医学影像处理----课程学习笔记
课程网址医学影像和医学图像处理模块一
1.1-X射线成像原理
X射线特性
[*]穿透性（X射线成像）
[*]荧光效应（透视）
[*]感光效应（摄影基础）
组织结构固有密度和厚度的差异
组织厚度相同，不同密度的组织成像特点：
https://img-blog.csdnimg.cn/2e6140a845ce4864897dc39ebe5dd5b5.pngX线图像特点
灰度影像
[*]人体组织密度高–白
[*]人体组织密度高–黑
[*]人体组织厚–白
[*]人体组织薄–黑
X线影像密度
[*]组织密度+厚度
X线检查技术
[*]普通X线摄影
[*]软X线摄影
乳腺钼靶X线成像
[*]X线造影检查
高密度对比剂：钡剂和碘剂
1.2-X线计算机体层成像（CT）原理
CT成像基本原理
[*]获取扫描层面的数字化信息
[*]获取扫描层面各个体素的X线吸收系数
[*]获取CT灰阶图像
CT检查技术及图像特点
[*]检查技术
CT平扫、CT增强、CTA、CT灌注成像、CT重建图像
[*]CT图像特点
图像上的黑白灰度反映的是组织的结构密度
常规为多幅横断层图像、无重叠
图像上黑白灰度对比受窗技术影响
增强检查改变了组织结构的密度
图像后处理技术改变了常规横断层的显示模式
1.3-MRI原理
MRI是利用强外磁场内人体中的氢质子，在特定射频脉冲作用下产生磁共振现象，所进行的一种崭新医学成像技术。
[*]人体在强外磁场内产生纵向磁矢量和[^1]H进动
[*]发射特定的RF脉冲引起磁共振现象
[*]停止RF脉冲后[^1]H恢复至原有状态并产生MR信号
[*]采集、处理MR信号重建为MR图像
MR检查技术及图像特点
[*]MR检查技术
MR平扫、MR增强、MRA、MR水成像、MRS、fMRI
[*]MR图像特点
黑白灰度图像，信号强度反映的是组织结构的弛豫时间
多序列、多幅图像，组织结构影像无重叠
图像上组织结构的信号强度与成像序列和技术相关
图像上的黑白灰度对比受窗设置影响
增强改变了T1WI和T2WI图像上组织结构的信号强度
MRA、MR水成像、MRS和fMRI改变了常规断层的显示模式
模块二
2.1-骨骼系统影像检查方法
X线平片
[*]正、侧位，有时斜位、切线位和轴位等
[*]包括周围的软组织和邻近的一个关节
[*]加照对侧，以便双侧比较
CT
[*]弥补X线平片影像重叠及软组织结构分辨不清的缺点
[*]韧带、滑膜、半月板及关节软骨显示不理想
[*]密度分辨率高
[*]显示细微的钙化和骨化
[*]确定病变部位、范围、形态与结构
[*]包括CT平扫、CT增强、CT重建和CTA
MRI
[*]显示骨与骨骼、关节软骨、关节内结构与软组织病变优于CT
[*]对钙化和细小骨化的显示不如X线和CT
[*]应在X线平片的基础上进行
[*]MRI平扫
常用自旋回波（T1WI、T2WI）、梯度回波和脂肪抑制序列
[*]MRI增强
[*]MRA
模块三
3.1-数字图像的基本概念
[*]像素的概念
像素指图像中最小的信息单元，其取值称为像素值。一个像素通常被视为一幅图像最小的完整采样，计算机图像、即数字图像通常是一些尺寸很小的矩形小块。早期图像存在像素块效应，主要原因有两点：电脑或其他数据处理系统的运算速度或存储能力有限；显示系统的分辨能力有限
[*]图像的空间分辨率
图像的空间分辨率是图像中可辨认的物体空间长度的最小极限，即对细微结构的分辨程度。换句话说就是这幅图像所能分辨的空间物体的最小尺度。
成像设备决定一幅医学影像的像素数。成像设备决定其产生的医学图像的空间分辨率，也就决定了其所能分辨物体的精细程度。
[*]图像的亮度分辨率
图像的亮度分辨率指在亮度量化级别中可分辨的最小变化。图像的亮度分辨率与图像的颜色无关，只关系到图像亮度。
在一幅图像中，最亮的部分通常用白色表示，最暗的部分通常用黑色表示，中间的部分用不同的灰色表示。图像的亮度分辨率体现图像区分亮度的能力。图像中的灰色被分成多少个等级，就表示这幅图像的亮度分辨率是多少。
一般来说，256级亮度级是医学影像常用的亮度分辨率。再高于256级的亮度分辨率一般并不采用，这主要是因为人眼并不能区分这么多亮度级别。
3.2-数字图像的类型与存储格式
[*]数字图像类型
位图与矢量图的概念
位图：通过许多像素点来表示的图像，每个像素都具有颜色属性和位置属性。位图又可以分成亮度图像、索引颜色图像和真彩色图像。
矢量图：使用点、线段和曲线等几何形体来描述图像的轮廓，并根据轮廓线在图像内部填充色彩来描述图像。矢量图在描述图像轮廓时使用向量（矢量）来描述边缘走向，因此称“矢量图”。
位图由许多像素构成。如果把位图图像的某个局部（或整体）放大到一定程度，就会清晰地看出其中的像素块效应。而矢量图无论怎样放大，也不会产生像素块效应。
矢量图不易制作色调丰富或色彩变化太多的图像，如自然场景图像。而位图采用像素组成图像，适用于表示色彩丰富的图像，医学影像基本都是位图。但是位图的文件一般都比矢量图大。
[*]数字图像存储格式
1.BMP格式（Bitmap）：位图格式。每个数据位置对应地确定了图像中像素的空间位置，位图数据值和相应像素的亮度值一一对应。优点：其形式与数字图像的二维数组形式最为接近，因而容易实现。其缺点是存储开销相对较大。
2.TIFF格式，（中文名称：标签图像文件格式，英文全称：TagImageFileFormat）：支持多种编码方法，包括RGB无压缩、RLE压缩及JPEG压缩等，具有扩展性、方便性、可改性。图像文件由三个数据结构组成，分别为文件头、一个或多个称为IFD的包含标记指针的目录、以及数据本身。
3.GIF格式（图像互换格式，英文“graphics interchangeformat”）：是一种基于LZW算法的连续色调无损压缩格式，其压缩率一般在50%左右，常在网页动画中应用。
4.图像压缩存储格式（JPG格式）
JPG（联合图像专家组，英文“Joint photography expert group”，简称JPEG）
JPG格式是目前最流行的高效率静态图像压缩标准格式之一。JPEG在保存图像文件时，通过压缩编码来减小图像文件的大小，并删除对视觉认知不重要的图像信息，以节省存储空间和传输流量。
图像压缩比的定义
压缩比= 压缩后图像的数据量 压缩前图像的数据量 × 100 % \frac{压缩后图像的数据量}{压缩前图像的数据量\times 100\%} 压缩前图像的数据量×100%压缩后图像的数据量
[*]医学图像的存储格式（即DICOM格式）
DICOM(Digital Imaging and Communications in Medicine)：用来处理、存储、打印、传输医学数字图像的通用标准格式。DICOM格式的文件扩展名为DCM，除了包含图像数据信息，还包括患者、医院、图像采集信息等。
3.3-数字图像的直方图
[*]直方图的概念
英文名称为 Histogram ，描述图像中每个亮度级的像素个数，反映图像中每个亮度出现的频率。
直方图的横坐标为亮度级，纵坐标为像素个数。
[*]直方图的应用
1.评价成像条件
2.图像增强
3.图像分割
4.图像压缩
3.4-数字图像的色彩空间
[*]数字图像的彩色编码
1.RGB彩色编码
https://img-blog.csdnimg.cn/7941b0e89ffd4c6791496e05d8017a2a.png
2.CMYK彩色编码
C、M、Y、K表示四种基本颜色，C（青色）M（品红色）Y（黄色）K（黑色），这种编码模式是印刷时常采用的一种套色模式。CMY为RGB的反色，K为印刷底色。
https://img-blog.csdnimg.cn/c852ee096b534bb586284249d5cd57aa.png
3.HSV彩色编码
HSV也称HSI,H（色调）S（饱和度）V（亮度值），这种编码方式更符合人类视觉系统对色彩的直观认识。
https://img-blog.csdnimg.cn/647068fff5b94e9985f533082ca7d31a.png
[*]数字图像的伪彩色
人为地赋予图像色彩信息，而不是图像真实的彩色信息。
有些图像不包含色彩信息，如CT， MRI图像。
3.5-数字图像的基本运算
[*] 图像的算数和逻辑运算
1.图像加法运算 常被用于消除图像中的白噪声。
2.图像减法运算 常被用于医学图像的造影增强显示。
3.图像的乘法和除法运算 常被用于校正由于照明或传感器的非均匀性造成的图像亮度阴影。
https://img-blog.csdnimg.cn/df45aae3e8cb49d293985b3ab87db1ca.png
[*] 图像的几何运算
“与”，“或”，“非”，只在二值图像中运用。
[*] 图像的数学空间变换
1.平移，旋转，缩放
2.图像从空间域到空间频率域的变换，即傅里叶变换，这样在频率域能够更有效地对图像进行增强处理和特征提取。各种数字图像的傅里叶频谱都具有一定的对称性，且低频成分均较强。
https://img-blog.csdnimg.cn/ba7f2a51e06b40a9b7123ce19367bbcf.png3.图像的离散余弦变换（DCT）
傅里叶变换的频谱是频率的复函数，而DCT的频谱是频率的实函数。图像经DCT变换后，图像信号的能量主要集中在低频区域。
4.图像的小波变换（Wavelet Transform）
将图像分解为4个频道：LL,HL,HH,HL。其中LL代表图像的低频分量，其它三个频道代表不同方向的高频分量。对低频分量不断进行递归的小波变换，可以得到图像的多分辨率金字塔式分解，反映了图像在多尺度上的空域和频域局部特性。
3.6-数字图像的插值
[*] 数字图像插值的基本概念
图像插值是指对图像中数据丢失的局部区域进行修补或1填充，以恢复图像的完整性和原有的视觉效果。
https://img-blog.csdnimg.cn/9bfc4aa838ab4bee91d6457577245127.png图像插值技术还可以对低分辨率图像中丢失的信息进行局部修补填充，在一定程度上恢复高分辨率的信息。
[*] 数字图像插值的方法
1.最近邻插值：计算用4个相邻像素中与插值位置最近的点的灰度值作为插值位置的灰度值。
2.双线性插值：对最近邻插值算法的一种改进，即先对水平方向进行一阶线性插值，然后再在垂直方向上进行一阶线性插值。
3.非线性插值
图像亮度变化规律较复杂时，采用多项式插值、B样条插值等
模块四
4.1-图像增强概述
1.什么是图像增强？
图像增强（Image Enhancement）：通过对图像进行加工处理，使其比原始图像更适合于特定运用。通过图像处理方法，突出图像中的有用信息。图像增强根据特定的需要目的进行。
2.为什么要图像增强？
主要因为成像设备和获取条件的影响，往往存在图像质量退化。
退化包括
[*]目标运动
[*]噪声影响
[*]系统散焦
[*]图像对比度低
[*]动态范围不适当等
3.怎样进行图像增强？
[*]灰度变换法
[*]直方图变换法
[*]空间滤波方法
[*]频域滤波方法
[*]现代图像处理新方法
[*]其它方法
4.2-图像增强之线性灰度变换
[*]线性灰度变换
[*]分段线性灰度变换
[*]对数变换
[*]幂次变换
4.3-图像增强之非线性灰度变换
与线性变换不同，图像灰度的非线性变换是指其输入到输出的灰度变换曲线是非线性的。
[*] 下凹曲线
反对数曲线、n次幂曲线----使图像变暗，增大亮区的对比度。
https://img-blog.csdnimg.cn/67e1c22fb6654ca891c22ea9dafcf016.png
[*] 上凸曲线
对数曲线、n次方根曲线----使图像变亮，增大暗区的对比度。
https://img-blog.csdnimg.cn/9deb859f2dc64faaa0e10ca30c9e4891.png
两种典型的非线性变换
1.对数变换
一种典型的上凸曲线。
2.幂次变换
根据其幂次取值，可以是下凹或上凸曲线。
图像获取、打印和显示的各种装置都会按幂次规律对图像质量产生相应，因此可以用幂次变换来矫正这种影响。
用于修正幂次响应现象的过程称为伽马校正。
4.4-数字图像的滤波
[*]空间域滤波
1.平滑滤波
2.边缘滤波
3.锐化滤波
[*]频率域滤波
低频分量：平滑图像信号；高频分量：图像细节和边缘信息
保留低频相当于平滑滤波，保留高频相当于边缘滤波
4.5-直方图均衡化和规定化
[*]直方图均衡化方法
直方图均衡化的思想：把原始图像中的像素灰度做某种映射变换，使变换后的图像灰度的概率密度（即直方图）为均匀分布，图像灰度的动态范围增加，从而提高图像对比度。
特点：
1.根据各灰度级出现的频率的大小，对各个灰度级进行相应程度的增强，即各个灰度级之间的间距相应增大，因此其对于对比度较弱的图像进行处理是很有效的。
2.直方图是近似的概率密度函数，所以用离散灰度级作变换，一般得不到完全平坦的结果。
3.变换后的灰度级可能会减少，这种现象叫做简并现象，这是像素灰度有限的必然结果。
由于上述原因，数字图像的直方图均衡只是近似的。
[*]直方图规定化方法
直方图规定化思想：把图像A的直方图变得与图像B的直方图相似，这样，图像A的分布特征就会与图像B类似。
模块五
5.1-医学图像分割的基本概念
5.2-边缘检测
并行边缘检测技术
梯度算子：梯度对应一阶导数，梯度算子是一阶导数算子。
1.罗伯特交叉算子（Roberts cross）
2.Prewitt算子
3.Sobel算子
Prewitt和Sobel是计算数字梯度时最常用的算子。
Prewitt模板比Sobel模板简单，但是Sobel模板能够有效抑制噪声。
5.3-阈值分割技术
[*]阈值选取
[*]最大类间方差法（大津法，简称Otsu)
5.4-区域生长
区域生长是一种串行的区域分割方法，它将具有相似性质的像素集合起来构成区域。
5.5-K-均值聚类算法
K-means
5.6-医学图像分割技术的评估
衡量算法优劣的指标
[*]可靠性
进行多次分割，衡量分割结果之间的相似程度
[*]精确性
反映算法分割结果与金标准的一致性程度，其有四种描述方法：
像素法：计算错误分割的像素数占参考像素总数的比例
区域法：计算重叠比例
点对法：在连续分割结果的边界上，首先找到对应的点对，然后测量他们的一致程度。
边界法：比较分割边界与参考边界（如人工获取的目标边界）的贴近程度。可利用基于距离的测度和基于区域的测度反映。
基于距离的测度：
https://img-blog.csdnimg.cn/e5674bd1bba94e10b1cb49b88ff6acb7.png
基于区域的测度：
https://img-blog.csdnimg.cn/48a78e62408143f1828a27d885e87ced.png
[*] 区域统计特性
由于某些情况下，分割结果没有金标准可以参考，则使用无监督评价方法。采用区域的统计学特性（灰度均匀性，纹理特征等）作为测度。
基本的测度包括：区域内均匀性、区域内差异性和区域间差异性。
[*] 分割效率
分割效率指计算机和用户参与的用于算法训练和执行的所有时间总和
[*] 人工操作时间：初始化算法时间和训练算法时间
[*] 计算机运算时间：算法的学习时间和算法运算时间
模块六
6.1-医学图像配准定义
图像配准：两幅图像在空间和灰度上的一一对应的关系，也就是将两幅图像对应于空间同一位置联系起来，这里的映射称为变换。
单目标单模态图像配准----跟踪组织器官或病灶随时间的改变
单目标多模态图像配准
https://img-blog.csdnimg.cn/b07e3d09eec541bcb675a74fb00181a1.png图像配准的本质是寻找这样的空间变换T使得浮动图像F和参考图像R
https://img-blog.csdnimg.cn/233619b915684ca58a7e8209bd6acf97.png
6.2-医学图像配准基本框架
医学图像配准技术的四要素
https://img-blog.csdnimg.cn/2a43b74dcd6f4b6bacb8ffa2a9ac2cc8.png
一般配准技术的基本步骤
https://img-blog.csdnimg.cn/e98ea395306d46a1a25f3f80bdfde809.pnghttps://img-blog.csdnimg.cn/77cfcf59abb14129977b4a081102e010.pnghttps://img-blog.csdnimg.cn/0813405210bf460f8d2a4064253a1148.png
医学图像配准的基本框图
https://img-blog.csdnimg.cn/174c9dc72b3d4e43bb732347da86da2f.png
6.3-搜索空间（几何变换）
图像变换的类型
https://img-blog.csdnimg.cn/edfca9c228a34bc186da4163a5afc998.png
6.4-相似性测度
[*] 距离测度
均方根误差、绝对值和误差、兰氏距离、马氏（Mahalanobis）距离、绝对差、Hausdorff距离
[*] 角度度量
https://img-blog.csdnimg.cn/05f746b2d43f489ab5372827ce081c20.png
[*] 相关度量法
时域内相关
https://img-blog.csdnimg.cn/16dbd701ad75407484a3e6abc98e7d44.png
频域内相关
https://img-blog.csdnimg.cn/ead846225d784d23940145f606d683e3.png
6.5-医学图像配准方法的评估
算法精度、算法鲁棒性、算法速度、算法的自动性、算法的通用性
这里主要关注算法精度
算法精度
https://img-blog.csdnimg.cn/05558957ebfb48b08cd1ee91cc538037.png提到了“金标准”，RREP
模块七
7.1-医学图像三维可视化概述
应用：辅助诊断、放射治疗、指定手术规划、虚拟手术、数字化解剖模型、手术导航实时检测
7.2-医学图像的三维面绘制
[*]面绘制的概念和原理
面绘制基于三角形网格曲面，对于医学图像，三角形网格曲面可以方便地从三维医学影像中提取出来。
[*]曲面数据的生成方法
marching cubes
https://img-blog.csdnimg.cn/b338f5af296e40298e4f699b321d6bdc.pnghttps://img-blog.csdnimg.cn/98b555376d1947c1991b5a68f5c64b89.png
7.3-体绘制技术1
目前医学图像三维重建方法主要有2类：
1.面绘制
2.体绘制
空间域方法
[*]光线投射算法（Ray-casting）
将灰度信息转换为光学信息
[*]错切变形算法（Shear-warp）
[*]抛雪球算法（Splatting）
变换域方法
模块八
图像配准时，采用的软件
https://img-blog.csdnimg.cn/ed44dc69759044998d14e6416637e7dd.pnghttps://img-blog.csdnimg.cn/19082f22d54f4583be17c25e5048b53a.pnghttps://img-blog.csdnimg.cn/6a58c7371422426a8cfd7702cd4bdf0c.png采用matlab进行三维面绘制
https://img-blog.csdnimg.cn/07103f2944f54038be541969b85b4010.png
页:
[1]