基于Android平台的医学图像显示软件设计

目的：为了可以在更多平台上实现对医学图像的查看和简单诊断,本文设计了基于Android智能操作系统平台的医学图像显示软件。方法：通过对DICOM3.0标准医学图像格式的解读分析以及对AIM规范的研究了解,实现过程中使用C＋＋和Java语言在Eclipse开发环境下对软件进行开发,其中,由C＋＋语言编写的部分负责实现对DICOM文件中像素数据及其文本信息的读取,由Java语言编写的部分负责实现对已读取到的内容进行显示,对医学图像中关注区域进行标注,以及解析显示AIM规范中的标注信息。结果：在Android操作系统的平板电脑上实现了对DICOM格式医学图像及其相关文本信息的读取与显示、ROI（关注区域）的标注处理等功能,并且标注信息的读取和储存符合AIM规范。结论：结合Android系统特点,利用平板电脑通过触摸屏进行操作的交互优势,使医学图像的浏览和注释过程更加便捷,可广泛应用于医学诊断和学术研究。     

一种基于小波变换的乳腺X线图肿块分割方法

目的：乳腺癌的早期诊断和治疗是能够降低乳腺癌患者死亡率的有效途径。通过乳腺X线图像观察乳腺状况是目前乳腺癌普查的首选影像方法。随着图像处理技术的高速发展,计算机辅助检测技术在乳腺癌的检测方面起到越来越重要的作用。方法：本文首先利用图像处理领域的形态学处理、区域增长等相关知识,对乳腺X线图像进行预处理操作,去除图像中所包含的干扰信息。之后提出一种对图像的灰度直方图进行小波变换,并根据其小波变换的模极大值点确定图像分割阈值的方法对乳腺X线图像中的疑似肿块区域进行粗分割。在通过粗分割过程获得乳腺肿块的大致位置信息之后,再利用区域增长的方法获得肿块的边缘信息。结果：本文选取MIAS乳腺图像数据库中的65幅图像作为测试图像,保证每幅图像至少包含一个乳腺肿块。利用本文所提方法对这65幅图像进行实验,并将实验结果与该数据库中的专家标注信息作对比,实验结果为当采用db40的小波系数时的检出率为95．5％。结论：本文所述方法能够有效地分割出乳腺X线图中的肿块区域,并且有较高的检出率,具有进一步研究和应用的价值。     

一种医学图像去噪程序的并行优化

目的：在采集、处理和传输过程中,医学图像会存在各种噪声,严重影响医学图像的质量和后续对图像的各种处理,因此医学图像去噪具有重要意义。同时医学图像数据量大,去噪处理算法复杂,在一般个人电脑上进行医学图像去噪仍是一个非常耗时的过程．很难满足实际应用中高实时性的要求．因此需要通过优化来提高去噪的处理速度。方法：本文利用CUDA（Compute Unified Device Architecture）并行编程对基于同质算法的三维医学图像去噪进行加速,CPU和GPU（Graphic ProcessorUnit）异构编程方式能发挥GPU高强度的计算能力,提高算法的执行速度。通过使用纹理存储器将图像数据与纹理绑定,优化存储器访问,提高数据访问速度。优化过程中,合理选择三维图像数据的分块方式和线程块维度。可以获得更快的加速。结果：与基于同质的matlab和CPU去噪程序相比,并行优化后GPU程序在保持去噪图像质量的前提卞可以达到几百倍的加速。结论：CUDA加速大大缩短了三维医学图像去噪的运行时间,解决了医学图像去噪的速度瓶颈问题．可以应用于对运行速度有要求的图像处理中。