医学是关系到千千万万人的身心健康的应用学科,医学的发展水平体现了一个国家的人民生活标准,代表了一个国家的综合国力。自古以来,我国传统医学讲究“望、闻、问、切”这些最基本的手段,但是自伦琴年发现射线以来,开创了对人体内部器官进行影像诊断的新纪元,产生了种类繁多的医学图像,医学的诊断方式发生了翻天覆地的变化。现代医学已经越来越离不开医学图像的信息处理,医学图像在临床诊断、教学科研等方面正发挥着极其重要的作用。

目前,医学图像的种类很多,包括B超图像、磁共振(MRI)图像、CT图像、DSA图像、PET图像、SPECT图像、数字X光机图像、X射线透视图像、各种电子内窥镜图像、显微镜下病理切片图像等。

简介

DSA是指数字减影血管造影。过去采用光学减影技术可部分消除骨骼和软组织的重叠图像,使血管显影变得较为清晰。则是利用计算机处理数字化的医学图像信息,以消除骨骼和软组织图像的减影技术,是新一代血管造影的成像技术。主要用于全身各部位血管的检查、诊断和治疗。

DSA技术是常规血管造影术和计算机处理技术相结合的产物,其大致过程简言之为X线穿过人体各解剖结构形成荧光影像,经影像增强器增强后由电视摄像管采集而形成视频影像,通过模数转换形成数字图像,这些数字信息输入计算机后,再经减影、对比度增强等处理,产生数字减影图像。

数字减影血管造影的方法有几种,如时间减影、能量减影和混合减影等,但目前最常用的还是时间减影法。经导管内快速注入有机碘水造影剂,在造影剂到达欲查血管之前,血管内造影剂浓度处于高峰和造影剂被廓清这段时间内,对检查部位连续成像。在所得的这一系列图像中,

取一帧血管内不含造影剂的图像和含造影剂最多的图像,用这同一部位的两帧图像的像素数字矩阵,经计算机进行数字减影处理,使两个数字矩阵中代表骨骼及软组织的数字被抵消,而代表血管的数字则被保留下来。这样,在这个经计算机减影处理后得到的图像中,没有骨骼和软组织的图像,只有血管图像,从而达到更好地显示血管的目的。这两帧图像称为减影对,因为是在不同时间所得,故称为时间减影法。

目前临床上DSA应用很广,尤其是近年来兴起的介入放射学的普遍开展,DSA己成为介入性诊断和治疗中不可缺少的基本工具。

DSA图像的特点

“有用“的信息就是血管的信息

DSA图像增强的目的是突出图像中的“有用”信息,然而“有用”信息是个模糊的概念,对不同的图像有不同的含义,应作具体分析。DSA图像中有血管、骨骼和软组织等信息,它们的影像交织在一起, DSA图像是用来检查和治疗血管的,所以图像中的“有用”信息当然是血管的部分,但血管的信息只占一小部分,骨骼和软组织影像的存在使血管显影不清晰,干扰了医生进行观察和诊断。所以图像最主要的处理就是消除骨骼和软组织的阴影,去掉大部分的背景,这就需要做减影。

一个文件包含多帧图像

医学图像有单帧和多帧之分,DSA是多帧图像的代表。DSA拍摄时一次连续拍摄多帧,一般要连续采样20次以上,也就是要产生20多帧图像。DSA图像记录是的含有造影剂的血液流过观察部位血管的动态过程,这就类似于拍摄电影。因而DSA图像的一个常用处理就是进行连续播放,再现这个过程。拍摄完毕把这些图像封装在一起,形成一个DSA图像文件。

像素深度大

DSA是灰度图像,但与一般灰度图像不同之处是它的像素深度很大。像素深度是指存储每个像素的灰度值所占用的二进制位数,DSA图像的深度一般都大于8,达到12甚至更大。我们都知道,一般的显示器只支持深度为8的像素灰度级信息,即0一255的灰度级范围。图像灰度范围是远远超过显示器可显示范围的,直接显示肯定不行,必须进行一定的处理和转换。

增强方法的选择

根据医学图像的特点,并考虑医学图像处理的要求,我确定了三条原则,用来对图像增强方法进行选择,筛选合适的增强方法来增强DSA医学图像。

尽量减少对图像细节信息的破坏

对医学图像来说,细节信息是非常重要的。医生就是根据图像上的这些细节来确定该部位是否有病变,如果有病变的话,那么发展到了什么样的程度,等等。医学图像的数据一般都是很敏感的数据,关系到病人的健康甚至生命,处理时尽量减少对医学图像细节信息的破坏。在DSA图像中,有很多较细的血管,如果对其粗细判断偏差较大,介入插管时就可能有危险。图像增强中有一类空域滤波方法,它是基于领域处理的, 对图像细节的影响较大,不适合用于DSA医学图像的增强。平滑、锐化等常用方法都属于这一类,医生们在显示工作站中是否引入这些较高级的图像处理算法原本就有争议,根据这一原则,不建议采用这些方法。

时间效率上能够接受

DSA的处理临床上有时是在边手术时边进行的,所以对实时性的要求是比较高的。然而医学图像的数据量太大,这是一个制约因素。基于频率域的增强方法要使用两次傅立叶变换,计算量太大,时间效率上不能接受,无法满足需要,不宜采用。

考虑线成像中存在的一些问题,进行相应的弥补

X线成像由于技术的原因会产生一些问题,如图像不一致的问题和灰度范围狭窄的问题等。不一致是指同样质地的组织往往在图像上表现出明显的差异,使得看起来不像是同样的组织。可以考虑采用一定的方法进行相应的弥补。例如可用对数变换减轻不一致的问题,灰度范围狭窄可进行对比度拉伸、加窗显示技术等进行改善。

由以上这三条原则,我选择了减影、对数变换、帧叠加技术、加窗显示技术、伪彩色增强和单闭值分割等方法来对DSA医学图像进行增强处理。

灰度重采样的方法分为_DSA医疗影像增强技术特点及方法相关推荐

  1. 吴恩达团队展示全新医疗影像识别技术:肺炎诊断准确率超过人类医生

    机器学习在医疗领域的应用一直是 AI 的重要发展方向,深度学习著名学者吴恩达和他在斯坦福大学的团队一直在这一方面做着努力.近日,该团队提交的一篇新论文提出了名为 CheXNet 的新技术.研究人员在论 ...

  2. 提高记忆计算机知识的方法有哪些,有哪些增强记忆力的好方法

    有哪些增强记忆力的好方法 要想增强记忆力,首先要了解一些有关记忆方面的常识.简单地来讲记忆分为三个阶段. 第一阶段我们称为编码阶段. 这就好比计算机的信息输入,都要经过编码,只有经过编码的信息才会得到 ...

  3. ASM字节码编程 | 用字节码增强技术给所有方法加上TryCatch捕获异常并输出

    作者:小傅哥 博客:https://bugstack.cn Wiki:https://github.com/fuzhengwei/CodeGuide/wiki 沉淀.分享.成长,让自己和他人都能有所收 ...

  4. 巨烽数字化采购项目启动,甄云助力医疗影像显示领军企业数智化升级

    近日,医疗影像显示行业的领军者深圳市巨烽显示科技有限公司(以下简称"巨烽")联合甄云科技举办数字化采购管理项目启动会,双方相关部门负责人及项目组成员参加了此次会议. 会上,就巨烽的 ...

  5. 灰度重采样的方法分为_遥感导论-期末试卷及答案

    下载word有问题请添加微信号:xuecool-com或QQ:370150219处理(尽可能给您提供完整文档),感谢您的支持与谅解. 以下是由77cn范文大全为大家整理的遥感导论-期末试卷及答案的相关 ...

  6. python医疗影像_基于PyRadiomics的医疗影像纹理获取原型系统集成

    董建民 刘建新 摘 要:针对计算机辅助诊断中医学影像纹理计算相对复杂.商业分析软件功能相对固定和成本较高等问题,以目前主流的Python语言为开发工具,将其对应的PyRadiomics模块.Simpl ...

  7. 图像检测:医疗影像分割

    医学影像 X线设备:是通过测量透过人体的X线来实现人体成像的,即利用人体各组织的密度和厚度不同,X线穿过后的衰减程度不同,来显示身体内部的形态影像. 磁共振成像设备:是通过测量构成人体组织元素的原子核 ...

  8. 基于 CPU 实施高效且快速的医疗影像分析

    概述 本文基于由阿里云.英特尔和零氪科技联合主办的天池医疗 AI 大赛.在大赛中选手挑战通过计算机断层 (CT) 扫描自动检测肺结节.该赛事吸引了全球 2,887 支参赛队伍,经过 7 个月的紧张角逐 ...

  9. 拯救顽疾大作战!IDC绘中国医疗AI生态图谱,英伟达献医疗影像新杀器

    来源:智东西 摘要:中国千家医院部署AI系统!IDC医疗AI报告详解行业趋势和五大药方. 2018年是令人唏嘘的一年,台湾作家李敖.动画大师高畑勋.相声表演艺术家师胜杰.央视主持人李咏.微软联合创始人 ...

最新文章

  1. 关于对 linux系统的物理内存访问 /dev/mem
  2. LibreOJ 数列分块入门
  3. Spring中注解大全
  4. Android深度探索(卷1)HAL与驱动开发学习笔记(8)
  5. 基于HEVC 的UHD(超高清 4K)视频的主观质量评价
  6. 魔兽国服修改服务器地址,魔兽国服退役服务器上架暴雪官方商店
  7. Python PTA实验课 输出星期名缩写+字典的创建
  8. AI笔记: 数学基础之齐次与非齐次线性方程组解的结构定理
  9. 人事面试java需要注意点_程序员hr面试注意事项
  10. python换位加密算法_柱状换位密码
  11. IOS苹果内购 PHP后端验证票据
  12. Git生成公钥、私钥以及ssh key配置
  13. OpenCL Reduction操作
  14. utl raw mysql_oracle中utl_raw
  15. 程序设计思维与实践 Week2 作业 B - Pour Wate
  16. 记一次联通路由器劫持的分析过程
  17. UMLChina建模竞赛第3赛季第6轮:随身老印医
  18. 面向行业智能,华为数据通信推动的2020之变
  19. CAD模型导入Pointwise网格导入Fluent的联合设计教程
  20. bootstraptable合并标题_bootstrapTable 合并单元格

热门文章

  1. 2007浙大复试上机考试题目1--最小长方形
  2. [Windows编程] 如何判断操作系统是64位还是32位
  3. Transactional Replication2:在Subscriber中,主键列是只读的
  4. 重拾阅读--朝花夕拾啊
  5. 中央气象台天气预报api调用
  6. 奇怪的DNS问题,虚拟机下可以,真实的环境却出错,希望大家帮助下
  7. 4-2 父子组件的数据传递
  8. 软件外包项目管理3点体会
  9. 读书笔记 - 《我的美国之路》
  10. [OC]TableView使用