醫(yī)學(xué)數(shù)字X射線圖像處理與分析算法研究.pdf

1、隨著微電子技術(shù)、數(shù)字計算機(jī)技術(shù)，特別是國際互聯(lián)網(wǎng)的迅速發(fā)展，醫(yī)療信息數(shù)字化已成為當(dāng)今不可阻擋的發(fā)展潮流，數(shù)字醫(yī)療成像系統(tǒng)成為發(fā)展的主流。X射線透視成像是目前最常用的醫(yī)學(xué)診斷成像手段，65～70％的醫(yī)學(xué)影像檢查是依靠X射線透視來完成的。對于X射線透視成像而言，傳統(tǒng)的屏/片成像系統(tǒng)動態(tài)范圍小、線性范圍小，是非實(shí)時、非數(shù)字化的成像方法，不能進(jìn)入PACS，資源浪費(fèi)嚴(yán)重。近年來人們對數(shù)字X射線成像系統(tǒng)進(jìn)行了深入研究并取得了一定的成果，成像系統(tǒng)的不

2、斷發(fā)展也對醫(yī)學(xué)數(shù)字X射線的圖像處理與分析技術(shù)提出了新的機(jī)遇和挑戰(zhàn)。 對于醫(yī)學(xué)數(shù)字X射線成像系統(tǒng)來說，其圖像采集過程中難以避免地存在著引起圖像質(zhì)量下降的各種因素，必須進(jìn)行處理后才能使用。同時，隨著醫(yī)用數(shù)字X射線探測器技術(shù)的迅速發(fā)展，目前所用的圖像顯示設(shè)備的動態(tài)范圍要遠(yuǎn)小于探測器能夠記錄的密度范圍，采集到的數(shù)字X射線圖像數(shù)據(jù)必須經(jīng)過有效的圖像處理才能正確顯示在屏幕上，這種處理的目的是把對診斷最有意義的部分顯示在屏幕上。另一方面，隨著

3、大量的高質(zhì)量的醫(yī)學(xué)數(shù)字圖像的產(chǎn)生，如果能夠讓計算機(jī)在醫(yī)學(xué)圖像分析和診斷中發(fā)揮一定的作用，對于降低醫(yī)生的勞動強(qiáng)度，提高疾病的早期檢測率無疑具有十分重大的意義。 緊跟醫(yī)學(xué)數(shù)字X射線成像技術(shù)的前沿，研究高性能的醫(yī)學(xué)數(shù)字X射線圖像處理與分析算法是本文的主要研究目的。本文的主要研究工作有：采用數(shù)字圖像處理方法消除醫(yī)學(xué)數(shù)字X射線成像過程中引起圖像質(zhì)量下降的各種因素(如信息畸變、散射、噪聲等)的影響；根據(jù)臨床需求增強(qiáng)醫(yī)學(xué)圖像中的有用信息，把對

4、診斷最有意義的部分顯示出來，獲得高質(zhì)量的診斷圖像；在以往胸片計算機(jī)輔助檢測技術(shù)的基礎(chǔ)上，研究更適合于DR系統(tǒng)胸部X射線圖像的計算機(jī)輔助檢測算法。 本論文主要作了以下創(chuàng)新性工作： (1)對于醫(yī)學(xué)數(shù)字X射線透視成像系統(tǒng)中的圖像信息畸變，研究了平場校正算法，包括漂移校正、增益校正和缺陷校正等，針對傳統(tǒng)的平場校正算法在實(shí)際臨床使用中的不足之處，提出了一種改進(jìn)的平場校正算法，這種改進(jìn)算法更符合臨床的實(shí)際情況，能夠提高系統(tǒng)的量子探測

5、效率。 (2)研究了醫(yī)學(xué)數(shù)字X射線透視成像中的噪聲的來源和性質(zhì)，提出了一種基于灰階梯度自適應(yīng)非線性濾波算法，并對其濾波特性進(jìn)行了實(shí)驗(yàn)驗(yàn)證。 (3)研究了X射線散射的形成及其對圖像質(zhì)量的影響，給出了維納濾波在醫(yī)學(xué)數(shù)字X射線圖像散射恢復(fù)中的改進(jìn)形式，提出了三種散射退化模型，并利用典型的散射圖像比較了它們的恢復(fù)效果。 (4)提出了基于人眼視覺特性的非線性對比度增強(qiáng)算法，研究了多尺度的醫(yī)學(xué)數(shù)字X射線圖像細(xì)節(jié)增強(qiáng)算法，比較

6、了兩種常用的多尺度算法(小波算法和Laplacian算法)的圖像增強(qiáng)效果，分析了小波增強(qiáng)算法出現(xiàn)振鈴效應(yīng)的原因，設(shè)計了多尺度的灰階梯度自適應(yīng)濾波降噪算法，提出了一種基于器官的多尺度醫(yī)學(xué)X射線圖像增強(qiáng)算法。臨床試驗(yàn)結(jié)果表明，這種算法能夠大幅度地提高X射線透視圖像的診斷質(zhì)量，更好地為臨床診斷服務(wù)。 (5)對于胸部X射線圖像肺節(jié)結(jié)計算機(jī)輔助檢測，從胸部X射線圖像的解剖和診斷入手，針對數(shù)字X射線圖像的特點(diǎn)，采用結(jié)合邊界信息和區(qū)域信息的改

7、進(jìn)的snake模型用于肺野的分割，和傳統(tǒng)的圖像分割算法相比，這種分割算法能夠?qū)⒌讓拥膱D像分割和圖像結(jié)構(gòu)的先驗(yàn)知識結(jié)合起來，對噪聲和個體差異具有更大的穩(wěn)健性；然后對胸部數(shù)字X射線圖像進(jìn)行尺度空間分析和肺節(jié)結(jié)感興趣區(qū)域的提取，通過對圖像進(jìn)行感興趣的尺度空間分析，可以抑制噪聲、小尺寸細(xì)節(jié)信息和大尺度解剖結(jié)構(gòu)的影響；利用不同圖像特征采用基于規(guī)則的候選節(jié)結(jié)識別方法，和神經(jīng)元網(wǎng)絡(luò)分類器相比，基于規(guī)則的識別方法不需要大量的訓(xùn)練樣本，識別結(jié)果的解釋明確