集成化三维虚拟手术系统的设计

目的解决虚拟手术系统中图像处理与三维可视化等方面的关键问题。方法利用VTK的可视化功能与ITK强大的图像处理功能,将它们集成起来,研究图像分割、图像配准与融合、三维重建与虚拟切割等关键技术。结果利用VTK与ITK,实现了图像的准确分割、多模态图像配准、三维重建与显示,并能进行三维虚拟切割。结论这种集成化的三维虚拟手术系统,可以使医生直观地观察手术过程与效果,提高手术的安全性与质量。     

基于linux平台的医学影像软件系统设计与应用

背景：随着VTK和ITK两个软件开发包的研制成功,医学影像领域内的研究人员越来越重视本领域内的软件开发问题。目的：开发一种结合VTK和ITK的医学影像软件系统。方法：首先对可视化软件包和图像处理包整合,进而基于整合框架对体数据进行处理、同步可视化和测量分析,最后结合病历信息与医学影像分析数据建立管理系统,在linux平台上对该软件系统进行了实现,利用上气道CT体数据对系统进行了测试。结果与结论：该系统能够结合VTK和ITK对体数据进行可视化和图像处理,基于MySQL数据库对病历信息和医学影像数据进行合理管理,体积、长度等测量精度都在1%之内。     

基于linux平台的医学影像软件系统设计与应用

背景:随着VTK 和ITK 两个软件开发包的研制成功,医学影像领域内的研究人员越来越重视本领域内的软件开发问题.目的:开发一种结合VTK 和ITK 的医学影像软件系统.方法:首先对可视化软件包和图像处理包整合,进而基于整合框架对体数据进行处理、同步可视化和测量分析,最后结合病历信息与医学影像分析数据建立管理系统,在linux 平台上对该软件系统进行了实现,利用上气道CT 体数据对系统进行了测试.结果与结论:该系统能够结合VTK 和ITK 对体数据进行可视化和图像处理,基于MySQL 数据库对病历信息和医学影像数据进行合理管理,体积、长度等测量精度都在1%之内.     

基于分水岭算法的交互式三维分割方法

背景：在临床中准确对人体组织进行三维分割能提高临床诊断的准确性,但传统的分水岭算法存在过度分割问题,难以实现人体组织的三维分割。目的：为准确三维分割人体组织,减少图像中伪极小值点对图像分割的影响,提出了一种基于控制标记符分水岭的交互式三维分割方法。方法：提取CT序列图像的内部和外部标记符,以此修正梯度图像并进行分割;在此基础上,根据序列图像上下层的相似性,利用人机交互进行组织结构的三维分割。首先在第一张序列图像上手工选取感兴趣区域上的一个点,借助同一组织在连续CT序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域。结果与结论：基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题,便于进一步分割图像。利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征。     

医学图像三维重建系统的关键技术研究与设计

背景:医学影像三维可视化技术将二维断层图像转化为三维图像,有利于提高医疗规划的准确性,是当今医学领域研究的热点,在诊断医学、手术规划、模拟仿真等领域都有重要的应用.目的:利用二维医学图像序列重建出三维模型的关键技术,对可视化系统进行总体设计.方法;首先研究现有三维重建技术,包括预处理技术,图像分割和配准可视化算法.其次给出了系统体系结构设计图,各模块中应用到各种三维重建关键技术.结果与结论:根据现有关键技术的研究,选用OpenGL作为可视化开发工具,设计了一种基于PC机的三维医学图像可视化系统.     

基于VTK和ITK环境的超声图像三维重建

背景：医学图像的三维模型,能够准确的三维结构在临床诊断上凸显重要性。目的：对连续多帧的超声图像进行三维结构重建。方法：利用可视化工具VTK和图像的配准分割工具ITK,在VC＋＋的平台下,采取直接体绘制的方法,对连续多帧的DICOM医学超声图像进行了三维重建,并且用户可以利用鼠标与图片进行交互,实现任意角度的旋转。结果与结论：合成体绘制在重建中的效果较优,相对而言更适合超声图像的三维重建。     

基于Matlab距骨快速图像分割与动画生成的算法

背景:骨科手术导航是利用计算机和机器视觉技术,使医师在计算机屏幕的指导下完成接骨手术.为了后续定位工作的开展,首先必须基于CT图像序列在计算机上对下肢骨进行图像分割、三维重建和动画显示,并对其位姿进行测量.目的:在计算机上快速自动地实现距骨图像的分割、三维可视化及动画显示,为建立新型的足部手术导航系统搭建计算机显示平台. 方法:基于足部CT图像序列,提出下列算法并采用Matlab编程实现:①基于最大熵原则对足部图像进行阈值分割以提取其中所有足部骨骼.②将形态学算法与Live-wire算法相结合快速自动地从该足部骨骼图像中分割出距骨.③利用移动立方体法对距骨表面进行三维重建.④采用图形学函数生成与显示距骨旋转的动画场景.结果与结论:实验结果表明,上述算法准确度高且以较少的时间在普通 PC机上实现了距骨的三维可视化工作,可应用于足部手术导航的计算机显示平台中.     

双源CT心脏图像中二尖瓣的分割及三维重建

目的 对双源CT(DSCT)图像中心脏二尖瓣进行分割和三维重建,为二尖瓣结构和功能异常分析提供参考。 方法 采用两步分割法对DSCT图像中二尖瓣分割:首先利用基于区域竞争主动轮廓模型的快速水平集算法(RCAC-FLSA)对经过双边滤波处理后图像进行初步分割,得到心脏对比剂增强区域;然后在灰度拉伸处理的基础上,结合ROI,再次利用RCAC-FLSA对上一步分割结果进行分割,得到心脏二尖瓣区域;最后对二尖瓣进行恢复。在Visual C++ 2005平台上结合OpenGL开发三维重建与显示平台,利用基于三维纹理映射的体绘制方法进行三维重建,并且加入伪彩色处理和透明度处理,以增强三维重建的立体效果。 结果 成功分割出一系列DSCT心脏图像中的二尖瓣,结合伪彩色处理和透明度处理的三维重建与显示平台,可获得二尖瓣的逼真重建。 结论 两步分割算法能有效分割DSCT心脏图像中的二尖瓣;结合伪彩色处理和透明度处理的三维重建与显示平台,能提供逼真的三维重建效果。     

基于分水岭算法的交互式三维分割方法

背景:在临床中准确对人体组织进行三维分割能提高临床诊断的准确性,但传统的分水岭算法存在过度分割问题,难以实现人体组织的三维分割.目的:为准确三维分割人体组织,减少图像中伪极小值点对图像分割的影响,提出了一种基于控制标记符分水岭的交互式三维分割方法.方法:提取CT 序列图像的内部和外部标记符,以此修正梯度图像并进行分割;在此基础上,根据序列图像上下层的相似性,利用人机交互进行组织结构的三维分割.首先在第一张序列图像上手工选取感兴趣区域上的一个点,借助同一组织在连续CT 序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域.结果与结论:基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题,便于进一步分割图像.利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征.     

计算机辅助诊断技术中图像纹理研究的主要方法及其应用

目的:综合分析目前图像纹理研究的主要方法以及在医学图像分析中的应用.资料来源:英文文献的检索时间为1983/2009;中文文献的检索时间为2004/2009.以"medical image,texture research,image analysis,application" 检索英文文献;"医学图像,纹理研究,图像分析,应用"检索中文文献.检索数据库包括PubMed数据库(http://www.ncbi.nlm.nih.gov/sites/entrezl),ScienceDirecr数据库(http://www.sciencedirect.comn及中国知网数据库(http://www.cnki.net/. 资料选择:纳入具有原创性的研究论文,及观点明确、资料充分、结论可靠的综述文章,排除重复性研究及与课题相关性较弱的文献.结局评价指标:初检得到104篇文献,包括中文10篇,英文94篇.阅读标题和摘要进行初筛,排除研究目的与课题相关性较弱的33篇,重复性研究18篇,保留53篇中英文文献进一步分析.结果:常用的纹理分析方法包括结构法、统计法、基于模型和基于变换的方法.结构法从纹理的基元形态及其分布规则视角分析规则纹理;统计法主要针对平滑度和粗糙度的纹理特征分析;基于模型的方法以构建图像模型为基础,它不仅可被用于描述纹理,而且还能用于合成纹理;基于变换的方法利用变换域信号处理方法分析纹理的数字特征.纹理研究在医学图像分析中发挥着重要作用,受到广泛关注.结论:由于医学图像及其纹理的特殊性和复杂性,不是所有的纹理测度都能用于医学图像分析.医学图像纹理研究的发展方向之一是如何整合和发挥不同方法的优势,充分提取纹理特征,更准确地表征医学图像纹理及其改变与病理状态的关系,使之成为计算机辅助诊断算法的重要组成部分.     

A tissue-specific adaptive texture filter for medical ultrasound images

The interpretation of ultrasound images remains a difficult task and the opinion of different doctors is generally not unequivocal. Therefore, there is a growing interest in the field of computer-aided diagnosis. In the field of medical image processing, computer-aided diagnosis includes image enhancement to facilitate visual interpretation, automatic indication of affected areas, organs and other regions of medical interest, the performance of automatic measurements and image registration. In this article, we introduce a new algorithm for ultrasound image enhancement that employs a multivariate texture classifier based on the co-occurrence matrix, which, in combination with an adaptive texture smoothing filter, is used to enhance the visual difference between and improve boundary detection between healthy neonatal brain tissue and tissue affected by periventricular leukomalacia. For a quantitative comparison, we delineate the periventricular leukomalacia-affected regions with two different active contours before and after processing 10 images with the proposed technique and several speckle filters from the literature. The semi-automatic delineations thus obtained are compared with the manual delineations of a neonatologist. In all cases, the average delineation achieved with the proposed technique is closer to that of the manual expert delineation than when the images are processed with the other techniques.     

基于图割与粗糙集的MRI脑部肿瘤图像检索方法

背景:基于内容的医学图像检索是一门涉及多领域的学科,由于各种医学图像的成像原理不同,产生的图像在颜色、纹理和形状等视觉特征方面存在差别,使得此方法的实现还存在许多需要解决的问题.目的:针对基于内容的医学图像检索中存在特征提取困难、检索时间长的问题,提出一种基于图割与粗糙集结合的相似图像检索方法.方法:为克服图割仅适用于较少象素的图像和倾向于小割集的缺陷,首先对图像进行聚类,然后构建图像的Gomory-Hu割树,按割值大小依次去掉值较小的边,提取出图像的特征子图并构建特征库.为实现快速检索,借助粗糙集对特征库中的特征进行约简,有效减少参与相似性比较的特征数量.并将此方法应用到MRI脑部肿瘤图像的检索.结果与结论:实验结果表明该方法能快速有效地检索出MRI脑部图像库中的肿瘤图像,检索的平均查准率为78.4%,平均查全率为62.9%.     

Model for defining and reporting reference-based validation protocols in medical image processing

Objectives Image processing tools are often embedded in larger systems. Validation of image processing methods is important because the performance of such methods can have an impact on the performance of the larger systems and consequently on decisions and actions based on the use of these systems. Most validation studies compare the direct or indirect results of a method with a reference that is assumed to be very close or equal to the correct solution. In this paper, we propose a model for defining and reporting reference-based validation protocols in medical image processing. Materials and methods The model was built using an ontological approach. Its components were identified from the analysis of initial publications (mainly reviews) on medical image processing, especially registration and segmentation, and from discussions with experts from the medical imaging community during international conferences and workshops. The model was validated by its instantiation for 38 selected papers that include a validation study, mainly for medical image registration and segmentation. Results The model includes the main components of a validation procedure and their inter-relationships. A checklist for reporting reference-based validation studies for medical image processing was also developed. Conclusion The proposed model and associated checklist may be used in formal reference-based validation studies of registration and segmentation and for the complete and accurate reporting of such studies. The model facilitates the standardization of validation terminology and methodology, improves the comparison of validation studies and results, provides insight into the validation process, and, finally, may lead to better quality image management and decision making.     

点对称距离模糊C均值聚类算法在脑部MRI图像分割中的应用

背景：在传统的图像分割方法中,模糊C均值聚类算法应用十分广泛。目的：将改进的模糊C均值聚类算法应用到MRI图像的分割中,提高MRI图像分割的准确度。方法：针对传统的基于Minkowski距离的模糊C均值聚类算法,提出了基于点对称距离的模糊C均值聚类算法,并将其运用到了脑部MRI图像分割中。结果与结论：实验结果表明,与模糊C均值聚类算法相比,点对称距离的模糊C均值聚类算法有明显的优势。     

基于调幅-调频与熵图多模态医学图像的配准

背景：基于传统互信息量的多模态医学图像配准方法配准时需要利用二维直方图或者Parzen窗函数的方法估计概率密度分布,进而计算互信息量,这种方式计算速度慢,而且只考虑了图像的灰度信息,容易出现误配。目的：针对目前主流的配准方法鲁棒性差、耗时的缺点,提出了一种新的基于调幅-调频（AM-FM）特征互信息量的快速配准方法。方法：该方法考虑了图像的空间和结构信息;首先通过AM-FM模型对图像进行分解,得到图像的AM-FM特征,与图像的灰度特征一起组成高维特征;然后利用熵图和最小生成树加快AM-FM特征互信息量的计算,从而实现了医学图像的快速配准。结果与结论：对20组磁共振T1-T2加权图像、CT/正电子发射计算机断层成像图像进行了实验,结果表明该方法在图像空间分辨率较低,有噪声影响等情况下均可以达到较好的结果,且配准精度优于国际上的主流方法,具有计算速度快,精度高,鲁棒性强的特点,适于临床应用。     

基于4D-CT最大呼吸气相位图像获取三维肺通气的信息

背景:传统的肺功能成像技术存在诸多不便,利用4D-CT中蕴含的通气信息进行功能图像的快速提取对肺部疾病的诊断和治疗有非常重要的意义。目的:探讨基于三维变形图像配准算法从4D-CT最大吸气相位和最大呼气相位图像中获取肺通气的三维分布的可行性。方法:利用电影模式采集自由呼吸状态下的胸部CT图像并利用已开发的4D-CT软件进行四维重建,得到吸气末和呼气末双相位CT图像,依次进行肺组织分割、利用基于体积的变形图像配准算法进行三维图像配准、量化分析三维空间象素的位移矢量,最后得到通气度量图即肺功能区的三维分布图。结果与结论:利用三维变形图像配准算法,实现了从4D-CT最大吸气相位和最大呼气相位图像中获取在任意横断位、冠状位和矢状位的肺通气分布。     

三维多模态医学图像自动配准方法研究

提出一种综合应用图像分割与互信息的医学图像自动配准方法.首先采用门限法和数学形态学方法进行预处理,再用k-means方法进行分割,之后采用基于互信息的Powell优化方法配准.将该方法用于磁共振图像(MRI)和正电子发射断层扫描(PET)临床医学图像配准,得到较满意的效果.     

Weakly-supervised learning of multi-modal features for regularised iterative descent in 3D image registration

Methods for deep learning based medical image registration have only recently approached the quality of classical model-based image alignment. The dual challenge of both a very large trainable parameter space and often insufficient availability of expert supervised correspondence annotations has led to slower progress compared to other domains such as image segmentation. Yet, image registration could also more directly benefit from an iterative solution than segmentation. We therefore believe that significant improvements, in particular for multi-modal registration, can be achieved by disentangling appearance-based feature learning and deformation estimation. In this work, we examine an end-to-end trainable, weakly-supervised deep learning-based feature extraction approach that is able to map the complex appearance to a common space. Our results on thoracoabdominal CT and MRI image registration show that the proposed method compares favourably well to state-of-the-art hand-crafted multi-modal features, Mutual Information-based approaches and fully-integrated CNN-based methods - and handles even the limitation of small and only weakly-labeled training data sets.     

深度学习在骨科领域的应用研究进展

深度学习是当前人工智能发展最为迅速的一个分支。深度学习可以在大样本数据中自动提取良好的特征表达，有效提升各种机器学习的任务性能，广泛应用于图像信号处理、计算机视觉和自然语言处理等领域。随着数字影像的发展，深度学习凭借自动提取特征，高效处理高维度医学图像数据的优点，已成为医学图像分析在临床应用的重要技术之一。目前这项技术在分析某些医学影像方面已达到放射科医生水平，如肺结节的检出识别以及对膝关节退变进行级别分类等，这将为计算机科学发展在医疗应用的提供一个新机遇。由于骨科领域疾病种类繁多，图像数据特征清晰，内容复杂丰富，相关的学习任务与应用场景对深度学习提出了新要求。本文将从骨关节关键参数测量、病灶检测、疾病分级、图像分割以及图像配准五大临床图像处理分析任务对深度学习在骨科领域的应用研究进展进行综述，并对其发展趋势进行展望，以供从事骨科相关研究人员作参考。      

Inter-subject registration-based one-shot segmentation with alternating union network for cardiac MRI images

Medical image segmentation based on deep-learning networks makes great progress in assisting disease diagnosis. However, currently, the training of most networks still requires a large amount of data with labels. In reality, labeling a considerable number of medical images is challenging and time-consuming. In order to tackle this challenge, a new one-shot segmentation framework for cardiac MRI images based on an inter-subject registration model called Alternating Union Network (AUN) is proposed in this study. The label of the source image is warped with deformation fields discovered from AUN to segment target images directly. Initially, the volumes are pre-processed by aligning affinely and adjusting the global intensity to simplify subsequent deformation registration. AUN consists of two kinds of subnetworks trained alternately to optimize segmentation gradually. The first kind of subnetwork takes a pair of volumes as inputs and registers them using global intensity similarity. The second kind of subnetwork, which takes the predicted labels generated from the previous subnetwork and the labels refined using the information of intrinsic anatomical structures of interest as inputs, is intensity-independent and focuses attention on registering structures of interest. Specifically, the input of AUN is a pair of a labeled image with the texture in regions of interest removed and a target image. Additionally, a new similarity measurement more appropriate for registering such image pair is defined as Local Squared Error (LSE). The proposed registration-based one-shot segmentation pays attention to the problem of the lack of labeled medical images. In AUN, only one labeled volume is required and a large number of unlabeled ones can be leveraged to improve segmentation performance, which has great advantages in clinical application. In addition, the intensity-independent subnetwork and LSE proposed in this study empower the framework to segment medical images with complicated intensity distribution.