论文部分内容阅读
摘要：目前人们对医疗事业的需求越来越大，进而涌现出各种医疗机构，在众多医疗系统工作中，图像处理是一项必要的工作，图像的分析、处理伪色彩、图像的融合等内容都需要一定的技术加以支持。本文对医学图像处理的研究现状进行分析，主要对图像处理进行阐述，分析图像处理在医学中发展情况，希望可以为相关工作人员提供参考价值。
关键词：医学;图像处理;研究现状
前言：
现阶段是信息技术时代，医疗事业融入信息技术已经是当下医学发展的必然趋势。而医疗事业不断发展离不开图像处理的研究，随着图像处理技术的发展在医学影像中起到重要的作用，进而提高了医疗临床诊断质量与效率，再加上计算机和网络电视的发展，有效的提升图像处理技术应用效果。同时还可以提高形态定量分析效率，有助于医生对病变部位更为直观的进行检查，这项技术为医疗事业发展提供了基础保证。
一、概述医学图像处理
所谓医学图像是当前医学领域进行相应研究所使用的一种重要手段，同时也是进行临床诊断医疗的主要依据所在。研究医学图像，主要有对医学图像的采集、处理、分析等一些其他研究领域。从根本上来讲，医学图像处理不仅仅是医学领域发展过程中的一部分重要组成，同时也是推动数字图像技术发展前景重要方面。从图像处理角度而言，医学图像处理是其中一部分重要分支，同时也是当前图像处理领域中的根本体现，特别是近年国际数字图像项目的发展将医学图像处理技术推向更高的发展位置。随着当前我国科学技术快速发展，特别是医用成像设备的发展，采取计算机自动化处理的方式受到很多科研学者的重视和关注。例如CT的产生和应用就是将图像处理技术与计算机两者相融合的成功案例，同时也是当前临床医学检验的重要武器[1]。
二、医学图像处理的研究现状
（一）图像处理分析系统的应用
就当前医学领域中使用的图像处理分析系统而言，不论是在硬件、软件，还是到体系结构，对显微图像分析技术的要求非常严格。因此在医学图像处理技术中，国内有很多研究学者利用计算机图像处理技术来研究免疫组化图像，以此来实现以数字化处理的方式进行免疫组化图像的分析。因此也就有很多人开始使用这种处理技术，通过该技术分析细胞核DNA含量，发现能够从中将病理图像与DNA之间的关系切实反映出来;之后也有外国研究学生使用图像处理技术分析DNA倍体，除能够反映病理图像与DNA关系之外，其最终分析结果也与流式细胞仪测定结果相近，因此图像处理技术逐渐盛行于医学领域中。
例如当前医学中使用比较普遍的核磁共振、单光子发射体断层等，生物学中的应用有显微医学图像、细胞图像等。从整体上看，一方面可以将图像处理技术用于医学中的病理诊断方面;另一方面也可将其应用于基础研究方面。在进行病理诊断时，应用图像处理技术能够进一步提升诊断质量和准确率，若使用免疫组化的方式进行诊断，很难对肿瘤性质分析进行相应的判断，这对于最终的诊断结果有着非常重要影响。这主要在于免疫组化是需要结合病理切片着色情况进行判断，因人眼 对相同强度的单色光主观感觉上存在一定的不同，因此也就会对结果判定带来影响。而利用计算机图像处理方式，就能够避免因人眼带来的主观感觉不同带来的偏差问题。
（二）图像处理分析技术的应用
关于计算机图像分析技术的应用，外国学者Figueido RJ等人在进行脑组织血管病变中淀粉样蛋白沉积免疫组化染色过程中，通过分析其中染色着色情况以及形状，有着良好的应用成效;国内学者通过该技术分析医学图像处理，主要检测和测量图像中比较感兴趣的目标，通过分析获取客观信息。关于医学图像处理主要有很多方面，主要有图像分割、图像融合等等。所谓图像分割，简单来讲就是将图像以各种特征进行区域划分，并从中提取出比较感兴趣的目标进行分析，然后为之后进行图像分析提供数据依据的一种处理技术，同时图像分割也是图像从处理阶段到分析阶段的关键环节，更是对图像进行深入理解的基础所在，因此分割好坏对之后的图像分析结果有直接影响。
（三）图像理论的应用
当前有很多新的研究方法，例如模糊理论、遗传算法等都应用于图像理论中，这也在一定程度上推动了阙值法的发展。例如Kittle J等人提出通过极大化模糊度散度来读取阙值;盛国芳提出以遗传算法为基础，获取最佳熵阙值的图像分割方式，有效简短进行阙值寻找的时间，尤其是搜索空间范围越大使用遗传算法就更有效果;Huang LK等人通过极小化模糊度对灰度阙值方法作出决定[2]。对于边缘分割，主要利用边缘检测子寻找图像边缘，关于常用的梯度算子主要有Roberts、Canny等[3]。而对于动态性规划的边缘检测而言，其目标函数指的是图像中某个起点到达某个目标位置所付出的代价，变量为像素边带价值，目标付出代价最小即为最优值。在进行边缘检测时应用动态规划，同时将局部与全局累积信息统合起来，能够获取全局最优解，从而获取到比较分明的边缘图像;对于区域增长的方式有区域归并、区域分裂、分裂和归并。将其与特殊技术分割方法相结合，以此来改进图像分割算法。现阶段在进行医学图像分析时，采取的基于分形图像分割、分水岭分割等方式的应用也取得了很好的应用效果。从整体上来看医学图像分割，使用单一方式并不能获取到比较满意的成果，一般情况下都是采用综合方式进行图像分割。纵观中外对医学图像分割方面的研究，依旧是一项世界难题，还需要对此进行更深的研究。
总结：
综上所述，在医学领域中图像处理技术对处理免疫组化图像起到重要作用，通过这种技术实现细胞的识别、区分、测定工作，进而提供给医学诊断更为精准的检测理论依据，在诊断病理、分析病情、探讨发病原因等研究方面提供有力条件。图像处理系统具有快速、准确、重复性好的优势，通过图像处理系统能够提供给医疗机构准确的诊治方案，进而推动医疗事业的可持续发展。
參考文献：
[1]董默， 周鸿锁， 赵若晗， et al. 基于MATLAB和MIMICS联合应用下的医学图像处理方法研究[J]. 软件， 2019（6）.
[2]Huang L K ， Bughrara S S ， Zhang X Q ， et al. Genetic diversity of switchgrass and its relative species in Panicum genus using molecular markers[J]. Biochemical Systematics & Ecology， 2011， 39（4-6）：685-693.
关键词：医学;图像处理;研究现状
前言：
现阶段是信息技术时代，医疗事业融入信息技术已经是当下医学发展的必然趋势。而医疗事业不断发展离不开图像处理的研究，随着图像处理技术的发展在医学影像中起到重要的作用，进而提高了医疗临床诊断质量与效率，再加上计算机和网络电视的发展，有效的提升图像处理技术应用效果。同时还可以提高形态定量分析效率，有助于医生对病变部位更为直观的进行检查，这项技术为医疗事业发展提供了基础保证。
一、概述医学图像处理
所谓医学图像是当前医学领域进行相应研究所使用的一种重要手段，同时也是进行临床诊断医疗的主要依据所在。研究医学图像，主要有对医学图像的采集、处理、分析等一些其他研究领域。从根本上来讲，医学图像处理不仅仅是医学领域发展过程中的一部分重要组成，同时也是推动数字图像技术发展前景重要方面。从图像处理角度而言，医学图像处理是其中一部分重要分支，同时也是当前图像处理领域中的根本体现，特别是近年国际数字图像项目的发展将医学图像处理技术推向更高的发展位置。随着当前我国科学技术快速发展，特别是医用成像设备的发展，采取计算机自动化处理的方式受到很多科研学者的重视和关注。例如CT的产生和应用就是将图像处理技术与计算机两者相融合的成功案例，同时也是当前临床医学检验的重要武器[1]。
二、医学图像处理的研究现状
（一）图像处理分析系统的应用
就当前医学领域中使用的图像处理分析系统而言，不论是在硬件、软件，还是到体系结构，对显微图像分析技术的要求非常严格。因此在医学图像处理技术中，国内有很多研究学者利用计算机图像处理技术来研究免疫组化图像，以此来实现以数字化处理的方式进行免疫组化图像的分析。因此也就有很多人开始使用这种处理技术，通过该技术分析细胞核DNA含量，发现能够从中将病理图像与DNA之间的关系切实反映出来;之后也有外国研究学生使用图像处理技术分析DNA倍体，除能够反映病理图像与DNA关系之外，其最终分析结果也与流式细胞仪测定结果相近，因此图像处理技术逐渐盛行于医学领域中。
例如当前医学中使用比较普遍的核磁共振、单光子发射体断层等，生物学中的应用有显微医学图像、细胞图像等。从整体上看，一方面可以将图像处理技术用于医学中的病理诊断方面;另一方面也可将其应用于基础研究方面。在进行病理诊断时，应用图像处理技术能够进一步提升诊断质量和准确率，若使用免疫组化的方式进行诊断，很难对肿瘤性质分析进行相应的判断，这对于最终的诊断结果有着非常重要影响。这主要在于免疫组化是需要结合病理切片着色情况进行判断，因人眼 对相同强度的单色光主观感觉上存在一定的不同，因此也就会对结果判定带来影响。而利用计算机图像处理方式，就能够避免因人眼带来的主观感觉不同带来的偏差问题。
（二）图像处理分析技术的应用
关于计算机图像分析技术的应用，外国学者Figueido RJ等人在进行脑组织血管病变中淀粉样蛋白沉积免疫组化染色过程中，通过分析其中染色着色情况以及形状，有着良好的应用成效;国内学者通过该技术分析医学图像处理，主要检测和测量图像中比较感兴趣的目标，通过分析获取客观信息。关于医学图像处理主要有很多方面，主要有图像分割、图像融合等等。所谓图像分割，简单来讲就是将图像以各种特征进行区域划分，并从中提取出比较感兴趣的目标进行分析，然后为之后进行图像分析提供数据依据的一种处理技术，同时图像分割也是图像从处理阶段到分析阶段的关键环节，更是对图像进行深入理解的基础所在，因此分割好坏对之后的图像分析结果有直接影响。
（三）图像理论的应用
当前有很多新的研究方法，例如模糊理论、遗传算法等都应用于图像理论中，这也在一定程度上推动了阙值法的发展。例如Kittle J等人提出通过极大化模糊度散度来读取阙值;盛国芳提出以遗传算法为基础，获取最佳熵阙值的图像分割方式，有效简短进行阙值寻找的时间，尤其是搜索空间范围越大使用遗传算法就更有效果;Huang LK等人通过极小化模糊度对灰度阙值方法作出决定[2]。对于边缘分割，主要利用边缘检测子寻找图像边缘，关于常用的梯度算子主要有Roberts、Canny等[3]。而对于动态性规划的边缘检测而言，其目标函数指的是图像中某个起点到达某个目标位置所付出的代价，变量为像素边带价值，目标付出代价最小即为最优值。在进行边缘检测时应用动态规划，同时将局部与全局累积信息统合起来，能够获取全局最优解，从而获取到比较分明的边缘图像;对于区域增长的方式有区域归并、区域分裂、分裂和归并。将其与特殊技术分割方法相结合，以此来改进图像分割算法。现阶段在进行医学图像分析时，采取的基于分形图像分割、分水岭分割等方式的应用也取得了很好的应用效果。从整体上来看医学图像分割，使用单一方式并不能获取到比较满意的成果，一般情况下都是采用综合方式进行图像分割。纵观中外对医学图像分割方面的研究，依旧是一项世界难题，还需要对此进行更深的研究。
总结：
综上所述，在医学领域中图像处理技术对处理免疫组化图像起到重要作用，通过这种技术实现细胞的识别、区分、测定工作，进而提供给医学诊断更为精准的检测理论依据，在诊断病理、分析病情、探讨发病原因等研究方面提供有力条件。图像处理系统具有快速、准确、重复性好的优势，通过图像处理系统能够提供给医疗机构准确的诊治方案，进而推动医疗事业的可持续发展。
參考文献：
[1]董默， 周鸿锁， 赵若晗， et al. 基于MATLAB和MIMICS联合应用下的医学图像处理方法研究[J]. 软件， 2019（6）.
[2]Huang L K ， Bughrara S S ， Zhang X Q ， et al. Genetic diversity of switchgrass and its relative species in Panicum genus using molecular markers[J]. Biochemical Systematics & Ecology， 2011， 39（4-6）：685-693.