【摘要】隨著社會現(xiàn)代化的發(fā)展，醫(yī)療體制改革的不斷推進，促進了現(xiàn)代醫(yī)學的可持續(xù)發(fā)展。在生物醫(yī)學工程教育中，醫(yī)學圖像處理是重要的教學分支，加強對醫(yī)學圖像處理教學的研究，將行動導向教學法有效地轉化在醫(yī)學圖像處理教學上，可以提高醫(yī)學圖像處理方面的教學質量，同時也提高了生物醫(yī)學工程畢業(yè)生的可持續(xù)發(fā)展性。本文闡述了行動導向教學法，以及在醫(yī)學圖像處理教學方面行動導向教學法的轉化和效果分析。

【關鍵詞】行動導向教學法；醫(yī)學圖像處理；教學研究

醫(yī)學圖像處理教學所涉及的內容較為廣泛，其中包含了醫(yī)學圖像處理的基本概念、圖像分割、圖像可視化等內容，具有一定的教學難度。在生物醫(yī)學工程中，醫(yī)學圖像處理是重要的研究方向和研究分支，醫(yī)學圖像處理課程具有較高的難度，其主要是通過數(shù)學方法、數(shù)學原理、計算機技術等多學科內容的交叉融合而實現(xiàn)的，對醫(yī)學影像設備所產生的圖像進行分析處理，其中醫(yī)學影像設備包含了：PET、CT、MRI等。隨著醫(yī)學成像技術和計算機技術的進步，提高了醫(yī)學圖像處理能力，在醫(yī)學上，醫(yī)學圖像處理技術的應用也越來越廣泛，取得了更高的研究價值。在國家教育中，醫(yī)學圖像處理課程的地位日趨上升，為了促進醫(yī)學圖像處理課堂的良性發(fā)展，加強教學理念和方法的創(chuàng)新是其中的重要因素之一，隨著行動導向教學法的提出，在醫(yī)學圖像處理教學中，加強對行動導向教學法的有效轉化，可以提升醫(yī)學圖像處理教學的水平。

1行動導向教學法

行動導向教學法具有復雜性、特殊性等特點，主要是由一系列的技術和教學方法組成，具有較高的應用價值。行動導向教學法的內容繁瑣，主要包含了：項目教學法、卡片展示法、任務教學法、頭腦風暴法、模擬教學法、案例教學法、文本引導法等，在醫(yī)學圖像處理教學中行動導向教學法的有效應用，具有以下特點：強調了學生在圖像處理教學中的主體地位，可以提升學生的自主學習能力；學生可以參與信息收集、方案制定、方案實施、結果反饋等全部教學過程，提高了學生的參與感；學生可以參與到解決問題的過程中，提高了學生的思考能力、操作能力、創(chuàng)新能力等，在培養(yǎng)學生專業(yè)能力上具有重要的作用。由于醫(yī)學圖像處理教學具有較高的難度要求，所以在實施行動導向教學模式的過程中，需要注意結合教學實際，根據(jù)學生的實際情況制定合理的教學計劃，科學的應用行動導向教學。

2在醫(yī)學圖像處理教學方面行動導向教學法的轉化

1概述

醫(yī)學圖像在獲取與傳輸?shù)倪^程中，會受到各種形式噪聲的干擾。近年來，一些新的濾波技術逐漸受到相關學者的重視并被應用到醫(yī)學圖像的降噪中[1-3]。文獻[3]提出的非局部均值(Non-localMeans,NLM)濾波算法考慮了盡可能多的相似性結構信息，但該算法存在耗時、搜尋相似像素不充分的不足。相關文獻報道了一些改進的NLM濾波算法，如魯棒的快速算法[4]、基于核回歸的改進算法[5]、基于奇異值分解和K-均值聚類的自適應改進算法[6]、基于矩的改進算法[7-8]。這些改進算法均取得了較好的去噪效果。為提高NLM算法的去噪性能，本文提出一種基于梯度信息的自適應的醫(yī)學圖像去噪NLM改進算法(ANLM)，并通過實驗驗證了算法的有效性和可行性。

2經典的非局部均值濾波算法

文獻[3]中提出的經典NLM算法原理為：含噪圖像f{f(i)|iI}的任一像素點i處被濾波的灰度值()fi為：()(,)()jIfiwijfj(1)222,||()()||1(,)e()ijfNfNhwijZi(2)其中，權重w(i,j)滿足0≤w(i,j)≤1和(,)1jwij；22,||||為度量像素i和j的相似程度的高斯加權歐氏距離；a為高斯核的標準差，a0；h為控制衰減程度的參數(shù)；kN表示中心位于像素k的方形鄰域。正則化常數(shù)Z(i)為：222,||()()||()eijfNfNhjIZi(3)為避免過加權，當ij時，權重w(i,j)為：w(i,j)max(w(i,j)),ij(4)NLM算法的核心思想是在一個稱為搜索窗的大的像素范圍內搜尋盡可能多的、與被濾波像素相似或匹配的其他像素參與到濾波過程中，以改善濾波效果。搜索窗內2個像素點i和j的相似性通過稱為相似窗的2個鄰域Ni和Nj中所有像素點的加權歐氏距離來度量。該距離越小，則i和j的相似程度越高，權重w(i,j)值越大。本文將上述算法稱為經典的非局部均值算法(CassicalNL-means,CNLM)。顯然，CNLM算法中相似窗的平移操作只能找到位置不同的相似像素，數(shù)量相對較少。若能同時對相似窗進行平移和旋轉操作，則能找到更多的位置匹配或方向匹配的像素，從而提高算法的性能。本文基于這一思想，利用梯度信息，提出一種自適應的非局部均值濾波算法(AdaptiveNL-means,ANLM）。

3自適應非局部均值濾波算法

3.1算法原理

【關鍵詞】醫(yī)學圖像；非剛性；圖像配準；匹配矩陣；薄板樣條

摘要：非剛性圖像匹配問題已成為醫(yī)學圖像分析中一個非常具有挑戰(zhàn)性的問題?；诒“鍢訔l插值方法,引入實匹配矩陣,并給出相應配準變換算法，該算法將薄板樣條參數(shù)表示成仿射分量和非仿射分量，并分別進行求解。與其它非剛性匹配算法相比，該算法不僅保證了對應特征點的雙向對應，也實現(xiàn)了自動特征點選擇，實驗結果令人滿意。

關鍵詞：醫(yī)學圖像；非剛性；圖像配準；匹配矩陣；薄板樣條

1引言

在醫(yī)學診斷和治療過程中，常需要對比分析多幅圖像，以獲得更為精確和全面的信息。圖像分析大都要求多幅圖像的幾何位置一致，因此，配準是醫(yī)學圖像分析的一個重大課題。醫(yī)學圖像配準是指對于一幅醫(yī)學圖像尋求一種(或一系列)空間變換，使它與另一幅醫(yī)學圖像上的對應點達到空間上的一致。這種一致是指人體上的同一解剖點在兩張匹配圖像上有相同的空間位置。配準的結果應使兩幅圖像上所有的解剖點，或至少是所有具有診斷意義的點及手術感興趣的點都達到匹配。圖像配準不僅可以校正病人多次成像間的位置變化，也可以校正由于成像模式本身導致的畸變。對同一個病人的不同時間的圖像進行配準，可以了解發(fā)育過程及腫瘤病變的病情；對不同人的圖像進行配準，去除種族、年齡等臨床及遺傳差異，從而形成疾病或人群特異性圖譜，可用于正常與否的分析；對不同成像模式進行配準，可以獲得互補信息。

醫(yī)學圖像配準可分為剛性配準和非剛性配準兩類。剛性配準在許多情況下不能滿足臨床的需要，因為很多形變的性質是非剛體、非線性的。比如為了精確定位MR圖像左心室，常常伴有組織磁化系數(shù)差異、非水分子的化學位移以及血流流動等因素導致的幾何畸變以及由于磁場不均勻、磁場梯度非線性及渦流等導致的探測畸變，因此在放療計劃制定中，將MR圖像配準時，不能單純地使用剛性配準，必須使用非剛性配準。

【摘要】在醫(yī)學超聲波圖像中對圖像進行豆剖有助于對于圖像的定量分析和定性分析，圖像豆剖與后續(xù)的分析和處理工作密切相關。到目前為止，雖然有許多記錄中都有大量的圖像豆剖方法，但是在面對復雜且困難程度較高的醫(yī)學超聲圖像，這些方法的作用往往很小，至于起不到任何作用。文章在分析醫(yī)學超聲圖像特性的基礎上，對醫(yī)學超聲圖像豆剖方法進行統(tǒng)一的論述和評價，并對它發(fā)展的趨勢進行預測。

【關鍵詞】圖像分割；醫(yī)學超聲圖像；分割算法

1傳統(tǒng)圖像處理領域中的意識產生圖像豆剖

1.1基于邊緣檢測的方法

基于邊緣檢測的豆剖方法是通過相鄰像素之間的特征的改變來獲得不同區(qū)域之間的邊緣，邊緣點的判斷依據(jù)是檢測點的本身和與它相鄰的點，具體包括局部微分算子，例如：Roberts梯度算子、Soble梯度算子和Canny算子，面對不同的超聲圖像，有著不同的算子、通過不同的手段來檢查這些邊緣點。通過實驗表明，邊緣檢測方法獲得邊緣信息通常是因為這些信息不夠突出而產生的空間，無法形成包圍物體的封閉曲線，這就要求根據(jù)這些離開的邊緣點采用一定的追蹤、連接算法規(guī)劃出有意義的物理范圍。同時，噪聲增大時邊緣檢測豆剖方法的圖像會形成比較多的假邊緣，對去除噪音提出出了比較高的要求。這個問題在醫(yī)學超聲圖像豆剖中顯得極其重要。

在醫(yī)學超聲波圖像中圖像豆剖有助于圖像的定位、定量分析、定性研究，圖像豆剖與后續(xù)的分析和處理工作有著密切關系。正確的豆剖是從超聲圖像中為臨床應用，目的是能夠準確提取與診療相關聯(lián)的消息同時也是臨床中進行定量分析和通過計算機對臨床輔助操作中進行每一個時刻的監(jiān)測、對信息進行精準分析的十分重要的環(huán)節(jié)。到目前為止，自動或半自動化方面超聲圖像與CT、MRI之間仍有很大的差異性，但是超聲成像因為有獨特的無損性、能夠隨時的都進行檢測以及低于平常的價錢，并且在定量分析、實時監(jiān)控以及醫(yī)治規(guī)劃等方面都有很大的發(fā)展能力，因此超聲圖像的豆剖在近年來越來越被人們所關注。因為本身所組成的部分十分復雜，醫(yī)學超聲圖像的豆剖在事實上是一件非常難以達到的事情，到現(xiàn)在不就是一個沒有被解決的世界性難題。目前，在臨床應用中對超聲圖像系統(tǒng)進行豆剖最為主要的陳海是基于闕值法和大夫手動豆剖兩種辦法。闕值豆剖法雖然應用簡單方便，但是在超聲圖像中會出現(xiàn)斑點噪音和出現(xiàn)的紋路使得圖像不能獲得一個較高的清晰度。手動豆剖法在實際操作起來最為便捷，最后得出的結果也可以被接受和采納，但是沉重的工作量和較長的時間通常會是大夫和病人都難以忍受。因此，用計算機實現(xiàn)自動化和半自動化的工作方法是在臨床應用上更快捷，更為高效的實現(xiàn)超聲圖像豆剖的理想選擇。

通過醫(yī)療設備獲取的圖像都是二維醫(yī)學斷層掃描圖像，但人體的結構是三維的，二維圖像不能看到人體內部的物體結構，并對人體器官的整體結構分析造成障礙。把二維圖像進行三維重建，重建后的圖像可以模擬人體結構，便于觀察和分析病情，因此本文通過面繪制和體繪制兩種方法對醫(yī)學圖像進行三維重建，本文主要介紹面繪制和體繪制三維重建的理論和具體實現(xiàn)過程。

1面繪制三維圖像重建

面繪制是三維物體在二維平面的投影，是一種基于體素的表面重建，即直接從體數(shù)據(jù)提取物體表面的方法。本文以人腦圖像為例，應用面繪制里的移動立方體法重建三維圖像，通過輪廓提取和等值面明暗顯示兩個步驟重建三維腦部圖像。1.1輪廓提取我們主要提取腦結構的表面形態(tài)，不考慮內部結構特征，因此叫輪廓提取。我們對表面輪廓進行采樣點提取，采樣點是由多個體素組成，一個體素又由8個頂點的多個立方體組成。首先，找到腦部的輪廓區(qū)域，計算每一個體素標量值的所有拓撲狀態(tài)，如果標量值大于輪廓線的標量值，把該體素記為屬于輪廓區(qū)域內的點，否則標記為輪廓區(qū)域外的點。然后，尋找頭表面和背景的邊界，去掉背景區(qū)域，計算頭表面的灰度閾值G，在頭表面內部的所有像素的灰度值都大于設定的閾值G，在頭表面的外部所有的灰度值都小于設定的閾值G。根據(jù)各頂點與設定的閾值的關系，把頂點分為2類，分別有黑、白兩色表示，遍歷立方體的每一個頂點，如果兩個頂點的顏色相同，該邊上不存在邊緣點，否則，在此邊上必然有一個邊緣點，用直線將遍歷后的所有小正方形的邊上邊緣點連接起來，并對公共邊合并，這些連接的線就構成了邊界的輪廓線，沿著邊界線將背景和頭表面區(qū)域分離開。處理完一個體素后，前后移動到另外一個體素，當所有的體素都遍歷完后，輪廓就繪制出來了。算法的步驟為：（1）選擇一個體素。（2）計算該體素中每一個小立方體頂點的內外狀態(tài)。（3）生成每個頂點的二進制編碼的索引值。（4）用該索引值創(chuàng)建樹型表，并計算標量值。（5）用樹型表計算每個點所連接的邊的位置。由于算法過程是對每一個體素單獨處理，一些頂點組成的邊緣可以會重復使用，在遍歷頂點的時候沿著相同的方向進行，通過程序消除重復使用的點即可。遍歷所有體素是輪廓提取的重點，本文用查表法遍歷每一個體素，將體素的八個頂點與閾值比較后產生一系列的邏輯值構成八位索引值，通過三維圖像的256種構型組成一個三角部分的查找表。通過查找表可以直接獲得輪廓區(qū)域的信息、索引號及指向三角部分的位置，最后找到所有三角部分的位置鑲嵌成表面輪廓。1.2等值面的明暗顯示為了真實的顯示物體表面的情況，使重構的三維圖像更直觀，本文對用三角片構成的物體表面設置光照效果，還要解決在特定的光照模型下的表面法向量的計算。首先，選擇光照模型，采用的光照模型為：I=Ia+(IS-Ia)cosθ，其中，I為物體表面光強度；Ia為環(huán)境的光強度；IS為光源的光強度；θ為入射光與表面法向量的夾角。然后，計算表面法向量，先用灰度差分法計算體素頂點上的灰度梯度值，再對八個頂點的法向量進行線性插值就可以得到每個頂點的法向量，把計算得到的法向量值代入光照模型公式，就可以計算出表面物體的光照強度。最后，將其投影在某個特定的二維平面上進行顯示，從而得到有光感效果的三維表面圖像，重建的輪廓及表面如圖1所示。

2體繪制三維圖像重建

表面繪制可以有效的繪制物體的三維表面，但缺乏內部信息的表達；體繪制可以直接由體素生成三維物體，能夠表達物體的內部信息，傳統(tǒng)的體繪制方法主要通過點、線和幾何多邊形繪制三維物體，但繪制后，圖像的真實感欠佳。比如：最大強度投影法重建后可以更直觀的觀察圖像，但是不能從圖像上看出沿著光線的最大值，即不能清晰的觀察到單個物體及相互之間的空間關系及具體位置。因此，本文提出按照圖像順序進行體繪制，該方法是發(fā)出一條光線通過像素進到場景中，然后用某一特定的為計算像素值的函數(shù)計算沿光線所遇到的數(shù)據(jù)，確定圖像平面中每個像素值。這樣可以清晰的分辨出圖像在空間域的具體位置，使繪制后的結果更真實。圖1重建的輪廓與表面按照圖像順序進行體繪制也叫做光線投射，先確定圖像上的一個像素值，調整好相機的參數(shù)后，從相機發(fā)出一條光線并穿透該像素，然后用一些設定好的函數(shù)計算光線所遇到的數(shù)據(jù)，得到具體的像素值。選定的函數(shù)不同，獲得的圖像也不同，可以從多個角度去觀察圖像，圖像觀察全面。光線投射是重建圖像的重要過程，本方法使用一個標準正投影柵格投影。光線具有互相平行的特點，并與視平面垂直，沿著每條光線的數(shù)據(jù)值是按照一個光線函數(shù)處理的，并將其轉換為灰級像素值。光線投射有兩個主要步驟：首先確定沿光線遇到那些數(shù)值，然后按一個光線函數(shù)處理這些數(shù)值。雖然在實現(xiàn)中這兩步典型地是結合在一起的，但這里我們單獨對待它們。由于需要按規(guī)定的光線函數(shù)來確定沿光線提取的數(shù)值，讓我們通過人腦圖像繪制的實例看看幾種不同的光線函數(shù)對顯示結果的影響。假設一條光線通過8位灰度體積數(shù)據(jù)時的數(shù)據(jù)值剖面，灰度數(shù)據(jù)值范圍為0~255。圖2是使用四個不同簡單光線函數(shù)轉化為灰級值的顯示結果。圖2四種不同光線函數(shù)繪制的結果前兩個光線函數(shù)，最大值及平均值，是對標量值本身的基本操作。第三個光線函數(shù)計算沿光線首次遇到等于標量值為30處的距離，第四個函數(shù)使用α合成技術，將沿光線的值看作按單位距離累積的阻光度樣本值。并非所有的體繪制方法都可分到按圖像順序繪制。例如，體繪制的錯切-變形法將三維視覺變換分解成三維錯切變換和二維的變形變換。體數(shù)據(jù)按照錯切變換矩陣進行錯切，投影到錯切空間形成一個中間圖像，然后再將中間圖像經變形生成最后的結果圖像。這種算法的最主要特點是按照主要的視線方向選擇切片數(shù)據(jù)集和投影數(shù)據(jù)。當視線的方向變化時，投影方向不一定變化。如果我們從體積的基平面投射光線做正交投影，則相當于使體積錯切，使光線變得與基平面垂直。如果所有光線都源自于基平面上體素中同一平面，那么，這些光線與該體積的每個后續(xù)平面上的體素相交在連貫的位置上。

3結論

一些先進的科學技術不斷的應用在醫(yī)療過程中，從而使醫(yī)學技術在實際的應用過程中得到有效提升。例如通過借助計算機圖像處理技術來提高醫(yī)學影像技術，能夠有效的提升臨床對患者病情判斷的準確率。而這主要就是由計算機圖像處理技術將影像進行還原分析，然后將一些病變位置在計算機操作下實現(xiàn)一種高清的處理，從而為主治醫(yī)生提供了參考建議。因此，為了能夠保證現(xiàn)代醫(yī)學影像技術的發(fā)展，需要我們對計算機圖像處理技術進行研究，從而找到一個能夠有效融合二者的關鍵點，這對于提升醫(yī)療水平非常有利。

1醫(yī)學影像技術常用的計算機圖像處理技術

隨著科學技術的不斷發(fā)展，醫(yī)學圖像處理技術是綜合各個專業(yè)學科的綜合性知識技術，在目前的臨床治療上，醫(yī)生為了能夠準確的診斷病人的病情，需要通過一些先進的醫(yī)療影像設備進行及時準確的病理分析，而這也是臨床治療中非常重要的一個環(huán)節(jié)。醫(yī)學影像不僅能夠在臨床治療上提供準確的圖像信息，還能夠直接的為醫(yī)生反應出病人的具體情況，直觀的對病人信息進行判斷。而作為目前現(xiàn)代醫(yī)學發(fā)展中經常運用到的一項技術，為了能夠使醫(yī)學影像技術的應用效果得到保障，需要我們在應用過程中注重對醫(yī)學影像的圖像成像進行分析，真正的為臨床治療找到最佳的治療方法。從目前我國的醫(yī)療事業(yè)發(fā)展現(xiàn)狀來看，在實際的診治過程中很多醫(yī)生都開始應用醫(yī)學影像技術進行診斷病情。例如，目前對于一些內部患有疾病的患者，都需要通過輔助CT、B超等醫(yī)學影像技術進行對患者的病情分析，可以實現(xiàn)患者病變部位的清晰化成像反饋，為臨床診斷治療提供了巨大的幫助。但是，在受到一些外部因素的影像下，想要將患者的醫(yī)學影像更加清晰準確的呈現(xiàn)，那么我們必須要對影像技術進行創(chuàng)新，控制相關影響清晰度的各個因素，從而保證醫(yī)學影像技術能夠快速穩(wěn)定的發(fā)展?；谀壳斑@種情況，本文我們通過對計算機圖像處理技術進行詳細研究，并且通過其中的PS技術、MAYA技術等對目前的醫(yī)學影像處理技術進行創(chuàng)新，從而提高醫(yī)學影像處理技術的準確性。

2計算機圖像處理技術在醫(yī)學影像技術中的應用

2.1圖像去噪。在傳統(tǒng)的醫(yī)學影像處理過程中，因為很容易受到外界因素的影響而造成圖像處理的不清晰。其中因為受到噪聲影響導致圖像出現(xiàn)明顯的噪點非常常見，這對于醫(yī)生在診斷病人的病情過程中很容易對病人病情做出錯誤的判斷。因此，為了能夠提高醫(yī)學影像處理的準確性與清晰效果，我們必須要對影像處理過程中出現(xiàn)的噪點進行清除，掌握造成噪點出現(xiàn)的原因，然后通過計算機圖像處理技術來進行改善，從而使影像根源得到改善，保證了醫(yī)學影像的清晰效果，還能夠保證診斷的準確性。2.2圖像增強。隨著圖像處理技術的不斷發(fā)展，圖像增加是目前現(xiàn)代處理技術中一種非常常見的圖像處理方法，能夠有效的提高圖像的清晰度和分辨率，在實際應用中較為廣泛。而對醫(yī)學影像技術的處理過程中，為了能夠恢復醫(yī)學圖像自身的各種真實情況，只有不斷減少醫(yī)學圖像本身的各種影響因素，才能夠保證患者在進行醫(yī)學影像診斷的準確性因此，我們必須要加強在醫(yī)學圖像處理中，對圖像本身顏色、自身的飽和度以及與圖像相關的其他因素的改善，從而保證最終的圖像應用效果，實現(xiàn)醫(yī)學圖像的應用和發(fā)展。2.3圖像分割。隨著計算機圖像處理技術的不斷發(fā)展，圖像分割技術主要是對圖像進行分割處理，而通過有效的計算機圖像處理技術的應用可以改變圖像自身的差異化，從而保障了在實際的醫(yī)學影像處理過程中的有效性。通過對醫(yī)學影像技術的分割處理，能夠準確的將圖像中的各種信息進行清楚的表現(xiàn)出來，并且還能夠運用計算機圖像處理技術，將患者進行診斷的明確區(qū)域性因素進行詳細的分析，從而使我們的醫(yī)生對患者的病情更加了解。通過我們將分割圖像進行應用，可以使其作為臨床診斷技術的依據(jù)來進行應用，從而有效的保證了患者治療過程中，對于醫(yī)學影像技術的更高需求。2.4醫(yī)學圖像的開窗技術。隨著計算機圖像處理技術的廣泛應用，在進行醫(yī)學影像處理時，能夠有效的幫助我們提高醫(yī)學圖像的精準度。其中，開窗技術的應用，就是能夠將醫(yī)學影像中部分線性灰度變換的主要方法，在臨床醫(yī)學影像處理過程中可以通過開窗技術，在不影響視覺效果的前提下將圖像的精度進行擴大，保證了診斷的準確性。

3結論

關鍵詞：醫(yī)學圖像

醫(yī)學圖像資料主要包括各種醫(yī)學圖片、疾病分布圖、醫(yī)學人物肖像圖等。這類資料的特點是直觀、形象，可彌補文字表達的不足。因此，在教學、科研和學習中，往往需要圖像資料來補充、印證。關于這類資料的查找，主要利用的是各種醫(yī)學圖譜，此外還可利用含圖的醫(yī)學工具書或專著。

1.利用醫(yī)學圖譜

例如美國出版的《外科手術圖譜》(AtlasofSurgicalOperation)。該圖譜介紹的一些高難度而復雜的手術方法圖，可供因實踐期短、大手術機會少的青年醫(yī)生參考。

2.利用醫(yī)學地圖集

醫(yī)學地圖集主要可用來查找疾病的分布圖。例如欲查我國鼻咽癌的分布圖，即可利用《中華人民共和國惡性腫瘤地圖集》。

論文關鍵詞：醫(yī)學圖像處理圖像分割圖像配準圖像融合紋理分析

論文摘要：隨著醫(yī)學成像和計算機輔助技術的發(fā)展，從二維醫(yī)學圖像到三維可視化技術成為研究的熱點，本文介紹了醫(yī)學圖像處理技術的發(fā)展動態(tài)，對圖像分割、紋理分析、圖像配準和圖像融合技術的現(xiàn)狀及其發(fā)展進行了綜述。在比較各種技術在相關領域中應用的基礎上，提出了醫(yī)學圖像處理技術發(fā)展所面臨的相關問題及其發(fā)展方向。

1．引言

近20多年來，醫(yī)學影像已成為醫(yī)學技術中發(fā)展最快的領域之一，其結果使臨床醫(yī)生對人體內部病變部位的觀察更直接、更清晰，確診率也更高。20世紀70年代初，X-CT的發(fā)明曾引發(fā)了醫(yī)學影像領域的一場革命，與此同時，核磁共振成像象(MRI:MagneticResonanceImaging)、超聲成像、數(shù)字射線照相術、發(fā)射型計算機成像和核素成像等也逐步發(fā)展。計算機和醫(yī)學圖像處理技術作為這些成像技術的發(fā)展基礎，帶動著現(xiàn)代醫(yī)學診斷正產生著深刻的變革。各種新的醫(yī)學成像方法的臨床應用，使醫(yī)學診斷和治療技術取得了很大的進展，同時將各種成像技術得到的信息進行互補，也為臨床診斷及生物醫(yī)學研究提供了有力的科學依據(jù)。

在目前的影像醫(yī)療診斷中,主要是通過觀察一組二維切片圖象去發(fā)現(xiàn)病變體,往往需要借助醫(yī)生的經驗來判定。至于準確的確定病變體的空間位置、大小、幾何形狀及與周圍生物組織的空間關系,僅通過觀察二維切片圖象是很難實現(xiàn)的。因此,利用計算機圖象處理技術對二維切片圖象進行分析和處理,實現(xiàn)對人體器官、軟組織和病變體的分割提取、三維重建和三維顯示,可以輔助醫(yī)生對病變體及其它感興趣的區(qū)域進行定性甚至定量的分析,可以大大提高醫(yī)療診斷的準確性和可靠性。此外,它在醫(yī)療教學、手術規(guī)劃、手術仿真及各種醫(yī)學研究中也能起重要的輔助作用。

本文對醫(yī)學圖像處理技術中的圖像分割、紋理分析、圖像配準和圖像融合技術的現(xiàn)狀及其發(fā)展進行了綜述。

1神經網絡技術的概念

神經網絡技術指的是人工神經網絡（ANN），其是一種模擬生物神經系統(tǒng)原理而構建的一種新型智能信息處理系統(tǒng)，簡稱神經網絡。自上世紀40年代ANN概念的提出，發(fā)展至今日ANN已在諸多領域實現(xiàn)應用，在解剖學、生理學、社會學等研究中均有良好表現(xiàn)，隨著ANN技術的逐步開發(fā)，其在臨床醫(yī)學領域也有所應用，如疾病預報、方劑配伍、醫(yī)學圖像處理等。神經網絡的應用為臨床醫(yī)學的研究與發(fā)展提供了一個新的平臺和方向。

2神經網絡的特點

ANN是利用大量的簡單基本元件（神經元）聯(lián)結而成的自適應性動態(tài)系統(tǒng)，雖然單個神經元的結構、功能較為簡單，但大量的神經元組合后就具備了處理復雜信息的能力，從而能夠模仿人腦的部分結構或功能，最終以人腦的邏輯完成信息的收集和處理。因此神經網絡的特點與其神經元數(shù)量、結構、單一神經元功能有關，從整體上概括來說，神經網絡主要有以下特征與功能（不同類型神經網絡的共同特征）。

2.1學習能力

學習能力是神經網絡的基本特征，其具備一定程度的自動學習功能。在特定算法的影響下，神經網絡可以通過不斷運算和識別某一信息來提高計算速度，慢慢積累并掌握各類信息的特點、特征，從而大大提高識別準確度。2.2存儲和聯(lián)想聯(lián)想存儲是一種特殊的思維邏輯模式，比如看到蘋果就會流口水，就是一種特定的聯(lián)想存儲，神經網絡的反饋機制就是基于聯(lián)想存儲功能實現(xiàn)。這種聯(lián)想存儲功能能夠快速實現(xiàn)圖像的對比和匹配，從而服務于臨床診斷。

摘要：超聲醫(yī)學規(guī)范化培訓住院醫(yī)師在超聲診斷和報告書寫中容易出現(xiàn)各種錯誤，運用超聲報告質量評分系統(tǒng)對規(guī)陪醫(yī)師超聲報告進行定期抽查和打分，進行針對性的指導和培訓，全面提升了超聲醫(yī)學規(guī)范化培訓住院醫(yī)師的超聲診斷質量和診斷水平。

關鍵詞：超聲；住院醫(yī)師；超聲報告

質量控制評分系統(tǒng)住院醫(yī)師規(guī)范培訓已在全國醫(yī)學院校陸續(xù)展開，是醫(yī)學生畢業(yè)后教育的重要組成部分，也已經培養(yǎng)出許多綜合素質強、臨床技能優(yōu)秀的住院醫(yī)師，住院醫(yī)師規(guī)范化培訓政策的積極作用已初現(xiàn)端倪[1]。超聲醫(yī)學科輪轉實踐是住院醫(yī)師規(guī)范化培訓中不可忽視的一大環(huán)節(jié)，無論是醫(yī)學影像專業(yè)的住院醫(yī)師還是臨床專業(yè)的專業(yè)醫(yī)師都應當具備超聲醫(yī)學科輪轉實踐經驗。

一、超聲醫(yī)學規(guī)范化培訓住院醫(yī)師超聲診斷和報告書寫中的常見問題

我們將我院超聲醫(yī)學科2016年9月—2017年8月期間的超聲報告及臨床診斷、復查對比及穿刺或手術病理結果隨訪并進行歸納整理，發(fā)現(xiàn)超聲醫(yī)學規(guī)范化培訓住院醫(yī)師在超聲診斷操作和報告書寫中的常見問題可分為以下幾個方面：（1）未仔細核對檢查申請單，致病人信息不一致或檢查部位錯誤，導致較嚴重錯誤。（2）超聲報告書寫不規(guī)范，不符合超聲基本術語要求，或誤用放射診斷術語描述超聲圖像。（3）報告書寫不認真，將某些臟器如膽囊、腎臟、甲狀腺等已手術切除者，仍在報告中按正常器官描述。（4）圖像存儲數(shù)量偏少，未留存重要陽性或陰性圖像致漏診或錯診發(fā)生。（5）儀器調節(jié)不正確致使留圖不標準美觀，或診斷及測量結果出現(xiàn)偏差。（6）報告錯別字較多，測量單位書寫錯誤，致使語句不通順或前后不符，甚至導致臨床醫(yī)生對病情判斷出現(xiàn)較大出入。

二、原因分析