基于小波变换的医学图像融合技术

医学图像融合作为信息融合技术的一个重要领域，在90年代受到学术界的广泛重视。现代医学影像成像系统的应用，为临床诊断提供了不同模态的图像，它们可提供的医学信息各有其特点，如CT骨窗图像骨骼成像非常清晰，分辨率极高，可为病灶的定位起到良好的参照，MRI图像分辨率不及CT，但软组织成像清晰，可用于病灶范围的确定，PET图像提供了人体的功能信息，但图像模糊，分辨率低。如果我们能够把这些信息综合显示，就能够为临床诊断提供更加充分的信息。     

神经网络技术及其在医学图像处理中的应用

神经网络技术是模拟生物神经系统的原理而构成的一种新型智能信息处理技术,已成功应用于疾病预报、方剂配伍等医学领域。近年来,在医学图像处理与分析领域,神经网络技术也得到了广泛应用。本文就神经网络技术在医学图像分割、医学图像配准以及基于医学图像的计算机辅助诊断技术等方面的应用及其研究进展进行综述,阐述具有代表性的技术和算法。     

医学影像存档与通信系统(PACS)的发展和意义

随着医学事业的迅猛发展,对影像诊断提出了更高的要求。医学影像的数字化是当今医学影像技术中最新、最热门、最重要的技术,PACS(picture archiving and communication sys-tems,医学影像存档与通信系统)是近年来随着数字成像技术、计算机技术和网络技术的进步而迅速发展起来的、旨在全面解决医学图像的获取、显示、存贮、传送和管理的综合系统。PACS实现了医学图像的存储共享,更重要的是实现医学影像的量化诊断、图像融合、存备份、各种图像转换、三维仿真等功能,PACS的数字量化诊断基础、各种数字化技术及信息整合处理手段的应用,带…     

医学图像三维可视化技术研究

随着计算机图像处理技术的发展, 医学图像的三维可视化变为可能, 并逐渐成为一个新的研究热点.文中介绍了医学图像三维可视化的预处理技术,面绘制和体绘制方法,可视化软件系统的研究现状及三维可视化技术在医学诊断和临床医学上的应用.     

深度学习在脑肿瘤医学图像研究进展

近年来,随着人工智能相关技术不断发展,深度学习（DL）技术日益提高,已成为医学领域的研究热点。DL在医学图像中的深入研究,为精确诊断脑肿瘤、个体化治疗和预后评估带来全新发展方向。本文就DL在脑肿瘤医学图像中的应用现状及未来发展进行综述。     

基于局部特征的医学图像融合方法

目的 介绍一种基于局部小波系数特征的多尺度医学图像融合方法.方法 首先对待融合的两幅医学图像做多尺度的小波分解,然后采用原始图像灰度的局部标准差作为小波系数选取的参考标准,最后再对选取的小波系数进行重构得到最终的融合图像.结果 成功将一幅MRI解剖图像和一幅SPECT功能图像融合在一起.结论 基于局部特征的医学图像融合方法是切实可行的,且简便灵活,图像融合效果较好.     

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.     

PACS系统综述

ＰＡＣＳ（ｐｉｃｔｕｒｅａｒｃｈｉｖｉｎｇａｎｄｃｏｍｍｕｎｉｃａｔｉｏｎｓｙｓｔｅｍｓ）即图像存储与通信系统,是医院用于管理医疗设备如ＣＴ,ＭＲ等产生的医学图像的信息系统。医学图像诊断在现代医疗活动中占有极为重要的地位。随着可视化技术的不断发展,现代医学已越来越离不开医学图像的信息,医学图像在临床诊断、教学科研等方面正发挥着极其重要的作用。ＰＡＣＳ是实现医学图像信息管理的重要条件,它对医学图像的采集、显示、储存、交换和输出进行数字化处理,最终实现图像的数字化储存和传送。ＰＡＣＳ的目标是实现医…     

基于像素融合的Curvelet医学超声图像降噪方法

目的：探求基于Curvelet变换的医学超声图像降噪的有效方法。方法：分别对超声图像进行Curvelet和隐Markov树小波降噪，再采用模糊分区方法对结果图像进行像素融合。结果：实现了基于像素融合的Curvelet医学超声图像降噪。结论：对超声图像的降噪实例表明该方法有效提高了图像的视觉效果，明显抑制了伪影。     

医学图像无损压缩技术研究进展

医学成像技术已经成为现代临床医学诊断与治疗的核心支撑技术。然而,对于各种医学成像设备所获取的图像,庞大的数据量给图像存储与传输带来了巨大压力,并严重制约着医学图像的后续应用。随着医学成像设备分辨率的不断提高,所获取的图像数据量必将持续膨胀。因此,必须利用有效的压缩技术对其进行压缩。无损压缩能够完全保持原始医学图像的所有信息,在实际应用中获得了广泛的接受。本文对医学图像无损压缩技术的研究进展进行总结与分析,并对其发展趋势进行展望。     

基于小波变换的PET/CT图像融合算法研究进展

随着图像融合技术在影像学领域的不断发展,越来越多新的影像技术及成像设备出现。PET/CT将PET和CT两种模态的医学图像进行融合,优势互补,提高了医师诊断疾病的效率及准确率。小波变换在医学图像融合中有重要作用,基于小波变换的算法使融合后图像的细节更加清晰而易于诊断,已成为近年来医学图像融合领域中研究的重点。本文对基于小波变换的PET/CT图像融合算法的研究进展进行综述。     

正电子发射计算机断层显像／核磁共振：分子影像学技术新进展

背景：正电子发射计算机断层显像（PET）从分子水平反映细胞代谢和功能变化,MRI有更高的软组织对比度和空间分辨率,且无电磁辐射。近年来,随着多模式成像技术飞速发展,作为刚刚应用于临床的多模式分子成像技术,PET／MRI融合显像可提供分子、形态与功能信息,有关研究已成为分子影像领域的关注焦点。目的：就目前PET／MRI研制存在的问题和进展情况做一综述,并展望其潜在的临床和科研价值。方法：由第一作者应用计算机检索CNKI数据库、Springerlink数据库、Pubmed数据库相关文献。检索时间范围：2000年1月至2012年6月。英文检索词：“PET／MRI”和“multimodality imaging or imag efusion”,中文检索词：“分子影像学”和“图像融合”。选择内容与PET／MRI多模式成像相关的文章,同一领域文献则选择近期发表或发表在权威杂志文章,共纳入53篇文献。结果与结论：已有的研究成果表明,PET／MRI较传统显像手段和其他成功的多模式成像技术,如PET／CT和SPECT／CT有更多、更新的应用优势,并已积累临床前和初步临床应用的经验,PET／MRI具有广阔的发展空间,有望将分子影像技术的发展带入一个新的时代,为临床诊断掀开新的篇章。     

MRI图像的小波融合处理

背景：小波图像融合是将两幅图像融合在一起,以获取对同一场景的更为精确、全面、可靠的图像描述。目的：用小波变换图像融合技术融合MRI脑梗死图像,以恢复缺损图像。方法：图像融合的主要机制是利用二维小波分析法对MRI脑梗死图像进行小波分解,并对高低频信号采用多种融合方式进行融合。通过对比不同融合方式后的效果图,找出最适合本部位MRI图像的融合方法。结果与结论：不同方式的融合技术能成功修复不同的缺损部位,多种融合方式的合适组合能完全修复多处缺失部位。对于文中给出的MRI脑梗死图像,采用最小值融合方式的融合效果最好。提示使用二维小波分析法处理医学图像,简便快捷,能有效改善图像的视觉效果,辅助临床诊断。     

超声图像预处理方法的改进研究

目的在对超声图像传统预处理方法进行处理后效果对比分析的基础上,提出一些改进措施。方法以超声医学影像为关键点,分析其噪声,提取噪声特征,从空间域处理技术来阐述超声医学影像的预处理方法。结果生物医学图像预处理技术是医学图像系统中最关键的技术之一,直接影响医生的正确诊断,以及后期的医学数据分析。对原始图像经过双精度处理,图像整体亮度会被拉低。变换图像窗口,选择感兴趣的灰度区域进行灰度提升,增强图像的灰度可视信息,对比未做双精度处理前的实验。结论采用新的灰度处理方法后的图像,具有平滑的边缘,清晰的细节,能更好地保留细节信息,具有一定的现实意义和实用价值。     

基于Contourlet的医学图像融合技术探讨

针对不同医学影像设备获得的多源图像信息有效融合和综合利用的问题,提出一种基于Contourlet区域特性的医学图像融合算法——CRSIF算法,借助于Contourlet变换的优良特性,在Contourlet变换域使用加权平均和选择方式实现频域系数的有效融合,对低频子带采用局部加权能量作为评价标准,高频子带采用区域加权Contourlet对比度的树型结构设计,以满足区域的融合规则。对CT/MR脑部医学图像的仿真分析表明,该算法可克服传统规则下融合图像不连续及产生毛刺和斑点的缺陷,使融合图像与人类视觉系统的感知特性相吻合。     

医学影像处理、分析和可视化技术

随着医学成像设备的不断发展和医院数字化进程的不断推进，医院数字影像的采集、通信、归档、存储等基本设施日趋完善。数字影像不仅便于存贮和检索，而且能够提供更多的诊断信息。为了挖掘图像中更多的诊断信息，并提供计算机辅助诊断功能，必需首先研究数字影像的处理、分析及可视化技术。为此，本文简要介绍与此有关的算法、工程实现方法及注意事项，交流技术思想和研究心得。