课件：生物医学工程专业概论医学图象处理.ppt

配准与融合 将多种不同成象模态提供的信息联合起来 CT MRI, MRI PET, MRI fMRI 解剖结构图象和功能图象 定义标准的坐标系 建立图集和标准数据库 引导匹配后的分割或理解 对不同图象作算术的和/或统计操作的基础 平均 统计参数映射 变形 配准不同时间采集的图象（跟踪病情的发展） 图集和标准数据库 定位、测量 Brain MRI Ventricle Measurement Cortex Localization 软、硬组织：XCT MRI XCT：易于区分软、硬组织 MRI：易于区分软组织之间的差别 结构和功能：MRIPET Registration of PET CT 病变的演变和发展 病变的演变和发展 配准中的挑战 多模态图象包含不同的信息 形态学和功能 联合不同的图象分辨率和各项异性的体素尺度，有时会出现扭曲（失真） 多种测量性质（组织、骨、流体、病灶的灰度差异） 同一病人的（常为刚性），不同病人的（标准数据库、刚性和弹性），图集与病人之间的（统计特征、刚性和弹性） 从刚性到弹性（处理生理与病理的变异性） 特征提取 发现特征 通常特征与图象中的目标有着密切的关系。如：在显微图象中在识别细胞时，细胞的大小、灰度、颜色等是适当的特征。 特征选择 ― 从所发现的特征组中的各种各样的评价函数来选定最合适的特征的过程。选定特征应对各种变换的不变性（一般在归一化后均可成立） 图象识别 从图象中识别出所感兴趣的组织、器官或区域 三维局部显示 可以对病变组织或其它感兴趣的组织器官进行分割提取，建立相应的三维模型并进行三维显示。在此基础上可以对病变体或组织器官进行定性甚至定量的分析，辅助医生诊断。 三维局部显示示例 手术模拟 在重建的图象中，模拟手术的切割 虚拟现实技术的应用 模拟手术示例 Rendered Images Rendered Images 医学图象处理与分析中的挑战 对于3D、3D＋t和矢量值图象数据，计算机的能力远远超过显示系统的能力。 发现表现、科学数据可视化和形状定征的方法，帮助人们理解复杂的、高维的、多模式的图象数据。 将图象作为提供场景、可精确测量的工具，进行形态测量、外科手术规划、监控并展现、甚至实时的图象引导的介入治疗。 生理/病理解剖目标的变异性 将来自于图象的形态测量和功能测量与生物学和病人的结果相关联 THANK YOU SUCCESS * * 可编辑 * * * * * * * * ldhgf * ldhgf * ldhgf * ldhgf 图象增强实例： 图象增强实例： 图象增强实例： 伪彩色处理效果 图象增强：滤波 对图象滤波，达到消除图象中的噪声或者增强边缘等提高图象质量，有利于操作者的观察。 采用图象滤波处理往往能有效地改善图象的视觉效果。 图象增强：空间域中值滤波 图象增强：自适应加权中值滤波 原始图象 结果图象 滤波方法的比较 (c)AWMF (b)MEDIAN (a)原图 图象增强：频域滤波 高通滤波 低通滤波 边缘检测：什么是边缘？ A(x) A(x) A(x) A(x) x x x x 显微图象的边缘检测 比较 轮廓提取结果 (A1) (A2) (A3) (A4) (A5) (A6) (A7) (B1) (B2) (B3) (B5) (B6) (B4) (B7) (C) （A1）原始旋转扫描超声图； （A2）自适应加权滤波后的A1； （A3）A1的二值图； （A4）形态学滤波后的A3； （A5）初始轮廓； （A6）初始轮廓在原图A1中的位置； （A7）A1的最终轮廓； （B1）插值后的超声图； （B2）自适应加权滤波后的B1； （B3）B1的二值图； （B4）形态学滤波后的B3； （B5）B1的初始轮廓； （B6）初始轮廓在原图B1中的位置； （B7）B1的最终轮廓； （C）原始旋转扫描超声图A1在自适应 加权滤波后的Sobel梯度图 图象压缩（Compression） Source Image (640x480 pixels) Decompressed at CR = 240:1 医学图象编码与压缩的目的 矛盾： 图象的数据量巨大 图象数据存储和传输能力有限 图象数据量 　 一幅图象（位） 图象数/检查 文件/检查 核医学（NM） 128*128*12 30-60 1-2MB 磁共振成象（MRI） 256*256*12 60 8MB 超声（US） 512*512*8 20-230 5-60MB 数字减影血管造影（DSA） 512*512*8 15-40 4-10MB 计算机断层扫描（CT） 512*512*12 40 20MB 计算机放射成象（CR