交互醫學圖像處理平臺的研制

劉二林　蘇蕊　王勝川

摘要：醫學圖像處理是一門包含大量的數學、圖像處理知識點的課程，我校不同專業對此門課程的要求不一，導致教、學環節存在一定的困難，根據我校三區一園的格局，以醫學圖像處理基本功能模塊為基礎，輔以Matlab、C++混合編程，開發了可遠程訪問的交互醫學圖像處理平臺[1]，可根據不同專業的學習各取所需，各有側重，實現同一平臺，多種應用，并以水平集分割為例詳細介紹了平臺的使用，并經我校生物醫學工程專業學生試用，效果良好。

關鍵詞：圖像處理;水平集;混合編程;輪廓檢測

中圖分類號：TP393? ? ?文獻標識碼：A

文章編號：1009-3044（2021）07-0009-03

Abstract：Medical image processing is a course which contains a large number of knowledge points of mathematics and image processing. There are different requirements for this course in different majors in our school， so that there are some difficulties in teaching and learning. According to the pattern of one garden in three districts of our school， the basic functional block of medical image processing is based on the combination of Matlab and C++. It has developed the interactive medical image processing platform which can be remotely visited. According to the needs of different specialties， the platform can be implemented on the same platform and many applications， and the use of the platform is introduced in detail with the level set segmentation， and the effect is good through the trial of the biomedical engineering students in our university.

Keywords：image processing; Level set; Hybrid programming; Contour detection

1 引言

我院開設的《醫學圖像處理》是一門集數學、計算機技術、醫學于一體的復雜交叉學科，圖像處理結果對臨床醫生有重要的指導作用，但其內容豐富、廣泛，并含有大量繁瑣數學公式推導，學生接受、理解存在一定的困難。與此同時，由圖像處理產生的二維序列，在頭腦中構建出三維重建后的立體[2]，對并沒有醫學背景的醫學信息工程學院計算機各專業師生而言困難重重。基于我校的大學生創新創業項目，開發了基于Matlab交互的醫學圖像處理平臺，旨在使同學們直觀了解醫學圖像的獲取，處理、重建前后的對比效果，加深對算法的理解和對醫學圖像的認識[3]。

2 交互醫學圖像處理

2.1平臺的設計思想[4]

平臺的設計思想以醫學圖像處理的基本理論為基礎，通過交互的界面，學生可任意選擇實驗項目或算法展示對比處理前后的效果，并通過基于B/S架構，構建服務器端和學生端（客戶端），并把此平臺嵌入醫學信息工程學院綜合實驗中心虛擬仿真中心網站，實現兩校三區一園均可在線訪問。

2.2 Matlab、C++混合編程

Matlab是一款優秀的集眾多功能于一身的軟件，其優越的計算性能在圖像處理過程中得以體現，以編程簡單、易懂、工具包豐富得到各理工學科青睞，可把圖像、圖形以矩陣的形式予以計算，與此同時，Matlab是我院醫學信息工程學院計算機、生物醫學工程專業課程中均采用的軟件，學生熟悉其性能，并與基于C++的部分圖像功能函數進行混合編程，提高編程效率。通過軟件界面及功能的實現，有效的“串聯”了計算機專業課程有關的知識。

3平臺的實施

醫學圖像理平臺的創建采用了服務器端和學生端的形式[5-6]，創建之初，藉希望其平臺可遠程訪問，并使用組件技術，搭建各實驗項目所需的實驗儀器設備，然后通過注冊到服務器端予以使用，以服務于我校三區一園的學生使用。

3.1創建服務器

服務器端采用了由安裝的Matlab及其OLE、COM組件、庫文件，并采用了由Matlab執行解釋腳本語言的方式。服務器偽代碼如下：

Link.listen（port）

Link.accept（）;

cassociateromteAEtitlte（）;

if（iacceptremoteaetitle）

cassocitate.send（link）;

if（prescontexaccept>0）

cassociateac.send（link）

if（！iacceptlocalaetitle）

cassocitate.send（link）;

else

cassociate.send（link）;

3.2客戶（學生）端

通過客戶（學生）端，用戶不需要在本地機上安裝Matlab等相關的圖像處理軟件，只需要把需求提交至服務器端，服務器對接收到的請求予以響應，將圖像處理后的結果，以網頁的形式返回客戶端，在客戶端的顯示器上顯示處理前后的效果。客戶（學生）端的確偽代碼如下：

Link=open tcp connection;

Construct cassociatedq;

Cassociaterq.send（link）;

Reply=link.receive（）;

If（reply==cassociateAC）

{

While（presentationcontext）

Acceptedpresentationcontext++

If（aceptedpresentationcontext！=0）

Return true;

Else

Return false;

}

Else if （reply==cassoctateRJ）

{closetcpcouncction

Return false;

}

4以圖像的輪廓檢測驗證平臺

圖像的輪廓檢測是計算圖形學的重要內容，在醫學圖像輪廓檢測中具有重要應用。特別是在腫瘤的治療過程中，醫生往往利用腫瘤分割技術將腫瘤與正常組織分割開來，通過確定腫瘤位置、腫瘤大小、形狀等腫瘤病灶輪廓特征對病灶進行定性分析、探明病灶與其周圍組織間的關系;準確地勾畫出腫瘤的邊界以及正常器官的范圍，確定治療范圍，制定合理的治療方案但由于病變組織的形態變化細微且無規律可循，加入成像過程中各種噪聲的引入，使腫瘤圖像分割沒有擺脫出具體任務具體分析的局面，沒有形成一個通用的解決方案。本平臺以一普通圖形的分割及醫學圖像的分割展示平臺的強壯性、可移植性。圖像分割方法眾多，從運算量較小精度有限的Sobel算子、Kirsc算子、Laplacian算子，到計算復雜精度較高的區域生長，水平集分割算法。創建的平臺根據需要分別予以給出具體演示，在此以水平集分割為例予以驗證，C-V模型是基于區域的水平集方法，它對于要分割對象與背景的像素平均值具有明顯不同的圖像具有很好的效果。根據定義可得C-V模型的能量公式：

其核 心即為計算上式，當其取最小值時，取得分割曲線c即為檢測對象的輪廓，根據求解方法的不同又衍生出許多計算方法，但均以復雜的數學公式推導為基礎，如學生為追求知識的理解，過多的投入精力用于數學公式的論證，將忽視醫學圖像處理的核心——圖像處理、圖像分析、理解。本平臺可為不同專業不同側重的學習者提供可視、直觀的圖像處理效果。使醫學類相關專業學生無需過多的關注數學公式的論證，推導，直接點擊相關的分割方法[7-8]，即會產生分割效果。

具體操作步驟如下：

1）打開圖象

2）選定主窗口

（1）單擊“選定主窗口”復選框

（2）拖動鼠標選定窗口

3）選擇水平集模型

4）只需選擇一個子窗口（子區域）

（1）選擇子區號1

（2）選定子窗口：

單擊“選定子窗口”復選框，拖動鼠標選定窗口。

5）單擊演化按鈕

演化8500次后：

5結論

在學習醫學圖像處理過程，接合我校實際教學需要，研制基于Matlab的交互醫學圖像處理平臺，實現了醫學圖像處理的基本圖像處理功能，并以水平集方法為例詳細介紹了平臺的使用方法，我校涉及此課程的各專業均可使用，并可根據使用者對圖像處理的理解，自行選擇算法，對比處理前后的效果。既繞開了復雜的數學公式，又達到了醫學圖像處理知識的“串聯”，經我校2016級、2017級生物醫學工程專業學生使用，運行效果良好。平臺將在后續引入VR相關技術，使平臺的交互性、立體感更強。

參考文獻：

[1] 董默，蘇奎，周志尊，等.生物醫學工程專業《醫學圖像處理》實踐教學的改革[J].軟件，2017，38（2）：37-41.

[2] 李振偉，楊曉利，胡志剛，等.以學生為中心的專業課實驗方式研究與實踐——以醫學圖像處理實驗為例[J].中國醫學教育技術，2015，29（1）：87-91.

[3] 廖湘琳，宋金玉，余曉晗，等.基于項目化教學法的信息系統技術基礎課程教學設計[J].計算機教育，2017（4）：28-30.

[4] 李越.計算機圖像處理技術在醫學影像中的進展與應用[J].電腦知識與技術，2016，12（30）：238-240.

[5] 李銳娟，李瑞敏.臨床醫學中計算機圖像處理技術的應用[J].中國新通信，2016，18（21）：153.

[6] Li C M，Xu C Y，Gui C F，et al.Distance regularized level set evolution and its application to image segmentation[J].IEEE Transactions on Image Processing，2010，19（12）：3243-3254.

[7]楊紅喆.水平集理論及其在醫學圖像分割中的應用[D].北京理工大學學報，2014（8）.

[8]江貴平，秦文健，周壽軍. 醫學圖像分割及其發展現狀[J].? 計算機學報， 2015（6）.

【通聯編輯：王力】