王燦 沈詩堃 歐鑫 許鵬飛 嚴海龍

摘要：目前人們對醫(yī)療事業(yè)的需求越來越大，進而涌現(xiàn)出各種醫(yī)療機構(gòu)，在眾多醫(yī)療系統(tǒng)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(nèi)容都需要一定的技術(shù)加以支持。本文對醫(yī)學圖像處理的研究現(xiàn)狀進行分析，主要對圖像處理進行闡述，分析圖像處理在醫(yī)學中發(fā)展情況，希望可以為相關(guān)工作人員提供參考價值。

關(guān)鍵詞：醫(yī)學;圖像處理;研究現(xiàn)狀

前言：

現(xiàn)階段是信息技術(shù)時代，醫(yī)療事業(yè)融入信息技術(shù)已經(jīng)是當下醫(yī)學發(fā)展的必然趨勢。而醫(yī)療事業(yè)不斷發(fā)展離不開圖像處理的研究，隨著圖像處理技術(shù)的發(fā)展在醫(yī)學影像中起到重要的作用，進而提高了醫(yī)療臨床診斷質(zhì)量與效率，再加上計算機和網(wǎng)絡電視的發(fā)展，有效的提升圖像處理技術(shù)應用效果。同時還可以提高形態(tài)定量分析效率，有助于醫(yī)生對病變部位更為直觀的進行檢查，這項技術(shù)為醫(yī)療事業(yè)發(fā)展提供了基礎(chǔ)保證。

一、概述醫(yī)學圖像處理

所謂醫(yī)學圖像是當前醫(yī)學領(lǐng)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(yī)療的主要依據(jù)所在。研究醫(yī)學圖像，主要有對醫(yī)學圖像的采集、處理、分析等一些其他研究領(lǐng)域。從根本上來講，醫(yī)學圖像處理不僅僅是醫(yī)學領(lǐng)域發(fā)展過程中的一部分重要組成，同時也是推動數(shù)字圖像技術(shù)發(fā)展前景重要方面。從圖像處理角度而言，醫(yī)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(lǐng)域中的根本體現(xiàn)，特別是近年國際數(shù)字圖像項目的發(fā)展將醫(yī)學圖像處理技術(shù)推向更高的發(fā)展位置。隨著當前我國科學技術(shù)快速發(fā)展，特別是醫(yī)用成像設(shè)備的發(fā)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(guān)注。例如CT的產(chǎn)生和應用就是將圖像處理技術(shù)與計算機兩者相融合的成功案例，同時也是當前臨床醫(yī)學檢驗的重要武器[1]。

二、醫(yī)學圖像處理的研究現(xiàn)狀

（一）圖像處理分析系統(tǒng)的應用

就當前醫(yī)學領(lǐng)域中使用的圖像處理分析系統(tǒng)而言，不論是在硬件、軟件，還是到體系結(jié)構(gòu)，對顯微圖像分析技術(shù)的要求非常嚴格。因此在醫(yī)學圖像處理技術(shù)中，國內(nèi)有很多研究學者利用計算機圖像處理技術(shù)來研究免疫組化圖像，以此來實現(xiàn)以數(shù)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(shù)，通過該技術(shù)分析細胞核DNA含量，發(fā)現(xiàn)能夠從中將病理圖像與DNA之間的關(guān)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(shù)分析DNA倍體，除能夠反映病理圖像與DNA關(guān)系之外，其最終分析結(jié)果也與流式細胞儀測定結(jié)果相近，因此圖像處理技術(shù)逐漸盛行于醫(yī)學領(lǐng)域中。

例如當前醫(yī)學中使用比較普遍的核磁共振、單光子發(fā)射體斷層等，生物學中的應用有顯微醫(yī)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(shù)用于醫(yī)學中的病理診斷方面;另一方面也可將其應用于基礎(chǔ)研究方面。在進行病理診斷時，應用圖像處理技術(shù)能夠進一步提升診斷質(zhì)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(zhì)分析進行相應的判斷，這對于最終的診斷結(jié)果有著非常重要影響。這主要在于免疫組化是需要結(jié)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(jié)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(shù)的應用

關(guān)于計算機圖像分析技術(shù)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(nèi)學者通過該技術(shù)分析醫(yī)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(guān)于醫(yī)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(qū)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(shù)據(jù)依據(jù)的一種處理技術(shù)，同時圖像分割也是圖像從處理階段到分析階段的關(guān)鍵環(huán)節(jié)，更是對圖像進行深入理解的基礎(chǔ)所在，因此分割好壞對之后的圖像分析結(jié)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(fā)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(chǔ)，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(guān)于常用的梯度算子主要有Roberts、Canny等[3]。而對于動態(tài)性規(guī)劃的邊緣檢測而言，其目標函數(shù)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(yōu)值。在進行邊緣檢測時應用動態(tài)規(guī)劃，同時將局部與全局累積信息統(tǒng)合起來，能夠獲取全局最優(yōu)解，從而獲取到比較分明的邊緣圖像;對于區(qū)域增長的方式有區(qū)域歸并、區(qū)域分裂、分裂和歸并。將其與特殊技術(shù)分割方法相結(jié)合，以此來改進圖像分割算法?，F(xiàn)階段在進行醫(yī)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(yī)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(yī)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(jié)：

綜上所述，在醫(yī)學領(lǐng)域中圖像處理技術(shù)對處理免疫組化圖像起到重要作用，通過這種技術(shù)實現(xiàn)細胞的識別、區(qū)分、測定工作，進而提供給醫(yī)學診斷更為精準的檢測理論依據(jù)，在診斷病理、分析病情、探討發(fā)病原因等研究方面提供有力條件。圖像處理系統(tǒng)具有快速、準確、重復性好的優(yōu)勢，通過圖像處理系統(tǒng)能夠提供給醫(yī)療機構(gòu)準確的診治方案，進而推動醫(yī)療事業(yè)的可持續(xù)發(fā)展。

參考文獻：

[1]董默， 周鴻鎖， 趙若晗， et al. 基于MATLAB和MIMICS聯(lián)合應用下的醫(yī)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.