医学图像标志点的自动配准

提出一种医学图像标志点自动识别方法，构造一个标志点的模板，利用区域相关景像匹配法，能快速、精确地将图像上的标志点识别出来。同时提出一种标志点自动配准算法：(1)定义标志点的多维距离向量，在图像空间或手术空间中，用某一标志点到其余点有序距离分量组成的向量，作为每个标志点的多维距离向量；(2)由于刚体变换保持距离不变，同一标志点在一个空间中的多维距离向量，与它在另一个空间的多维距离向量具有最大的相近性，比较每两个点(分属不同空间)多维距离向量的相关系数，就可以找出图像空间标志点与手术空间标志点的对应关系；(3)将所有点对坐标值代人刚体变换线性方程组，用最小二乘法求出从图像空间到手术空间的刚体变换矩阵，最终实现医学图像标志点的自动识别和配准。     

窗宽、窗位对CT图像的影响

本文通过介绍窗口技术在图像处理中的应用，加深对窗口技术的理解，体会不同的窗宽、窗位对图像的影响。     

基于医学影像计算机辅助诊断的分割方法

本文在综合介绍目前基于医学影像的计算机辅助诊断(MICAD)研究工作的基础上，重点分析了MICAD主要使用的图像分析和处理技术。作为例子重点介绍了MICAD对图像分割的要求，介绍了目前我们正在开展的最小近邻算法(KNN)和模糊最小紧邻算法(FKNN)进行图像分割的工作，并提出了如何用相邻像素的信息，进一步提高分割的准确性的思路，为后面的计算机自动识别提供依据。而计算机自动识别是基于医学影像的计算机辅助诊断过程自动化的基础。     

三维医学图像序列的自动连续分割

我们针对医学辅助诊断系统中从M R图像分割脑肿瘤的问题,改进了区域竞争算法,并利用它实现了医学图像序列间的连续自动分割,特别是脑肿瘤的分割和脑膜瘤的自动识别。模糊化区域竞争算法是为了更好的适应医学图像的模糊与不均匀的特点,而用区域增长做初始化可以给区域竞争提供用来竞争和合并的过分割区域。为了实现医学图像序列的自动连续分割,每一副切片的分割结果都会被用作初始化下一张切片;并且我们根据脑膜瘤的特点实现了它的自动识别。实验表明,我们的自动分割算法对仿真脑图像和真实脑图像均有较好的分割精度,并能满足系统对分割快速性的需要。     

CT检查的窗宽窗位设置

窗技术是CT检查中非常重要的技术,其定义为一种信息量中的感兴趣区。本文通过对脑窗、骨窗、肺窗和软组织窗的分析,研究CT检查撮佳显示窗技术。着重分析肺窗,宽肺窗（W1600HU：L－600HU）是肺内病灶的最佳显示技术,掌握窗技术才能正确显示各种不同的组织、器官,作出正确诊断。     

医学图像分割技术

图像分割是制约医学图像在临床上广泛应用的关键性问题。医学图像分割则是图像分割的一个重要应用领域。本文讨论了医学图像分割的目的和意义，简述了医学图像分割技术的进展，对近年来医学图像分割技术进行了综述。     

医学图像分割技术研究

医学图像分割技术是医学图像处理和分析中的关键技术.医学图像分割在医学诊断中扮演着重要角色,是图像分割的一个重要应用领域.本文综述和讨论了近年来的医学图像发展概况、分割技术、研究热点及其医学图像分割的评价等问题,并简要讨论了每类分割方法的特点及医学图像分割发展趋势.     

基于重采样的胸部CT图像肺实质自动分割

目的胸部CT图像的肺实质自动分割是肺部疾病计算机辅助检测的重要基础。为提高分割速度,本文提出并实现了一种基于重采样的分割算法。方法首先对数据重采样,提取部分（1／8）体数据。再基于重采样体数据,通过阈值分割、胸腔提取、气管剔除、血管填充、左右肺分离和肺壁结节填充等步骤,得到初步分割结果。然后将该结果还原到完整数据体上,形态学平滑后即完成最终分割。最后将算法应用于20例患者数据（2556个断层）,并与放射科医生手动分割结果进行比较。结果本文算法对20例患者数据均能取得优异结果,与放射科医生手动分割的平均面积重叠率达99．02％,且适用于左右肺相连、肺壁存在结节、视野不完整等异常情况。通过数据重采样极大缩短分割时间,一般可缩短50％,一帧图像平均耗时小于0．25s。结论本文算法能够实现胸部cT图像肺实质的自动分割,结果准确可靠,鲁棒性好,速度快,基本满足实际临床需求。     

基于人工生命的医学图像分割

医学图像中解剖结构和相关诊断信息的提取有着极为重要的意义，但目前的分割算法大都需要借助专家的干预和监控，寻求一种全自动分割的方法变得日益重要。人工生命的方法有助于人们了解生物学规律，并且在机器人、计算机图形学等方面得到了成功应用。主要介绍基于人工生命的方法在医学图像自动分割领域的初步应用。     

医学超声图像分割技术

图像分割在医学超声图像的定量、定性分析中均扮演着重要的角色,它直接影响到后续的分析、处理工作.但因其本身所具有的复杂性,医学超声图像的分割实际上是一件非常困难的事情,至今仍是一个悬而未决的世界性难题.因此我们更为详细的了解医学超声图像的一些分割技术,才能对这些方法加以运用,使得这些技术相辅相成,在实际应用中才能根据需要结合起来,形成更好的分割效果.     

图像分割与医学工程大学生创新能力培养

创新型国家离不开创新型人才,学生创新能力的培养是时代赋予高校的历史使命。医学工程学生由于其与医学尤其是影像医学的紧密关系,不仅要求学生具有一定的医学知识．更要具有利用理工科知识分析并解决医学问题的能力。本文从图像分割这一具体科研领域着手,首先阐述了图像分割的概念与基本算法,接着介绍了图像分割在医学工程中的重要作用．最后结合肝脏CT图像分割与视网膜血管图像分割这两个实际课题,以及在科研过程中学生所遇到的一些与图像分割相关的问题和我们在学生培养过程中的引导方法,由浅入深地重点阐述了图像分割在医学工程学生创新能力培养中的重要作用,并针对学生在具体实践过程中对最终分割结果的质量评价不够重视的现象,强调了全方位、多领域培养学生创新能力的必要性。     

A Heuristic Automatic and Robust ROI Detection Method for Medical Image Warermarking

This paper presents an automatic region of interest (ROI) segmentation method for application of watermarking in medical images. The advantage of using this scheme is that the proposed method is robust against different attacks such as median, Wiener, Gaussian, and sharpening filters. In other words, this technique can produce the same result for the ROI before and after these attacks. The proposed algorithm consists of three main parts; suggesting an automatic ROI detection system, evaluating the robustness of the proposed system against numerous attacks, and finally recommending an enhancement part to increase the strength of the composed system against different attacks. Results obtained from the proposed method demonstrated the promising performance of the method.     

基于相对模糊连接度的联合主动轮廓模型及其在医学图像分割中的应用

针对医学图像背景复杂、边界模糊、局部不均匀等特点,提出了一种基于相对模糊连接度的联合主动轮廓模型,并将其应用于医学图像分割。首先介绍主动轮廓模型的曲线演化方程和模糊连接度的相关理论,然后将相对模糊连接度作为曲线演化驱动力引入曲线演化方程,最后用实验证明该方法对多目标医学图像和复杂医学图像的有效性。由于模糊连接度方法综合了局部信息和全局信息,因此可以克服Li方法容易陷入局部最优的问题和Chan-Vese方法不能越过局部伪边界的问题,从而使联合主动轮廓模型的演化曲线最终收敛于全局最优边界。     

医学影像存档与传输系统的设计

本文对在综合性大型医院建立医学影像存档与传输系统的目标、结构、功能和硬件配置进行了论述.重点介绍了以SAN存储结构为核心构造医学影像存档与传输系统服务器组的方法,并对软件模块的功能进行了阐述.     

Analyzing Medical Image Search Behavior: Semantics and Prediction of Query Results

Log files of information retrieval systems that record user behavior have been used to improve the outcomes of retrieval systems, understand user behavior, and predict events. In this article, a log file of the ARRS GoldMiner search engine containing 222,005 consecutive queries is analyzed. Time stamps are available for each query, as well as masked IP addresses, which enables to identify queries from the same person. This article describes the ways in which physicians (or Internet searchers interested in medical images) search and proposes potential improvements by suggesting query modifications. For example, many queries contain only few terms and therefore are not specific; others contain spelling mistakes or non-medical terms that likely lead to poor or empty results. One of the goals of this report is to predict the number of results a query will have since such a model allows search engines to automatically propose query modifications in order to avoid result lists that are empty or too large. This prediction is made based on characteristics of the query terms themselves. Prediction of empty results has an accuracy above 88 %, and thus can be used to automatically modify the query to avoid empty result sets for a user. The semantic analysis and data of reformulations done by users in the past can aid the development of better search systems, particularly to improve results for novice users. Therefore, this paper gives important ideas to better understand how people search and how to use this knowledge to improve the performance of specialized medical search engines.