淺談醫學圖像處理的研究現狀

王燦 沈詩堃 歐鑫 許鵬飛 嚴海龍

摘要：目前人們對醫療事業的需求越來越大，進而涌現出各種醫療機構，在眾多醫療系統工作中，圖像處理是一項必要的工作，圖像的分析、處理偽色彩、圖像的融合等內容都需要一定的技術加以支持。本文對醫學圖像處理的研究現狀進行分析，主要對圖像處理進行闡述，分析圖像處理在醫學中發展情況，希望可以為相關工作人員提供參考價值。

關鍵詞：醫學;圖像處理;研究現狀

前言：

現階段是信息技術時代，醫療事業融入信息技術已經是當下醫學發展的必然趨勢。而醫療事業不斷發展離不開圖像處理的研究，隨著圖像處理技術的發展在醫學影像中起到重要的作用，進而提高了醫療臨床診斷質量與效率，再加上計算機和網絡電視的發展，有效的提升圖像處理技術應用效果。同時還可以提高形態定量分析效率，有助于醫生對病變部位更為直觀的進行檢查，這項技術為醫療事業發展提供了基礎保證。

一、概述醫學圖像處理

所謂醫學圖像是當前醫學領域進行相應研究所使用的一種重要手段，同時也是進行臨床診斷醫療的主要依據所在。研究醫學圖像，主要有對醫學圖像的采集、處理、分析等一些其他研究領域。從根本上來講，醫學圖像處理不僅僅是醫學領域發展過程中的一部分重要組成，同時也是推動數字圖像技術發展前景重要方面。從圖像處理角度而言，醫學圖像處理是其中一部分重要分支，同時也是當前圖像處理領域中的根本體現，特別是近年國際數字圖像項目的發展將醫學圖像處理技術推向更高的發展位置。隨著當前我國科學技術快速發展，特別是醫用成像設備的發展，采取計算機自動化處理的方式受到很多科研學者的重視和關注。例如CT的產生和應用就是將圖像處理技術與計算機兩者相融合的成功案例，同時也是當前臨床醫學檢驗的重要武器[1]。

二、醫學圖像處理的研究現狀

（一）圖像處理分析系統的應用

就當前醫學領域中使用的圖像處理分析系統而言，不論是在硬件、軟件，還是到體系結構，對顯微圖像分析技術的要求非常嚴格。因此在醫學圖像處理技術中，國內有很多研究學者利用計算機圖像處理技術來研究免疫組化圖像，以此來實現以數字化處理的方式進行免疫組化圖像的分析。因此也就有很多人開始使用這種處理技術，通過該技術分析細胞核DNA含量，發現能夠從中將病理圖像與DNA之間的關系切實反映出來;之后也有外國研究學生使用圖像處理技術分析DNA倍體，除能夠反映病理圖像與DNA關系之外，其最終分析結果也與流式細胞儀測定結果相近，因此圖像處理技術逐漸盛行于醫學領域中。

例如當前醫學中使用比較普遍的核磁共振、單光子發射體斷層等，生物學中的應用有顯微醫學圖像、細胞圖像等。從整體上看，一方面可以將圖像處理技術用于醫學中的病理診斷方面;另一方面也可將其應用于基礎研究方面。在進行病理診斷時，應用圖像處理技術能夠進一步提升診斷質量和準確率，若使用免疫組化的方式進行診斷，很難對腫瘤性質分析進行相應的判斷，這對于最終的診斷結果有著非常重要影響。這主要在于免疫組化是需要結合病理切片著色情況進行判斷，因人眼 對相同強度的單色光主觀感覺上存在一定的不同，因此也就會對結果判定帶來影響。而利用計算機圖像處理方式，就能夠避免因人眼帶來的主觀感覺不同帶來的偏差問題。

（二）圖像處理分析技術的應用

關于計算機圖像分析技術的應用，外國學者Figueido RJ等人在進行腦組織血管病變中淀粉樣蛋白沉積免疫組化染色過程中，通過分析其中染色著色情況以及形狀，有著良好的應用成效;國內學者通過該技術分析醫學圖像處理，主要檢測和測量圖像中比較感興趣的目標，通過分析獲取客觀信息。關于醫學圖像處理主要有很多方面，主要有圖像分割、圖像融合等等。所謂圖像分割，簡單來講就是將圖像以各種特征進行區域劃分，并從中提取出比較感興趣的目標進行分析，然后為之后進行圖像分析提供數據依據的一種處理技術，同時圖像分割也是圖像從處理階段到分析階段的關鍵環節，更是對圖像進行深入理解的基礎所在，因此分割好壞對之后的圖像分析結果有直接影響。

（三）圖像理論的應用

當前有很多新的研究方法，例如模糊理論、遺傳算法等都應用于圖像理論中，這也在一定程度上推動了闕值法的發展。例如Kittle J等人提出通過極大化模糊度散度來讀取闕值;盛國芳提出以遺傳算法為基礎，獲取最佳熵闕值的圖像分割方式，有效簡短進行闕值尋找的時間，尤其是搜索空間范圍越大使用遺傳算法就更有效果;Huang LK等人通過極小化模糊度對灰度闕值方法作出決定[2]。對于邊緣分割，主要利用邊緣檢測子尋找圖像邊緣，關于常用的梯度算子主要有Roberts、Canny等[3]。而對于動態性規劃的邊緣檢測而言，其目標函數指的是圖像中某個起點到達某個目標位置所付出的代價，變量為像素邊帶價值，目標付出代價最小即為最優值。在進行邊緣檢測時應用動態規劃，同時將局部與全局累積信息統合起來，能夠獲取全局最優解，從而獲取到比較分明的邊緣圖像;對于區域增長的方式有區域歸并、區域分裂、分裂和歸并。將其與特殊技術分割方法相結合，以此來改進圖像分割算法。現階段在進行醫學圖像分析時，采取的基于分形圖像分割、分水嶺分割等方式的應用也取得了很好的應用效果。從整體上來看醫學圖像分割，使用單一方式并不能獲取到比較滿意的成果，一般情況下都是采用綜合方式進行圖像分割?？v觀中外對醫學圖像分割方面的研究，依舊是一項世界難題，還需要對此進行更深的研究。

總結：

綜上所述，在醫學領域中圖像處理技術對處理免疫組化圖像起到重要作用，通過這種技術實現細胞的識別、區分、測定工作，進而提供給醫學診斷更為精準的檢測理論依據，在診斷病理、分析病情、探討發病原因等研究方面提供有力條件。圖像處理系統具有快速、準確、重復性好的優勢，通過圖像處理系統能夠提供給醫療機構準確的診治方案，進而推動醫療事業的可持續發展。

參考文獻：

[1]董默， 周鴻鎖， 趙若晗， et al. 基于MATLAB和MIMICS聯合應用下的醫學圖像處理方法研究[J]. 軟件， 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.