時間：2022-04-23 20:45:57
導(dǎo)語：在醫(yī)學(xué)圖像論文的撰寫旅程中，學(xué)習(xí)并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優(yōu)秀范文，愿這些內(nèi)容能夠啟發(fā)您的創(chuàng)作靈感，引領(lǐng)您探索更多的創(chuàng)作可能。
醫(yī)學(xué)工程由于其學(xué)科的高度綜合交叉性，對學(xué)生創(chuàng)新能力的培養(yǎng)相對其它學(xué)科更為重要，也更具有探索性。關(guān)于醫(yī)學(xué)工程學(xué)生創(chuàng)新能力培養(yǎng)的論文已有很多[3-6]，他們都從不同的角度闡述了醫(yī)學(xué)工程學(xué)生創(chuàng)新能力培養(yǎng)的途徑、方法與模式。具體從某一學(xué)術(shù)領(lǐng)域研究對醫(yī)學(xué)工程創(chuàng)新能力培養(yǎng)的文章還鮮見于文獻，本文嘗試從圖像分割領(lǐng)域入手，首先概述圖像分割的概念和基本算法，接著闡述圖像分割在醫(yī)學(xué)工程領(lǐng)域中的重要作用，最后結(jié)合實際應(yīng)用重點研討醫(yī)學(xué)工程學(xué)生的創(chuàng)新能力培養(yǎng)。
1圖像分割及其基本算法
圖像分割是一種重要的圖像分析技術(shù)。在對圖像的研究和應(yīng)用中，人們往往僅對圖像中的某些部分感興趣，這些部分常稱為目標或前景，而其他部分稱為背景，前景一般對應(yīng)圖像定的、具有獨特性質(zhì)的區(qū)域。為了辨識和分析圖像中的目標，需要將它們從圖像中分離提取出來，在此基礎(chǔ)上才有可能進一步對目標進行測量和對圖像進行處理。簡而言之，圖像分割就是指根據(jù)某種均勻性或一致性的原則將圖像分成若干個有意義的部分，使得每一部分都符合某種一致性的要求，而任意兩個相鄰部分的合并都會破壞這種一致性。圖像的分割在很多情況下可以歸結(jié)為圖像像素點的分類問題[7]。目前應(yīng)用較多的圖像分割方法主要有兩種：基于區(qū)域的圖像分割方法和基于邊緣檢測的圖像分割方法。前者通過檢測同一區(qū)域內(nèi)的均勻性是否一致來將圖像中的不同區(qū)域識別出來，主要包括閾值分割法、區(qū)域生長法、聚類分割法以及基于隨機場的方法等?；谶吘墮z測的分割法是通過邊緣檢測技術(shù)把不同區(qū)域分割開來，常用的方法包括微分算子法、形態(tài)學(xué)梯度法、曲面擬合法、邊界曲線擬合法，以及串行邊界查找等[8]。這些分割方法都有自己的優(yōu)點和缺點，以及不同的應(yīng)用范圍。經(jīng)過對這些算法的改進以及重新組合，也有人提出了新的算法，盡管這些新的算法對一些圖像的分割能夠取得好的效果。但對于背景復(fù)雜的弱邊界醫(yī)學(xué)圖像分割效果不佳。近十年以來，針對傳統(tǒng)圖像分割方法的局限性，研究重點逐漸放在基于偏微分方程、借助曲線演化模型等數(shù)學(xué)建模方法的圖像分割，其中最具有代表性的就是水平集方法和活動輪廓模型[9]。盡管這類方法的分割效果與參數(shù)的選擇有關(guān)，但具有一定的規(guī)律，且只要參數(shù)選擇合理，對于邊界模糊、對比度低的醫(yī)學(xué)圖像分割，亦可達到理想的分割效果[10]。
2圖像分割在醫(yī)學(xué)工程中的重要作用
隨著醫(yī)學(xué)成像在臨床診斷和治療上的作用越來越顯著，醫(yī)學(xué)圖像分割就成為醫(yī)學(xué)圖像分析領(lǐng)域的一個重要的研究課題。由于手工分割很耗時，且主觀性強，因此，尋求在計算機的幫助下，從CT、MRI、PET以及其它模式醫(yī)學(xué)圖像中提取有關(guān)解剖結(jié)構(gòu)的有用診斷信息成了我們的任務(wù)。盡管現(xiàn)代成像設(shè)備提供了對內(nèi)部解剖結(jié)構(gòu)的優(yōu)越的觀察條件，使用計算機技術(shù)對內(nèi)部解剖結(jié)構(gòu)進行精確而有效的量化和分析仍然是有限的。醫(yī)學(xué)圖像分割可以提取出準確的、可重復(fù)的、量化的病理生理數(shù)據(jù)，滿足不同的生物醫(yī)學(xué)研究和臨床應(yīng)用的需要。醫(yī)學(xué)圖像分割的目的是通過提取描述對象的特征，把感興趣對象從周圍環(huán)境中分離出來，分析和計算分割對象的解剖、病理、生理、物理等方面的信息。圖像分割過程是對醫(yī)學(xué)圖像進行對象提取、三維重建、體積顯示、圖像配準、臨床診斷、病理分析、手術(shù)計劃、治療方案、療效評估、影像信息處理、計算機輔助診斷等處理的一個必不可少的步驟。醫(yī)學(xué)臨床實踐和研究經(jīng)常需要對人體某種組織和器官的形狀、邊界、截面面積以及體積進行測量，從而得出該組織病理或功能方面的重要信息。精確的測量對疾病的診斷和治療有重要的臨床意義。在一段時間內(nèi)多次測量同一種與某種疾病相關(guān)的組織的體積，可以得到病情發(fā)展的信息或用作治療效果的監(jiān)測手段[9]。如腫瘤學(xué)的臨床研究經(jīng)常用腫瘤收縮的程度和時間來評估治療效果，將腫瘤大小的精確量化數(shù)值作為療效的測度；肝臟移植供體與受體的肝臟體積測量與脈管分析是肝臟移植術(shù)前最重要的預(yù)評估工作；視網(wǎng)膜血管的形狀、寬度、扭曲以及分叉等結(jié)構(gòu)特征的變化可以直接反映各種眼科疾病對血管網(wǎng)絡(luò)形態(tài)結(jié)構(gòu)的影響，這些特征的變化對某些眼底疾病的早期診斷有重要的意義[11]等等，這些都與圖像分割及其準確程度密切相關(guān)。此外，不同模式醫(yī)學(xué)圖像間的配準、血液細胞的識別和分類、血管造影圖像中冠狀動脈邊緣的監(jiān)測、乳腺片中微鈣化點的檢測、放化治療、神經(jīng)外科手術(shù)的計劃與圖像引導(dǎo)的手術(shù)等也都要求對組織成分的位置和大小精確定位和計算。對人體各種組織的正確分類不僅可以為臨床組織病變提供計算機輔助診斷依據(jù)，而且也是圖像三維重建和醫(yī)學(xué)圖像可視化的基礎(chǔ)。由于人體解剖的個體差異較大，臨床應(yīng)用對醫(yī)學(xué)圖像分割的準確度和分類算法的速度要求又較高，目前雖然已有多種分割算法，但是遠未達到完善。因此，醫(yī)學(xué)圖像分割領(lǐng)域的研究仍然是當(dāng)前醫(yī)學(xué)圖像處理和分析的熱點。
3圖像分割與醫(yī)學(xué)工程學(xué)生創(chuàng)新能力培養(yǎng)
圖像分割實踐是培養(yǎng)醫(yī)學(xué)工程學(xué)生創(chuàng)新能力非常有效的途徑。首先，由于醫(yī)學(xué)圖像實際獲取設(shè)備與條件的不同，引起測量上的不精確性和不確定性，造成醫(yī)學(xué)圖像數(shù)據(jù)非常復(fù)雜，這給醫(yī)學(xué)圖像分割帶來了極大的挑戰(zhàn)。其次，圖像分割方法靈活多樣，能否熟練地、有針對性地應(yīng)用這些方法解決醫(yī)學(xué)圖像分割領(lǐng)域的具體問題，是檢查學(xué)生創(chuàng)新能力的非常有效的辦法。第三，圖像分割要求學(xué)生具有扎實的數(shù)學(xué)基礎(chǔ)，熟練的編程能力以及知識的綜合應(yīng)用能力?，F(xiàn)在的醫(yī)學(xué)成像設(shè)備，如CT、MRT成像設(shè)備，它們自帶的分割軟件一般使用閾值分割的方法，盡管這些設(shè)備尤其是國外設(shè)備使用閾值分割的精度很高，但因閾值分割只是簡單地根據(jù)圖像的灰度值進行分類，因此，這一方法對于具有復(fù)雜背景、形狀不規(guī)則的醫(yī)學(xué)圖像分割來說，具有自身的缺點。如對于肝臟CT圖像的分割與三維重建，由于肝臟與周圍器官的弱邊界問題，單獨應(yīng)用閾值分割是很難解決問題的，因此，我們就要激發(fā)學(xué)生的創(chuàng)新思維，從模糊聚類、區(qū)域增長、數(shù)學(xué)形態(tài)學(xué)、水平集方法等角度加以思考。盡管如此，自動地分割某一個人的肝臟CT序列圖像，也會遇到困難，這是因為(1)肝臟相鄰器官或組織如腔靜脈、肌肉等的灰度值與肝臟很相近；(2)由于造影劑影響、CT設(shè)備不同模態(tài)的設(shè)定對不同供體的肝臟和其它組織呈現(xiàn)出不同的灰度值，甚至同一供體不同切片都會如此；(3)CT圖像不同切片的解剖結(jié)構(gòu)不同，不同供體的肝臟形狀差異顯著，甚至?xí)霈F(xiàn)兩三個分散的肝臟區(qū)域出現(xiàn)在同一個切片中；(4)肝臟形狀是不規(guī)則的，它們延伸至腹部左側(cè)與脾臟相連，由于這兩個器官的灰度值范圍幾乎相同，即便人眼觀察，也無法確定二者邊界，因此，由于檢測不到脾臟和肝臟的邊界，一般算法無法完成分割。因此，我們可以啟發(fā)學(xué)生應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能分割方法，根據(jù)上一切片的分割結(jié)果自動分割同一序列的下一切片圖像，這樣又會涉及到如何將肝臟的灰度信息、分塊信息，以及相鄰切片間的空間信息融合到一起，也就是說，如何構(gòu)造神經(jīng)網(wǎng)絡(luò)的特征向量[12]。在肝臟分割的過程中，還會涉及到肋脊椎骨與腎臟的分割，這些器官如果單純根據(jù)圖像分割的方法是很難解決問題的，必須借助于醫(yī)學(xué)解剖學(xué)知識，如對稱性、連續(xù)性等[13、14]。再如，對于醫(yī)生非常感興趣的肝靜脈與肝門靜脈的分割與三維重建，由于注射造影劑后它們的灰度與周圍的的肝臟區(qū)別明顯，因此，采用閾值分割的方法就很容易得到所需的結(jié)果，但由于這兩種血管灰度一致，因此，使用醫(yī)院CT設(shè)備自帶的軟件三維重建后，它們是交織在一起的，這就不便于醫(yī)生觀察，甚至?xí)l(fā)生混淆，這個時候就要啟迪學(xué)生的醫(yī)學(xué)知識應(yīng)用能力，結(jié)合解剖學(xué)知識并應(yīng)用圖像分割方法解決這個問題。另外，通過對肝臟圖像的分割，學(xué)生還可以進一步將這些知識和理論應(yīng)用到非醫(yī)學(xué)圖像領(lǐng)域的分割。如結(jié)合單閾值分割，可以引導(dǎo)學(xué)生進行多閾值分割，并提出改進的方法[15]；結(jié)合CV模型與LBF模型，可以引導(dǎo)學(xué)生通過高斯核函數(shù)改進CV模型圖像擬合函數(shù)，得到加權(quán)形式的能檢測局部區(qū)域灰度不均勻的函數(shù)；并針對當(dāng)CV模型在低對比度圖像中檢測不同灰度目標時出現(xiàn)的誤分割情況，提出一項全局約束函數(shù)，用于調(diào)控曲線在運動中兼顧檢測梯度幅值不為零的點，并將改善的方法用于復(fù)雜的紋理圖像分割[16]。
綜上所述，對于學(xué)生的創(chuàng)新能力培養(yǎng)，我們?nèi)绻芙Y(jié)合實際應(yīng)用就能挖掘?qū)W生的潛能，開闊學(xué)生的視野，激發(fā)學(xué)生的學(xué)習(xí)熱情，還可以提高學(xué)生理論與實踐相結(jié)合的能力。在以上肝臟CT圖像的分割例子中，可以看出，學(xué)生不僅需要一定的醫(yī)學(xué)知識與醫(yī)學(xué)影像基礎(chǔ)，還需要一定的圖像處理理論與智能模式識別理論，如模糊聚類、水平集方法、區(qū)域增長、數(shù)學(xué)形態(tài)學(xué)[17]、神經(jīng)網(wǎng)絡(luò)等，而且，更重要的是，通過肝臟分割這一簡單的課題可以引申出一系列相關(guān)的課題，這些課題不僅具有內(nèi)在的聯(lián)系，也是相對獨立的，而且層層深入，要求學(xué)生不僅要知識全面，尤其要能靈活運用，融會貫通。這對于學(xué)生的創(chuàng)新能力培養(yǎng)具有極大的價值，我們課題組的學(xué)生也通過這條途徑，結(jié)合國家級、省級與校級的創(chuàng)新課題，學(xué)到了很多書本上學(xué)不到的知識，包括他們的團隊協(xié)作能力和科研能力的提高，還發(fā)表了相應(yīng)的學(xué)術(shù)論文[10,12-17]。
再比如，對于視網(wǎng)膜血管圖像的分割，現(xiàn)在的文獻中已有很多方法，包括傳統(tǒng)的Gabor小波方法，匹配濾波(MatchedFilter,MF)方法以及它的改進算法，基于知識引導(dǎo)的自適應(yīng)閾值分割方法等等，盡管這些方法都比較新穎，也能取得較好的分割結(jié)果，但都對視網(wǎng)膜中微小血管的分割無能為力。如果能夠引導(dǎo)學(xué)生先對圖像進行直方圖增強，再經(jīng)過二維Gabor小波的平滑處理，學(xué)生就會發(fā)現(xiàn)被“隱藏”的微小血管得到了呈現(xiàn)。由于水平集方法對較粗血管分割的優(yōu)勢，以及區(qū)域增長方法對微小血管分割的優(yōu)勢，學(xué)生自然就會找到最終的分割方法。盡管方法比較傳統(tǒng)，但效果比其他方法都好，這樣不僅加深了學(xué)生對以上各種圖像分割算法的進一步認識，更大大激發(fā)了學(xué)生的科研熱情，提高了學(xué)生的創(chuàng)新能力。還有，圖像分割往往離不開對分割結(jié)果的比較與評價，高水平學(xué)術(shù)論文中，分割結(jié)果的比較與評價往往是一件很重要的事情，也是一件比較困難的事情，并且一般占了大量的篇幅，因此，在圖像分割的學(xué)習(xí)與實踐中，有意識地培養(yǎng)學(xué)生這方面的能力，也是值得重視的。這不僅要求學(xué)生有一定的圖像分割知識積累，敏銳的思維，扎實的數(shù)學(xué)基礎(chǔ)，嫻熟的編程能力，更要有圖像分割結(jié)果評估這方面的意識，而且這往往是我們中國學(xué)生最容易忽視的，他們往往認為只要分割結(jié)果出來就完成任務(wù)而不去關(guān)注。
譬如，上面所提及的視網(wǎng)膜血管分割，因為已有的方法和我們改進的方法相比，往往相差無幾，甚至肉眼難以觀察，如果不加以定量比較，往往很難體現(xiàn)算法的優(yōu)勢，或者沒有足夠的說服力，因此，這也是學(xué)生創(chuàng)新能力培養(yǎng)的一個重要領(lǐng)域，我們應(yīng)該加以高度重視。值得一提的是，現(xiàn)在很多學(xué)生看了國際期刊上發(fā)表的醫(yī)學(xué)圖像分割領(lǐng)域的高水平論文之后，一般只關(guān)注它的算法和結(jié)果，甚至感慨論文水平并不怎么樣，為什么別人能發(fā)表，而自己卻不能發(fā)表。熟不知，別人論文的組織水平，知識體系的全面性，展開討論與結(jié)果評價的深入性往往比我們高出一籌。因此，對學(xué)生創(chuàng)新能力的培養(yǎng)應(yīng)該是全方位的、多領(lǐng)域的，不僅要有意識地引導(dǎo)學(xué)生深入思考，也要注重對國內(nèi)外優(yōu)秀成果與經(jīng)驗的吸收借鑒。
關(guān)鍵詞:灰度直方圖;特征提取;matlab;醫(yī)學(xué)圖像
中圖分類號:TP391.9文獻標識碼:A文章編號: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
圖像特征是用于區(qū)分圖像內(nèi)容的最基本屬性,它們可以是原圖中人類視覺可鑒別的自然特征,也可以是通過對圖像測量和處理人為定義的某些參數(shù)。所謂特征提取是對研究對象固有的、本質(zhì)的及重要的特征或?qū)傩赃M行量測并將結(jié)果數(shù)值化,或?qū)ο蠓纸獠⒎柣?形成特征矢量或符號串、關(guān)系圖的過程[1]。
醫(yī)學(xué)圖像內(nèi)容豐富且結(jié)構(gòu)復(fù)雜,提取有效特征來描述這些圖像內(nèi)容是醫(yī)學(xué)圖像分析和理解的重要內(nèi)容。對于醫(yī)學(xué)圖像特征提取算法,大體可以分為三大類:顏色(灰度)特征提取[2]、紋理特征提取[3]和形狀特征提取[4]。其中顏色特征是醫(yī)學(xué)圖像的重要特征之一,且廣泛應(yīng)用于圖像處理系統(tǒng)中。在醫(yī)學(xué)圖像中,大部分是灰度圖像,而不是彩色圖像,因此與顏色特征相對應(yīng)的是灰度特征。醫(yī)學(xué)圖像灰度特征,是利用灰度具有一定的穩(wěn)定性,對大小、方向都不敏感,能表現(xiàn)出相當(dāng)強的魯棒性。
基于灰度直方圖的特征提取是醫(yī)學(xué)圖像顏色特征提取中的一個典型算法。任何一幅圖像的灰度直方圖都包含了豐富的信息。圖像的灰度直方圖是表示一幅圖像灰度分布情況的統(tǒng)計特性。圖像的灰度直方圖簡稱直方圖,是圖像處理中一種十分重要的分析工具。圖像灰度直方圖特征是醫(yī)學(xué)圖像的基本而重要的特征數(shù)據(jù)。本文對基于灰度直方圖的特征提取進行了Matlab分析與實現(xiàn)。實驗結(jié)果表明,正常異常肝臟圖像的灰度直方圖特征有明顯差異,為圖像分析與理解、圖像檢索、圖像識別和圖像挖掘等后繼研究奠定了一定的理論基礎(chǔ)。
1 灰度直方圖的定義
一幅數(shù)字圖像的灰度直方圖就是一個灰度級的離散函數(shù),可以用式(1)來表示圖像灰度直方圖的定義[5]。
(1)
其中i表示灰度級,L表示灰度級種類數(shù),ni表示圖像中具有灰度級i的像素的個數(shù),N表示圖像總的像素數(shù)。公式描述的是圖像中具有該灰度級的像素的個數(shù)占圖像總像素的百分比,即圖像中具有灰度級i的像素出現(xiàn)的頻率。其橫坐標是灰度級,縱坐標是該灰度出現(xiàn)的頻率。
圖像的灰度直方圖提供了該圖像外觀的一個全局描述,所提取的特征具有RST不變性,即旋轉(zhuǎn)、比例和位移不變性,缺點是不能有效地表示圖像的空間信息,如圖1表示的是一幅醫(yī)學(xué)圖像的直方圖示例。
2 基于直方圖的統(tǒng)計特征
一般不是直接將醫(yī)學(xué)圖像的直方圖作為特征,需要通過用一些統(tǒng)計量來反映圖像的直方圖,這些統(tǒng)計量通常稱為直方圖的統(tǒng)計特征。常用下列幾種統(tǒng)計量來反映圖像的直方圖特征:
1) 均值(mean):均值反映的是一幅圖像的平均灰度值。
(2)
2) 方差(variance):方差反映的是一幅圖像的灰度在數(shù)值上的離散分布情況。
(3)
3) 歪斜度(skewness):歪斜度反映的是圖像直方圖分布的不對稱程度,歪斜度越大表示直方圖分布越不對稱,反之越對稱。
(4)
4) 峰態(tài)(kurtosis):峰態(tài)反映的是圖像的灰度分布在接近均值時的大致狀態(tài),用以判斷圖像的灰度分布是否非常集中于平均灰度附近。峰態(tài)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勻程度,灰度分布較均勻時能量較大,反之,較小。
(6)
6) 熵(entropy):熵也反映了直方圖灰度分布的均勻性。
(7)
3 灰度直方圖特征提取的Matlab實現(xiàn)
以圖2所示的肝臟CT圖像為例。眾所周知,灰度圖像在計算機中的表示是一個M*N的二維矩陣,這里M=N=512。一個像素就對應(yīng)著矩陣中相應(yīng)位置的一個灰度值,由于灰度級是256,因此灰度值范圍在0~255之間,最小灰度值0代表黑,最大灰度值255代表白。
對于肝臟CT圖像,純黑對應(yīng)背景區(qū)域,純白對應(yīng)骨骼組織,這兩部分對于圖像的特征提取沒有意義,因此公式中i的取值為1~254。以提取基于直方圖的均值特征為例,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
上述代碼運行結(jié)果如下,可見,圖2所示的肝臟CT圖像,其基于直方圖的均值特征 ,程序運行時間0.938000秒。
filename = 1.bmp
junzhi =129.0577
Elapsed time is 0.938000 seconds.
現(xiàn)在隨機抽取10幅正常肝臟CT圖像(如圖3所示)和10幅異常肝臟CT圖像 (如圖4所示)。比較其均值特征,如圖5所示,由曲線圖清晰可見,正常肝臟CT圖像與異常肝臟CT圖像在均值特征上差別明顯,正常肝臟CT圖像均值在129.2879左右,異常圖像的均值在115.2091左右。值得注意的是,結(jié)果并非表明用這一個特征就可以完全區(qū)分正常肝臟與異常肝臟,細看曲線圖可知,異常肝臟CT圖像中第一幅圖就無法使用均值判斷其正常異常與否,僅僅使用均值就會誤判。現(xiàn)實生活中,肝臟CT圖像因拍攝位置、拍攝儀器等多方面原因,要想理想判斷其正常還是異常,使用一個或一類特征是遠遠不夠的。
圖3 隨機抽取的10幅正常肝臟CT圖
圖4 隨機抽取的10幅異常肝臟CT圖
4 總結(jié)
本文對基于灰度直方圖的醫(yī)學(xué)肝臟CT圖像特征提取進行了Matlab分析與實現(xiàn)。特征的提取很重要,特征提取的好壞直接影響到圖像識別、基于內(nèi)容的圖像檢索、圖像挖掘、圖像分析與理解等后繼工作的成敗。由于醫(yī)學(xué)圖像與普通圖像存在很大的不同,醫(yī)學(xué)圖像具有灰度分辨率高、所含信息量大、數(shù)據(jù)的巨量性、異構(gòu)性、噪聲顯著性等特點,單一的特征提取方法都還不能很好的表達醫(yī)學(xué)圖像的內(nèi)容,尋找適合醫(yī)學(xué)圖像的特征提取方法仍是一個需要深入探索的領(lǐng)域。
參考文獻:
[1] 郭依正. 基于多特征融合的醫(yī)學(xué)圖像識別研究[D].鎮(zhèn)江:江蘇大學(xué),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年代末以來，由于數(shù)字技術(shù)和微機技術(shù)迅猛發(fā)展給數(shù)字圖像提供了先進的技術(shù)手段，醫(yī)學(xué)上不管是基礎(chǔ)和臨床，都是處理圖像種類極多的領(lǐng)域。利用圖像來反映人體內(nèi)外的情況，醫(yī)生多根據(jù)其所見圖像診斷和治療病人。本文針對這一情況，主要提出對圖像的空間域濾波增強，研究了多種算法，并且進行了編程設(shè)計實驗，實現(xiàn)對圖像的平滑和銳化。
【關(guān)鍵詞】圖像空間域濾波增強 醫(yī)學(xué)圖像技術(shù) 平滑 銳化
“圖”是物體透射光或反射光的分布，“像”是人的視覺系統(tǒng)對圖的接收在大腦中形成的印象或認識。前者是客觀存在的，而后者為人的感覺，圖像應(yīng)是兩者的結(jié)合。
圖像處理就是對圖像信息進行加工處理，以滿足人的視覺心理和實際應(yīng)用的要求。但從處理圖像的立場上來看，計算機是以數(shù)字的形式來處理圖像的。在計算機處理出現(xiàn)以前，圖像處理都是光學(xué)、照相處理和視頻信號處理等模擬處理方法。在模擬處理中，從原理上講只能進行相當(dāng)有限的處理，而用計算機進行數(shù)字處理，則具有用程序自由地進行各種處理的靈活性。為此，數(shù)字處理隨著計算機的飛速發(fā)展，取得了驚人的進步。
圖像增強技術(shù)的目的是對圖像進行加工，以得到對具體應(yīng)用來說視覺效果更“好”，更“有用”的圖像。一幅圖像經(jīng)過圖像的生成、復(fù)制、掃描、傳輸或變換以后，由于多種因素的影響，輸出圖像“質(zhì)量”或多或少地有所降低或退化。
一 圖像技術(shù)在醫(yī)學(xué)中的應(yīng)用
隨著計算機技術(shù)的發(fā)展，計算機醫(yī)學(xué)圖像技術(shù)已廣泛應(yīng)用于現(xiàn)代醫(yī)學(xué)及生物醫(yī)學(xué)研究和臨床領(lǐng)域。這類醫(yī)學(xué)圖像技術(shù)主要包括：計算機X光斷層掃描技術(shù)（CT）、核磁共振圖像技術(shù)（MRI）、計算機單探頭光子斷層掃描技術(shù)（SPECT）以及計算機正電子斷層掃描技術(shù)（PET）。以這些醫(yī)學(xué)圖像技術(shù)為基礎(chǔ)的醫(yī)用圖像處理將實現(xiàn)醫(yī)學(xué)界“將人體變?yōu)橥该鳌钡哪繕恕?/p>
利用醫(yī)學(xué)圖像技術(shù)所攝制的不論是X光照片還是CT照片都是為了給醫(yī)生作診斷的依據(jù)。而對攝入的圖像或從射線重建的圖像，其識別分析的全過程都要求圖像的改善。任何一幅未經(jīng)處理的原始圖像，都存在著一定程度的噪聲干擾。噪聲惡化了圖像質(zhì)量，使圖像模糊，甚至淹沒特征，給分析帶來困難。
這次論文的目的是對圖像進行空間域濾波增強處理，即對圖像進行平滑和銳化，以消除噪聲和突出圖像特征。
二 醫(yī)學(xué)圖像處理設(shè)計說明
為了達到對圖像的處理，用C語言進行編程,并在Visual C++環(huán)境下運行得到實現(xiàn)。
鄰域運算是對圖像進行平滑處理常使用的一種算法，模板運算實現(xiàn)了一種鄰域運算，即某個像素點的結(jié)果不僅和該像素的灰度有關(guān)，而且和其鄰域點的值有關(guān)。平滑模板的思想是通過一點和周圍8個點的平均來去除突然變化的點，從而濾掉一定的噪聲。在這設(shè)計里，運用到了Box模板和Gauss模板。
Box模板為：
它雖然考慮了鄰域點的作用，但并沒有考慮各點位置的影響，對于所有的9個點都一視同仁，所以平滑的效果并不理想?？上胂?，離某點越近的點對該點的影響應(yīng)該越大。為此，引入了加權(quán)系數(shù)，將Box模板改造為：
這稱為Gauss模板。可看出，距離越近的點，加權(quán)系數(shù)越大。這兩模板對圖像的處理可由附圖（1）所示。
原來的圖像 Box模板處理 Gauss模板處理
median(水平方向)處理 median(垂直方向)處理 Laplacian處理
附圖（1）
由附圖（1）中可看出經(jīng)Box模板和Gauss模板處理后圖像的邊緣模糊。如果采用中值濾波，它是一種低通濾波器。中值濾波是把以某點為中心的小窗口內(nèi)的所有像素的灰度按從大到小排列，將中間值作為處的灰度值。在這里，把中值濾波只考慮一個水平方向或一個垂直方向。結(jié)果由附圖（1）所示，可看出中值濾波對圖像在去除噪聲的同時還能保護邊緣。
但如果給原來的圖像加入1.5%的高斯噪聲，再按以上的方法對圖像進行處理。
1.5%噪聲 Box模板 Gauss模板處理
median(水平方向)處理 median(垂直方向)處理 Laplacian處理
附圖（2）
可以由附圖（2）看出，加入一定的高斯噪聲的圖像經(jīng)過Box模板處理，噪聲幅度有所下降；Gauss模板對去除Gauss噪聲非常有效；但中值濾波對于高斯噪聲則無能為力。
在設(shè)計里運用到拉普拉斯（Laplacian）算子，是為了對圖像進行銳化處理。銳化處理在增強圖像邊緣效果的同時增加了圖像的噪聲，由附圖（1）和（2）所示。在這里，仍采用模板運算，即拉普拉斯（Laplacian）模板。它表示為：
其作法是：先將自身與周圍的8個像素相減，表示自身與周圍像素的差別；再將這個差別加上自身作為新像素的灰度。銳化處理的結(jié)果是灰度突變處的亮點變的更亮，增加了圖像的噪聲。
三 實驗結(jié)果討論
運用平滑模板如Box模板和Gauss模板對圖像進行了消除噪聲處理，但使圖像的邊緣灰度趨向均勻化，以致使圖像邊緣模糊。
可以發(fā)現(xiàn)，運用Gauss模板實現(xiàn)平滑效果的同時，圖像要比用Box模板處理的清晰一些，是因為運用Gauss模板引入加權(quán)系數(shù)，考慮了不同位置點的影響。離某點越近的點對該點影響越大。
采用中值濾波可以既消除噪聲有保持圖像邊緣，但本次實驗卻對所加的Gauss無能為力，是因為Gauss噪聲是雜亂無章，隨機分布的。而中值濾波是容易去除孤立點、線的噪聲和脈沖噪聲。
對圖像進行銳化處理是為了增強圖像邊緣，提取圖像中感興趣的部分，但對一幅具有噪聲的圖像，如進行銳化處理，則更增強了噪聲，反而達不到增強圖像邊緣的目的。
四 結(jié)論及本文需進一步解決的問題
采用中值濾波，它在保持圖像邊緣的同時，并不能對所有的圖像的干擾噪聲都行之有效，像對高斯噪聲它就毫無辦法。并且中值濾波花費時間長，不利于圖像的快速處理。因此，尚需努力找到解決清除噪聲的同時又能解決邊緣模糊這對矛盾的最佳平滑方案。
本文處理的圖像是在實驗室條件下的圖像，實際情況下的醫(yī)學(xué)圖像由于人體結(jié)構(gòu)非常復(fù)雜的原因而并不簡單，對目標識別和處理具有一定的難度。
參考文獻
［1］ 數(shù)字圖像處理（修訂版） 夏良正主編 東南大學(xué)出版社 1999年
［2］ 數(shù)字圖象處理編程入門 呂鳳軍編著 清華大學(xué)出版社
1．中山大學(xué)腫瘤防治中心影像科；華南腫瘤學(xué)國家重點實驗室；腫瘤醫(yī)學(xué)協(xié)同創(chuàng)新中心，廣東廣州510060；2.中山大學(xué)附屬一院，廣東廣州510089
[摘要] 目的 探討Care KV技術(shù)于胸部低劑量CT體檢中的價值。方法100例胸部健康體檢者分成兩組：A組采用常規(guī)胸部低劑量CT掃描方案，固定管電壓120 kV，B組采用 Care kV技術(shù)，參考管電壓120 kV，其他掃描條件兩組一致：采用管電流自動調(diào)節(jié)技術(shù)，參考管電流50 mAs。掃描后分別用客觀和主觀圖像質(zhì)量指標綜合評價兩組圖像的質(zhì)量，并記錄CTDIvol、DLP，計算ED，然后進行統(tǒng)計學(xué)分析。結(jié)果 AB組圖像質(zhì)量比較差異無統(tǒng)計學(xué)意義；AB兩組受檢者吸收有效劑量分別為（1.18±0.29）mSv和（0.82±0.24）mSv ，B組較A組分別降低了30.5%。結(jié)論 CareKV技術(shù)在胸部CT掃描中可在保正圖像質(zhì)量不變的情況下降低輻射劑量。
關(guān)鍵詞 CareKV技術(shù); 胸部；體層攝影術(shù)，X線計算機；輻射劑量
[中圖分類號] R725[文獻標識碼] A[文章編號] 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
[作者簡介] 卓水清（1970-），男，廣東連平人，學(xué)士，主管技師，主要從事醫(yī)學(xué)影像技術(shù)工作。
CT在肺癌篩查中的廣泛應(yīng)用，已成為醫(yī)源性輻射的主要來源[1]，因此，低劑量CT的應(yīng)用成為研究熱點。降低輻射劑量的方法有直接降低管電壓或管電流、增加螺距、縮短掃描時間等，但各種方法都在降低輻射劑量的同時也降低了圖像質(zhì)量。隨著CT技術(shù)的迅猛發(fā)展，迭代重建技術(shù)和管電流自動調(diào)制技術(shù)（CARE Dose4D技術(shù)）的應(yīng)用，實現(xiàn)了在降低輻射劑量的同時保持圖像質(zhì)量不變[2]。該研究旨在探討CareKV技術(shù)—智能最佳kV掃描技術(shù)在胸部CT體檢中的應(yīng)用價值?，F(xiàn)分2014年4—6月間來該院進行胸部體檢100例體檢者的臨床資料，報道如下。
1資料與方法
1.1一般資料
收集到該院行胸部CT體檢者100例。研究對象納入標準：①均為健康體檢者，無任何胸部疾病癥；② 受檢者體重指數(shù)（BMI）在18~25 kg/m2 之間；③將檢出有氣胸、肺氣腫等肺部疾病者則排除在研究范圍之外。將研究對象隨機分成A、B兩組，各50例，其中A組男26例，女24例，年齡29~72歲，中位年齡41.7歲；B組50例，男30例，女20例，年齡34~67歲，中位年齡45.5歲。AB兩組BMI分別為(22.97.3±2.06)kg/m2和(22.90±2.60)kg/m2，兩者差異無統(tǒng)計學(xué)意義。
1.2CT設(shè)備與掃描方法
采用西門子SOMATOM Definition AS+掃描儀。采取仰臥屏氣掃描。掃描范圍從肺尖至肋膈隱窩下緣。A組采用該院常規(guī)胸部低劑量CT掃描條件，固定管電壓120 kV， B組采用Care kV技術(shù)，參考管電壓Ref120kV。其余掃描條件一致，均采用Care Dose4D技術(shù)，參考管電流50 mAs；層厚5 mm，螺距1.2，準直128 mm×0.6 mm，分別重建縱隔窗和肺窗兩組圖像，重建卷積函數(shù)分別B25f和B80f，容積CT劑量指數(shù)（Volume CT Dose Index，CTDIvol）和劑量長度乘積（Dose-length Product，DLP）由機器自動生成。
1.3圖像質(zhì)量和有效輻射劑量評價
1.3.1圖像質(zhì)量客觀評價分別測量縱隔窗和肺窗圖像CT值（HU）、噪聲(Objective Image Noise，OIN)、信噪比(Signal to Noise Ratio，SNR)?？v隔窗選取圖像的主動脈弓層面的主動脈的均勻處、肺窗選取隆突層面的肺組織的均勻處測量出CT值及其標準差(Standard Deviation，SD）。ROI面積為90~110 mm2。SD即為圖像的噪聲OIN， SNR=CT值/SD。
1.3.2圖像質(zhì)量主觀評價全部圖像納入評價范圍，由兩名有經(jīng)驗的影像科醫(yī)師采取盲法評價圖像。采取評分法，肺窗：窗寬1500 HU，窗位-500 HU；縱隔窗：窗寬400 HU，窗位45 HU。綜合評價肺窗及縱隔窗圖像，評分標準分為3個等級：1分，圖像質(zhì)量較差，胸壁及縱隔內(nèi)結(jié)構(gòu)噪聲較大，氣管及縱隔內(nèi)血管的邊緣模糊，不能滿足診斷，定為不合格等級；2分，圖像質(zhì)量中等，噪聲中等，不影響診斷，定為合格等級；3分，圖像質(zhì)量好，噪聲較小，可滿足診斷要求，定為優(yōu)良等級[3]。
1.3.3有效劑量評價方法根據(jù)CTDIvol、DLP計算有效劑量（effective dose，ED）。計算公式：ED（mSv）＝DLP（mGy.cm）×k。參考最新歐盟委員會CT質(zhì)量標準指南[4]，胸部有效吸收劑量系數(shù)k=0.014 mSv/（mGy.cm）。
1.4統(tǒng)計方法
用spss19統(tǒng)計軟件，計算各組數(shù)據(jù)的平均值及標準差，計量資料用均數(shù)±標準差（x±s）表示，采用ANOVA分析各組圖像的OIN、SNR及有效劑量ED。主觀評價的一致性采用Kappa分析， 結(jié)果評價:0.40<kappas0.60，觀察者間一致性一般，0.6< kappas 0.80，觀察者間一致性好，kappa> 0.80觀察者間一致性很好[5]。
2結(jié)果
2.1A、B兩組客觀圖像質(zhì)量指標評價
通過客觀圖像質(zhì)量指標如CT值、噪聲和噪聲比對A、B兩組縱隔窗和肺窗圖像質(zhì)量進行分析，結(jié)果顯示AB兩組圖像質(zhì)量差異無統(tǒng)計學(xué)意義（P>0.05），見表1、2。
2.2 A、B兩組主觀圖像質(zhì)量指標評價
通過主觀圖像質(zhì)量指標3分評分法對AB兩組圖像進行分析，結(jié)果顯示A、B兩組圖像優(yōu)良率分別為96%(48/50)和98% (49/50)，分別只有2例和1例為合格等級圖像，但均符合診斷要求，AB兩組主觀圖像質(zhì)量比較差異無統(tǒng)計學(xué)意義（P>0.05），見表3。
2.3A、B兩組受檢者有效輻射劑量比較
AB兩組受檢者平均有效輻射劑量（ED）分別為（1.18±0.29）mSv和（0.82±0.24）mSv ，B組較A組分別降低了30.5%，見表4。
3討論
隨著影像技術(shù)的發(fā)展，低劑量螺旋CT已成為肺癌篩查的研究熱點，低劑量螺旋CT在降低了患者接受的放射劑量，同時對肺結(jié)節(jié)檢出也有較高的敏感性和特異性[6]。據(jù)報道，低劑量胸部CT檢查可使肺癌的死亡率降低20%[7]。在CT掃描中，傳統(tǒng)方法在降低輻射劑量的同時也降低了圖像質(zhì)量。而各種迭代重建技術(shù)和Care Dose4D 技術(shù)的應(yīng)用，實現(xiàn)了在降低輻射劑量的同時保證了圖像質(zhì)量。該文采取了Care KV技術(shù)結(jié)合Care Dose4D技術(shù)的掃描方法，在保證圖像質(zhì)量的同時將進一步降低輻射劑量。Care kV技術(shù)能夠根據(jù) CT 檢查目的和受檢者的體型自動確定最優(yōu)化的管電壓和管電流，實現(xiàn)最優(yōu)化降低劑量的同時提高圖像質(zhì)量，從而實現(xiàn)對受檢者的個性化掃描，既避免了受檢者接受不必要的輻射。
目前對CARE kV技術(shù)研究和應(yīng)用的報道較少。Winklehne等[2，8]對BMI在同一水平的受檢者進行胸腹部及頭部CTA掃描，發(fā)現(xiàn)使用CARE kV技術(shù)可在圖像背景噪聲不增加、滿足診斷要求的同時降低輻射劑量，其中胸腹部降低約25%，頭部可下降約58%。該研究結(jié)果顯示，AB兩組圖像質(zhì)量比較，無論是CT值、噪聲和信噪比等客觀指標還是圖像質(zhì)量主觀評價，差異無統(tǒng)計學(xué)意義，符合診斷要求，同時有效輻射劑量（ED）B組較A組降低了30.5%，這與康紹磊等[9]對114例病例的相關(guān)研究結(jié)果一致：Care KV技術(shù)結(jié)合Care Dose4D技術(shù)組較固定KV結(jié)合Care Dose4D技術(shù)組輻射劑量降低了30.36%。但該文研究所用參考管電流是50mAs，而康紹磊等用110 mAs，因此該研究B 組有效輻射劑量（ED）（0.82±0.24）mSv 較他們的（1.72±0.87）mSv降低了49.41%。
綜上所述，Care KV技術(shù)結(jié)合Care Dose4D 技術(shù)比采用固定管電壓結(jié)合Care Dose4D 技術(shù)在胸部CT掃描中可在保證圖像質(zhì)量的情況下明顯降低受檢者輻射劑量。該研究只是在一定BMI范圍內(nèi)一定參考管電流和管電壓在胸部掃描的研究，因此結(jié)果可能有一定的局限性，今后我們將嘗試對各種BMI值的受檢者的不同部位用不同的參考管電流和管電壓進行深入研究，尋找不同個體不同部位的最佳低劑量CT掃描方案。綜上Care KV技術(shù)是值的推廣的CT掃描技術(shù)。
參考文獻
[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]徐卓東. CARE kV-智能最佳kV掃描技術(shù)-降低劑量的同時提高圖像質(zhì)量[J].中國醫(yī)療設(shè)備，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]黃明剛，王青，齊敏，等.低劑量螺旋CT篩查肺癌的診斷效能及價值[J].實用放射學(xué)雜志.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]康紹磊，曾憲春，謝曉潔，等.智能最佳管電壓掃描聯(lián)合自動管電流調(diào)節(jié)技術(shù)降低成人胸部CT掃描輻射劑量[J].中國醫(yī)學(xué)影像學(xué)技術(shù).2013，29（4）:636-640.
（收稿日期：2014-05-22）
本刊寫作要求：文后
參考文獻著錄規(guī)則
1.本刊所發(fā)表的論文一般情況下必須有
參考文獻，應(yīng)以作者親自查閱和借鑒過的公開文獻為限。
參考文獻除定義、法規(guī)、標準外，盡量引用近五年的文獻。
2.文獻的作者3人以下一并列出；3人以上，寫出3人后，加“，等”。正文引用文獻的中國人名應(yīng)使用全名，不得出現(xiàn)“許氏”、“王氏”等非規(guī)范寫法；中醫(yī)古籍人名應(yīng)寫出朝代和人名，如可寫成“明代李時珍”。出版項中的出版地有多個時，只著錄第一出版地。
3.
參考文獻按在正文中出現(xiàn)的先后次序排列于正文后；
參考文獻的序號左頂格個位對齊，并用加方括號表示如[1]，[2]，……以與正文中的指示序號格式一致。正文指明原始文獻作者姓名時，序號標注于作者姓名右上角；正文未指明作者或非原始文獻作者時，序號標注于句末；正文直接述及文獻序號將之作為語句的組成部分時，不用角碼標注。
4.圖中引用
參考文獻，按其在全文中出現(xiàn)的順序編號，在圖的說明或注釋中予以標注，圖中不應(yīng)出現(xiàn)引文標注。表中引用
參考文獻，按其在全文中出現(xiàn)的順序編號，在表注中依次標注；或在表中單一欄說明文獻來源，該欄應(yīng)列出文獻第一作者姓名，在姓名右上角標注文獻角碼。
5.同一文獻在正文中有多處引用，文后只列一次，
參考文獻列表中可不用標注頁碼，在正文中引用位置右上角，標注
參考文獻序號和引用起止頁碼，例如“十二指腸[4]47-59?！?/p>
本刊常見文獻格式規(guī)定如下，投稿者請以下列格式為準：
[期刊] 作者.文章題目[J].刊名，年，卷(期)：起頁-止頁.
[書籍] 作者.書名[M或S].出版地：出版社，出版年：起頁-止頁.
[專利] 專利申請者.專利題名：國別，專利號[P].出版日期.
關(guān)鍵詞：計算機網(wǎng)絡(luò)；遠程會診
隨著現(xiàn)代計算機技術(shù)、通訊技術(shù)、網(wǎng)絡(luò)和多媒體技術(shù)的發(fā)展，遠程醫(yī)療會診已成為醫(yī)院信息系統(tǒng)的一個重要組成部分。它是一種新的醫(yī)療服務(wù)保障形式。遠程醫(yī)療的特點是以最快捷方式獲得接近傳統(tǒng)醫(yī)療方式的診治效果．真正做到快捷、高效，為充分利用醫(yī)療資源開辟了一個新領(lǐng)域、新途徑。
1遠程醫(yī)療會診系統(tǒng)
遠程醫(yī)療會診包括：遠程診斷、遠程治療、遠程教育、遠程監(jiān)護、建立數(shù)據(jù)庫等，較常見的有B超、胃鏡、CT、MRI等。我院目前已應(yīng)用了遠程血液細胞學(xué)圖像處理系統(tǒng)。遠程醫(yī)療會診中心采用WindowsNT+NetMeeting視頻會議系統(tǒng)，細胞室配置了計算機、0IYMPUS—BX40三目光學(xué)顯微鏡、Panasonic微型攝像頭、掃描儀、EPSON710彩色噴墨打印機、電話等，血液病患者的圖片可由檢驗人員在本科內(nèi)用計算機圖像處理系統(tǒng)通過SUNSPRO直接傳輸，在遠程醫(yī)療會診中心配合下，可使對方專家同步觀察血片及骨髓片，以提出有效的診療方案。會診前先由病人選擇專家、預(yù)約會診時間，臨床醫(yī)師將檢驗報告、患者病歷及各種詳細資料填寫清楚，提前發(fā)送對方。在會診時。也可讓患者及家屬參與。通過視頻會議，讓專家與主治醫(yī)師、檢驗醫(yī)師及病人面對面交談，這樣既提高了醫(yī)務(wù)人員的診治水平。也增加了病人對醫(yī)學(xué)專家的信任度。
2遠程會診的社會及經(jīng)濟效益
我國是一個幅員遼闊。人口眾多的發(fā)展中國家。經(jīng)濟基礎(chǔ)薄弱，尤其是廣大農(nóng)村和邊遠地區(qū)相當(dāng)落后。加之醫(yī)療資源，特別是醫(yī)學(xué)專家資源分布嚴重不平衡，造成了醫(yī)患供需失衡的矛盾。我院地處河北省張家口市。患者大部分來自偏遠貧困地區(qū)，經(jīng)濟條件有限，尤其是血液病患者，為了尋求更好的治療方案需要專家會診，但去北京、上海會診路途遠且費用高，通過遠程醫(yī)療會診，患者就能跨越時空地域限制，選擇各地的知名專家會診．真正做到了快捷、方便、經(jīng)濟、高效。遠程醫(yī)療會診的實施，打破了以往醫(yī)生臾在本科室或本醫(yī)院的會診模式，充分利用現(xiàn)代信息和通訊工具與專家交流。開闊了醫(yī)務(wù)人員的視野，增長了知識，盡量避免了病人外轉(zhuǎn)，從而大大提高了經(jīng)濟效益。
隨著計算機技術(shù)的發(fā)展和圖像壓縮技術(shù)的應(yīng)用，醫(yī)學(xué)圖像除了可以大量存儲同時用于遠程圖像傳輸，在傳輸過程中為保證診斷的正確性，必須得到高質(zhì)量的圖像和完整、全面的相關(guān)醫(yī)學(xué)信息[1]；針對這個問題的解決采用基于小波變換的視頻圖像壓縮技術(shù)，利用小波變換對視頻圖像序列進行壓縮編碼，較好地改善了當(dāng)圖像場景中的物體進行快速運動時，使得時間域的小波系數(shù)突然變大而使得壓縮率變低的不足，在遠程醫(yī)療系統(tǒng)中可以快速、高效地壓縮圖像。
遠程醫(yī)療利用現(xiàn)代通信網(wǎng)絡(luò)，結(jié)合計算機多媒體技術(shù)，傳輸多媒體醫(yī)療信息來實現(xiàn)遠距離的醫(yī)療活動；主要著重于多媒體交互式服務(wù)。利用遠程醫(yī)療可以減少邊遠地區(qū)患者求醫(yī)的費用和求醫(yī)診治花費時間，節(jié)省醫(yī)生往返各地的費用和時間，也可以提供分散醫(yī)院之間的遠程交流和協(xié)作。小波變換的視頻編碼的實現(xiàn)能夠在壓縮性能、診斷性能、傳輸性能上適應(yīng)于遠程醫(yī)療系統(tǒng)的壓縮；本文利用小波變換結(jié)合運動補償量化編碼算法，能較好地對醫(yī)學(xué)圖像進行壓縮及處理。
小波變換用于圖像壓縮的基本思想
所謂圖像壓縮就是去掉各種冗余，保留重要的信息。圖像壓縮的過程常稱為編碼，而圖像的恢復(fù)則成為解碼。雖然圖像的數(shù)據(jù)是非常巨大，但是可以采用適當(dāng)?shù)淖鴺俗儞Q祛除相關(guān)，從而達到壓縮數(shù)據(jù)的目的。小波變換通過多分辨分析過程將一幅圖像分成近似和細節(jié)兩部分，細節(jié)對應(yīng)的是小尺度的瞬變，它在本尺度內(nèi)很穩(wěn)定。因此將細節(jié)存儲起來，對近似部分在下一個尺度上進行分解，重復(fù)該過程即可，近似與細節(jié)在正交鏡像濾波器算法中分別對應(yīng)于高通和低通濾波，這種變換通過尺度去掉相關(guān)性，在視頻壓縮中被證明是有效的[2]。
運動補償
運動補償是通過先前的局部圖像來預(yù)測、補償當(dāng)前的局部圖像，它是減少幀序列冗余信息的有效方法。遠程醫(yī)療系統(tǒng)不僅僅是信息資源共享，提供實時可見的視頻圖像資料以供醫(yī)學(xué)專家參考。所以，大量、高質(zhì)量的視頻圖像數(shù)據(jù)的處理、傳輸就成為遠程會診系統(tǒng)的關(guān)鍵環(huán)節(jié)，另外醫(yī)生在查看圖像時只對圖像中很小一部分感興趣，這部分區(qū)域有可能是病灶區(qū)域分，除病灶區(qū)外對于其他圖像如背景部分等一些局部圖像成為醫(yī)生乎略的內(nèi)容，所以，可以充分利用醫(yī)學(xué)圖像的這一重要特征在進行設(shè)計圖像壓縮編碼算法時對乎略的內(nèi)容進行高比例壓縮。
圖像壓縮技術(shù)在遠程醫(yī)療系統(tǒng)中的研究方案
視頻圖像的壓縮編碼實際上是在靜態(tài)圖像編碼的基礎(chǔ)上，增加幀間圖像的內(nèi)插和運動補償技術(shù)，由此來消除圖像之間的時間相關(guān)性，從而實現(xiàn)高倍率的壓縮目的。再對已消除時間相關(guān)性之后的每幀圖像進行靜態(tài)圖像的壓縮編碼。
首先將要編碼的圖像分成16×16的宏塊，對于每一個宏塊，依照某指定的準則，在其參考圖像中搜索與其最匹配（最相近）的塊。如果搜索到的塊滿足條件，則作為當(dāng)前編碼宏塊的運動補償塊。將它們相減，得到的結(jié)果稱為幀間編碼塊，并將其放在殘差圖像的相應(yīng)位置。如最終沒有找到相近的塊，則認為當(dāng)前塊屬于幀內(nèi)編碼塊，將其直接放置在殘差圖像的相應(yīng)位置。然后對殘差圖像進行小波變換及壓縮編碼。顯然，解碼時，將解碼的殘差圖像加上其對應(yīng)的運動補償圖像，即可得到復(fù)原的圖像。
對于小尺寸圖像塊宜用DCT方法進行編碼，先對殘差圖像中的幀內(nèi)編碼宏塊用DCT方法進行變換、量化、編碼，其結(jié)果作為總數(shù)據(jù)的一部分輸出到比特流中。對編碼后的圖像塊進行恢復(fù)得到其重構(gòu)塊，再用原快減去重構(gòu)塊得到殘差塊，即幀間編碼塊。由殘差塊代替殘差圖像中相應(yīng)的幀內(nèi)編碼塊。如此一來，殘差圖像就全部由幀間編碼塊組成了，從而在整體上趨近于零。以上分塊的不足之處存在于，運動補償?shù)膲K越小，得到的殘差圖像的能量越小。然而，分塊越小，塊越多，算法復(fù)雜度越高，矢量數(shù)目越多。傳輸矢量所需要的數(shù)量可能大于圖像殘差能量減小所節(jié)省的數(shù)據(jù)量，這樣一來就會造成得不償失的情況。比較好的解決方法就是使用自適應(yīng)的分塊大小，對細節(jié)較少的部分采用大的分塊，對細節(jié)較多的地方采用較小的分塊。另外，也可以采用像素插值的方法，利用插值后的像素位置進行預(yù)測將提高運動補償?shù)木龋聦嵣?，隨著插值變得精細，其對于運動補償?shù)母纳谱饔靡苍谥饾u下降。
小波和運動補償相結(jié)合能更好地進行圖像壓縮，基于小波變換的靜止圖像壓縮算法EZW、SPIHT和一種改進的EZW算法，這些算法是視頻壓縮編碼算法中的關(guān)鍵部分。這有待于在軟件平臺上進行算法驗證、分析和對比，實踐證明應(yīng)用改進的EZW算法對圖象進行壓縮，重構(gòu)圖像的PSNR值較高。
視頻圖像不僅在其每一幀內(nèi)存在空間相關(guān)性，而且在幀間即時間方向也存在著很強的相關(guān)性，通過有效的方法消除這些冗余信息可以大大地提高視頻的壓縮比。
本文分析了對圖像的背景及非病灶區(qū)域進行傳輸編碼技術(shù)，并把它有褪用到遠程醫(yī)療系統(tǒng)會診子系統(tǒng)的視頻流處理模塊，取得了較好的效果。此方案可以減少傳輸時間，解決其數(shù)據(jù)量大、耗時長的瓶頸問題，并增加了通信雙方的交互性。遠程醫(yī)療在我國還是一個方興未艾的新鮮事物，一個新的課題?，F(xiàn)有遠程醫(yī)療對我國醫(yī)學(xué)來講不是一個完美的系統(tǒng)，其中要解決的技術(shù)問題還有很多有待于我們不斷的更新和完善。
參考文獻
關(guān)鍵詞：Laplace算子；顯微物體；聚焦評價；聚焦高度；三維重構(gòu)
中圖分類號：TP391.4 文獻標識碼：A
1 引言（Introduction）
由于社會的發(fā)展，越來越多行業(yè)對微觀物體表面形貌觀測的要求也越來越高，以獲取微觀物體更多的表面形貌信息，比如工業(yè)分析、醫(yī)學(xué)分析等[1]。但是，由于普通顯微鏡的固有特性，只有聚焦區(qū)域的圖像成像清晰，非聚焦區(qū)域的圖像成像模糊。因此普通顯微鏡無法實現(xiàn)在同一景深中對顯微物體表面形貌的全聚焦，更不能重構(gòu)其三維形貌。
隨著計算機圖像處理技術(shù)的快速發(fā)展，在普通顯微鏡下實現(xiàn)顯微物體形貌的三維重構(gòu)已成為可能，普通顯微鏡下的多聚焦圖像經(jīng)過相應(yīng)變換，可重構(gòu)出微觀物體的三維形貌[2，3]。
2 三維形貌重構(gòu)的基本原理（Principles of 3D
reconstruction）
從聚焦圖像獲取高度DFF[4，5]（Depth From Focus）的基本原理是：首先通過計算機控制步進電機勻速從下而上、由遠而近地調(diào)整顯微鏡的Z軸位置，利用攝像頭獲取微觀物體的序列圖像1―n，并將每幅圖像的圖像信息記錄在三維矩陣f（x，y，i）中；然后判斷每幅圖像的聚焦區(qū)域和非聚焦區(qū)域；最后通過聚焦分析獲取聚焦區(qū)域的深度信息，從而完成顯微物體形貌的三維重建，DDF基本原理圖如圖1所示[6，7]。
3 三維形貌重構(gòu)的相關(guān)算法（Algorithms of 3D
reconstruction）
3.1 聚焦評價算法
要準確判斷序列圖像中的聚焦區(qū)域和非聚焦區(qū)域，就必須對圖像的聚焦程度進行判斷，常用的測量聚焦程度的算法有灰度方差算法、梯度算法、Laplace算法和改進的Laplace算法等[8]。
Laplace算法是二階導(dǎo)數(shù)算法，可獲取圖像的高頻分量，但對x、y兩個方向的二階偏導(dǎo)數(shù)可能會符號相反，數(shù)值相互抵消，使圖像的聚焦產(chǎn)生偏差[9，10]，所以采用改進的Laplace算法作為聚焦評價算法，其計算方法如下：
（1）
為便于計算通常用差分代替微分，可得式（2）。
（2）
（2’）
將式（2’）應(yīng)用到圖像系列1―n中，計算出每個點在圖像系列的改進Laplace算子值ML（x，y，i），將計算結(jié)果構(gòu)成一個三維矩陣，但由于在實際操作中存在多種干擾因素，若直接采用計算結(jié)果將對三維形貌的重構(gòu)產(chǎn)生較大影響，通過實驗比較發(fā)現(xiàn)對計算結(jié)果進行一次步長為2的中值濾波操作可以得到更好的效果，中值濾波算法為[11，12]：
（3）
其中，ML（x，y，i）是點（x，y）在第i幅圖像中計算出來的改進Laplace算子值，MML（x，y，i）是經(jīng)中值濾波后的濾波值。
在每幅圖像中都存在背景圖像和物像[13]，聚焦的物像是進行圖像融合和三維重構(gòu)的關(guān)鍵，因此需在圖像中提取聚焦的物像，分離背景。由于改進的Laplace算法對圖像的高頻分量比較敏感，聚焦圖像的改進Laplace算子值比較高，非聚焦圖像或背景的改進Laplace算子值比較低，通過設(shè)置合適的閾值T，如果點（x，y）在圖像序列中所有的中值濾波值都小于閾值T，則可判定它為背景。
取出點（x，y）在圖像系列中的濾波值MML（x，y，i）大于或等于閾值T的那些數(shù)據(jù)，取其最大值作為聚焦值，表示為：
（4）
其中，F(xiàn)P（x，y）表示點（x，y）的聚焦值，即MML（x，y，i）在閾值以上的最大值。
3.2 顯微物體高度測量算法
在本文中顯微物體的高度采用的是相對高度而非真實高度，由于步進電機推動顯微鏡Z軸勻速移動，顯微物體與顯微鏡頭之間的距離構(gòu)成線性關(guān)系（s=v*t），同時圖像采集攝像機采集圖像的速度也是恒定的，因此顯微物體的高度就與圖像的序號i對應(yīng)起來（st），故采用圖像的序號i作為顯微物體的相對高度，表示為：
（5）
其中，F(xiàn)H（x，y）表示點（x，y）的相對聚焦高度，當(dāng)點（x，y）在序號為m圖像上的中值濾波值等于它的聚焦值，意味著點在第m幅圖像上聚焦，故取m作為該點的聚焦高度；如果點是背景，就統(tǒng)一將高度確定為固定的序號N。
3.3 多聚焦圖像融合算法
圖像系列中的每幅圖像都存在聚焦區(qū)域和非聚焦區(qū)域，從式（4）中可知，每個點的聚焦位置基本位于序列號不同的圖像上，多聚焦圖像融合就是將每個點的聚焦圖像“拼接”到一幅二維圖像上，從而得到清晰的顯微物體全景深圖像[14]。融合算法思想如下：根據(jù)式（5）可以確定像素點的聚焦位置，取出其聚焦位置的像素信息作為融合圖像的像素信息，對圖像中的每個點皆進行該操作就可完成全景深圖像的融合，用公式表示為。
（6）
其中，f（x，y，m）是點（x，y）在聚焦高度為m處的像素，f’（x，y）是全景深圖像矩陣。
3.4 三維形貌重構(gòu)算法
根據(jù)式（6）和式（5）可分別獲得每個像素點的聚焦信息和聚焦時的高度信息，利用這兩個信息可以重構(gòu)出該像素點的三維形貌，對像素矩陣執(zhí)行相同的操作即可重構(gòu)出全部三維形貌。
4 實驗結(jié)果與分析（Experimental results and
analysis）
為進行實驗驗證，將普通顯微鏡進行改裝，整個實驗系統(tǒng)包括計算機、天敏SDKZ000圖像采集卡、Panasonic WV-GP470彩色數(shù)字攝像機、STEPPING MOTOT-42HSZA47-254步進電機、TMS320LF2407DSP控制模塊和普通光學(xué)顯微鏡。
實驗觀測對象為五角銅硬幣邊緣，圖像采集卡每隔370ms采集一張圖片，共計采集176幅圖像，部分原始圖像如圖2所示。
Fig.2 Original image series （Total 176， part of the list here）
采用公式（3）和公式（4）求取每個像素點的中值濾波值和聚焦圖層號，利用公式（5）和公式（6）獲得每個像素點的聚焦高度，從而完成顯微形貌的三維重構(gòu)，重構(gòu)后的效果圖如圖3所示。
通過對以上實驗效果圖的分析和比較，利用Laplace算子作為聚焦評價標準能較好地重構(gòu)出顯微物體三維形貌，它真實清晰地反映出物體的顯微結(jié)構(gòu)，是工業(yè)分析、醫(yī)學(xué)分析的一個較好解決方案。
5 結(jié)論（Conclusion）
通過理論分析和實驗驗證，證明利用顯微物體的二維圖像重構(gòu)出其三維形貌是可行的，利用改進的Laplace算子作為二維圖像的聚焦評價標準能較好地測量出顯微物體的聚焦高度，從而較準確地重構(gòu)出顯微物體的三維形貌。
此重構(gòu)方法采用普通顯微鏡重構(gòu)出三維形貌，讓觀察者更能全面、細致地觀測和分析顯微物體，將分析從二維擴展到三維。同時，由于普通顯微鏡價格低廉，可以極大地降低觀測和研究成本。當(dāng)然此重構(gòu)方法也存在不足和改進之處，首先，該方法計算量大，運行速度較慢，內(nèi)存消耗較大，不能進行實時重構(gòu)；其次，圖像系列始終從一個方向（Z軸）進行采集，不能實現(xiàn)多角度采集，無法重構(gòu)出顯微物體的全部三維形貌。這些都是以后改進的方向。
參考文獻（References）
[1] 王伯雄，朱彥民，羅秀芝.三維形貌的快速測量方法[J].清華大
學(xué)學(xué)報，1999，32（2）：57-58.
[2] 陳曉榮，蔡萍，施文康.光學(xué)非接觸三維形貌測量技術(shù)新進展
[J].光學(xué)精密工程，2000，10（05）：528-532.
[3] Takasaki H Moir.topography[J].Appl.Opt.，2013，9（10）：1467-
1472.
[4] 韓冬兵.基于Depth from Focus的序列顯微圖像融合與三維測
量技術(shù)研究[M].北京航空航天大學(xué)碩士學(xué)位論文，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] 王金巖，史文華，敬忠良.基于Depth from Focus的圖像三維重
建[J].南京航空航天大學(xué)學(xué)報，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] 何曉昀.磨粒表面形貌分析與三維重構(gòu)[M].武漢理工大學(xué)碩
士學(xué)位論文，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.
作者簡介：
胡致杰（1974-），男，碩士，講師.研究領(lǐng)域：數(shù)據(jù)挖掘，圖像
處理.
論文關(guān)鍵詞：曲面,測量,規(guī)劃
正文
一、數(shù)字化測量方法分類
數(shù)字化測量方法主要有接觸式和非接觸式兩大類。
1、接觸式測量方法
接觸式數(shù)據(jù)采集方法是通過機械探頭接觸被測表面，由機械臂關(guān)節(jié)處的傳感器確定相對坐標位置。該方法穩(wěn)定，即偽劣點少、精度高、重復(fù)精度高，缺點是測量速度慢。接觸式數(shù)據(jù)采集方法包括基于力觸發(fā)原理的觸發(fā)式采集和連續(xù)掃描數(shù)據(jù)采集。
（1）觸發(fā)式數(shù)據(jù)測量
觸發(fā)式數(shù)據(jù)測量原理為采樣測頭的探針剛接觸到樣件表面時，探針尖端因受力而產(chǎn)生微小變形，觸發(fā)采樣開關(guān)，使得數(shù)據(jù)采集系統(tǒng)記下探針尖的坐標值，逐點移動到所需測量的點，便可以采集到樣件表面輪廓的坐標數(shù)據(jù)。在采集過程中，由于探針需要偏移某個固定數(shù)值才會觸發(fā)開關(guān)，而且一旦接觸到樣件表面后，探針需要法向退出以免過量而折斷，因此數(shù)據(jù)采集速度較低。
（2）連續(xù)式數(shù)據(jù)測量方法
連續(xù)式數(shù)據(jù)測量采用模擬量開關(guān)采樣頭。原理是利用懸掛在三維彈簧系統(tǒng)中的探針的位置偏移所產(chǎn)生的電感或者電容的變化，進行機-電模擬量轉(zhuǎn)換。當(dāng)采樣頭的探針沿著樣件表面以某一切向速度移動時，就發(fā)出對應(yīng)各坐標位置偏移量的電流或電壓信號。最常見的接觸式數(shù)據(jù)采集方法是三坐標測量機。
2、非接觸式測量方法
依據(jù)光學(xué)原理發(fā)展起來的非接觸式數(shù)據(jù)采集方法主要有激光三角測量法、光干涉法、結(jié)構(gòu)光學(xué)法、超聲波、圖像分析法以及工業(yè)計算機斷層掃描成像法等。
（1）超聲波法
超聲波法原理是當(dāng)超聲波脈沖到達被測物體時，在被測物體的兩種介質(zhì)邊界表面會發(fā)生回波反射，通過測量回波與零點脈沖的時間間隔計算出各面到零點的距離。這種方法結(jié)構(gòu)簡單，但測速較慢，測量精度不穩(wěn)定，目前主要用于物體的無損檢測和壁厚測量。
（2）全息干涉法
利用光的相干性原理，測量分辨率可達光波長的幾百分之一。但需要干涉性好的激光光源和精確的干涉光路，測量范圍較小，在以內(nèi)。
（3）立體視覺法
是一種仿效人眼觀察物體的方法。通常情況下，測量精度不高，分辨率在毫米數(shù)量級。優(yōu)點是能快速獲取被測物信息，并可實現(xiàn)動態(tài)測量。主要應(yīng)用于地形地貌測量、機器人視覺、物體特征識別以及三維物象分析等場合。
（4）工業(yè)層析法
最早應(yīng)用于醫(yī)學(xué)領(lǐng)域，目前工業(yè)領(lǐng)域已可對工件內(nèi)部形狀、結(jié)構(gòu)、壁厚等進行測量，是目前極具發(fā)展前景的一種非接觸式斷層測量方法，可用于工業(yè)產(chǎn)品的無損檢測和探傷。缺點是空間分辨率較低、獲得數(shù)據(jù)需要較長的積分時間、重建圖像計算量大、造價高，只能獲得一定厚度截面的平均輪廓。
（5）核磁共振圖像法
核磁共振斷層成像法是世紀年代末發(fā)展起來的一種新式醫(yī)療診斷影像技術(shù)。具有深入物體內(nèi)部且不破壞被測物的優(yōu)點，對生物體無損害，在醫(yī)學(xué)領(lǐng)域具有廣泛的前景。不足之處是不適用非生物材料的工業(yè)產(chǎn)品，空間分辨率不及層析法，且測量時間長，設(shè)備昂貴。
（6）結(jié)構(gòu)光法
結(jié)構(gòu)光法是基于三角測量原理的非接觸三維物體測量方法，又稱為投影光柵法，是將具有一定模式的光源，如柵狀光條投射到被測樣件表面，用兩個鏡頭從不同角度獲取表面反射的圖像，通過圖像處理的方法得到整幅圖像上像素的三維坐標，即對圖像進行分析以確定表面上數(shù)據(jù)點的坐標。這種方法具有非接觸、測量速度快、精度高、算法相對簡單、系統(tǒng)實現(xiàn)方便、造價相對較低等優(yōu)點，己成為逆向工程三維數(shù)字化領(lǐng)域的最重要的三維形貌測量手段。
（7）激光三角法
激光三角法的原理是采用激光作為光源，照射到被測物體上，利用CCD（ChargeCoup1edDevice）接受漫射光成像點，根據(jù)光源物體表面反射點、成像點之間的三角關(guān)系計算出表面反射點的三維坐標。這種方法已經(jīng)相當(dāng)成熟，并已廣泛使用。
表1接觸式與非接觸式測量系統(tǒng)比較
優(yōu)點
缺點
接觸式測量系統(tǒng)
1、 因為機電技術(shù)的成熟，有較高的準確性和可靠性
2、 與工件表面反射特性無關(guān)，與顏色曲率關(guān)系不大
3、 適合基本幾何形狀的測量
1、 有時需要特殊夾具，使測量成本增加
2、 需要經(jīng)常校正探頭直徑
3、 操作不當(dāng)容易損傷表面精度和探頭
4、 逐點進出方式測量，速度較慢
5、 需要對探頭進行半徑補償，會導(dǎo)致修正誤差的問題
非接觸式測量系統(tǒng)
1、 不必作探頭半徑補償
2、 測量速度快
3、 軟、薄、不可接觸的工件可以直接測量
1、 測量精度較差
關(guān)鍵詞：醫(yī)院計算機信息管理系統(tǒng)流程改進電子病歷
一、醫(yī)院計算機信息管理系統(tǒng)功能
醫(yī)院計算機信息管理系統(tǒng)主要包括：醫(yī)囑信息與醫(yī)療記錄管理，護理信息管理，臨床檢查信息管理，臨床檢驗信息管理，醫(yī)學(xué)影像信息管理等幾個方面的內(nèi)容。
（一）醫(yī)囑信息與醫(yī)療記錄管理
醫(yī)囑信息管理系統(tǒng)是以醫(yī)師的醫(yī)囑為主要管理內(nèi)容的計算機系統(tǒng)。醫(yī)囑信息管理系統(tǒng)的主要作用是自動生成藥療單、治療單、膳食醫(yī)囑、護理醫(yī)囑等處置單，減少核對的工作量和差錯。同時將醫(yī)囑信息通過網(wǎng)絡(luò)傳往收費處代替手工進行自動劃價，傳往檢查科室代替手工申請檢查項目。
醫(yī)囑信息系統(tǒng)的功能包括：醫(yī)囑數(shù)據(jù)的輸入與核對處理；藥療單、治療單、膳食醫(yī)囑、護理醫(yī)囑、檢查申請和醫(yī)囑病歷的自動生成處理；根據(jù)醫(yī)囑、治療單、檢查申請、護囑生成每天的收費記錄處理。
（二）護理信息管理
1．護理信息子系統(tǒng)：是在搜集大量的醫(yī)療信息的基礎(chǔ)上，按標準化以及數(shù)據(jù)的準確性、完整性和統(tǒng)一性的要求整理成護理信息。護理信息主要包括：護理分級記錄；病人狀況記錄；入院護理記錄；出院護理記錄；病房護理記錄。
2．護理管理子系統(tǒng)：完成護理活動中對護理資源管理、護理人員管理以及護理實踐中的文秘等工作。
3．護理支持子系統(tǒng)：用于責(zé)任制護理，輔助護理診斷和制定護理計劃，以及為護理科研和教學(xué)提供有關(guān)的醫(yī)療信息等。主要包括：輔助護理診斷、輔助制定護理計劃、檢索各種醫(yī)療信息、護理科研、護理教學(xué)。
（三）臨床檢查信息管理
臨床檢查信息管理系統(tǒng)的主要作用就是用計算機采集、存貯、傳輸這些檢查的結(jié)果記錄。充分發(fā)揮出輔助診斷治療的作用。臨床檢查信息系統(tǒng)不僅解決了醫(yī)療中的問題，同時也為收費等管理工作提供了原始數(shù)據(jù)。臨床檢查信息系統(tǒng)通常由：申請?zhí)幚?、結(jié)果采集、報告生成、結(jié)果存貯與傳送和結(jié)果查詢等幾個部分組成。
（四）臨床檢驗信息管理
臨床檢驗信息管理系統(tǒng)的功能包括：1.檢驗申請的輸入。當(dāng)病人需要進行各種檢驗時，醫(yī)師能夠在計算機上選擇所需的項目，由計算機將這些申請單傳往檢驗科室。2.標本采集與編號處理。在采集樣本時從計算機中調(diào)出檢驗申請并對將進行的檢驗項目進行編號，如果使用了條形碼，此時將條形碼貼在試管上。3.檢驗與結(jié)果數(shù)據(jù)采集。將檢驗結(jié)果錄入計算機系統(tǒng)。目前很多檢驗項目已使用自動分析儀進行處理，分析完成后能自動將結(jié)果傳回計算機。4.檢驗結(jié)果的傳輸。5.檢驗工作登記。計算機將上述檢驗申請和結(jié)果記錄下來，既能夠作為檢驗科室的工作登記記錄，又能夠根據(jù)這些記錄進行自動劃價并傳往收費處。6.檢驗科室的質(zhì)量控制。通過計算機記錄下質(zhì)量控制的數(shù)據(jù)，使檢驗科室能夠隨時掌握檢驗設(shè)備的工作情況，計算機繪制出的質(zhì)控圖形使質(zhì)控情況一目了然。7.檢驗結(jié)果的查詢與打印。主要是使臨床醫(yī)師能夠很方便地查到所需要的檢驗結(jié)果。
（五）醫(yī)學(xué)影像信息管理
醫(yī)學(xué)影像信息的管理是醫(yī)院輔診檢查信息管理的一種。但由于醫(yī)學(xué)影像的數(shù)據(jù)量比一般文字信息大幾個數(shù)量級，這給醫(yī)學(xué)影像的管理帶來了許多技術(shù)問題，主要是影像的存貯、傳輸、顯示都與一般文字信息有很大的區(qū)別。系統(tǒng)建成后，醫(yī)院的影像檢查設(shè)備可與計算機管理系統(tǒng)聯(lián)網(wǎng)，臨床醫(yī)師可以在每個病房中使用聯(lián)網(wǎng)的微機顯示出所需的圖像，包括：CT圖像、核磁共振圖像、超聲圖像、內(nèi)窺鏡圖像、病理切片和電鏡圖像、血管造影圖像、核醫(yī)學(xué)檢查圖像、X光圖像等。
二、醫(yī)院計算機信息管理系統(tǒng)在醫(yī)院管理中的作用
（一）正確無誤的綜合信息統(tǒng)計分析是領(lǐng)導(dǎo)和管理部門的決策依據(jù)
醫(yī)院醫(yī)療信息通?？蓺w為二類：一類是效率管理指標，一類是質(zhì)量管理指標。效率指標包括傷病員流動情況，床位周轉(zhuǎn)和使用情況等。質(zhì)量指標包括治療情況、手術(shù)情況、床位周轉(zhuǎn)和診斷符合情況等。這些指標在一定程度上可真實反應(yīng)一定時期內(nèi)醫(yī)院的收治情況、傷病員的人員結(jié)構(gòu)情況、床位周轉(zhuǎn)使用情況，同時從管理上掌握目前治療水平高低和病種分布情況，經(jīng)過計算和統(tǒng)計分析，院領(lǐng)導(dǎo)和職能部門可根據(jù)這些信息和數(shù)據(jù)作出一系列相應(yīng)調(diào)整措施，出臺一些適應(yīng)當(dāng)前情況的政策，使醫(yī)院在收治上適應(yīng)病人分布，在經(jīng)費使用上減少流失和浪費，藥品采購上少占資金，技術(shù)力量調(diào)整上漸趨合理。因此，準確、及時、可靠的信息反饋及綜合分析是領(lǐng)導(dǎo)決策不可缺少的依據(jù)。
（二）醫(yī)療信息的計算機處理對各個管理環(huán)節(jié)進行實時監(jiān)控計算機是醫(yī)療信息處理必不可少的工具。計算機信息管理系統(tǒng)解決了涉及錢、財、物等環(huán)節(jié)的管理，對這些數(shù)據(jù)的流向從根本上加以控制和管理，使各級管理部門能從宏觀和微觀兩個方面對這些重點環(huán)節(jié)實施監(jiān)控。因此，信息管理的計算機網(wǎng)絡(luò)化是對管理環(huán)節(jié)實時監(jiān)控的重要手段。
（三）病案信息是科研、教學(xué)、總結(jié)經(jīng)驗、提高醫(yī)療質(zhì)量的最好資料
病案是病人住院期間的全部檢查治療過程的真實記錄。病案信息的管理既為科研教學(xué)提供原始信息資料，又為醫(yī)療質(zhì)量控制提供依據(jù)。同時也反映了醫(yī)療質(zhì)量水平的高低。
（四）提供優(yōu)良的醫(yī)學(xué)期刊信息服務(wù)也能為提高醫(yī)療水平和業(yè)務(wù)技術(shù)建設(shè)發(fā)揮作用
醫(yī)學(xué)期刊是醫(yī)學(xué)科技文獻的重要組成部分，是報道科研成果的主要途徑。它不僅可以推動醫(yī)學(xué)科學(xué)技術(shù)的發(fā)展及交流，而且在醫(yī)院業(yè)務(wù)建設(shè)上也起著不可低估的作用。這是因為醫(yī)學(xué)期刊是傳播新技術(shù)、新創(chuàng)造、新信息、新科研設(shè)計及醫(yī)學(xué)發(fā)展新動向的主要媒體，它為科學(xué)研究的交流和推廣提供了園地。