过程中的启迪和帮助能够完成教学任务。

图像分割阈值选取技术综述

图像分割阈值选取技术综述 中科院成都计算所刘平2004-2-26 摘要 图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要地领域之一,它是对图像进行视觉分析和模式识别地基本前提．阈值法是一种传统地图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛地分割技术．已被应用于很多地领域.本文是在阅读大量国内外相关文献地基础上,对阈值分割技术稍做总结,分三个大类综述阈值选取方法,然后对阈值化算法地评估做简要介绍. 关键词 图像分割阈值选取全局阈值局部阈值直方图二值化 1．引言 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交地区域,使得这些特征在同一区域内,表现出一致性或相似性,而在不同区域间表现出明显地不同[37]．简单地讲,就是在一幅图像中,把目标从背景中分离出来,以便于进一步处理.图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要地领域之一,它是对图像进行视觉分析和模式识别地基本前提．同时它也是一个经典难题,到目前为止既不存在一种通用地图像分割方法,也不存在一种判断是否分割成功地客观标准. 阈值法是一种传统地图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛地分割技术．已被应用于很多地领域,例如,在红外技术应用中,红外无损检测中红外热图像地分割,红外成像跟踪系统中目标地分割；在遥感应用中,合成孔径雷达图像中目标地分割等；在医学应用中,血液细胞图像地分割,磁共振图像地分割；在农业项目应用中,水果品质无损检测过程中水果图像与背景地分割.在工业生产中,机器视觉运用于产品质量检测等等.在这些应用中,分割是对图像进一步分析、识别地前提,分割地准确性将直接影响后续任务地有效性,其中阈值地选取是图像阈值分割方法中地关键技术. 2．阈值分割地基本概念 图像阈值化分割是一种最常用,同时也是最简单地图像分割方法,它特别适用于目标和背景占据不同灰度级范围地图像[1].它不仅可以极大地压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征提取与模式识别之前地必要地图像预处理过程.图像阈值化地目地是要按照灰度级,对像素集合进行一个划分,得到地每个子集形成一个与现实景物相对应地区域,各个区域内部具有一致地属性,而相邻区域布局有这种一致属性.这样地划分可以通过从灰度级出发选取一个或多个阈值来实现. 阈值分割法是一种基于区域地图像分割技术,其基本原理是：通过设定不同地特征阈值,把图像像素点分为若干类．常用地特征包括：直接来自原始图像地灰度或彩色特征；由原始灰度或彩色值变换得到地特征．设原始图像为f(x,y>,按照一定地准则在f(x,y>中找到特征值T,将图像分割为两个部分,分割后地图像为 若取：b0=0<黑）,b1=1<白）,即为我们通常所说地图像二值化. <原始图像）<阈值分割后地二值化图像） 一般意义下,阈值运算可以看作是对图像中某点地灰度、该点地某种局部特性以及该点在图像中地位置地一种函数,这种阈值函数可记作 T(x,y,N(x,y>,f(x,y>> 式中,f(x,y>是点(x,y>地灰度值；N(x,y>是点(x,y>地局部邻域特性．根据对T地不同约束,可以得到3种不同类型地阈值[37],即 点相关地全局阈值T＝T(f(x,y>> (只与点地灰度值有关> 区域相关地全局阈值T＝T(N(x,y>,f(x,y>> (与点地灰度值和该点地局部邻域特征有关> 局部阈值或动态阈值T＝T(x,y,N(x,y>,f(x,y>> (与点地位置、该点地灰度值和该点邻域特征有关> 图像阈值化这个看似简单地问题,在过去地四十年里受到国内外学者地广泛关注,产生了数以百计地阈值选取方法[2-9],但是遗憾地是,如同其他图像分割算法一样,没有一个现有方法对各种各样地图像都能得到令人满意地结果,甚至也没有一个理论指导我们选择特定方法处理特定图像. 所有这些阈值化方法,根据使用地是图像地局部信息还是整体信息,可以分为上下文无关(non-

医学图像处理技术综述

2009年第1期 福建电脑 医学图像处理技术综述 周贤善 (长江大学计算机科学学院湖北荆州434023) 【摘要】：医学影像已成为医学技术中发展最快的领域之一，临床医生在医学图象处理技术的帮助下，对人体内部病变部位的观察更直接、更清晰，确诊率也更高。本文对图像分割、图像配准和图像融合等医学图像处理技术的现状和发展进行了综述。 【关键词】：医学图像处理；图像分割；图像配准；图像融合 0、引言 医学图像处理的对象是各种不同成像机理的医学影像，临床广泛使用的医学成像模式主要分为X-射线成像（X-CT）、核磁共振成像（MRI）、核医学成像（NMI）和超声波成像（UI）四类。在目前的影像医疗诊断中，主要是通过观察一组二维切片图象去发现病变体，这往往需要借助医生的经验来判定。利用计算机图象处理技术对二维切片图象进行分析和处理，实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析，从而大大提高医疗诊断的准确性和可靠性；在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。医学图像处理技术包括很多方面，本文主要从图像分割、图像配准、图像融合技术方面进行介绍。 1、图像分割 医学图像分割就是一个根据区域间的相似或不同把图像分割成若干区域的过程。目前，主要以各种细胞、组织与器官的图像作为处理的对象。传统的图像分割技术有基于区域的分割方法和基于边界的分割方法，前者依赖于图像的空间局部特征，如灰度、纹理及其它象素统计特性的均匀性等，后者主要是利用梯度信息确定目标的边界。结合特定的理论工具，图象分割技术有了更进一步的发展。比如基于三维可视化系统结合FastMarching 算法和Watershed变换的医学图象分割方法，能得到快速、准确的分割结果[1]。 近年来，随着其它新兴学科的发展，产生了一些全新的图像分割技术。如基于统计学的方法、基于模糊理论的方法、基于神经网络的方法、基于小波分析的方法、基于模型的snake模型(动态轮廓模型)、组合优化模型等方法。虽然不断有新的分割方法被提出，但结果都不是很理想。目前研究的热点是一种基于知识的分割方法，即通过某种手段将一些先验的知识导入分割过程中，从而约束计算机的分割过程，使得分割结果控制在我们所能认识的范围内而不至于太离谱[2]。比如在肝内部肿块与正常肝灰度值差别很大时，不至于将肿块与正常肝看成2个独立的组织。 医学图像分割方法的研究具有如下显著特点：现有任何一种单独的图像分割算法都难以对一般图像取得比较满意的结果，要更加注重多种分割算法的有效结合；由于人体解剖结构的复杂性和功能的系统性，虽然已有研究通过医学图像的自动分割区分出所需的器官、组织或找到病变区的方法[3]，但目前现成的软件包一般无法完成全自动的分割，尚需要解剖学方面的人工干预[4]。在目前无法完全由计算机来完成图像分割任务的情况下，人机交互式分割方法逐渐成为研究重点；新的分割方法的研究主要以自动、精确、快速、自适应和鲁棒性等几个方向作为研究目标，经典分割技术与现代分割技术的综合利用(集成技术)是今后医学图像分割技术的发展方向。 2、图像配准 图象配准是图象融合的前提,是公认难度较大的图象处理技术,也是决定医学图象融合技术发展的关键技术。在临床诊断中,单一模态的图像往往不能提供医生所需要的足够信息，常需将多种模式或同一模式的多次成像通过配准融合来实现感兴趣区的信息互补。在一幅图像上同时表达来自多种成像源的信息，医生就能做出更加准确的诊断或制定出更加合适的治疗方法。医学图像配准包括图像的定位和转换,即通过寻找一种空间变换使两幅图像对应点达到空间位置和解剖结构上的完全一致。要求配准的结构能使两幅图象上所有的解剖点，或至少是所有具有诊断意义以及手术区域的点都达到匹配[5]。1993年Petra等综述了二维图像的配准方法,并根据配准基准的特性,将图像配准的方法分为基于外部特征的图象配准(有框架)和基于图象内部特征的图象配准(无框架)两种方法。后者由于其无创性和可回溯性,已成为配准算法的研究中心。 近年来,医学图像配准技术有了新的进展,在配准方法上应用了信息学的理论和方法,例如应用最大化的互信息量作为配准准则进行图像的配准,基于互信息的弹性形变模型也逐渐成为研究热点[6]。在配准对象方面从二维图像发展到三维多模医学图像的配准。一些新算法，如基于小波变换的算法、统计学参数绘图算法、遗传算法等，在医学图像上的应用也在不断扩展。向快速和准确方面改进算法,使用最优化策略改进图像配准以及对非刚性图像配准的研究是今后医学图像配准技术的发展方向。 3、图像融合 图像融合的主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可读性，对多幅图像间的互补信息的处理来提高图像的清晰度。多模态医学图像的融合把有价值的生理功能信息与精确的解剖结构结合在一起，可以为临床提供更加全面和准确的资料。融合图像的创建分为图像数据的融合与融合图像的显示两部分来完成。目前，图像数据融合主要有以像素为基础的方法和以图像特征为基础的方法。前者是对图像进行逐点处理,把两幅图像对应像素点的灰度值进行加权求和、灰度取大或者灰度取小等操作，算法实现比较简单,不过实现效果和效率都相对较差，融合后图像会出现一定程度的模糊。后者要对图像进行特征提取、目标分割等处理,用到的算法原理复杂，但是实现效果却比较理想。融合图像的显示常用的有伪彩色显示法、断层显示法和三维显示法等。伪彩色显示一般以某个图像为基准,用灰度色阶显示,另一幅图像叠加在基准图像上,用彩色色阶显示。断层显示法常用于某些特定图像,可以将融合后的三维数据以横断面、冠状面和矢状面断层图像同步地显示,便于观察者进行诊断。三维显示法是将融合后数据以三维图像的形式显示，使观察者可更直观地观察病灶的空间解剖位置，这在外科手术设计和放疗计划制定中有重要意义。 在图像融合技术研究中,不断有新的方法出现，其中小波变换、基于有限元分析的非线性配准以及人工智能技术在图像融合中的应用将是今后图像融合研究的热点与方向。随着三维重建显示技术的发展,三维图像融合技术的研究也越来越受到重视，三维图像的融合和信息表达,也将是图像融合研究的一个重点。 在计算机辅助图像处理的基础上，开发出综（下转第33页） 34

医学图像处理单选题样题概要

姓名牡丹江医学院医学影像学院

1、医学图像处理是对 A：CRR B：DORI C：MRI D：USA 成像方法及图像处理方法的研究。 2、PET A：正电子发射型计算机断层 B：单光子发射型计算机断层 C：磁共振扫描断层 D：多普勒超声技术 3、医学图像前处理包括对 A：光学显微成像的处理 B：电子显微镜图片处理 C：内窥镜图像处理 D： CT的成像方法的研究 4、医学图像后处理包括对 A： MRI成像方法的研究 B：医学影像设备所成像的处理与研究 C： USI成像方法的研究 D： CT的成像方法的研究 5、以下医学影像设备正确的是 A：PECT B：SPECT C：MIR D：SUI 6、DSA A：数字剪影血管造影 B：磁共振功能成像 C：磁共振血管造影 D：数字放射摄影 7、fMRI A：数字剪影血管造影 B：磁共振功能成像 C：磁共振血管造影 D：数字放射摄影 8、医学超声成像的优点 A：对比度高 B：图形的重复性不依赖于操作人员 C：对人体无辐射损伤 D：可对全身所有器官进行检查 9、 CT成像的特点 A：全方位成像 B：分辨率差 C：组织重叠 D：可实现断层解剖学成像 10、核医学成像的特点 A：无放射危害 B：分辨率高 C：功能性成像 D：主要实现断层解剖学成像 11、MRI成像的特点 A：使用造影剂 B：利用声音回波 C：无电离辐射 D：只能横断面断层 12、哪一个不是医学影像成像 A：PET B：SPECT C：fMRI D：DSAT 13、现代医学影像技术的发展方向 A：数字向模拟方向发展 B：组织形态学成像向功能性成像发展 C：由立体像平面方向发展 D：由融合向单一成像技术发展 14、医学图像可以分为哪两类 A：结构图像与局部图像 B：结构图像与功能图像 C：功能性成像与立体成像 D：静态图像与动态图像

医学图像处理综述(精编文档).doc

【最新整理，下载后即可编辑】 医学图像处理综述 墨南-初夏2010-07-24 23:51:56 医学图像处理的对象是各种不同成像机理的医学影像。广泛使用的医学成像模式主要分为X射线成像(X—CT) ，核磁共振成像(MRI)，核医学成像(NMI)和超声波成像(UI) 这四类。 （1）x射线成像：传统x射线成像基于人体不同器官和组织密度不同。对x射线的吸收衰减不同形成x射线影像。（例如人体中骨组织密度最大，在图像上呈白影，肺是软组织并且含有气体，密度最低，在照片上的图像通常是黑影。）常用于对人体骨骼和内脏器官的疾病或损伤进行诊断和定位。现代的x射线断层成像(x—cT) 发明于20世纪70年代，是传统影像技术中最为成熟的成像模式之一，其速度已经快到可以对心脏实现动态成像。其缺点是医生要在病人接收剂量和片厚之间进行折衷选择，空间分辨率和对比度的还需进一步提高。 （2）核磁共振成像(MIR) 发展于20世纪70年代，到80年代才进入市场，这种成像设备具有在任意方向上的多切片成像、多参数和多核素成像、可实现整个空问的真三维数据采集、结构和功能成像，无放射性等优点。目前MRI的功能成像(fMRI) 是MIR设备应用的前沿领域，广泛应用于大脑功能性疾病的诊断,并为肿瘤等占位性病变提供功能信息。MRI 受到世人的广泛重视，其技术尚在迅速发展过程中。 （3）核医学成像(NMI ) ，目前以单光子计算机断层成像(SPECT) 和正电子断层成像(PET) 为主，其基本原理是向人体注射放射性核素示踪剂，使带有放射性核素的示踪原子进入人体内要成像的脏器或组织通过测量其在人体内的分布来成像。NMI 不仅可以提供静态图像，而且可提供动态图像。

医学图像处理技术及其发展

医学图像处理技术及其发展 摘要：文章介绍了医学图像处理的基本技术，对图像分割、图像配准、图像融合、伪彩色处理和纹理分析技术进行了综述。介绍了三维医学图像的可视化和基于PACS 的医学图像压缩在医学图像处理方面的应用。最后指出了医学图像处理的发展方向。 关键词：医学图像处理；图像配准；图像融合；图像分割；纹理分析；伪彩色处理；可视化 近年来，医学影像已成为医学技术中发展最快的领域之一。随着科技的进步，多学科交叉和融合已成为现代科学发展的突出特色和重要途径。自从显微镜问世以来，对医学图像的分析己成为医学研究中的重要方法，特别是X-CT,MRI、PET,SPECT等新型成像技术和设备的出现以及电脑技术的发展，使得医学图像处理技术对医学科研及临床实践的作用和影响日益增大，其结果使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率也更高。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究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，本文对医学图像处理技术进行了综述。 1.图像配准和图像融合 在临床诊断上，医生常常需要各种医学图像的支持，如CT、MRI.、PET 、 SPECT以及超声图像等，但无论哪一类的医学图像往往都难以提供全而的信息，这就需要将患者的各种图像信息综合研究，如何

使多次成像或多种成像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。而这就首先必须解决图像的配准(或叫匹配)和融合问题。医学图像配准是确定两幅或多幅医学图像像素的空间对应关系；而融合是指将不同形式的医学图像中的信息综合到一起，形成新的图像的过程图像配准是图像融合必需的预处理技术，反过来，图像融合是图像配准的一个目的。 医学图像配准是通过寻找某种空间变换，使两幅图像的对应点达到空间位置和解剖结构上的完全一致。要求配准的结构能使两幅图像上所有的解剖点，或至少是所有具有诊断意义以及手术区域的点都达到匹配。目前医学图像配准方法有基于外部特征的图像配准（有框架）和基于图像内部特征的图像配准（无框架）两种方法。后者由于其无创性和可回溯性，已成为配准算法的研究中心。基于互信息的弹性形变模型也逐渐成为研究热点。互信息是统计两个随机变量相关性的测度，以互信息作为两幅图像相似性测度进行配准基于如下原理：当两幅基于共同的解剖结构的图像达到最佳配准时，它们对应的图像特征的互信息应为最大。 近年来，医学图像配准技术有了新的进展，在配准方法上应用了信息学的理论和方法，例如应用最人化的互信息量作为配准准则进行图像的配准，在配准对象方而从二维图像发展到三维多模医学图像的配准。在医学图像配准技术方而引入信号处理技术，例如傅氏变换和