醫學應用背景下數字圖像處理課程的教學探索

田昕　趙芳　李波

摘 要 “新工科”建設對數字圖像處理的教學方式提出了新的要求。文章針對現有教學方式的局限，提出將醫學應用引入課程教學的改革思路。以教學中引入錐體束CT（Cone Beam Computed Tomography，CBCT）圖像處理為例，從教學內容和實踐方法兩個方面闡述了具體的教學改革思路，探索“新工科”背景下，集基礎和應用研究為一體的復合型數字圖像處理人才的培養模式。

關鍵詞 醫學應用 數字圖像處理 教學

中圖分類號：G424 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? DOI：10.16400/j.cnki.kjdk.2021.11.048

Teaching Exploration in Digital Image Processing Course

under the Background of Medical Application

TIAN Xin [1]， ZHAO Fang[2]， LI Bo[3]

（[1] School of Electronic Information， Wuhan University， Wuhan， Hubei 430072;

[2]Department of Cardiovascular Disease， Zhongnan Hospital of Wuhan University， Wuhan， Hubei 430071;

[3]Department of Radiology， Stomatology Hospital of Wuhan University， Wuhan， Hubei 430079）

Abstract The construction of "New Engineering" puts forward new requirements for the teaching methods in digital image processing course. To address the limitations of existing teaching methods， we propose a new methodology by introducing the medical application into the teaching process in this study. We take the image processing of cone beam computed tomography （CBCT） in our teaching as an example， and discuss the specific teaching innovation from the aspects of teaching content and practice method. Furthermore， we explore the training mode of compound digital image processing talents with the skills of both fundamental and applied research under the background of "New Engineering".

Keywords medical application; digital signal processing; teaching

0 引言

數字圖像處理技術的需求與日俱增，已成為人類獲取信息的重要來源及利用信息的重要手段。交叉學科的發展，尤其是臨床醫學的應用需求，極大推動了數字圖像處理技術的發展。[1]例如，計算機斷層掃描（Computed Tomography，CT） 的發明及醫學應用，對圖像壓縮、編碼、識別等提出更高要求，需要數字圖像處理技術更加精細，準確。在數字圖像處理課程的眾多知識點中，除上述圖像壓縮、編碼、識別外，圖像增強、圖像去噪和圖像分割等均與臨床醫學應用高度相關。[2-3]目前多數院校使用的數字圖像處理教材中，與應用相關的章節知識點陳舊，不適應現有主流發展，導致學生學習積極性不高，無法滿足“新工科”背景下專業人才培養的需求。[3]在此現狀下，筆者基于近十年對“數字圖像處理”課程的教授經驗和在學科交叉背景下對醫學應用的研究，以臨床醫學中CBCT圖像處理為例，探索結合醫學應用的數字圖像處理課程教學改革思路，從而使得課程知識點新穎，將教學、實驗和科學應用融為一體，把學生培養成理論基礎扎實、應用和創新能力較強的復合型人才。

目前，所授數字圖像處理課程的主要知識點包括圖像的灰度變換、頻率變換、圖像增強、圖像復原、圖像編碼、圖像分割等?；叶茸儞Q的目的是為了改善畫質，使圖像的顯示效果更加清晰?；绢愋桶ň€性變換、分段線性變換和非線性變換。頻率變換是一種常見有效的圖像處理手段，頻率變換的目的在于使圖像處理問題簡化、有利于圖像特征提取和從概念上增強對圖像信息的理解。圖像復原是在研究圖像的退化原因基礎上，以退化圖像為依據，根據一定的先驗知識，建立一個退化模型然后用相反的運算，以恢復原始景物圖像。圖像編碼對圖像數據按照一定的規則進行變換和組合，達到以盡可能少的代碼來表示盡可能多的信息。圖像分割是把圖像按照一定的要求分成一些“有意義”區域的技術。[4]筆者目前的思路是先完成所有知識點的教學工作;然后首先以CBCT為例，講解在此醫學應用背景下，所需要使用到的灰度變換、頻率變換、圖像增強、圖像復原及實驗方法。

1教學內容設計

1.1 CBCT簡介

相對于傳統CT，CBCT可以直接利用其采集到的二維投影數據重建三維圖像，同時可以在較低輻射劑量下工作，目前被各大醫院廣泛使用。在CBCT重建過程中由于輻射劑量的減少，重建圖像質量極易受到噪聲等外界因素的干擾，對數字圖像處理技術提出了更高的要求。

基于Feldkamp-Davis-Kress （FDK）的CBCT三維重建過程可以通過下式進行表示：

（1）

在上式中，為角度下被測物體的投影，其他參數描述詳見。[5]

1.2 相關教學內容

首先選用一幅實測CBCT的投影數據，如圖1（a）所示，可以看出投影數據較暗，導致局部細節很難被觀察，按照所學知識點引導學生觀測投影數據的直方圖，如圖1（b）所示。在數字圖像處理中，直方圖是最簡單且最有用的工具，反映的是一幅圖像中各灰度級像素出現的頻率之間的關系。可以看出，造成投影數據較暗的原因在于其灰度分布主要集中在左側較小的范圍內，此時可以提出如下類似問題：如果采用灰度變換中的非線性變換來改善圖像質量，圖1（c）中的相關參數該如何選取？

考慮到投影數據中存在的噪聲問題，可以引導學生回顧課程中的圖像增強知識。圖像增強不僅僅以圖像保真度為原則，而是通過處理有選擇性地突出一些感興趣的信息。首先從圖像空間域平滑展開，對比分析局部平均法和中值濾波法的性能差異。局部平均法是一種直接在空間域上進行平滑的處理，可用像素鄰域內各像素的灰度平均值代替該像素原來的灰度值，實現圖像的平滑。中值濾波是對一個滑動窗口內的所有像素灰度值從小到大排序，用中值代替窗口中心像素的原來灰度值，是一種非線性的圖像平滑法。結合圖像特點，可以指出在低輻射計量下，噪聲特性趨向于泊松分布，導致局部平均法和中值濾波的性能依然有限，促使學生查詢文獻思考問題解決辦法，激發科研熱情和自主科研能力。

如果需要進行頻率域濾波或者頻率域特征分析，可以對選用的投影數據進行傅里葉變換。傅里葉變換是一種正交變換，經過變換后圖像能量集中分布在低頻成分上，邊緣、線信息反映在高頻成分上。首先詳細講解基于傅里葉變換的投影數據頻譜計算方法，進一步結合高通和低通濾波后圖像的變化情況，說明圖像細節與圖像頻譜間的關聯。

由多張投影數據進行三維重建，涉及課程中的圖像復原知識點。輸入的是一系列投影圖，而輸出的是重建圖。重點講解FDK算法中如何建立投影數據與三維重建圖像的聯系，同時指出目前FDK算法的局限性，引導學生自主學習代數重建法、統計重建法等內容，擴寬學生相關內容的知識面。

基于三維重建圖像，可以對其中的目標進行定位。以此為背景，首先探討可行的邊緣檢測方法以及分析不同區域分割方法的有效性。邊緣檢測方法可以重點分析Canny邊緣檢測方法的特點，例如，低誤判率、高定位精度等。區域分割方法可以重點分析最小誤差分割法和區域增長法等。

上述教學內容中涉及的課程知識點如圖2所示。

2實踐方法設計

科研實踐是理論教學中重要的一個環節，其目的是培養學生的動手能力、設計能力與創新能力。[6-7]以此為實踐方法的根本目的，針對前文中涉及的相關知識點，探索合適的實踐方法。

實踐測試數據集選用網上公開數據head phantom模體及實測投影數據。編程語言根據學生的情況進行自主選擇。實踐過程包括公共選題和自主選題兩個方面。公共選題為基本的圖像處理操作，包括圖像縮放、圖像平移等，主要是鍛煉學生基本的編程能力。自主選題由上述相關知識點引申，以問題為導向，鍛煉學生自主解決問題的能力，其流程如圖3所示。

選題的難易應該與學生的能力相匹配，因此設計的題目難度盡量適中，考慮到個體間的差異，同時提供少數創新性較強的題目供學習能力較強的學生選擇，可以適當提升該類題目在實踐考核中分數的權重。由學生自行協商，按照選題對學生進行分組，每組人數不超過5人，同時明確每名學生在分組中的職責。編程平臺依據學生的興趣進行選擇，例如C++、Matlab及Python等主流高級語言。為了簡化編程過程，推薦使用OpenCV等開源圖像處理庫中的相關函數。OpenCV是一個基于BSD許可發行的跨平臺計算機視覺和機器學習軟件庫，可以運行在Linux、Windows、Android和Mac OS操作系統上。它提供了Python、Matlab等語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法。詳細設計包括文獻調研、算法設計、實驗驗證及分析、報告撰寫等環節，時間長度可設置為選題結束后的一個月內。小組匯報主要介紹預期目標完成情況、個人作用、算法描述、實驗結果及總結。

課程考核方式由期末考試、平時作業及課程實踐三部分組成。期末考試和平時作業主要考察對課程知識的掌握情況，成績約占總成績的70%;課程實踐主要考核學生的創新及實踐能力，由教師對各小組匯報情況綜合打分計算，成績約占總成績的30%。期望通過這樣的考核方式，充分激發學生學習的熱情及創新活力。

3展望

通過將具體醫學應用科學問題引入到“數字圖像處理”課程的教學中，可以促使學生帶著問題去思考枯燥的理論知識，激發學生的求知欲和學習此門課程的興趣，從而取得更好的學習成績;結合實際應用的實踐過程將充分鍛煉學生自主科研的能力，一方面需要通過查閱文獻思考解決問題的辦法，增強創新意識，另一方面還需要將具體思路進行編程實現，提升編程水平;新的教學模式下，學生可以對所學知識舉一反三，從而將其應用到更多研究領域，為未來就業或攻讀碩士研究生進行先行的知識儲備。

4 結束語

科學上的突破和創新依賴于學科交叉，這給“新工科”背景下的數字圖像處理課程教學方式提出了新的要求。臨床醫學的應用在數字圖像處理技術中占有重要地位，筆者基于近年來的教學經驗和科研經歷，以CBCT圖像處理為例，分別從教學內容和實踐方法兩方面提出了以問題為導向的課程教學方法，期待可以充分激發學生的創新活力和學習熱情。目前筆者初步的經驗認為該方法可行、有效，值得推廣應用。今后在工作實踐中，筆者還將繼續探索此教學方法在“數字圖像處理”課程教學方面的應用前景，努力將新的教學模式應用于教學實踐，不斷提高教學質量。

通訊作者：趙芳

參考文獻

[1] 陳德潮.面向醫療大數據的數字圖像處理課程建設的探索[J].科技風，2020（20）.

[2] 喻罡，肖嘉瑩，黃忠朝等.醫工融合創新人才課程體系建設——以醫學圖像處理為例[J].中國醫學教育技術，2020，34（04）：422-424.

[3] 張磊，許淼.新工科“數字圖像處理”課程教學改革研究[J].無線互聯科技，2020，17（16）： 116-117.

[4] 賈永紅.數字圖像處理（第三版）[M].武漢：武漢大學出版社，2015.

[5] L.A.Feldkamp， L.C.Davis，and J.W.Kress. Practical Cone-beamAlgorithm[J].Journal of the Optical Society of America A，1984，1（6）：612-619.

[6] 梁俊花，劉洋，趙志升等.以科研為導向的《數字圖像處理》課程教學改革與探索[J].佳木斯職業學院學報，2016（11）：175-176.

[7] 陳芳，張道強.基于研究性學習的數字圖像處理課程教學改革[J].軟件導刊，2020，19（12）：48-50.