关于医学图像处置及其识别方法

1 绪论

1.1 选题背景

在医学领域，自显微镜问世以来，对一些图像的分析已成为医学研究中的重要方法，许多新型成像技术和设备的出现以及电脑技术的发展，使得计算机辅助技术迅速发展，医学图像处理技术对医学研究及临床实践的作用和影响日益增大，在医学领域可以用图像的形式揭示更多有用的医学信息，医学的诊断方式也发生了巨大的变化。

目前的医学图像主要包括CT(计算机断层扫描)图像、MRI(核磁共振)图像、B超扫描图像、数字X光机图像、X射线透视图像、各种电子内窥镜图像及显微镜下病理切片图像等。而在影像医疗诊断中，主要是通过观察一组二维切片图像去发现病原体，这往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系，仅通过观察二维切片图像是很难实现的。

因此，利用计算机图像处理技术对人体的二维切片图像进行分析和处理，实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析，可大大提高医疗诊断的准确性和可靠性。此外，它在医疗教学、手术规划、手术仿真及各种医学研究中也能起到至关重要的辅助作用。

1.2 图像处理技术国内外现状及发展趋势

目前，随着现代科学技术的发展，在计算机上进行图像处理的技术已经逐渐发展并日渐成熟，特别是在医学图像的处理上有了很大的进步，并在一定程度上代替了医生的诊断，为医学事业的发展带来了很大的进步并提供了良好的契机。

1.2.1 计算机图像处理技术发展及应用

计算机图像处理是一门新兴的技术，它是 20 世纪 60 年代以来，随着计算机技术和VLSI的发展而产生，并不断发展和成熟起来的，在理论和实际应用中都取得了巨大的成就。

早期的图像处理就是改善图像质量，主要以提高人的视觉效果为目的。在图像处理方面，美国喷气推进实验室首先取得了成功应用。他们对几千张月球照片进行了如灰度变换、去除噪声等处理，并由计算机绘制出月球表面地图，获得了巨大成功。

在医学上，图像处理技术也取得了巨大的成就。1972 年，开始出现了X射线计算机断层摄影装置，即CT。它最初只用于头颅的诊断。1975 年，又研制出可用于全身的CT装置，能够清晰地获得人体各个部位的断层图像，这在人类医学研究史上具有划时代的意义。

20 世纪 70 年代中期，人们开始研究如何用计算机来系统解释图像，就像人类视觉系统理解外部世界一样。20 世纪 80 年代末，人们将计算机视觉技术应用于地理信息系统，开始研究海图的自动读入及自动生成方法。图像处理技术的应用领域开始不断拓展。从 20 世纪 90 年代开始，图像处理技术进入了快速发展时期。小波分析开始被有效地应用于图像分解和重构，成为数学方法在信号与图像分析上的重大突破。

进入 21 世纪，随着计算机技术的快速发展和相关理论的不断完善，图像处理技术已经在生物医学工程、航空航天、机器人视觉、工业检测、公安司法、军事制导和文化艺术等许多应用领域受到广泛的重视，并取得了重大的研究成果。图像处理技术已成为一门前景远大，引人瞩目的新型学科。

1.2.2 图像分割和融合以及识别的现状与发展

图像的分割、融合与识别是图像处理领域中研究最多的课题之一，目前，其在医学诊断、航空航天、通信、机器人视觉、工业自动化及军事等领域都有着广泛的应用。

在医学图像研究中，由于人体组织器官不均匀、器官蠕动等造成医学图像一般具有噪声、病变组织边缘模糊等特点，医学图像分割与识别的目的就是将图像中感兴趣的区域清楚的提取出来，然后根据提取的特征利用分类器进行相应分类，从而为医生的定量、定性分析提供基础。图像分割研究的是在特定背景下对象所表现出的整体属性，着重于二者的关系，而图像识别则主要是基于对象本身的属性。图像分割是图像分析与识别

首要解决的问题，也是制约医学图像处理中其它相关技术发展和应用的瓶颈。

(1) 图像分割的国内外研究现状

图像分割是图像处理与分析中的一个经典问题，一直都受到人们的高度重视。自 20世纪 70 年代以来，其研究已经有几十年的历史。迄今为止，结合各种相关理论，已提出了上千种分割算法，而且目前针对这方面的研究仍在继续进行。传统的图像分割技术主要可分为基于区域的分割方法和基于边界的分割方法。六十年代以来，人们研制开发出众多的图像分割方法，许多方法最初都是采用单一的图像分割技术。近年来，单一的分割技术已难以胜任对新的成像模式产生的复杂医学图像的分割任务。为此，人们提出了集成分割技术的概念，即把两个或两个以上的单一技术结合在一起，使它们扬长避短，互为补充。

另外，医学图像分割技术是一个从人工分割到半自动分割再到自动分割的逐步发展过程。

目前，由于大量的新兴技术如模糊技术和人工智能技术在图像分割中的应用，图像分割领域中也涌现出一些自动的分割技术。但由于其运算量较大，目前在临床上并没有完全取代人工分割和半自动分割方法。因此，研究实用的自动分割方法并最终取代繁琐的人工分割和主观性很强的半自动分割一直是人们追求的目标，也是近年来图像分割方法研究的重点。

但是，由于医学图像的复杂性，到目前为止，国内还很少有图像分割方法能让所有的医学图像都产生满意的分割效果。图像分割技术的各种方法一般都是面向特定的领域，针对某一问题利用多种分割方法结合来处理，常要用到医学领域的相关知识。由于医学图像分割问题的困难性，在目前无法完全由计算机完成分割任务的情况下，人机交互式分割方法逐渐成为研究重点。

(2) 图像融合的国内外研究现状

图像融合是信息融合的一个研究方向。它从 20 世纪 80 年代初开始出现，至今已引发了世界范围的研究热潮，它在计算机视觉、遥感、机器人、医学图像处理以及军事等领域有着广泛的应用价值。

医学图像融合技术是 90 年代开始兴起并快速发展起来的新技术，它是信息融合领域中一个极具特色的领域。它综合处理成像设备所获得的数据，以得到新的有助于临床诊断的信息。医学图像融合技术在手术计划的制定，病理变化的跟踪，治疗效果的评价等方面也有较多的应用，其研究和临床应用主要集中在大脑的诊断和手术治疗，以及脏器肿瘤的诊断、定位等。但由于融合研究起步较晚，因此现有的技术方法还只是针对具

体病症、具体问题发挥作用，很多方法还处于实验研究阶段，应用还不广泛。

医学图像融合技术综合了多种现代科学技术，并将随着各学科的飞速发展而不断发展，它也将会在临床诊断和治疗、计算机辅助诊断、远程医疗及手术导航等方面有广阔的应用前景。

(3) 图像识别的国内外研究现状

图像识别技术主要是指通过计算机，采用各种先进的科学技术方法，对系统前端所获取的图像进行一定的处理，使其达到特定目的。图像识别包括如人脸识别、指纹识别等的生物特征识别、手写识别、条码识别以及智能交通中的车牌识别等。图像识别技术作为人类视觉认知的延伸，它也是目前图像处理领域研究最多的课题之一。

图像识别经历了三个发展阶段：文字的识别、数字图像处理及识别和物体的识别。

文字识别的研究始于 1950 年，一般是识别数字、字母和符号，从印刷文字到手写数字、文字的识别，应用都非常广泛。

数字图像处理及识别的研究是从 1965 年开始的。数字图像的易存储、传输方便、可压缩且传输不易失真、处理方便等优点为图像识别技术的快速发展提供了强大的支持。

物体的识别属于高级的计算机视觉范畴，主要是指对三维世界中的客体及环境的感知和认识。它以数字图像处理与识别作为基础，并结合人工智能与系统学等学科进行研究，其研究成果在机器人及各种工业领域中被广泛应用。

在图像识别技术的发展中，目前主要有三种方法：统计模式识别、结构模式识别和模糊模式识别。图像识别的本质是一个映射问题，即从模式空间到类别空间的映射。

随着计算机与信息技术的快速发展，图像识别技术得到了越来越广泛的应用。如医疗诊断中对各类医学图像的分析与识别、指纹识别、人脸识别、遥感图片和卫星云图的识别等，图像识别技术已逐渐地渗透到我们的日常生活中来。目前，在计算机图像识别方面的新技术如以色列著名科学家艾坦·沙龙博士和美国的梅拉夫·格伦博士(马萨诸塞综合医院)正合作开发的通过分级比较提高计算机识别物体的新方法将会成为众多学

科的医学诊断助手。

另外，人工智能也是图像识别技术应用的一个重要领域。图像识别作为人工智能中最基本的一项技术，它所涉及的专业领域越来越多，应用也越来越广泛。图像识别技术的基本分析方法也不断地随数学工具的进步而发展进步。现在，它已远远突破了视觉技术的范围，而更多地体现在机器的智能化方面。

目前对一些医学图像的分割与识别都有研究，但是对人体甲状腺等医学图片的分割与识别研究却很少。因此，利用计算机研究人体甲状腺医学图像并对其处理，以实现人体甲状腺医学图像的计算机辅助诊断具有极大的必要性和现实意义，它以后也将是人体甲状腺医学诊断研究的重点。

1.3 研究目的及意义

甲状腺是内分泌系统中的一个重要器官，它与人体神经系统一起被称为两大生物信息系统，二者紧密联系，相互配合，使机体的内环境维持相对稳定。在人体中甲状腺是最大的内分泌腺，它受神经刺激后分泌出甲状腺激素，作用于人体相应器官而发挥生理效应。

甲状腺位于“喉结”的下方约2～3厘米处，呈棕红色，形如“H”，分为左右两个侧叶，中间以峡部相连。两个侧叶贴附在喉下部和气管上部的外侧面，上达甲状软骨中部，下抵第六气管软骨处，峡部多位于第二到第四气管软骨的前方。在峡部有一个锥状叶向上伸出，长短不一，长的可达舌骨，是胚胎发育的遗迹，常随年龄的增大而逐渐退化。

甲状腺在青春期发育成熟，其重量一般为 15～30 克。甲状腺两个侧叶各自的宽度为 2 厘米左右，高度为 4～5 厘米，峡部的宽度和高度均约 2 厘米。一般，女性的甲状腺会比男性的稍大一些。正常情况下，由于甲状腺很小很薄，既看不到，也摸不到。如

甲状腺的病症比较多，如甲状腺肿大、甲状腺瘤、甲状腺结节等。一直以来，甲状腺肿大、甲状腺癌等疾病困扰着很多人。据调查显示，在我国沿海地区甲状腺疾病的发病率很高，且有逐年增加的趋势。

目前，对于甲状腺的诊治，除了人工进行触摸外，主要就是通过B超、超声波以及CT图像等对照病理图来确诊病状。而甲状腺的临床症状常与冠心病、贫血、特发性水肿等相似，且由于医学成像设备的成像机理、获取条件和显示设备等因素的限制，有时会导致医生在观看甲状腺医学图像的时候造成误诊或漏诊。因此，利用计算机对甲状腺医学图像进行分割与识别等处理，使医生对病变部位的观察更加直接和清晰，并在临床

上为医生的确诊提供一定的参考，以实现甲状腺图像的计算机辅助诊断，就显得十分必

要，也有很重要的现实意义。

1.4 本课题的目标和内容

本文的主要内容是对人体医学图像进行分析研究，并采用计算机辅助诊断技术对图像进行处理，为医生对病情的确诊提供一定的帮助。文中以甲状腺等医学图像为研究对象，首先针对图像的特点进行了预处理，然后通过对各种分割算法的对比分析，提出一种改进的迭代阈值分割算法，可以较好的分割出目标部分;另外，为满足医学图像诊断和分析的需要，又对图像进行了融合处理;最后，对甲状腺图像及其病变特点进行分析，并在分割的基础上，提出以甲状腺的面积比例作为特征，利用K近邻算法对正常和异常的甲状腺图像进行分类，实现了对人体甲状腺的计算机辅助诊断。

2 甲状腺医学图像预处理

本课题主要针对人体甲状腺等医学图像进行处理，以实现人体图像的计算机辅助诊断，为医生的临床诊治提供一定的参考与帮助。本章根据甲状腺图像的特点对其进行图像的增强等预处理，使得图像质量得到提高，并便于计算机分析与描述。