时间：2022-04-23 20:45:57
导语：在医学图像论文的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
医学工程由于其学科的高度综合交叉性，对学生创新能力的培养相对其它学科更为重要，也更具有探索性。关于医学工程学生创新能力培养的论文已有很多[3-6]，他们都从不同的角度阐述了医学工程学生创新能力培养的途径、方法与模式。具体从某一学术领域研究对医学工程创新能力培养的文章还鲜见于文献，本文尝试从图像分割领域入手，首先概述图像分割的概念和基本算法，接着阐述图像分割在医学工程领域中的重要作用，最后结合实际应用重点研讨医学工程学生的创新能力培养。
1图像分割及其基本算法
图像分割是一种重要的图像分析技术。在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分常称为目标或前景，而其他部分称为背景，前景一般对应图像定的、具有独特性质的区域。为了辨识和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上才有可能进一步对目标进行测量和对图像进行处理。简而言之，图像分割就是指根据某种均匀性或一致性的原则将图像分成若干个有意义的部分，使得每一部分都符合某种一致性的要求，而任意两个相邻部分的合并都会破坏这种一致性。图像的分割在很多情况下可以归结为图像像素点的分类问题[7]。目前应用较多的图像分割方法主要有两种：基于区域的图像分割方法和基于边缘检测的图像分割方法。前者通过检测同一区域内的均匀性是否一致来将图像中的不同区域识别出来，主要包括阈值分割法、区域生长法、聚类分割法以及基于随机场的方法等。基于边缘检测的分割法是通过边缘检测技术把不同区域分割开来，常用的方法包括微分算子法、形态学梯度法、曲面拟合法、边界曲线拟合法，以及串行边界查找等[8]。这些分割方法都有自己的优点和缺点，以及不同的应用范围。经过对这些算法的改进以及重新组合，也有人提出了新的算法，尽管这些新的算法对一些图像的分割能够取得好的效果。但对于背景复杂的弱边界医学图像分割效果不佳。近十年以来，针对传统图像分割方法的局限性，研究重点逐渐放在基于偏微分方程、借助曲线演化模型等数学建模方法的图像分割，其中最具有代表性的就是水平集方法和活动轮廓模型[9]。尽管这类方法的分割效果与参数的选择有关，但具有一定的规律，且只要参数选择合理，对于边界模糊、对比度低的医学图像分割，亦可达到理想的分割效果[10]。
2图像分割在医学工程中的重要作用
随着医学成像在临床诊断和治疗上的作用越来越显著，医学图像分割就成为医学图像分析领域的一个重要的研究课题。由于手工分割很耗时，且主观性强，因此，寻求在计算机的帮助下，从CT、MRI、PET以及其它模式医学图像中提取有关解剖结构的有用诊断信息成了我们的任务。尽管现代成像设备提供了对内部解剖结构的优越的观察条件，使用计算机技术对内部解剖结构进行精确而有效的量化和分析仍然是有限的。医学图像分割可以提取出准确的、可重复的、量化的病理生理数据，满足不同的生物医学研究和临床应用的需要。医学图像分割的目的是通过提取描述对象的特征，把感兴趣对象从周围环境中分离出来，分析和计算分割对象的解剖、病理、生理、物理等方面的信息。图像分割过程是对医学图像进行对象提取、三维重建、体积显示、图像配准、临床诊断、病理分析、手术计划、治疗方案、疗效评估、影像信息处理、计算机辅助诊断等处理的一个必不可少的步骤。医学临床实践和研究经常需要对人体某种组织和器官的形状、边界、截面面积以及体积进行测量，从而得出该组织病理或功能方面的重要信息。精确的测量对疾病的诊断和治疗有重要的临床意义。在一段时间内多次测量同一种与某种疾病相关的组织的体积，可以得到病情发展的信息或用作治疗效果的监测手段[9]。如肿瘤学的临床研究经常用肿瘤收缩的程度和时间来评估治疗效果，将肿瘤大小的精确量化数值作为疗效的测度；肝脏移植供体与受体的肝脏体积测量与脉管分析是肝脏移植术前最重要的预评估工作；视网膜血管的形状、宽度、扭曲以及分叉等结构特征的变化可以直接反映各种眼科疾病对血管网络形态结构的影响，这些特征的变化对某些眼底疾病的早期诊断有重要的意义[11]等等，这些都与图像分割及其准确程度密切相关。此外，不同模式医学图像间的配准、血液细胞的识别和分类、血管造影图像中冠状动脉边缘的监测、乳腺片中微钙化点的检测、放化治疗、神经外科手术的计划与图像引导的手术等也都要求对组织成分的位置和大小精确定位和计算。对人体各种组织的正确分类不仅可以为临床组织病变提供计算机辅助诊断依据，而且也是图像三维重建和医学图像可视化的基础。由于人体解剖的个体差异较大，临床应用对医学图像分割的准确度和分类算法的速度要求又较高，目前虽然已有多种分割算法，但是远未达到完善。因此，医学图像分割领域的研究仍然是当前医学图像处理和分析的热点。
3图像分割与医学工程学生创新能力培养
图像分割实践是培养医学工程学生创新能力非常有效的途径。首先，由于医学图像实际获取设备与条件的不同，引起测量上的不精确性和不确定性，造成医学图像数据非常复杂，这给医学图像分割带来了极大的挑战。其次，图像分割方法灵活多样，能否熟练地、有针对性地应用这些方法解决医学图像分割领域的具体问题，是检查学生创新能力的非常有效的办法。第三，图像分割要求学生具有扎实的数学基础，熟练的编程能力以及知识的综合应用能力。现在的医学成像设备，如CT、MRT成像设备，它们自带的分割软件一般使用阈值分割的方法，尽管这些设备尤其是国外设备使用阈值分割的精度很高，但因阈值分割只是简单地根据图像的灰度值进行分类，因此，这一方法对于具有复杂背景、形状不规则的医学图像分割来说，具有自身的缺点。如对于肝脏CT图像的分割与三维重建，由于肝脏与周围器官的弱边界问题，单独应用阈值分割是很难解决问题的，因此，我们就要激发学生的创新思维，从模糊聚类、区域增长、数学形态学、水平集方法等角度加以思考。尽管如此，自动地分割某一个人的肝脏CT序列图像，也会遇到困难，这是因为(1)肝脏相邻器官或组织如腔静脉、肌肉等的灰度值与肝脏很相近；(2)由于造影剂影响、CT设备不同模态的设定对不同供体的肝脏和其它组织呈现出不同的灰度值，甚至同一供体不同切片都会如此；(3)CT图像不同切片的解剖结构不同，不同供体的肝脏形状差异显著，甚至会出现两三个分散的肝脏区域出现在同一个切片中；(4)肝脏形状是不规则的，它们延伸至腹部左侧与脾脏相连，由于这两个器官的灰度值范围几乎相同，即便人眼观察，也无法确定二者边界，因此，由于检测不到脾脏和肝脏的边界，一般算法无法完成分割。因此，我们可以启发学生应用神经网络的智能分割方法，根据上一切片的分割结果自动分割同一序列的下一切片图像，这样又会涉及到如何将肝脏的灰度信息、分块信息，以及相邻切片间的空间信息融合到一起，也就是说，如何构造神经网络的特征向量[12]。在肝脏分割的过程中，还会涉及到肋脊椎骨与肾脏的分割，这些器官如果单纯根据图像分割的方法是很难解决问题的，必须借助于医学解剖学知识，如对称性、连续性等[13、14]。再如，对于医生非常感兴趣的肝静脉与肝门静脉的分割与三维重建，由于注射造影剂后它们的灰度与周围的的肝脏区别明显，因此，采用阈值分割的方法就很容易得到所需的结果，但由于这两种血管灰度一致，因此，使用医院CT设备自带的软件三维重建后，它们是交织在一起的，这就不便于医生观察，甚至会发生混淆，这个时候就要启迪学生的医学知识应用能力，结合解剖学知识并应用图像分割方法解决这个问题。另外，通过对肝脏图像的分割，学生还可以进一步将这些知识和理论应用到非医学图像领域的分割。如结合单阈值分割，可以引导学生进行多阈值分割，并提出改进的方法[15]；结合CV模型与LBF模型，可以引导学生通过高斯核函数改进CV模型图像拟合函数，得到加权形式的能检测局部区域灰度不均匀的函数；并针对当CV模型在低对比度图像中检测不同灰度目标时出现的误分割情况，提出一项全局约束函数，用于调控曲线在运动中兼顾检测梯度幅值不为零的点，并将改善的方法用于复杂的纹理图像分割[16]。
综上所述，对于学生的创新能力培养，我们如果能结合实际应用就能挖掘学生的潜能，开阔学生的视野，激发学生的学习热情，还可以提高学生理论与实践相结合的能力。在以上肝脏CT图像的分割例子中，可以看出，学生不仅需要一定的医学知识与医学影像基础，还需要一定的图像处理理论与智能模式识别理论，如模糊聚类、水平集方法、区域增长、数学形态学[17]、神经网络等，而且，更重要的是，通过肝脏分割这一简单的课题可以引申出一系列相关的课题，这些课题不仅具有内在的联系，也是相对独立的，而且层层深入，要求学生不仅要知识全面，尤其要能灵活运用，融会贯通。这对于学生的创新能力培养具有极大的价值，我们课题组的学生也通过这条途径，结合国家级、省级与校级的创新课题，学到了很多书本上学不到的知识，包括他们的团队协作能力和科研能力的提高，还发表了相应的学术论文[10,12-17]。
再比如，对于视网膜血管图像的分割，现在的文献中已有很多方法，包括传统的Gabor小波方法，匹配滤波(MatchedFilter,MF)方法以及它的改进算法，基于知识引导的自适应阈值分割方法等等，尽管这些方法都比较新颖，也能取得较好的分割结果，但都对视网膜中微小血管的分割无能为力。如果能够引导学生先对图像进行直方图增强，再经过二维Gabor小波的平滑处理，学生就会发现被“隐藏”的微小血管得到了呈现。由于水平集方法对较粗血管分割的优势，以及区域增长方法对微小血管分割的优势，学生自然就会找到最终的分割方法。尽管方法比较传统，但效果比其他方法都好，这样不仅加深了学生对以上各种图像分割算法的进一步认识，更大大激发了学生的科研热情，提高了学生的创新能力。还有，图像分割往往离不开对分割结果的比较与评价，高水平学术论文中，分割结果的比较与评价往往是一件很重要的事情，也是一件比较困难的事情，并且一般占了大量的篇幅，因此，在图像分割的学习与实践中，有意识地培养学生这方面的能力，也是值得重视的。这不仅要求学生有一定的图像分割知识积累，敏锐的思维，扎实的数学基础，娴熟的编程能力，更要有图像分割结果评估这方面的意识，而且这往往是我们中国学生最容易忽视的，他们往往认为只要分割结果出来就完成任务而不去关注。
譬如，上面所提及的视网膜血管分割，因为已有的方法和我们改进的方法相比，往往相差无几，甚至肉眼难以观察，如果不加以定量比较，往往很难体现算法的优势，或者没有足够的说服力，因此，这也是学生创新能力培养的一个重要领域，我们应该加以高度重视。值得一提的是，现在很多学生看了国际期刊上发表的医学图像分割领域的高水平论文之后，一般只关注它的算法和结果，甚至感慨论文水平并不怎么样，为什么别人能发表，而自己却不能发表。熟不知，别人论文的组织水平，知识体系的全面性，展开讨论与结果评价的深入性往往比我们高出一筹。因此，对学生创新能力的培养应该是全方位的、多领域的，不仅要有意识地引导学生深入思考，也要注重对国内外优秀成果与经验的吸收借鉴。
关键词:灰度直方图;特征提取;matlab;医学图像
中图分类号:TP391.9文献标识码:A文章编号:1009-3044(2009)32-9032-03
Gray-scale Histograms Feature Extraction Using Matlab
LIU Yi-xin1, GUO Yi-zheng2
(1.Department of Computer, Jinshan Vocational Technical College, Yangzhong 212200, China;2.Department of information science and technology, Nanjing Normal University Taizhou College, Taizhou 225300, China)
Abstract: The feature extraction of image is a foundational work for image recognition, image data mining, content-based image retrieval (CBIR), etc. And it is a hot topic in the research of image now. This paper analysised and implemented CT liver image gray-scale histograms feature extraction using Matlab. The experiments proved that these features are different prominently between normal liver and abnormal liver.
Key words: gray-scale histograms; feature extraction; matlab; medical image
图像特征是用于区分图像内容的最基本属性,它们可以是原图中人类视觉可鉴别的自然特征,也可以是通过对图像测量和处理人为定义的某些参数。所谓特征提取是对研究对象固有的、本质的及重要的特征或属性进行量测并将结果数值化,或将对象分解并符号化,形成特征矢量或符号串、关系图的过程[1]。
医学图像内容丰富且结构复杂,提取有效特征来描述这些图像内容是医学图像分析和理解的重要内容。对于医学图像特征提取算法,大体可以分为三大类:颜色(灰度)特征提取[2]、纹理特征提取[3]和形状特征提取[4]。其中颜色特征是医学图像的重要特征之一,且广泛应用于图像处理系统中。在医学图像中,大部分是灰度图像,而不是彩色图像,因此与颜色特征相对应的是灰度特征。医学图像灰度特征,是利用灰度具有一定的稳定性,对大小、方向都不敏感,能表现出相当强的鲁棒性。
基于灰度直方图的特征提取是医学图像颜色特征提取中的一个典型算法。任何一幅图像的灰度直方图都包含了丰富的信息。图像的灰度直方图是表示一幅图像灰度分布情况的统计特性。图像的灰度直方图简称直方图,是图像处理中一种十分重要的分析工具。图像灰度直方图特征是医学图像的基本而重要的特征数据。本文对基于灰度直方图的特征提取进行了Matlab分析与实现。实验结果表明,正常异常肝脏图像的灰度直方图特征有明显差异,为图像分析与理解、图像检索、图像识别和图像挖掘等后继研究奠定了一定的理论基础。
1 灰度直方图的定义
一幅数字图像的灰度直方图就是一个灰度级的离散函数,可以用式(1)来表示图像灰度直方图的定义[5]。
(1)
其中i表示灰度级,L表示灰度级种类数,ni表示图像中具有灰度级i的像素的个数,N表示图像总的像素数。公式描述的是图像中具有该灰度级的像素的个数占图像总像素的百分比,即图像中具有灰度级i的像素出现的频率。其横坐标是灰度级,纵坐标是该灰度出现的频率。
图像的灰度直方图提供了该图像外观的一个全局描述,所提取的特征具有RST不变性,即旋转、比例和位移不变性,缺点是不能有效地表示图像的空间信息,如图1表示的是一幅医学图像的直方图示例。
2 基于直方图的统计特征
一般不是直接将医学图像的直方图作为特征,需要通过用一些统计量来反映图像的直方图,这些统计量通常称为直方图的统计特征。常用下列几种统计量来反映图像的直方图特征:
1) 均值(mean):均值反映的是一幅图像的平均灰度值。
(2)
2) 方差(variance):方差反映的是一幅图像的灰度在数值上的离散分布情况。
(3)
3) 歪斜度(skewness):歪斜度反映的是图像直方图分布的不对称程度,歪斜度越大表示直方图分布越不对称,反之越对称。
(4)
4) 峰态(kurtosis):峰态反映的是图像的灰度分布在接近均值时的大致状态,用以判断图像的灰度分布是否非常集中于平均灰度附近。峰态越小,表示越集中;反之,表示越分散。
(5)
5) 能量(energy):能量反映的是灰度分布的均匀程度,灰度分布较均匀时能量较大,反之,较小。
(6)
6) 熵(entropy):熵也反映了直方图灰度分布的均匀性。
(7)
3 灰度直方图特征提取的Matlab实现
以图2所示的肝脏CT图像为例。众所周知,灰度图像在计算机中的表示是一个M*N的二维矩阵,这里M=N=512。一个像素就对应着矩阵中相应位置的一个灰度值,由于灰度级是256,因此灰度值范围在0~255之间,最小灰度值0代表黑,最大灰度值255代表白。
对于肝脏CT图像,纯黑对应背景区域,纯白对应骨骼组织,这两部分对于图像的特征提取没有意义,因此公式中i的取值为1~254。以提取基于直方图的均值特征为例,程序如下。
tic
filename='1.bmp';
pi=imread(filename);
pix=double(pi);
s=double(zeros(254,1));
for i=1:512
for j=1:512
for k=1:254
switch pix(i,j)
case k
s(k)=s(k)+double(1);
otherwise
end
end
end
end
sum=double(0);
for k=1:254
sum=sum+s(k);
end
h=double(zeros(254,1));
for u=1:254
h(u)=s(u)/sum;
end
junzhi=double(0);
for i=1:254
junzhi=junzhi+i*h(i);
end
filename
junzhi
toc
上述代码运行结果如下,可见,图2所示的肝脏CT图像,其基于直方图的均值特征 ,程序运行时间0.938000秒。
filename = 1.bmp
junzhi =129.0577
Elapsed time is 0.938000 seconds.
现在随机抽取10幅正常肝脏CT图像(如图3所示)和10幅异常肝脏CT图像 (如图4所示)。比较其均值特征,如图5所示,由曲线图清晰可见,正常肝脏CT图像与异常肝脏CT图像在均值特征上差别明显,正常肝脏CT图像均值在129.2879左右,异常图像的均值在115.2091左右。值得注意的是,结果并非表明用这一个特征就可以完全区分正常肝脏与异常肝脏,细看曲线图可知,异常肝脏CT图像中第一幅图就无法使用均值判断其正常异常与否,仅仅使用均值就会误判。现实生活中,肝脏CT图像因拍摄位置、拍摄仪器等多方面原因,要想理想判断其正常还是异常,使用一个或一类特征是远远不够的。
图3 随机抽取的10幅正常肝脏CT图
图4 随机抽取的10幅异常肝脏CT图
4 总结
本文对基于灰度直方图的医学肝脏CT图像特征提取进行了Matlab分析与实现。特征的提取很重要,特征提取的好坏直接影响到图像识别、基于内容的图像检索、图像挖掘、图像分析与理解等后继工作的成败。由于医学图像与普通图像存在很大的不同,医学图像具有灰度分辨率高、所含信息量大、数据的巨量性、异构性、噪声显著性等特点,单一的特征提取方法都还不能很好的表达医学图像的内容,寻找适合医学图像的特征提取方法仍是一个需要深入探索的领域。
参考文献:
[1] 郭依正. 基于多特征融合的医学图像识别研究[D].镇江:江苏大学,2007.
[2] Yong Rui . Image Retrieval: Current Techniques, Promising Directions and Open Issues [J]. Journal of Visual Communication and Image Representation, 1999,10(3):39-62.
[3] MANJUNATH BS, MA M X. Texture Feature for Browsing and Retrieval of Image Data [J]. IEEE-PAMI, 2000, 18 (8): 837-842.
【摘要】自70年代末以来，由于数字技术和微机技术迅猛发展给数字图像提供了先进的技术手段，医学上不管是基础和临床，都是处理图像种类极多的领域。利用图像来反映人体内外的情况，医生多根据其所见图像诊断和治疗病人。本文针对这一情况，主要提出对图像的空间域滤波增强，研究了多种算法，并且进行了编程设计实验，实现对图像的平滑和锐化。
【关键词】图像空间域滤波增强 医学图像技术 平滑 锐化
“图”是物体透射光或反射光的分布，“像”是人的视觉系统对图的接收在大脑中形成的印象或认识。前者是客观存在的，而后者为人的感觉，图像应是两者的结合。
图像处理就是对图像信息进行加工处理，以满足人的视觉心理和实际应用的要求。但从处理图像的立场上来看，计算机是以数字的形式来处理图像的。在计算机处理出现以前，图像处理都是光学、照相处理和视频信号处理等模拟处理方法。在模拟处理中，从原理上讲只能进行相当有限的处理，而用计算机进行数字处理，则具有用程序自由地进行各种处理的灵活性。为此，数字处理随着计算机的飞速发展，取得了惊人的进步。
图像增强技术的目的是对图像进行加工，以得到对具体应用来说视觉效果更“好”，更“有用”的图像。一幅图像经过图像的生成、复制、扫描、传输或变换以后，由于多种因素的影响，输出图像“质量”或多或少地有所降低或退化。
一 图像技术在医学中的应用
随着计算机技术的发展，计算机医学图像技术已广泛应用于现代医学及生物医学研究和临床领域。这类医学图像技术主要包括：计算机X光断层扫描技术（CT）、核磁共振图像技术（MRI）、计算机单探头光子断层扫描技术（SPECT）以及计算机正电子断层扫描技术（PET）。以这些医学图像技术为基础的医用图像处理将实现医学界“将人体变为透明”的目标。
利用医学图像技术所摄制的不论是X光照片还是CT照片都是为了给医生作诊断的依据。而对摄入的图像或从射线重建的图像，其识别分析的全过程都要求图像的改善。任何一幅未经处理的原始图像，都存在着一定程度的噪声干扰。噪声恶化了图像质量，使图像模糊，甚至淹没特征，给分析带来困难。
这次论文的目的是对图像进行空间域滤波增强处理，即对图像进行平滑和锐化，以消除噪声和突出图像特征。
二 医学图像处理设计说明
为了达到对图像的处理，用C语言进行编程,并在Visual C++环境下运行得到实现。
邻域运算是对图像进行平滑处理常使用的一种算法，模板运算实现了一种邻域运算，即某个像素点的结果不仅和该像素的灰度有关，而且和其邻域点的值有关。平滑模板的思想是通过一点和周围8个点的平均来去除突然变化的点，从而滤掉一定的噪声。在这设计里，运用到了Box模板和Gauss模板。
Box模板为：
它虽然考虑了邻域点的作用，但并没有考虑各点位置的影响，对于所有的9个点都一视同仁，所以平滑的效果并不理想。可想象，离某点越近的点对该点的影响应该越大。为此，引入了加权系数，将Box模板改造为：
这称为Gauss模板。可看出，距离越近的点，加权系数越大。这两模板对图像的处理可由附图（1）所示。
原来的图像 Box模板处理 Gauss模板处理
median(水平方向)处理 median(垂直方向)处理 Laplacian处理
附图（1）
由附图（1）中可看出经Box模板和Gauss模板处理后图像的边缘模糊。如果采用中值滤波，它是一种低通滤波器。中值滤波是把以某点为中心的小窗口内的所有像素的灰度按从大到小排列，将中间值作为处的灰度值。在这里，把中值滤波只考虑一个水平方向或一个垂直方向。结果由附图（1）所示，可看出中值滤波对图像在去除噪声的同时还能保护边缘。
但如果给原来的图像加入1.5%的高斯噪声，再按以上的方法对图像进行处理。
1.5%噪声 Box模板 Gauss模板处理
median(水平方向)处理 median(垂直方向)处理 Laplacian处理
附图（2）
可以由附图（2）看出，加入一定的高斯噪声的图像经过Box模板处理，噪声幅度有所下降；Gauss模板对去除Gauss噪声非常有效；但中值滤波对于高斯噪声则无能为力。
在设计里运用到拉普拉斯（Laplacian）算子，是为了对图像进行锐化处理。锐化处理在增强图像边缘效果的同时增加了图像的噪声，由附图（1）和（2）所示。在这里，仍采用模板运算，即拉普拉斯（Laplacian）模板。它表示为：
其作法是：先将自身与周围的8个像素相减，表示自身与周围像素的差别；再将这个差别加上自身作为新像素的灰度。锐化处理的结果是灰度突变处的亮点变的更亮，增加了图像的噪声。
三 实验结果讨论
运用平滑模板如Box模板和Gauss模板对图像进行了消除噪声处理，但使图像的边缘灰度趋向均匀化，以致使图像边缘模糊。
可以发现，运用Gauss模板实现平滑效果的同时，图像要比用Box模板处理的清晰一些，是因为运用Gauss模板引入加权系数，考虑了不同位置点的影响。离某点越近的点对该点影响越大。
采用中值滤波可以既消除噪声有保持图像边缘，但本次实验却对所加的Gauss无能为力，是因为Gauss噪声是杂乱无章，随机分布的。而中值滤波是容易去除孤立点、线的噪声和脉冲噪声。
对图像进行锐化处理是为了增强图像边缘，提取图像中感兴趣的部分，但对一幅具有噪声的图像，如进行锐化处理，则更增强了噪声，反而达不到增强图像边缘的目的。
四 结论及本文需进一步解决的问题
采用中值滤波，它在保持图像边缘的同时，并不能对所有的图像的干扰噪声都行之有效，像对高斯噪声它就毫无办法。并且中值滤波花费时间长，不利于图像的快速处理。因此，尚需努力找到解决清除噪声的同时又能解决边缘模糊这对矛盾的最佳平滑方案。
本文处理的图像是在实验室条件下的图像，实际情况下的医学图像由于人体结构非常复杂的原因而并不简单，对目标识别和处理具有一定的难度。
参考文献
［1］ 数字图像处理（修订版） 夏良正主编 东南大学出版社 1999年
［2］ 数字图象处理编程入门 吕凤军编著 清华大学出版社
1．中山大学肿瘤防治中心影像科；华南肿瘤学国家重点实验室；肿瘤医学协同创新中心，广东广州510060；2.中山大学附属一院，广东广州510089
[摘要] 目的 探讨Care KV技术于胸部低剂量CT体检中的价值。方法100例胸部健康体检者分成两组：A组采用常规胸部低剂量CT扫描方案，固定管电压120 kV，B组采用 Care kV技术，参考管电压120 kV，其他扫描条件两组一致：采用管电流自动调节技术，参考管电流50 mAs。扫描后分别用客观和主观图像质量指标综合评价两组图像的质量，并记录CTDIvol、DLP，计算ED，然后进行统计学分析。结果 AB组图像质量比较差异无统计学意义；AB两组受检者吸收有效剂量分别为（1.18±0.29）mSv和（0.82±0.24）mSv ，B组较A组分别降低了30.5%。结论 CareKV技术在胸部CT扫描中可在保正图像质量不变的情况下降低辐射剂量。
关键词 CareKV技术; 胸部；体层摄影术，X线计算机；辐射剂量
[中图分类号] R725[文献标识码] A[文章编号] 1674-0742（2014）08（c）－0005-03
The Application Value of Care KV Technology in the Thorax Low Dose CT in Physical Examination
ZHUO Shuiqing1CHEN Xiaoling2JIANG Dongping1YU Jingping1CUI Baoyi1
1.Department of Imaging， Sun Yat-sen University Cancer Center/ State Key Laboratory of Oncology in South China/Collaborative Innovation Center for Cancer Medicine， Guangzhou， Guangdong Province， 510060， China;2.The First Affiliated Hospital， Sun Yat-sen University， Guangzhou， Guangdong Province， 510089， China
[Abstract] Objective To study the value of Care KV technology in the thorax low dose CT examination. Methods 100 cases underwent chest physical examination were divided into two groups: A group was treated with routine thorax low dose CT scanning scheme， fixed tube voltage 120 kV， B group was treated with Care KV technology， reference voltage 120 kV. The other scanning conditions of the two groups were consistent: adopting tube current automatic control technology， the reference tube current 50mAs. After the scanning， the quality of two groups of images was evaluated by objective and subjective image quality indexes comprehensively， and CTDIvol and DLP were recorded， ED was counted， and then were statistically analyzed. ResultsThere was no statistically significant difference in image quality between A group and B group; the absorbed effective dose of A group and B group was (1.18 ± 0.29) mSv， (0.82 ± 0.24) mSv， respectively， the absorbed effective dose of B group decreased by 30.5% compared with that of A group， respectively. Conclusion Care KV technology in the thorax CT scan can reduce the radiation dose under the condition of ensuring the image quality unchanged.
[Key words] Care KV technology; Chest; Tomography， X-ray computed; Radiation dose
[作者简介] 卓水清（1970-），男，广东连平人，学士，主管技师，主要从事医学影像技术工作。
CT在肺癌筛查中的广泛应用，已成为医源性辐射的主要来源[1]，因此，低剂量CT的应用成为研究热点。降低辐射剂量的方法有直接降低管电压或管电流、增加螺距、缩短扫描时间等，但各种方法都在降低辐射剂量的同时也降低了图像质量。随着CT技术的迅猛发展，迭代重建技术和管电流自动调制技术（CARE Dose4D技术）的应用，实现了在降低辐射剂量的同时保持图像质量不变[2]。该研究旨在探讨CareKV技术—智能最佳kV扫描技术在胸部CT体检中的应用价值。现分2014年4—6月间来该院进行胸部体检100例体检者的临床资料，报道如下。
1资料与方法
1.1一般资料
收集到该院行胸部CT体检者100例。研究对象纳入标准：①均为健康体检者，无任何胸部疾病症；② 受检者体重指数（BMI）在18~25 kg/m2 之间；③将检出有气胸、肺气肿等肺部疾病者则排除在研究范围之外。将研究对象随机分成A、B两组，各50例，其中A组男26例，女24例，年龄29~72岁，中位年龄41.7岁；B组50例，男30例，女20例，年龄34~67岁，中位年龄45.5岁。AB两组BMI分别为(22.97.3±2.06)kg/m2和(22.90±2.60)kg/m2，两者差异无统计学意义。
1.2CT设备与扫描方法
采用西门子SOMATOM Definition AS+扫描仪。采取仰卧屏气扫描。扫描范围从肺尖至肋膈隐窝下缘。A组采用该院常规胸部低剂量CT扫描条件，固定管电压120 kV， B组采用Care kV技术，参考管电压Ref120kV。其余扫描条件一致，均采用Care Dose4D技术，参考管电流50 mAs；层厚5 mm，螺距1.2，准直128 mm×0.6 mm，分别重建纵隔窗和肺窗两组图像，重建卷积函数分别B25f和B80f，容积CT剂量指数（Volume CT Dose Index，CTDIvol）和剂量长度乘积（Dose-length Product，DLP）由机器自动生成。
1.3图像质量和有效辐射剂量评价
1.3.1图像质量客观评价分别测量纵隔窗和肺窗图像CT值（HU）、噪声(Objective Image Noise，OIN)、信噪比(Signal to Noise Ratio，SNR)。纵隔窗选取图像的主动脉弓层面的主动脉的均匀处、肺窗选取隆突层面的肺组织的均匀处测量出CT值及其标准差(Standard Deviation，SD）。ROI面积为90~110 mm2。SD即为图像的噪声OIN， SNR=CT值/SD。
1.3.2图像质量主观评价全部图像纳入评价范围，由两名有经验的影像科医师采取盲法评价图像。采取评分法，肺窗：窗宽1500 HU，窗位-500 HU；纵隔窗：窗宽400 HU，窗位45 HU。综合评价肺窗及纵隔窗图像，评分标准分为3个等级：1分，图像质量较差，胸壁及纵隔内结构噪声较大，气管及纵隔内血管的边缘模糊，不能满足诊断，定为不合格等级；2分，图像质量中等，噪声中等，不影响诊断，定为合格等级；3分，图像质量好，噪声较小，可满足诊断要求，定为优良等级[3]。
1.3.3有效剂量评价方法根据CTDIvol、DLP计算有效剂量（effective dose，ED）。计算公式：ED（mSv）＝DLP（mGy.cm）×k。参考最新欧盟委员会CT质量标准指南[4]，胸部有效吸收剂量系数k=0.014 mSv/（mGy.cm）。
1.4统计方法
用spss19统计软件，计算各组数据的平均值及标准差，计量资料用均数±标准差（x±s）表示，采用ANOVA分析各组图像的OIN、SNR及有效剂量ED。主观评价的一致性采用Kappa分析， 结果评价:0.40<kappas0.60，观察者间一致性一般，0.6< kappas 0.80，观察者间一致性好，kappa> 0.80观察者间一致性很好[5]。
2结果
2.1A、B两组客观图像质量指标评价
通过客观图像质量指标如CT值、噪声和噪声比对A、B两组纵隔窗和肺窗图像质量进行分析，结果显示AB两组图像质量差异无统计学意义（P>0.05），见表1、2。
2.2 A、B两组主观图像质量指标评价
通过主观图像质量指标3分评分法对AB两组图像进行分析，结果显示A、B两组图像优良率分别为96%(48/50)和98% (49/50)，分别只有2例和1例为合格等级图像，但均符合诊断要求，AB两组主观图像质量比较差异无统计学意义（P>0.05），见表3。
2.3A、B两组受检者有效辐射剂量比较
AB两组受检者平均有效辐射剂量（ED）分别为（1.18±0.29）mSv和（0.82±0.24）mSv ，B组较A组分别降低了30.5%，见表4。
3讨论
随着影像技术的发展，低剂量螺旋CT已成为肺癌筛查的研究热点，低剂量螺旋CT在降低了患者接受的放射剂量，同时对肺结节检出也有较高的敏感性和特异性[6]。据报道，低剂量胸部CT检查可使肺癌的死亡率降低20%[7]。在CT扫描中，传统方法在降低辐射剂量的同时也降低了图像质量。而各种迭代重建技术和Care Dose4D 技术的应用，实现了在降低辐射剂量的同时保证了图像质量。该文采取了Care KV技术结合Care Dose4D技术的扫描方法，在保证图像质量的同时将进一步降低辐射剂量。Care kV技术能够根据 CT 检查目的和受检者的体型自动确定最优化的管电压和管电流，实现最优化降低剂量的同时提高图像质量，从而实现对受检者的个性化扫描，既避免了受检者接受不必要的辐射。
目前对CARE kV技术研究和应用的报道较少。Winklehne等[2，8]对BMI在同一水平的受检者进行胸腹部及头部CTA扫描，发现使用CARE kV技术可在图像背景噪声不增加、满足诊断要求的同时降低辐射剂量，其中胸腹部降低约25%，头部可下降约58%。该研究结果显示，AB两组图像质量比较，无论是CT值、噪声和信噪比等客观指标还是图像质量主观评价，差异无统计学意义，符合诊断要求，同时有效辐射剂量（ED）B组较A组降低了30.5%，这与康绍磊等[9]对114例病例的相关研究结果一致：Care KV技术结合Care Dose4D技术组较固定KV结合Care Dose4D技术组辐射剂量降低了30.36%。但该文研究所用参考管电流是50mAs，而康绍磊等用110 mAs，因此该研究B 组有效辐射剂量（ED）（0.82±0.24）mSv 较他们的（1.72±0.87）mSv降低了49.41%。
综上所述，Care KV技术结合Care Dose4D 技术比采用固定管电压结合Care Dose4D 技术在胸部CT扫描中可在保证图像质量的情况下明显降低受检者辐射剂量。该研究只是在一定BMI范围内一定参考管电流和管电压在胸部扫描的研究，因此结果可能有一定的局限性，今后我们将尝试对各种BMI值的受检者的不同部位用不同的参考管电流和管电压进行深入研究，寻找不同个体不同部位的最佳低剂量CT扫描方案。综上Care KV技术是值的推广的CT扫描技术。
参考文献
[1]Berrington，De Gonzalez A， Darby S. Risk o1 cancer from diagnostic X-rays: Estimates for the UK and 14 other countries[J].Lancet，2004，363(9406):345-351.
[2]徐卓东. CARE kV-智能最佳kV扫描技术-降低剂量的同时提高图像质量[J].中国医疗设备，2012，27(2):120-123.
[3]Leipsic J，Nguyen G， Brown J，et al.A prospective evaluation of dose reduction and image quality in chest CT using adaptive statistical iterative Reconstruction[J].AJR Am J Roentgenol，2010，195(5):1095-1099.
[4]European Study Group of Radiologists，physicists.European guidelines on quality criteria for computed tomography.[2009-09-12]. drs.dk/ guidelines /ct/quality/download/eur16262.w51.
[5]Kuijper B， Beelen A， van der Kallen BF， et al. Interobserver agreement on MRI evaluation of patients with cervical radiculopathy[J].Clin Radiol. 2011，66:25-29.
[6]黄明刚，王青，齐敏，等.低剂量螺旋CT筛查肺癌的诊断效能及价值[J].实用放射学杂志.2008，24（8）:1030-1033.
[7]National Lung Screening Trial Research Team， Aberle DR， Adams AM， et al.Reduced lung-cancer mortality with low-dose computed tomographic screening[J].N Engl J Med，2011，365(5):395-409.
[8]Winklehner A， Goetti R， Baumueller S， et al. Automatedatten-uation-based tube potential selection for thoracoabdominal computed tomography angiography，Improveddoseeffectiveness[J].Invest Radial，2011，46(12)：767-773.
[9]康绍磊，曾宪春，谢晓洁，等.智能最佳管电压扫描联合自动管电流调节技术降低成人胸部CT扫描辐射剂量[J].中国医学影像学技术.2013，29（4）:636-640.
（收稿日期：2014-05-22）
本刊写作要求：文后
参考文献著录规则
1.本刊所发表的论文一般情况下必须有
参考文献，应以作者亲自查阅和借鉴过的公开文献为限。
参考文献除定义、法规、标准外，尽量引用近五年的文献。
2.文献的作者3人以下一并列出；3人以上，写出3人后，加“，等”。正文引用文献的中国人名应使用全名，不得出现“许氏”、“王氏”等非规范写法；中医古籍人名应写出朝代和人名，如可写成“明代李时珍”。出版项中的出版地有多个时，只著录第一出版地。
3.
参考文献按在正文中出现的先后次序排列于正文后；
参考文献的序号左顶格个位对齐，并用加方括号表示如[1]，[2]，……以与正文中的指示序号格式一致。正文指明原始文献作者姓名时，序号标注于作者姓名右上角；正文未指明作者或非原始文献作者时，序号标注于句末；正文直接述及文献序号将之作为语句的组成部分时，不用角码标注。
4.图中引用
参考文献，按其在全文中出现的顺序编号，在图的说明或注释中予以标注，图中不应出现引文标注。表中引用
参考文献，按其在全文中出现的顺序编号，在表注中依次标注；或在表中单一栏说明文献来源，该栏应列出文献第一作者姓名，在姓名右上角标注文献角码。
5.同一文献在正文中有多处引用，文后只列一次，
参考文献列表中可不用标注页码，在正文中引用位置右上角，标注
参考文献序号和引用起止页码，例如“十二指肠[4]47-59。”
本刊常见文献格式规定如下，投稿者请以下列格式为准：
[期刊] 作者.文章题目[J].刊名，年，卷(期)：起页-止页.
[书籍] 作者.书名[M或S].出版地：出版社，出版年：起页-止页.
[专利] 专利申请者.专利题名：国别，专利号[P].出版日期.
关键词：计算机网络；远程会诊
随着现代计算机技术、通讯技术、网络和多媒体技术的发展，远程医疗会诊已成为医院信息系统的一个重要组成部分。它是一种新的医疗服务保障形式。远程医疗的特点是以最快捷方式获得接近传统医疗方式的诊治效果．真正做到快捷、高效，为充分利用医疗资源开辟了一个新领域、新途径。
1远程医疗会诊系统
远程医疗会诊包括：远程诊断、远程治疗、远程教育、远程监护、建立数据库等，较常见的有B超、胃镜、CT、MRI等。我院目前已应用了远程血液细胞学图像处理系统。远程医疗会诊中心采用WindowsNT+NetMeeting视频会议系统，细胞室配置了计算机、0IYMPUS—BX40三目光学显微镜、Panasonic微型摄像头、扫描仪、EPSON710彩色喷墨打印机、电话等，血液病患者的图片可由检验人员在本科内用计算机图像处理系统通过SUNSPRO直接传输，在远程医疗会诊中心配合下，可使对方专家同步观察血片及骨髓片，以提出有效的诊疗方案。会诊前先由病人选择专家、预约会诊时间，临床医师将检验报告、患者病历及各种详细资料填写清楚，提前发送对方。在会诊时。也可让患者及家属参与。通过视频会议，让专家与主治医师、检验医师及病人面对面交谈，这样既提高了医务人员的诊治水平。也增加了病人对医学专家的信任度。
2远程会诊的社会及经济效益
我国是一个幅员辽阔。人口众多的发展中国家。经济基础薄弱，尤其是广大农村和边远地区相当落后。加之医疗资源，特别是医学专家资源分布严重不平衡，造成了医患供需失衡的矛盾。我院地处河北省张家口市。患者大部分来自偏远贫困地区，经济条件有限，尤其是血液病患者，为了寻求更好的治疗方案需要专家会诊，但去北京、上海会诊路途远且费用高，通过远程医疗会诊，患者就能跨越时空地域限制，选择各地的知名专家会诊．真正做到了快捷、方便、经济、高效。远程医疗会诊的实施，打破了以往医生臾在本科室或本医院的会诊模式，充分利用现代信息和通讯工具与专家交流。开阔了医务人员的视野，增长了知识，尽量避免了病人外转，从而大大提高了经济效益。
随着计算机技术的发展和图像压缩技术的应用，医学图像除了可以大量存储同时用于远程图像传输，在传输过程中为保证诊断的正确性，必须得到高质量的图像和完整、全面的相关医学信息[1]；针对这个问题的解决采用基于小波变换的视频图像压缩技术，利用小波变换对视频图像序列进行压缩编码，较好地改善了当图像场景中的物体进行快速运动时，使得时间域的小波系数突然变大而使得压缩率变低的不足，在远程医疗系统中可以快速、高效地压缩图像。
远程医疗利用现代通信网络，结合计算机多媒体技术，传输多媒体医疗信息来实现远距离的医疗活动；主要着重于多媒体交互式服务。利用远程医疗可以减少边远地区患者求医的费用和求医诊治花费时间，节省医生往返各地的费用和时间，也可以提供分散医院之间的远程交流和协作。小波变换的视频编码的实现能够在压缩性能、诊断性能、传输性能上适应于远程医疗系统的压缩；本文利用小波变换结合运动补偿量化编码算法，能较好地对医学图像进行压缩及处理。
小波变换用于图像压缩的基本思想
所谓图像压缩就是去掉各种冗余，保留重要的信息。图像压缩的过程常称为编码，而图像的恢复则成为解码。虽然图像的数据是非常巨大，但是可以采用适当的坐标变换祛除相关，从而达到压缩数据的目的。小波变换通过多分辨分析过程将一幅图像分成近似和细节两部分，细节对应的是小尺度的瞬变，它在本尺度内很稳定。因此将细节存储起来，对近似部分在下一个尺度上进行分解，重复该过程即可，近似与细节在正交镜像滤波器算法中分别对应于高通和低通滤波，这种变换通过尺度去掉相关性，在视频压缩中被证明是有效的[2]。
运动补偿
运动补偿是通过先前的局部图像来预测、补偿当前的局部图像，它是减少帧序列冗余信息的有效方法。远程医疗系统不仅仅是信息资源共享，提供实时可见的视频图像资料以供医学专家参考。所以，大量、高质量的视频图像数据的处理、传输就成为远程会诊系统的关键环节，另外医生在查看图像时只对图像中很小一部分感兴趣，这部分区域有可能是病灶区域分，除病灶区外对于其他图像如背景部分等一些局部图像成为医生乎略的内容，所以，可以充分利用医学图像的这一重要特征在进行设计图像压缩编码算法时对乎略的内容进行高比例压缩。
图像压缩技术在远程医疗系统中的研究方案
视频图像的压缩编码实际上是在静态图像编码的基础上，增加帧间图像的内插和运动补偿技术，由此来消除图像之间的时间相关性，从而实现高倍率的压缩目的。再对已消除时间相关性之后的每帧图像进行静态图像的压缩编码。
首先将要编码的图像分成16×16的宏块，对于每一个宏块，依照某指定的准则，在其参考图像中搜索与其最匹配（最相近）的块。如果搜索到的块满足条件，则作为当前编码宏块的运动补偿块。将它们相减，得到的结果称为帧间编码块，并将其放在残差图像的相应位置。如最终没有找到相近的块，则认为当前块属于帧内编码块，将其直接放置在残差图像的相应位置。然后对残差图像进行小波变换及压缩编码。显然，解码时，将解码的残差图像加上其对应的运动补偿图像，即可得到复原的图像。
对于小尺寸图像块宜用DCT方法进行编码，先对残差图像中的帧内编码宏块用DCT方法进行变换、量化、编码，其结果作为总数据的一部分输出到比特流中。对编码后的图像块进行恢复得到其重构块，再用原快减去重构块得到残差块，即帧间编码块。由残差块代替残差图像中相应的帧内编码块。如此一来，残差图像就全部由帧间编码块组成了，从而在整体上趋近于零。以上分块的不足之处存在于，运动补偿的块越小，得到的残差图像的能量越小。然而，分块越小，块越多，算法复杂度越高，矢量数目越多。传输矢量所需要的数量可能大于图像残差能量减小所节省的数据量，这样一来就会造成得不偿失的情况。比较好的解决方法就是使用自适应的分块大小，对细节较少的部分采用大的分块，对细节较多的地方采用较小的分块。另外，也可以采用像素插值的方法，利用插值后的像素位置进行预测将提高运动补偿的精度，但事实上，随着插值变得精细，其对于运动补偿的改善作用也在逐渐下降。
小波和运动补偿相结合能更好地进行图像压缩，基于小波变换的静止图像压缩算法EZW、SPIHT和一种改进的EZW算法，这些算法是视频压缩编码算法中的关键部分。这有待于在软件平台上进行算法验证、分析和对比，实践证明应用改进的EZW算法对图象进行压缩，重构图像的PSNR值较高。
视频图像不仅在其每一帧内存在空间相关性，而且在帧间即时间方向也存在着很强的相关性，通过有效的方法消除这些冗余信息可以大大地提高视频的压缩比。
本文分析了对图像的背景及非病灶区域进行传输编码技术，并把它有褪用到远程医疗系统会诊子系统的视频流处理模块，取得了较好的效果。此方案可以减少传输时间，解决其数据量大、耗时长的瓶颈问题，并增加了通信双方的交互性。远程医疗在我国还是一个方兴未艾的新鲜事物，一个新的课题。现有远程医疗对我国医学来讲不是一个完美的系统，其中要解决的技术问题还有很多有待于我们不断的更新和完善。
参考文献
关键词：Laplace算子；显微物体；聚焦评价；聚焦高度；三维重构
中图分类号：TP391.4 文献标识码：A
1 引言（Introduction）
由于社会的发展，越来越多行业对微观物体表面形貌观测的要求也越来越高，以获取微观物体更多的表面形貌信息，比如工业分析、医学分析等[1]。但是，由于普通显微镜的固有特性，只有聚焦区域的图像成像清晰，非聚焦区域的图像成像模糊。因此普通显微镜无法实现在同一景深中对显微物体表面形貌的全聚焦，更不能重构其三维形貌。
随着计算机图像处理技术的快速发展，在普通显微镜下实现显微物体形貌的三维重构已成为可能，普通显微镜下的多聚焦图像经过相应变换，可重构出微观物体的三维形貌[2，3]。
2 三维形貌重构的基本原理（Principles of 3D
reconstruction）
从聚焦图像获取高度DFF[4，5]（Depth From Focus）的基本原理是：首先通过计算机控制步进电机匀速从下而上、由远而近地调整显微镜的Z轴位置，利用摄像头获取微观物体的序列图像1―n，并将每幅图像的图像信息记录在三维矩阵f（x，y，i）中；然后判断每幅图像的聚焦区域和非聚焦区域；最后通过聚焦分析获取聚焦区域的深度信息，从而完成显微物体形貌的三维重建，DDF基本原理图如图1所示[6，7]。
3 三维形貌重构的相关算法（Algorithms of 3D
reconstruction）
3.1 聚焦评价算法
要准确判断序列图像中的聚焦区域和非聚焦区域，就必须对图像的聚焦程度进行判断，常用的测量聚焦程度的算法有灰度方差算法、梯度算法、Laplace算法和改进的Laplace算法等[8]。
Laplace算法是二阶导数算法，可获取图像的高频分量，但对x、y两个方向的二阶偏导数可能会符号相反，数值相互抵消，使图像的聚焦产生偏差[9，10]，所以采用改进的Laplace算法作为聚焦评价算法，其计算方法如下：
（1）
为便于计算通常用差分代替微分，可得式（2）。
（2）
（2’）
将式（2’）应用到图像系列1―n中，计算出每个点在图像系列的改进Laplace算子值ML（x，y，i），将计算结果构成一个三维矩阵，但由于在实际操作中存在多种干扰因素，若直接采用计算结果将对三维形貌的重构产生较大影响，通过实验比较发现对计算结果进行一次步长为2的中值滤波操作可以得到更好的效果，中值滤波算法为[11，12]：
（3）
其中，ML（x，y，i）是点（x，y）在第i幅图像中计算出来的改进Laplace算子值，MML（x，y，i）是经中值滤波后的滤波值。
在每幅图像中都存在背景图像和物像[13]，聚焦的物像是进行图像融合和三维重构的关键，因此需在图像中提取聚焦的物像，分离背景。由于改进的Laplace算法对图像的高频分量比较敏感，聚焦图像的改进Laplace算子值比较高，非聚焦图像或背景的改进Laplace算子值比较低，通过设置合适的阈值T，如果点（x，y）在图像序列中所有的中值滤波值都小于阈值T，则可判定它为背景。
取出点（x，y）在图像系列中的滤波值MML（x，y，i）大于或等于阈值T的那些数据，取其最大值作为聚焦值，表示为：
（4）
其中，FP（x，y）表示点（x，y）的聚焦值，即MML（x，y，i）在阈值以上的最大值。
3.2 显微物体高度测量算法
在本文中显微物体的高度采用的是相对高度而非真实高度，由于步进电机推动显微镜Z轴匀速移动，显微物体与显微镜头之间的距离构成线性关系（s=v*t），同时图像采集摄像机采集图像的速度也是恒定的，因此显微物体的高度就与图像的序号i对应起来（st），故采用图像的序号i作为显微物体的相对高度，表示为：
（5）
其中，FH（x，y）表示点（x，y）的相对聚焦高度，当点（x，y）在序号为m图像上的中值滤波值等于它的聚焦值，意味着点在第m幅图像上聚焦，故取m作为该点的聚焦高度；如果点是背景，就统一将高度确定为固定的序号N。
3.3 多聚焦图像融合算法
图像系列中的每幅图像都存在聚焦区域和非聚焦区域，从式（4）中可知，每个点的聚焦位置基本位于序列号不同的图像上，多聚焦图像融合就是将每个点的聚焦图像“拼接”到一幅二维图像上，从而得到清晰的显微物体全景深图像[14]。融合算法思想如下：根据式（5）可以确定像素点的聚焦位置，取出其聚焦位置的像素信息作为融合图像的像素信息，对图像中的每个点皆进行该操作就可完成全景深图像的融合，用公式表示为。
（6）
其中，f（x，y，m）是点（x，y）在聚焦高度为m处的像素，f’（x，y）是全景深图像矩阵。
3.4 三维形貌重构算法
根据式（6）和式（5）可分别获得每个像素点的聚焦信息和聚焦时的高度信息，利用这两个信息可以重构出该像素点的三维形貌，对像素矩阵执行相同的操作即可重构出全部三维形貌。
4 实验结果与分析（Experimental results and
analysis）
为进行实验验证，将普通显微镜进行改装，整个实验系统包括计算机、天敏SDKZ000图像采集卡、Panasonic WV-GP470彩色数字摄像机、STEPPING MOTOT-42HSZA47-254步进电机、TMS320LF2407DSP控制模块和普通光学显微镜。
实验观测对象为五角铜硬币边缘，图像采集卡每隔370ms采集一张图片，共计采集176幅图像，部分原始图像如图2所示。
Fig.2 Original image series （Total 176， part of the list here）
采用公式（3）和公式（4）求取每个像素点的中值滤波值和聚焦图层号，利用公式（5）和公式（6）获得每个像素点的聚焦高度，从而完成显微形貌的三维重构，重构后的效果图如图3所示。
通过对以上实验效果图的分析和比较，利用Laplace算子作为聚焦评价标准能较好地重构出显微物体三维形貌，它真实清晰地反映出物体的显微结构，是工业分析、医学分析的一个较好解决方案。
5 结论（Conclusion）
通过理论分析和实验验证，证明利用显微物体的二维图像重构出其三维形貌是可行的，利用改进的Laplace算子作为二维图像的聚焦评价标准能较好地测量出显微物体的聚焦高度，从而较准确地重构出显微物体的三维形貌。
此重构方法采用普通显微镜重构出三维形貌，让观察者更能全面、细致地观测和分析显微物体，将分析从二维扩展到三维。同时，由于普通显微镜价格低廉，可以极大地降低观测和研究成本。当然此重构方法也存在不足和改进之处，首先，该方法计算量大，运行速度较慢，内存消耗较大，不能进行实时重构；其次，图像系列始终从一个方向（Z轴）进行采集，不能实现多角度采集，无法重构出显微物体的全部三维形貌。这些都是以后改进的方向。
参考文献（References）
[1] 王伯雄，朱彦民，罗秀芝.三维形貌的快速测量方法[J].清华大
学学报，1999，32（2）：57-58.
[2] 陈晓荣，蔡萍，施文康.光学非接触三维形貌测量技术新进展
[J].光学精密工程，2000，10（05）：528-532.
[3] Takasaki H Moir.topography[J].Appl.Opt.，2013，9（10）：1467-
1472.
[4] 韩冬兵.基于Depth from Focus的序列显微图像融合与三维测
量技术研究[M].北京航空航天大学硕士学位论文，2004.
[5] John Ens，Peter Lawrence.an investigation of methods for
determining depth from focus.IEEE Transactions on pattern
analysis and machine intelligence，2013，15（2）：97-108.
[6] 王金岩，史文华，敬忠良.基于Depth from Focus的图像三维重
建[J].南京航空航天大学学报，2007，02：181-186.
[7] Shree K.Nayar，Yasuo Naka.Shape from Focus[J].IEEE
Transactions on pattern analysi and machine intelligence，
2014，16（8）：824-830.
[8] 何晓昀.磨粒表面形貌分析与三维重构[M].武汉理工大学硕
士学位论文，2005.
[9] M.Subbarao，and T.S.Choi.Accurate Recovery of Three
Dimensional Shape from Image Focus[J].IEEE Trans. Pattern
Analysis and Machine Intelligence，2005 17（3）：266-274.
[10] H.H.Hookins.The frequency response of a defocused optical
system[J].Proc，Royal Soc，London，A，2011，231：91-103.
[11] Volder Tympel.Three Dimensional Animation with a
Conventional Light Microscopy[C].Proceedings of Three-
Dimensional Microscopy： Image Acquisition and Processing
IV，SPIE，2013，2984：190-198.
[12] Alex P.Pentland.A new sense for depth of field[J].IEEE Trans
Patt Anal Machine Intelligence，2011，9（4）：523-531.
[13] M.Subbarao，Y F.Liu.Accurate Reconstruction of Three-
dimensional Shape and Focused Image from a Sequence of
Noisy Defocused Images[C].Proceedings of SPIE Conference
on Three-Dimensional Imaging and Laser-Based Systems for
Metrology and Inspection，2010（11）：178-191.
[14] A.P.Pentland.Depth of Scene from Depth of Field[M].Proc.
Image Understanding Workshop，2012.
作者简介：
胡致杰（1974-），男，硕士，讲师.研究领域：数据挖掘，图像
处理.
论文关键词：曲面,测量,规划
正文
一、数字化测量方法分类
数字化测量方法主要有接触式和非接触式两大类。
1、接触式测量方法
接触式数据采集方法是通过机械探头接触被测表面，由机械臂关节处的传感器确定相对坐标位置。该方法稳定，即伪劣点少、精度高、重复精度高，缺点是测量速度慢。接触式数据采集方法包括基于力触发原理的触发式采集和连续扫描数据采集。
（1）触发式数据测量
触发式数据测量原理为采样测头的探针刚接触到样件表面时，探针尖端因受力而产生微小变形，触发采样开关，使得数据采集系统记下探针尖的坐标值，逐点移动到所需测量的点，便可以采集到样件表面轮廓的坐标数据。在采集过程中，由于探针需要偏移某个固定数值才会触发开关，而且一旦接触到样件表面后，探针需要法向退出以免过量而折断，因此数据采集速度较低。
（2）连续式数据测量方法
连续式数据测量采用模拟量开关采样头。原理是利用悬挂在三维弹簧系统中的探针的位置偏移所产生的电感或者电容的变化，进行机-电模拟量转换。当采样头的探针沿着样件表面以某一切向速度移动时，就发出对应各坐标位置偏移量的电流或电压信号。最常见的接触式数据采集方法是三坐标测量机。
2、非接触式测量方法
依据光学原理发展起来的非接触式数据采集方法主要有激光三角测量法、光干涉法、结构光学法、超声波、图像分析法以及工业计算机断层扫描成像法等。
（1）超声波法
超声波法原理是当超声波脉冲到达被测物体时，在被测物体的两种介质边界表面会发生回波反射，通过测量回波与零点脉冲的时间间隔计算出各面到零点的距离。这种方法结构简单，但测速较慢，测量精度不稳定，目前主要用于物体的无损检测和壁厚测量。
（2）全息干涉法
利用光的相干性原理，测量分辨率可达光波长的几百分之一。但需要干涉性好的激光光源和精确的干涉光路，测量范围较小，在以内。
（3）立体视觉法
是一种仿效人眼观察物体的方法。通常情况下，测量精度不高，分辨率在毫米数量级。优点是能快速获取被测物信息，并可实现动态测量。主要应用于地形地貌测量、机器人视觉、物体特征识别以及三维物象分析等场合。
（4）工业层析法
最早应用于医学领域，目前工业领域已可对工件内部形状、结构、壁厚等进行测量，是目前极具发展前景的一种非接触式断层测量方法，可用于工业产品的无损检测和探伤。缺点是空间分辨率较低、获得数据需要较长的积分时间、重建图像计算量大、造价高，只能获得一定厚度截面的平均轮廓。
（5）核磁共振图像法
核磁共振断层成像法是世纪年代末发展起来的一种新式医疗诊断影像技术。具有深入物体内部且不破坏被测物的优点，对生物体无损害，在医学领域具有广泛的前景。不足之处是不适用非生物材料的工业产品，空间分辨率不及层析法，且测量时间长，设备昂贵。
（6）结构光法
结构光法是基于三角测量原理的非接触三维物体测量方法，又称为投影光栅法，是将具有一定模式的光源，如栅状光条投射到被测样件表面，用两个镜头从不同角度获取表面反射的图像，通过图像处理的方法得到整幅图像上像素的三维坐标，即对图像进行分析以确定表面上数据点的坐标。这种方法具有非接触、测量速度快、精度高、算法相对简单、系统实现方便、造价相对较低等优点，己成为逆向工程三维数字化领域的最重要的三维形貌测量手段。
（7）激光三角法
激光三角法的原理是采用激光作为光源，照射到被测物体上，利用CCD（ChargeCoup1edDevice）接受漫射光成像点，根据光源物体表面反射点、成像点之间的三角关系计算出表面反射点的三维坐标。这种方法已经相当成熟，并已广泛使用。
表1接触式与非接触式测量系统比较
优点
缺点
接触式测量系统
1、 因为机电技术的成熟，有较高的准确性和可靠性
2、 与工件表面反射特性无关，与颜色曲率关系不大
3、 适合基本几何形状的测量
1、 有时需要特殊夹具，使测量成本增加
2、 需要经常校正探头直径
3、 操作不当容易损伤表面精度和探头
4、 逐点进出方式测量，速度较慢
5、 需要对探头进行半径补偿，会导致修正误差的问题
非接触式测量系统
1、 不必作探头半径补偿
2、 测量速度快
3、 软、薄、不可接触的工件可以直接测量
1、 测量精度较差
关键词：医院计算机信息管理系统流程改进电子病历
一、医院计算机信息管理系统功能
医院计算机信息管理系统主要包括：医嘱信息与医疗记录管理，护理信息管理，临床检查信息管理，临床检验信息管理，医学影像信息管理等几个方面的内容。
（一）医嘱信息与医疗记录管理
医嘱信息管理系统是以医师的医嘱为主要管理内容的计算机系统。医嘱信息管理系统的主要作用是自动生成药疗单、治疗单、膳食医嘱、护理医嘱等处置单，减少核对的工作量和差错。同时将医嘱信息通过网络传往收费处代替手工进行自动划价，传往检查科室代替手工申请检查项目。
医嘱信息系统的功能包括：医嘱数据的输入与核对处理；药疗单、治疗单、膳食医嘱、护理医嘱、检查申请和医嘱病历的自动生成处理；根据医嘱、治疗单、检查申请、护嘱生成每天的收费记录处理。
（二）护理信息管理
1．护理信息子系统：是在搜集大量的医疗信息的基础上，按标准化以及数据的准确性、完整性和统一性的要求整理成护理信息。护理信息主要包括：护理分级记录；病人状况记录；入院护理记录；出院护理记录；病房护理记录。
2．护理管理子系统：完成护理活动中对护理资源管理、护理人员管理以及护理实践中的文秘等工作。
3．护理支持子系统：用于责任制护理，辅助护理诊断和制定护理计划，以及为护理科研和教学提供有关的医疗信息等。主要包括：辅助护理诊断、辅助制定护理计划、检索各种医疗信息、护理科研、护理教学。
（三）临床检查信息管理
临床检查信息管理系统的主要作用就是用计算机采集、存贮、传输这些检查的结果记录。充分发挥出辅助诊断治疗的作用。临床检查信息系统不仅解决了医疗中的问题，同时也为收费等管理工作提供了原始数据。临床检查信息系统通常由：申请处理、结果采集、报告生成、结果存贮与传送和结果查询等几个部分组成。
（四）临床检验信息管理
临床检验信息管理系统的功能包括：1.检验申请的输入。当病人需要进行各种检验时，医师能够在计算机上选择所需的项目，由计算机将这些申请单传往检验科室。2.标本采集与编号处理。在采集样本时从计算机中调出检验申请并对将进行的检验项目进行编号，如果使用了条形码，此时将条形码贴在试管上。3.检验与结果数据采集。将检验结果录入计算机系统。目前很多检验项目已使用自动分析仪进行处理，分析完成后能自动将结果传回计算机。4.检验结果的传输。5.检验工作登记。计算机将上述检验申请和结果记录下来，既能够作为检验科室的工作登记记录，又能够根据这些记录进行自动划价并传往收费处。6.检验科室的质量控制。通过计算机记录下质量控制的数据，使检验科室能够随时掌握检验设备的工作情况，计算机绘制出的质控图形使质控情况一目了然。7.检验结果的查询与打印。主要是使临床医师能够很方便地查到所需要的检验结果。
（五）医学影像信息管理
医学影像信息的管理是医院辅诊检查信息管理的一种。但由于医学影像的数据量比一般文字信息大几个数量级，这给医学影像的管理带来了许多技术问题，主要是影像的存贮、传输、显示都与一般文字信息有很大的区别。系统建成后，医院的影像检查设备可与计算机管理系统联网，临床医师可以在每个病房中使用联网的微机显示出所需的图像，包括：CT图像、核磁共振图像、超声图像、内窥镜图像、病理切片和电镜图像、血管造影图像、核医学检查图像、X光图像等。
二、医院计算机信息管理系统在医院管理中的作用
（一）正确无误的综合信息统计分析是领导和管理部门的决策依据
医院医疗信息通常可归为二类：一类是效率管理指标，一类是质量管理指标。效率指标包括伤病员流动情况，床位周转和使用情况等。质量指标包括治疗情况、手术情况、床位周转和诊断符合情况等。这些指标在一定程度上可真实反应一定时期内医院的收治情况、伤病员的人员结构情况、床位周转使用情况，同时从管理上掌握目前治疗水平高低和病种分布情况，经过计算和统计分析，院领导和职能部门可根据这些信息和数据作出一系列相应调整措施，出台一些适应当前情况的政策，使医院在收治上适应病人分布，在经费使用上减少流失和浪费，药品采购上少占资金，技术力量调整上渐趋合理。因此，准确、及时、可靠的信息反馈及综合分析是领导决策不可缺少的依据。
（二）医疗信息的计算机处理对各个管理环节进行实时监控计算机是医疗信息处理必不可少的工具。计算机信息管理系统解决了涉及钱、财、物等环节的管理，对这些数据的流向从根本上加以控制和管理，使各级管理部门能从宏观和微观两个方面对这些重点环节实施监控。因此，信息管理的计算机网络化是对管理环节实时监控的重要手段。
（三）病案信息是科研、教学、总结经验、提高医疗质量的最好资料
病案是病人住院期间的全部检查治疗过程的真实记录。病案信息的管理既为科研教学提供原始信息资料，又为医疗质量控制提供依据。同时也反映了医疗质量水平的高低。
（四）提供优良的医学期刊信息服务也能为提高医疗水平和业务技术建设发挥作用
医学期刊是医学科技文献的重要组成部分，是报道科研成果的主要途径。它不仅可以推动医学科学技术的发展及交流，而且在医院业务建设上也起着不可低估的作用。这是因为医学期刊是传播新技术、新创造、新信息、新科研设计及医学发展新动向的主要媒体，它为科学研究的交流和推广提供了园地。
购物车(0)