医学图像领域中数字图像处理的应用论文

医学图像领域中数字图像处理的应用论文1、前言

计算机技术不断进展，硬件性能不断提升，软件效能不断优化，在其带动下，数字图像处理技术也得到了快速的进展。以往难以解决的技术性瓶颈，而今已经可以轻而易举的突破。但是在一些专业性较强的领域，对于数字图像处理有着一些特别的要求，许多通用的数字图像处理技术、方法，不能充分发挥其优势，甚至无法使用。本文针对数字图像去噪这一典型问题，在简洁回顾相关通用数字图像处理技术进展的基础上，针对医学PET图像的特别性，提出一些自己的看法及思索。

虽然数字图像处理技术很早便被应用于医学相关领域，但是由于医学图像自身的分类多样、成像技术相对简单，目前仍旧有很多影响医学图像成像的诸多因素无法从理论层面解释，所以数字图像处理技术在医学领域的进展仍旧相对滞后。

2、数字图像处理技术的回顾

数字图像处理作为一个学科，经过将近60年的进展，已经形成了完善的理论体系，并细化为多个专业方向。数字图像处理技术诞生之初，图像去噪就是其主要目标之一。在通用数字图像处理领域，常见的噪声主要包括乘性噪声和加性噪声。数字图像的噪声往往和图像的特征信息交织在一起，如何有效地区分并去除噪声，同时尽量保持图像的细节完整，是数字图像去除噪声要面对的难题[1].

2.1空间域通过卷积处理图像噪声对获得的图像在空间域直接进行处理，往往采纳卷积的数学形式。例如常见的均值滤波、中值滤波、为纳滤波等。常见的中值滤波可定义为：

式子中{xij(i,j)∈I2}表示数字图像个点的灰度值。依据图像处理的实际需要，目前已经有很多成熟的滤波器可供选择。该类方法的优势在于数学结构相对简洁，运算量较小，但是图像处理结果相对较差，简单造成图像细节丢失或者噪声抑制不足等结果。

2.2频率域通过相应转换处理图像噪声将要处理的图像进行转换，依据实际状况选择适当的频带进行处理，然后经过反变换获得去噪后的图像[2].基于小波及其衍生分析方法的多尺度分析是该种方法中最具代表性的。由于该类方法理论较为成熟，数学机构敏捷，所以至今仍旧被学术界关注，并且每年都有一些新的方法被提出。虽然该类方法与前面提到的滤波器方法相比在运算简单性上有着较大的劣势，但其在图像处理结果上的优势明显，并且随着计算机硬件效能的提升，在频率域的多尺度分析方法已经得到了较为普及的应用[3].

传统的小波去噪方法(wavelet-baseddenoising)：将含有噪声的图像进行小波变换，转化成小波系数Wf(j,k)，选择合适的阈值Tf,依据肯定的处理规章，对小波系数进行处理，把小波系数中噪声的部分去除，最终经过小波反变换得到去噪后的图像。

依据实际的图像分析需求，在小波的基础上进展出了许多小波的衍生方法。这些方法又可以根据处理图像时基函数的变化与否分为自适应分析和非自适应分析。其中自适应分析比较常见的方法有：Brushlet、Wedgelet、Bandelet和Directionlet等。非自适应分析常见的方法有：Ridgelet、Curvelet、Contourlet、Shearlet、NSCT等[3].

3、数字图像技术在医学图像领域的应用

数字图像处理在医学领域有着广泛的应用，在这里只针对医疗中常见的大型设备来简洁阐述。这里仅例举CT、MRI和PET(positronemissiontomography)三种具有代表性的影像设备来简洁分析。

CT、MRI和PET都属于临床常见的影像设备，虽然成像原理各不相同，但却使用很多相同的数字成像技术。CT主要是运用X光穿透被照体，检测X光的衰减，从而反推出被照体的衰减系数，依据已知的衰减系数对比表重建出被照体的解剖图像。MRI的结构成像主要检测静态磁场中外加射频脉冲对人体内氢质子的影响，从而得到对应的MR信号，重建出对应的解剖图像。PET主要是检测注入人体内的放射性核医药物在人体内代谢过程中发生“湮灭”放射出的γ射线，通过图像重建得到对应的功能性信息[4].

以上三种设备普遍使用了空间域通过卷积去噪的方法，最为常见的就是Gaussionfilter.几乎常见的品牌设备都将此种方法作为图像重建过程中的去噪标准步骤。一般作为补充，很多品牌的设备也内建了一些“更为简单”和“有效”的去噪方法。但是实际使用中，去噪效果并不非常抱负[5].

4、局限与对策

CT在图像重建过程中，假如只简洁使用Gaussionfilter,忽视X光的实际物理效应，如康普顿散射、X光的能谱分布等，得不到较为精确     的图像信息，这也是目前临床使用的一般CT无法做到精确     “定量”的'缘由之一。MRI成像相较CT更为简单，而且截至目前尚无讨论表明MRI对人体有任何直接危害，所以MRI设备生产商将更多资源投入到如何从设备的硬件改善来提高图像品质，而不是考虑如何从图像处理的角度来解决问题。因此Gaussionfilter在MRI中使用也特别广泛。PET成像与CT原理不同，但是同样受限于放射剂量。与MRI相比PET的图像处理技术相对较为多样，由于PET图像自身的一些特点，也打算其需要协作更多的图像处理才能获得更多有价值的信息[6].而对于PET来说，虽然核医药物的γ射线产生符合泊松分布，但是在临床实际图像处理中往往并不针对泊松来处理，Guassionfilter依旧被使用。

由于早期计算机硬件的效能不高，很多优秀的数字图像处理方法无法应用于临床实践，当今计算机硬件效能已经有了大幅度提升，可以重新考虑在相关大型医疗影像设备中植入较为先进的算法，从而获得更为优良的图像质量。并且应当依据不同影像设