簡介：針對骨骼醫(yī)學圖像的計算機后處理技術可以改善圖像觀察效果、實現(xiàn)智能輔助診斷，進而推動相關疾病影像學診斷技術的發(fā)展和完善。本文首先綜述和分析相關技術發(fā)展現(xiàn)狀，進而針對骨分割、骨測量、骨移除和骨拼接提出了新的方法或技術，以解決現(xiàn)有技術在精確性、魯棒性或自動化程度等方面存在的缺陷。第一，在定量CT骨密度測量（尤其是針對腰椎的測量）中，需要借助骨分割和骨測量技術來準確提取測量目標，并進行精確測量。針對現(xiàn)有骨分割技術難以完整、自動化地分割單節(jié)腰椎的問題，本文提出了一種高度自動化的單節(jié)腰椎分割方法。首先分割整個脊椎，再分別利用不同的圖像處理方法斷開椎體和椎小關節(jié)間的連接。在真實QCT數(shù)據(jù)和仿真數(shù)據(jù)上實驗，證明此方法在自動化程度和結(jié)果準確性方面均優(yōu)于現(xiàn)有的各種腰椎分割方法。本文提出了一種自動定參的無體模骨密度測量技術，使骨密度測量突破了體模的限制。大數(shù)據(jù)量實驗證實其具有較高的準確性，可重復性也超過同類方法。第二，在使用血管造影CT圖像來診斷頭頸部和體部血管疾病時，需要利用骨移除技術，以便無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和基于輪廓提取與分類的體部骨移除技術。實驗證明這兩項技術均在各自應用中得到了較好的去骨效果，大大提高了圖像觀察質(zhì)量，進而提高了血管提取準確性。第三，骨拼接技術主要應用于長骨外傷或畸形等疾病的影像學診斷中，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題，本文提出了一種旋轉(zhuǎn)無關的圖像拼接方法。此方法借助改進的特征配準和相關度匹配等算法實現(xiàn)圖像配準。經(jīng)實驗驗證，其配準算法在保證結(jié)果準確性的同時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，設計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際應用。

簡介：我國醫(yī)學影像類雜志的引證數(shù)據(jù)分析CITATIONDATAANALYSISOFCHINESEMEDICALIMAGINGJOURNALS一一論文課題起止時間2Q15生圣月2Q魚生窆月中國醫(yī)科大學遼寧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)新性的自我評價39五、參考文獻一40六、附錄綜述43致謝一56個人簡介一57

簡介：本文對PETCT醫(yī)學影像肺部腫瘤邊界的數(shù)字勾畫做了進一步研究，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PETCT影像的DICOM文件格式下，進行算法研究，避免格式轉(zhuǎn)化帶來的數(shù)據(jù)精度丟失問題。其次，將包含整個腫瘤及浸潤區(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)，認為腫瘤的實際邊界存在于亞異常區(qū)之中。再次，采用數(shù)據(jù)插值法，對腫瘤興趣區(qū)的圖像數(shù)據(jù)做插值運算，以增大腫瘤興趣區(qū)像素數(shù)據(jù)的密度，增強腫瘤邊界識別的精確度。最后，采用數(shù)值差分法，通過平均值對比來確定腫瘤的實際邊界。本文基于PETCT醫(yī)學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文件格式下進行數(shù)據(jù)處理，采用插值法增強腫瘤邊界識別精確度。仿真實驗表明，本文對于肺部腫瘤邊界的確定方法的研究，對精確和規(guī)范的構(gòu)建腫瘤三維放療靶區(qū)，具有一定的應用價值。

簡介：隨著移動醫(yī)療應用的深入和發(fā)展，目前已經(jīng)有移動護理、移動護送和移動查房等一系列移動醫(yī)療應用。在這些應用中，對于移動終端設備上的數(shù)字醫(yī)學影像應用程序的要求已經(jīng)接近傳統(tǒng)桌面工作站的水平。但是移動環(huán)境和傳統(tǒng)的數(shù)字醫(yī)學影像應用環(huán)境有很多不同，會產(chǎn)生不少問題。比如對于硬件參數(shù)來說，移動設備處理器性能有限，解析高分辨率影像需要等待較長時間，影響到用戶使用體驗。又比如對于網(wǎng)絡環(huán)境來說，數(shù)字醫(yī)學影像領域的事實標準DICOM協(xié)議中的不少服務無法適用于移動無線網(wǎng)絡結(jié)構(gòu)，嚴重影響到了客戶端的圖像接收功能。此外移動設備系統(tǒng)平臺眾多，各種平臺之間互不兼容，為每種平臺一一實現(xiàn)DICOM網(wǎng)絡服務接口需要耗費大量的時間和精力。國內(nèi)外目前存在一些移動DICOM應用的案例，其中絕大多數(shù)是基于HTML技術開發(fā)實現(xiàn)的，直接將DICOM圖像包含在HTML網(wǎng)頁中，使用瀏覽器控件進行顯示。這中做法能適用于絕大多數(shù)移動終端，但是功能有限，只能傳輸JPEG格式的普通圖像，無法像傳統(tǒng)DICOM網(wǎng)絡通信那樣通過設置各種參數(shù)來控制傳輸方式和圖像內(nèi)容。而且HTML網(wǎng)頁技術與傳統(tǒng)的DICOM通信技術設計理念大相徑庭，不方便將目前現(xiàn)有的DICOM應用代碼遷移到移動端上去。在進行設計此系統(tǒng)時，針對這些問題進行了分析，鑒于HTML網(wǎng)頁技術是基于HTTP傳輸協(xié)議的，并且HTTP協(xié)議在各種移動設備平臺都有良好的支持，決定編寫DICOM轉(zhuǎn)HTTP代理，以此將DICOM網(wǎng)絡服務以盡可能類似于傳統(tǒng)使用方式的樣式供給移動應用端使用。DICOM轉(zhuǎn)HTTP代理基于J2EE技術，采用DCM4CHE類庫與PACS系統(tǒng)進行基于DICOM協(xié)議的數(shù)據(jù)通訊。同時利用SPRINGMVC框架提供的功能，在處理HTTP請求和應答的時候，可以將DCM4CHE類庫中使用的DICOM數(shù)據(jù)字典參數(shù)數(shù)據(jù)格式自動轉(zhuǎn)換為與移動設備客戶端進行通訊所使用的JSON數(shù)據(jù)格式。在此機制上根據(jù)臨床實際的應用需要，向移動設備提供了非圖像信息查詢，圖像獲取與圖像上傳等REST風格的WEB服務。同時討論了移動終端如何利用這些服務進行移動客戶端開發(fā)，給出了示例代碼。另外基于HL7協(xié)議的應用系統(tǒng)也大量在臨床中運用，并且和DICOM系統(tǒng)會產(chǎn)生大量的交互。所以在DICOM轉(zhuǎn)HTTP代理中，使用HAPI類庫實現(xiàn)了一些HL7M消息服務WEB訪問接口，方便了移動設備應用客戶端進行預約、登記。DICOM轉(zhuǎn)HTTP代理的實現(xiàn)，豐富了移動臨床系統(tǒng)的功能和內(nèi)容。使得各種平臺下的移動設備可以不再關心底層的DICOM網(wǎng)絡服務細節(jié)，方便的調(diào)用PACS和RIS系統(tǒng)提供的各種服務，提供了移動端設備客戶端的開發(fā)速度。在此基礎之上實現(xiàn)的臨床查房拍照自動歸檔功能，更是將過去的拍照、整理、歸檔操作進行了簡化，使之能夠一步完成，讓臨床一線的醫(yī)務人員能有更多的時間投入到實際的為病人服務的工作中去。

簡介：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到高質(zhì)量、實時可交互的繪制但是對用戶感興趣區(qū)域的繪制往往需要通過調(diào)節(jié)傳輸函數(shù)來實現(xiàn)。傳輸函數(shù)的調(diào)節(jié)需要用戶通過反復嘗試的方法對體數(shù)據(jù)進行分類繪制要求用戶具備領域經(jīng)驗并且簡單的傳輸函數(shù)通常無法對某些數(shù)據(jù)特征進行有效分類。最大強度差值累積方法提出一種通過降低最大強度值變化區(qū)域的累積不透明度的方法實現(xiàn)對最大強度值區(qū)域的加強繪制但是存在不能繪制局部特征信息的問題。因此本文提出了一種基于特征分析的局部特征加強體繪制方法對體數(shù)據(jù)進行快速高質(zhì)量的特征繪制?；谔卣鞣治龅木植刻卣骷訌婓w繪制方法包含兩個過程分別為體數(shù)據(jù)的局部特征分析以及局部特征加強繪制實現(xiàn)了對體數(shù)據(jù)的特征提取以及特征加強繪制。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最小二乘法對體數(shù)據(jù)標量曲線進行重構(gòu)并對光滑連續(xù)的標量曲線進行極小值點查詢最后利用梯度閾值確定特征邊界點并實現(xiàn)對特征的歸類。2局部特征加強繪制。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程中引入深度信息優(yōu)化加權累積方法。為增強繪制結(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?shù)奶荻确ㄏ蛄坑嬎愎庹?。同時引入自適應TONE衰減對最終結(jié)果實現(xiàn)顏色亮度平衡增強局部特征對比度。此外本文還提出一種基于標量值與梯度模值的交互方法實現(xiàn)對體數(shù)據(jù)特征的交互繪制。本文算法在VEEN框架下進行開發(fā)實現(xiàn)了GPU并行加速能達到實時交互的繪制效率。經(jīng)過對多種類型醫(yī)學影像體數(shù)據(jù)以及工業(yè)掃描體數(shù)據(jù)的繪制實驗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高清的繪制體數(shù)據(jù)中的局部特征信息并且與最大強度差值累積方法比較能繪制更為詳細的局部特征具有一定的應用前景。

簡介：在醫(yī)學領域中，保護患者的基本信息、診斷信息等醫(yī)學數(shù)據(jù)的安全，具有至關重要的意義。數(shù)字水印技術已經(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應的醫(yī)學影像中。針對醫(yī)學影像的特殊性，在保證水印不可見性的基礎上，還要使水印對影像質(zhì)量的影響盡可能小，以保證影像的質(zhì)量。本文在對文本水印信息進行分割重組預處理的基礎上，研究實現(xiàn)了高容量的醫(yī)學影像文本信息嵌入方法。完成的主要工作包括首先針對已有文本信息嵌入算法中所采用的二進制數(shù)據(jù)流描述文本水印時所表達的信息有限、水印容量較小的問題，提出了一種文本信息Ⅱ碼值的分割重組預處理方案，使用該方案對待嵌入文本信息進行預處理，可大幅度提高水印容量。實驗數(shù)據(jù)表明，對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)字水印技術現(xiàn)狀的基礎上，設計實現(xiàn)了基于二維離散小波變換的醫(yī)學影像文本信息嵌入算法，通過二維離散小波變換對醫(yī)學影像的不同層次進行了分解，將預處理后的待嵌入文本信息嵌入到小波分解的三級低頻部分，實現(xiàn)了文本信息的嵌入。對肺部CT影像的仿真實驗結(jié)果表明，該算法在保證結(jié)果影像質(zhì)量、文本信息不可見性、水印容量等方面，具有良好的效果。

簡介：點擊查看更多醫(yī)學影像可視化算法及集成化醫(yī)學影像算法平臺的研究.pdf精彩內(nèi)容。

簡介：隨著信息技術和醫(yī)學的發(fā)展，CT、MRI等數(shù)字化醫(yī)療設備在臨床工作和輔助診斷中得以日益廣泛的應用。這些現(xiàn)代化的設備使得醫(yī)療機構(gòu)每天都會產(chǎn)生大量的醫(yī)學影像數(shù)據(jù)。醫(yī)學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)生進行臨床診斷、病情監(jiān)控、手術參考、病理研究的重要客觀依據(jù)。醫(yī)生在臨床診斷的過程中，通常需要對不同患者或者同一患者不同時間的影像進行分析和比較，并結(jié)合診斷報告做出最終的診斷結(jié)論。醫(yī)生一般通過對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)局部特征進行檢索，而單一局部特征來檢索會出現(xiàn)非同一部位的誤檢。因為在某些情況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行過濾。本文設計了基于特征融合的醫(yī)學影像檢索算法來解決這一問題。本文設計了一種融合了全局特征和局部特征的醫(yī)學影像檢索算法，通過全局特征先對影像進行預分類，然后利用局部特征進行檢索。文中提取影像的SIFT特征點作為影像的局部特征，通過構(gòu)建BOVW模型對影像的局部特征進行檢索。具體是通過KMEANS聚類方法對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)計影像中特征詞出現(xiàn)的頻率對影像進行描述。然后根據(jù)影像的描述向量對影像數(shù)據(jù)庫建立索引。而對于局部特征相似的其他部位的影像通過影像的預分類來進行排除。具體通過融合一種TAMURA紋理特征和一種SHAPECONTEXT形狀特征，來對SVM分類器進行訓練，利用分類器實現(xiàn)對影像的預分類。實驗表明，本文提出的基于特征融合的醫(yī)學影像檢索算法比傳統(tǒng)的影像檢索方法對影像的檢索效果更好。

簡介：醫(yī)學圖像的三維可視化是圖像處理技術、計算機圖形學理論和虛擬現(xiàn)實技術在臨床醫(yī)學和教學研究中的集中體現(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)務工作者能夠更準確地觀察感興趣區(qū)域的分布與組織關系。近年來，這一技術已經(jīng)成為國內(nèi)外研究熱點，在醫(yī)學教學、放射治療、虛擬內(nèi)窺鏡、刑偵、法醫(yī)學等科學中都具有重要作用。本文首先對DICOM格式的醫(yī)學圖像進行了分析研究，并針對醫(yī)學CT圖像的特點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圖像中強噪聲和散粒噪聲的抑制作用。分割采用分水嶺區(qū)域生長相結(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，再對感興趣區(qū)域進行分割提取，得到的感興趣區(qū)域較為精確，為重建模型的真實性提供了依據(jù)。醫(yī)學CT圖像的重建算法采用面繪制中的移動立方體法（MARCHINGCUBES），針對MC算法中存在的二義性問題，給出了改進的查找表法，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MC算法中存在的效率問題，給出了基于人體器官連通理論的“區(qū)域遍歷”法，單個非空體元內(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按照一定的規(guī)律拓撲擴展；另外，用中點法代替線性插值求取得交點，計算量明顯減少，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，使得醫(yī)學圖像經(jīng)過讀取、預處理、三維重建等步驟，從而能與用戶進行實時交互。

簡介：隨著我國醫(yī)療信息化的不斷完善，圖像處理技術的不斷發(fā)展以及醫(yī)院影像采集設備的不斷升級，醫(yī)學影像檢測已經(jīng)越來越可靠有效，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)合的模式來存儲、調(diào)閱病人的影像圖片，RIS負責預約、病例管理等功能，PACS負責影像數(shù)據(jù)的存儲、調(diào)閱。隨著區(qū)域影像共享協(xié)作平臺的建立，傳統(tǒng)PACS所采用的在線近線離線存儲策略已經(jīng)不能滿足海量影像數(shù)據(jù)存儲的需求，在海量影像數(shù)據(jù)的檢索方面，PACS所使用的關系型數(shù)據(jù)庫在海量數(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)備份和容災方案。本論文分析了使用HDFS存儲海量醫(yī)學影像文件的可行性、優(yōu)勢以及需要解決的問題，對PACS所提供的精確調(diào)閱、范圍調(diào)閱功能如何在HADOOP中高效的實現(xiàn)進行了研究。主要研究內(nèi)容包括對海量醫(yī)學影像數(shù)據(jù)在HDFS的存儲進行了研究，提出醫(yī)學影像數(shù)據(jù)存儲優(yōu)化方法，將同序列影像文件存儲在一個SEQUENCEFILE中，解決了HADOOP存儲醫(yī)學影像文件時名字節(jié)點的內(nèi)存占用過大以及讀取效率低下問題；面向PACS提供的精確條件查詢，在非結(jié)構(gòu)化數(shù)據(jù)庫中根據(jù)實際調(diào)閱條件提出了基于布隆過濾器的多級索引方法，提高了影像查詢的效率；針對PACS提供的范圍查詢無法在HBASE上直接實現(xiàn)的問題，提出了結(jié)構(gòu)化查詢?nèi)蝿樟飨蚍墙Y(jié)構(gòu)化數(shù)據(jù)的MAPREDUCE任務流的映射模型，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，實現(xiàn)基于HADOOP的影像存儲檢索系統(tǒng)，實驗結(jié)果證明醫(yī)學影像存儲優(yōu)化方法有效的減少了名字節(jié)點內(nèi)存消耗。通過本系統(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)。

簡介：X射線等醫(yī)學影像在醫(yī)學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)為對比度差、細節(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病變組織的漏診或誤診等。雖然當前圖像增強方法已有很多，然而針對X射線醫(yī)學圖像的模糊性和非均勻性，傳統(tǒng)的圖像增強方法表現(xiàn)出較大局限性。為突出圖像中較模糊及對比度差等區(qū)域的細節(jié)，以便醫(yī)師診斷，亟待給出一種對原始圖像進行有效增強與圖像質(zhì)量評價方法。本文針對現(xiàn)今醫(yī)學圖像增強與無參考醫(yī)學圖像質(zhì)量評價中存在的問題，利用虛擬儀器數(shù)字系統(tǒng)搭建醫(yī)學影像處理與分析平臺，提出一種層級模糊隸屬度的X光醫(yī)學圖像增強算法，同時還給出了一種基于雙向映射的無參考醫(yī)學圖像質(zhì)量評價算法。本文主要工作如下在圖像增強方面，提出了一種層級模糊隸屬度的X光醫(yī)學圖像增強算法。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，然后對其分層計算模糊隸屬度并實現(xiàn)多尺度下的圖像加權增強與重構(gòu)，最后利用雙邊濾波器對圖像實施保邊去噪，實現(xiàn)了對X射線醫(yī)學圖像的有效增強。與傳統(tǒng)方法的實驗對比結(jié)果表明，本文所提算法對X射線醫(yī)學圖像具有較強的增強效果，具有一定的理論和實際應用價值。在圖像質(zhì)量評價方面，本文提出了一種基于雙向映射的無參考醫(yī)學圖像質(zhì)量評價方法。所提算法主要考慮將無參考圖像與標準圖像增強前后的雙向映射評價過程。也即先通過顏色分布傳遞算法將低質(zhì)量的X射線醫(yī)學圖像增強后的結(jié)果映射到灰度分布較均勻的標準自然圖像進行質(zhì)量評價以及先通過顏色傳遞將低照度X射線醫(yī)學圖像的灰度范圍映射給標準圖像增強后進行質(zhì)量評價的正、反兩種映射過程。經(jīng)過主觀和客觀的實驗均驗證了本文所提無參考醫(yī)學圖像質(zhì)量評價算法的有效性與可行性。最終本文基于MATLABSCIRPT節(jié)點的混合編程搭建了一個醫(yī)學影像圖像處理的測試平臺即將采集后的醫(yī)學影像傳入LABVIEW系統(tǒng)后，再利用MATLAB節(jié)點完成LABVIEW和MATLAB的算法混合編程，最終在LABVIEW平臺實現(xiàn)醫(yī)學影像增強等處理功能。

簡介：點擊查看更多基于VTK的三維醫(yī)學影像診斷系統(tǒng)的設計與實現(xiàn).pdf精彩內(nèi)容。

簡介：近年來，信號處理領域的一個最新進展是稀疏表示理論。稀疏表示理論已被廣泛應用于圖像處理、計算機視覺和模式識別等方面。同時在醫(yī)學影像處理與分析領域，以稀疏表示理論為基礎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，運用稀疏方法能夠解決傳統(tǒng)醫(yī)學影像處理與分析技術中的許多問題。醫(yī)學影像處理與分析主要包含醫(yī)學影像去噪、增強、分割和影像序列分析等技術。本論文在稀疏表示理論的基礎上研究了醫(yī)學影像處理與分析領域中的幾個問題，對醫(yī)學影像去噪、影像增強和影像序列分析進行了討論，具體成果如下。將斑點噪聲模型與圖像稀疏編碼相結(jié)合解決超聲醫(yī)學影像去噪問題。采用12稀疏編碼對影像數(shù)據(jù)進行描述以得到比傳統(tǒng)1編碼更為稀疏的表達形式。在BAYESIANMAP框架下，根據(jù)編碼的統(tǒng)計分布特點，設計合適的閾值收縮算法，實現(xiàn)對噪聲的抑制，達到恢復影像質(zhì)量的目的。實驗表明算法能有效地恢復醫(yī)學超聲影像，較好地抑制斑點噪聲，增強邊緣并保持細節(jié)效果。研究了醫(yī)療影像的偏差場自適應校正與增強問題。針對傳統(tǒng)校正增強方法對偏差場模型參數(shù)依賴等問題，分析了醫(yī)療成像中偏差場與觀測影像之間的聯(lián)系，提出實現(xiàn)影像增強的合理假設，在偏差場成像模型的基礎上，構(gòu)造了基于稀疏正則約束的自適應校正增強模型。增強模型包含雙正則項，分別采用全變差約束理想影像和梯度光滑性約束偏差場結(jié)構(gòu)，運用迭代演化觀測影像曲面的方法自適應地逼近偏差場，從而避免了估計偏差場模型參數(shù)，采用交替優(yōu)化方法尋優(yōu)達到校正增強目的。仿真與真實數(shù)據(jù)實驗驗證了該算法能夠得到較好地實現(xiàn)醫(yī)學影像增強效果。研究了醫(yī)學時序影像數(shù)據(jù)自動化分析技術，通過對傳統(tǒng)醫(yī)學影像序列因子分析方法進行討論，提出一種基于稀疏非負矩陣分解的影像序列因子分析方法。該方法針對傳統(tǒng)因子分析方法中出現(xiàn)的問題進行改進，解決了解的非負性并對解的結(jié)構(gòu)進行約束。在保證分解結(jié)果非負性的前提下，提出了既能夠描述醫(yī)學生理結(jié)構(gòu)獨立性，又能夠限制解的結(jié)構(gòu)稀疏正則約束項，進而構(gòu)造出新的因子分析模型。應用稀疏非負矩陣分解算法實現(xiàn)模型的數(shù)值求解運算。仿真實驗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。進一步將新方法應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)師的認可，驗證了技術的可行性與準確性。最后，本文歸納總結(jié)了所做的工作，同時分析了本文的不足之處，并進一步討論了研究計劃。

簡介：隨著醫(yī)學科技水平不斷提高，醫(yī)學影像案例也隨之不斷的增長，如何快速準確的找到和需要查詢案例最相似的醫(yī)學影像輔助醫(yī)生進行診斷受到越來越多的重視。醫(yī)學影像案例包含有圖像的底層特征和語義特征，在對圖像進行檢索時，底層特征和語義特征之間的“語義鴻溝”問題一直是個難題，采用何種方法來縮減語義鴻溝，以達到在檢索過程中既包含有圖像的底層特征又可以用人類理解的語義來進行檢索成為研究的熱點。醫(yī)學影像案例在計算機輔助診斷過程中有重要的表現(xiàn)，本文針對醫(yī)學影像進行研究，通過模態(tài)關聯(lián)模型由醫(yī)學影像的底層特征獲知影像的視覺語義特征，實現(xiàn)了兩種不同模態(tài)之間的有效關聯(lián)，縮減了語義鴻溝并同時實現(xiàn)醫(yī)學影像視覺語義的自動標注，在此基礎上，結(jié)合與醫(yī)學影像語義相關的底層特征進行影像案例的多模檢索，提高影像的檢索性能，為輔助醫(yī)生進行診斷提供決策支持。主要的研究內(nèi)容包含有以下三部分1獲取醫(yī)學影像特征，包括底層特征和診斷語義關鍵詞。針對醫(yī)學影像感興趣區(qū)域，獲得代表醫(yī)學影像灰度、形態(tài)及紋理的底層特征并進行特征歸一化，共計32個，然后利用醫(yī)學影像相關知識，從病灶對象形態(tài)、病理診斷結(jié)果等描述信息組成的診斷報告中提取語義關鍵詞，共同組成醫(yī)學影像特征。2構(gòu)建模態(tài)關聯(lián)模型。針對語義鴻溝問題，首先，為了達到減輕維數(shù)災難目的，采用基于關聯(lián)規(guī)則的特征選擇算法獲得與語義關鍵詞具有相關性的底層特征，去除冗余特征，實現(xiàn)特征的降維；然后，采用經(jīng)典的APRII算法進行關聯(lián)規(guī)則挖掘，并通過關聯(lián)規(guī)則剪枝算法得到強關聯(lián)規(guī)則；最后利用關聯(lián)分類引擎ASSOCIATIVECLASSIFIERENGINEACE算法建立模態(tài)關聯(lián)模型，實現(xiàn)了由醫(yī)學影像底層特征獲知語義特征目的，縮減語義鴻溝。3多模影像檢索系統(tǒng)及性能評估。針對醫(yī)學影像案例的特點，選擇適合醫(yī)學影像的相似度量方案，并通過SQLSERVER2000數(shù)據(jù)庫、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，通過查準率、查全率等來評價檢索系統(tǒng)的性能，實現(xiàn)有效的計算機輔助診斷。

簡介：隨著醫(yī)療數(shù)字化進程的加快，醫(yī)學影像資料數(shù)量成爆炸式增長，使其存儲空間和獲取速度面臨很大的挑戰(zhàn)。在信號處理領域，人們對于基于信號稀疏表達的研究越來越感興趣。信號稀疏表達不是基于固定的有數(shù)字模型的變換，而是通過訓練集產(chǎn)生過完備字典，通過稀疏編碼來將信號分解成為一些字典原子的線性組合，從而獲得信號更為簡潔的表示方式。本文主要工作是在研究影像歸檔和通信系統(tǒng)（PACS）及醫(yī)學數(shù)字成像與通訊標準（DICOM）的基礎上，獲取研究的圖像數(shù)據(jù)進行壓縮處理以及將算法實際應用到系統(tǒng)的探索。在信號的稀疏表示上，從字典學習和稀疏表達兩個方面進行了研究字典學習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習算法ILSDLA和遞歸最小二乘的字典學習算法RLSDLA；稀疏表達主要研究了基追蹤BP、匹配追蹤算法MP和正交匹配追蹤OMP。在研究信號的稀疏表示后，利用主流的字典學習算法對獲取的圖像數(shù)據(jù)進行壓縮和解壓縮。在壓縮和解壓縮的過程中，分析使用不同原子尺度的字典對于生成字典的影響以及其字典對壓縮效果的影響。在上述研究的基礎上，提出一種改進的基于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，使用邊緣信息對解壓縮后的圖像進行修復，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，本文對提出的算法加入PACS系統(tǒng)進行了初步探索，使用DEMO程序?qū)λ惴ㄟM行了評估，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到較高的圖像質(zhì)量，但是算法的時間復雜度較高，需要后續(xù)改進降低算法的時間復雜度。