2018医学开题报告范文（影像）论文题目：医学影像图像处理若干关键问题的研究一、论文选题依据(包括本课题国内外研究现状述评，研究的理论与实际意义，对科技、经济和社会发展的作用等)医学影下面是小编为大家整理的医学开题报告范本影像（全文）,供大家参考。
2018医学开题报告范文（影像）
论文题目：
医学影像图像处理若干关键问题的研究
一、论文选题依据(包括本课题国内外研究现状述评，研究的理论与实际意义，对科技、经济和社会发展的作用等)
医学影像技术的发展历史可追溯到1895 年德国物理学家伦琴发现了x 射线并把它用于医学诊断。从而发明了x 射线成像技术, 它第一次无损地为人类提供了人体内部器官组织的解剖形态照片, 从而为医生临床诊断提供了重要的生物信息。由此引发了一场医学诊断技术的革命。它是一门交叉学科，利用物理学、电子学、计算机科学等一些基础科学的先进技术来诊断和治疗疾病[1]。
随着微电子技术、计算机网络技术、计算机图形图像处理技术、人工智能和自动控制技术的蓬勃发展，现代医学影像技术已成为21世纪发展最快的技术领域之一[2]。随着超声(us)、计算机体层摄影(ct)、磁共振成像(mri)、介人放射学及正电子发射体层摄影术(pet)等新的影像诊断和治疗方法的相继问世，医学影像学从无到有，从小到大，经历了一个飞速迅猛的发展过程。尤其是介人放射学的出现，使单纯的放射诊断室发展成为当今集诊断与治疗于一体的大型临床医学影像科室，无疑在新世纪，医学成像技术将发展得更快，并在医疗领域发挥日益重要的作用[3]。
下面来介绍一下几类主要的医学成像方式：
1、超声成像 第二次世界大战后, 在雷达、声纳技术基础上,应用回声定位原理发展了各种超声成像技术,研制完成了a型、b型、m型超声诊断仪。目前(透射型)超声计算机断层成像技术(ultrasound computed tomography, uct)已经成熟。
超声波成像具有无损伤、灵敏度高的优点。对于软组织的观察无须做注射造影剂之类的成像前预处理,而且成像迅速,设备造价低廉,它既可以反映器官的解剖图像,也可反映机能状况。因此,超声成像是目前各成像技术中应用最广、发展最快的技术。
20世纪80 年代初问世的超声血流图( color flowmapping, cfm) 是目前临床上使用的高档超声诊断仪。它的特点是把血流信息叠加到二维b 型图像上。在b 型图像显示的血管中, 凡是指向换能器的血流在图中用红色表示, 而那些背离换能器的血流则用蓝色表示。由于在一张图像上既能看到脏器的解剖形态, 又能看到动态血流, 它在心血管疾病的诊断中发挥了很大的作用[1]。
2、ct成像 计算机体层摄影(computed tomography, ct)是利用x线对人体某一范围进行逐层的扫描，取得信息，经计算机处理后获得重建的图像(横断解剖图)，通过计算机处理得到三维的重建图像。由ct生成的横切面、断层、数字图像解决了传统影像中三维结构重叠、软组织分辨率差及信息效率低等主要缺陷，取得了划时代的革新。但是在多层ct开发成功之前,ct一度曾处于相对停滞的阶段。多层ct技术进入峰回路转的新阶段，其主要突破在于:采集速度(扫描速度)，成像质量(空间分辨率与密度分辨率)，数据采集范围(扫描范围)三个方面由于三者存在着相互制约的关系，所以通过技术方法的改进将其协调在最佳值，成为ct技术发展中的重要研究课题[4]。
3、mri成像磁共振成像(magnetic resonance imaging, mri)又称核共振(nuclear magnetic resonance, nmr)，是近年来迅速发展起来的医学影像新技术，被认为是20世纪最先进、最有前途的影像设备[5]。1946年美国学者bloch和purcell首先发现了核磁共振现象,从此产生了核磁共振谱学这门学科。核磁共振技术的最初应用是对有机化合物的结构分析及物质性质的研究。1973年劳特伯(lauterbur)利用核磁共振技术首次获得了生物体断面的质子自旋密度图像,第一个做出了仿真模块的二维核磁共振图像。核磁共振技术与计算机技术结合,形成磁共振ct,且已在临床上普遍应用。它是利用与人体组织密切相关的一类原子核(如等1h、2h、13c、14n、19f、23na、31p、127i等)在外界射频磁场的作用下发生核磁共振现象，利用其产生的共振现象进行成像的技术。磁共振成像首先将受检部位置于静磁场内，病人的长轴与静磁场z方向平行;用脉冲射频磁场激励人体的受检部位，用接受线圈测量输出的共振信号，利用计算机进行二维断层成像或三维立体成像。磁共振成像按获得磁场的形式可以分为永磁型、常导磁体型和超导磁体型永磁型的特点是造价低、耗电省、效率高;超导磁体型是利用电流来激励磁场，机器可以设计的比永磁型的小;超导磁体型可以做出很高的磁场，适合于各种不同要求检查，断层厚度也可以小到3cm[6]。
磁共振成像兼容了射线技术和核医学的特点，不仅可以显示形态解剖图，还可以显示出各种不同组织的化学结构，以及生理、生化的动态信息。如含水状态，脂肪含量，f、na、p等元素的含量等。mri是通过电子学方法调节梯度场以实现扫描，所以根据需要不仅可以直接显示任意决度的切面，而且可以得到无限个切面，及利用这些切面进行三维显像[7]。
在临床应用上，与ct相比，mri具有无放射线损害，无骨性伪影，能多方面、多参数成像，有高度的软组织分辨能力，不需使用对比剂即可显示血管结构等独特的优点。几乎是用于全身各系统的不同疾病，如肿瘤、炎症、创伤、推行性病变以及各种先天性疾病的检查。对颅脑、脊椎和脊髓病的现实优于ct。它可不用血管造影剂，即显示血管的结构，故对血管、肿块、淋巴结和血管结构之间的相互鉴别，有其独到之处。它还有高于ct数倍的软组织分辨能力，敏感地检出组织成分中的水分含量的变化，因而常比ct更有效和更早地发现病变mri能清楚、全面地显示心腔、心肌、心包及心内其他细小结构，是诊断各种心脏病以及心功能检查的可靠的方法[8]。
以下是几类常用的图像处理技术：
1、图像去噪 图像去噪指的是利用各种滤波模型，通过多点平滑等方法从已知的含有噪声的图像中去掉噪声成分。图像去噪从整个图像分析的流程上来讲属于图像的预处理阶段，从数字图像处理的技术角度来说属于图像恢复的技术范畴，它的存在有着非常要的意义。
为了抑制图像中的噪声，可以使用很多常规的方法，例如均值滤波、中值滤波、顺序统计滤波、维纳滤波，以及由这些滤波方法衍生而来的许多其他滤波器，包括模糊滤波器、自适应均值滤波器、基于边缘特征的滤波器等，上述各种滤波方法都能在一定程度上滤除图像中存在的噪声。但是，这些常规的方法在滤除噪声的同时，往往会损失目标在图像中的高频信息，引起边缘和纹理的模糊。所以，在去除噪声的过程中，存在噪声抑制与边缘保持之间的矛盾，有必要寻找更好的去噪方法，在抑制噪声的同时，还能保持边缘和纹理信息，以便更好地复原因噪声污染引起的图像质量退化[9]。
近年来，采用偏微分方程(partial differemial equation，pde)技术对图像进行处理获得了国内外的广泛关注，它是一种局部自适应(local adaptability)技术，它具有很高的灵活性和变通性;另外使用形式上的规范性(unification)使得图像处理问题的描述在形式上变得简单，对不同图像处理问题，在数学处理上更加统一;并且pde技术在消除图像噪声和保护图像固有的特征方面也有了很大的进展，在图像处理的各个领域均有不错的效果[10]。
医用b超己越来越广泛地应用于临床诊断中，然而b超图像中存在大量的斑点噪声，不同于传统的加性噪声，斑点噪声是一种乘性噪声。乘性噪声广泛存在于合成孔雷达成像，超声成像，激光成像及显微镜图像中，相比较于加性噪声图像，乘性噪声对图像的损坏更为严重，且乘性噪声图像对比度往往更低。合理地去除乘性噪声，将极大地提高医生的分析效率及临床诊断的准确率[11]。
针对mri图像去噪，partha sarathi mukherjee根据rician噪声模型和相对应的偏差修正问题，提出了一个新的更有效的基于回归分析和montecarlo模拟偏差修正公式[12]。
2、边缘检测 边缘检测目的是要检测出图像中灰度变化的不连续区域。确定它们在图像中的精确位置，为后期的图像分析和处理提供信息，图像的边缘包含了物体形状的重要信息，主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，是图像分割、纹理特征和形状特征等图像分析的重要基础。图像边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。
经典的边缘检测算子利用边缘处一阶或二阶导数来检测梯度变化情况，基本的微分检测算子有roberts算子、sobel算子、laplace算子、log算子和canny算子等。近年来。随着数学理论和人工智能的发展，又出现了许多新的边缘检测方法，比如基于分数阶微分法、小波变换法、snake模型法、模糊检测法、数学形态学法、神经网络法等。这些边缘检测方法最终目的都是检测出图像的边缘信息.但在解决特定特征图像时也显现出各自的优势和不足之处[13]。
由于噪声普遍存在于实际图像之中，而分布、方差等信息均属未知，且噪声和边缘都为高频信号，外加一些其他的干扰原因，令检测图像中边缘的一些信息无法得到有效度量[14]。因此，经典边缘检测算法进行检测时的效果不甚理想。
基于图像灰度值的梯度进行计算的算法对噪声的敏感度比较高，一旦图像出现噪声的时候，这些算法可能将噪声当作图像的边缘检测出来，也可能混淆真正的边缘点与噪声点而发生误检或漏检的现象[15]。
由于现实生活中获取到的图像大都具有模糊性，普通边缘检测算子的检测到的图像边缘也具有模糊性，达不到预期的效果[16]。对于这样的问题，有2位学者分别是pai和king提出了基于模糊集理论的边缘检测方法[17]。在这个算法中，他们将模糊集理论引入其中，取得了良好的检测效果，并且在很多领域获得了不错的应用。
近年来，相控高强度聚焦超声(hifu, hiigh intensity focused ultrasound)技术已经成为治疗超声的研究热点。hifu强度较高，为了避免损伤正常组织和提高治疗效率，必须提供治疗目标的精确位置。在目前超声图像引导的hifu治疗系统中，超声图像由于受散斑噪声等降质因素影响分辨率较低，是达到hifu精确治疗的障碍之一。另外，现在大部分己投入使用的hifu系统未能充分考虑呼吸运动在治疗中造成的病灶等治疗目标的移位，也影响了hifu的精确治疗。利用术中超声图像的实时处理达到通过体内标记来实时定位治疗目标，是提高临床治疗准确性与快速性的一种行之有效的方法。超声图像的预处理效果是定位准确的一个关键因素[18]。
3、图像分割 图像分割是图像处理与图像分析中的一个经典问题，就是一个根据区域间的相似或不同把图像分割成若干区域的过程，主要以各种细胞、组织与器官的图像作为处理对象。从分割操作策略上讲，可以分为基于区域生成的分割方法，基于边界检测的分割方法和区域生成与边界检测的混合方法。
近年来，随着其他新兴学科的发展，产生了一些全新的图像分割技术。如基于模糊理论的方法，基于知识分割的方法，基于神经网络的方法，基于j维可视化系统结合fast marching算法和watershed变换的医学图像分割方法等。图像分割可以帮助医生将感兴趣的部位提取出来，对病变组织进行定性及定量的分析，以提高医生诊断的准确性和科学性。虽然已有研究通过医学图像的自动分割区分出所需的器官、组织或找到病变区的方法，但是由于人体解剖结构的复杂性和功能的系统性，目前现成的软件包一般无法完成自动的分割，需要解剖学方面的人工干预。纵观图像分割方法的发展，新的分割方法的研究将主要以自动、精确.快速、自适应等几个方向作为研究目标，加强经典分割技术与现代分割技术的综合利用。
通过对组织或器官精确的分割和提取，可以定量地分析组织或器官的大小，形状等变化情况，从而判断组织的病理变化情况，协助医生进行诊断和手术等。b超图像精确分割的困难在于b超图像中存在的各种干扰信息，如大量斑点噪声、组织或器官的边缘缺失、阴影等[11]。
区域生长是一种被广泛应用的图像分割算法，在原始算法基础上研究者们提出了各种各样的扩展算法.pohle等把待分割区域像素值看作一个正态发布，先用原始区域生长算法估算出分布参数，再将该参数应用到第二遍生长过程中，从而获得更好的结果[19]。为了克服大多数区域生长算法对于初始种子点的选取顺序和位置敏感的问题，zheng等开发出不需种子点的自动分割算法[20];于水等将图像的纹理信息和灰度信息融合在区域生长的标准中[21];陆剑锋等提出一种通过计算种子点附近邻域统计信息, 自适应改变生长标准参数用于医学图像分割的算法[22]。
4、图像配准 图像配准是图像融合的前提，是公认难度较大的图像处理技术。也是决定医学图像融合技术发展的关键技术。要求配准的结构能使两幅图像上所有的解剖点，或至少是所有具有诊断意义以及手术区域的点都达到匹配，使一幅图像上同时表达来自多种成像源的信息，以便医生做出更加准确的诊断或制定出更加合适的治疗方法。图像配准的方式可以概括为相对配准和绝对配准两种：相对配准是指选择多图像中的一张图像作为参考图像，将其它的相关图像与之配准，其坐标系统是任意的。绝对配准是指先定义一个控制网格，所有的图像相对于这个网格来进行配准，也就是分别完成各分量图像的几何校正来实现坐标系的统一。
近年来，国内外在图像配准方面研究很多，如几何矩的配准、利用图像的相关系数、样条插值等多项式变换对图像进行配准。一些新算法，如基于小波变换的算法、统计学参数绘图算法、遗传算法等，在医学图像上的应用也在不断扩展，向快速和准确方面改进算法。国内研究人员也提出了一些相应的算法：一致图像配准方法、金字塔式多层次图像配准方法、基于互信息的方法[23]。使用最优化策略改进图像配准以及对非刚性图像配准将成为今后医学领域图像配准技术的重点研究方向。
5、图像融合 图像融合的主要目的是通过对多幅图像问的冗余数据的处理来提高图像的可读性。对多幅图像间的互补信息的处理来提高图像的清晰度。利用可视化软件对多种模态的图像进行图像融合，可以准确地确定病变体的空间位置、大小、几何形状及它与周围生物组织之间的空间关系，从而及时高效地诊断疾病。目前的图像融合技术可以分为两类：一类是以图像像素为基础的融合方法;另一类是以图像特征为基础的融合方法。以图像特征为基础的融合方法在原理上不够直观且算法复杂，但实现效果较好[24]。
不同的医学图像提供了相关脏器的不同信息，图像融合的潜力在于综合处理应用这些成像设备所得信息以获得新的有助于临床诊断的信息。利用可视化软件，对多种模态的图像进行图像融合，可以准确地确定病变体的空间位置、大小、几何形状及它与周围生物组织之间的空间关系，从而及时高效地诊断疾病，也可以用在手术计划的制定、病理变化的跟踪、治疗效果的评价等方面。在放疗中，利用mr图像勾勒画出肿瘤的轮廓线，也就是描述肿瘤的大小;利用ct图像计算出放射剂量的大小以及剂量的分布，以便修正治疗方案- 在制定手术方案时，对病变与周围组织关系的了解是手术成功与否的关键，所以ct与mr图像的融合为外科手术提供有利的佐证，甚至为进一步研究肿瘤的生长发育过程及早期诊断提供新的契机。在ct成像中，由于骨组织对x线有较大的吸收系数，因此对骨组织很敏感;而在mr成像中，骨组织含有较低的质子密度，所以mr对骨组织和钙化点信号较弱，融合后的图像对病变的定性、定位有很大的帮助[25]。由于不同医学成像设备的成像机制不同，其图像质量、空间与时间特性有很大差别- 因此，实现医学图像的融合、图像数据转换、图像数据相关、图像数据库和数据理解都是亟待解决的关键技术。
医学成像技术发展到今天,各种方法互相补充,日臻完善,为现代的医学研究、临床诊断提供了非常有效的手段,特别是最近x 射线治疗刀和γ射线治疗刀以及强聚焦超声技术的发展,把现代医学成像技术和放射治疗手段结合在一起,为征服许多顽固病症(如癌症等)提供了可能性,医学成像技术在诊断和治疗领域的重要性愈发显得突出。可以预见,将来生命科学和医学上的许多疑难问题将依赖于医学成像技术的发展和完善而得到解决。医学成像技术在消除人类疾病、探索生命奥秘等方面做出了非常重要的贡献。
二、论文的研究内容、研究目标，以及拟解决的关键问题(包括具体研究与开发的主要内容、目标和要重点解决的关键技术问题)
研究与开发的主要内容：开发一款基于matlab的可执行程序，能实现以下几个功能：1、首先可以读入标准格式的医学图像，对医学图像进行显示;2、能够对输入的超声图像进行快速去噪处理，拟采用基于偏微分方程的去噪方法;3、能够对预处理过的超声图像进行边缘检测，拟采用基于轮廓波的边缘检测方法;3、能够对超声图像实现手动或自动的图像分割，拟采用基于区域生长的分割方法;5、能够对输入的ct图像和mri图像进行配准;6、能够对配准后的ct图像和mri图像进行融合和显示。
研究的目标是：1、实现和提高超声图像的去噪效果，边缘检测的准确性还有分割部位的有效性;2、实现和提高ct图像和mri图像的配准和融合效果。
拟解决的问题是：1、超声图像容易产生斑点噪声和伪影，这是超声图像去噪处理环节的一大问题，有待进一步发掘有效的方法;2、同部位多模医学图像的配准速度还有待加强。
三、拟采取的研究方案及可行性分析(包括研究的基本思路，研究过程拟采用的方法和手段，现有研究条件和基础，研究开发方案和技术路线等)
本文主要研究的超声图像的去噪、边缘检测和分割，ct图像和mri图像的配准和融合。
拟采用的研究方案如下：
1、阅读医学成像技术的相关文献，了解超声图像、ct图像、mri图像的成像过程，存在的问题和目前成像技术的发展情况;
2、阅读图像处理技术的相关文献，了解和掌握图像去噪、图像边缘检测、图像分割、图像配准、图像融合的基础算法和目前国内外较先进的做法;
3、研究如何针对超声图像的特点，对图像去噪、图像边缘检测和图像分割算法进行实现和改进;
4、研究如何针对ct图像和mri图像的特点，对图像配准和图像融合算法进行实现和改进;
5、利用医院提供的相关真实医学图像和科研医学图像数据库中的图像，对算法进行评估，判断改进情况。
本研究方案的可行性分析如下：
1、国内外的大量科研工作者都对图像进行过研究，所以，可以参考的文献较多，目前的图像去噪、图像边缘检测、图像分割、图像配置和图像融合的研究都比较深入，工程上能达到比较好的效果;
2、将图像处理应用在不同的医学图像领域的研究，目前国内外的科研工作者也在探索，已经取得了较好的效果，基本上能有效利用不同类型的医学图像来进行处理得的需要的结果;
3、本人所做的工作主要是对目前的各种医学图像处理方法进行实现和改进，主要工作和贡献集中在工程领域，因此，本研究方案是具有可行性的。
四、本课题的特色与创新之处
一、注重应用研究与企业实际需求结合，根据医院超声科提出使用现有超声设备提供的真实数据，进行开发研究。
二、现阶段医院所使用的硬件设备的功能可扩展性差，很多实际需要的功能并没有实现，因此根据现有的医学图像进行二次的处理是很有必要的。
三、很多现有的图像处理技术对于特定的医学图像处理的效果有限，并没有完全适用于医学图像处理，本课题还将进行这方面的研究和探索。
五、参考文献
<页面、页数不足请自行加页>
[1] 郭兴明. 医学成像技术[m]. 重庆大学出版社, XX.
[2] 王希高. 发展中的现代医学影像技术[j]. 医学动物防制, XX, 21(12): 926-928.
[3] 王骏. 我国医学影像技术近十年发展报述[j]. 影像技术, XX, 3: 6-11.
[4] xiong minghui, et al. ctvirtual bronchoscopy; imaging method and clinical application[j]. chinesemedical joumal, XX, 113(11):1022- 1025
[5]huang j, zhang s, metaxasd. efficient mr image reconstruction for compressed mr imaging[j]. medicalimage analysis, XX, 15(5): 670-679.
[6] 徐家兴.磁共振技术的新发展[j].中国临床医学影像杂志, 1999, 10(2): 77-80.
[7] 马丽明, 李艳婷, 黄兆佳, 等. 医学图像处理技术[j]. 现代医院, XX, 7(11).
[8] 刘俊敏, 黄忠全, 王世耕, 等. 医学图像处理技术的现状及发展方向[j]. 医疗卫生装备, XX, 26(12): 26-30.
[9] 罗春燕. 生物医学图像去噪及分割方法研究[d]. 南京信息工程大学, XX.
[10]周浩. 基于偏微分方程的图像降噪算法研究[d]. 江苏科技大学, XX.
[11]黄杰. 基于变分偏微分方程的医学 b 超图像处理[d]. 南京理工大学, XX.
[12]mukherjee p s, qiu p.efficient bias correction for magnetic resonance image denoising[j]. statisticsin medicine, XX.
[13] 高海娟, 平子良, 周素华, 等. 边缘检测算法在医学超声液性病变图像中的应用[j]. 现代电子技术, XX, 4: 034.
[14]piotr s.windyga, fastimpulsive noise remove【j】.ieeetrans on image processing,XX, l(10):173-179.
[15]汪岳. 基于边缘检测经典算法的改进研究与实现[d]. 安徽大学, XX.
[16]刘金华, 唐竞新, 龙图景.一种改进的模糊边缘检测快速算法[j].系统仿真学报, XX, 15(2)：273-277.
[17]pal s k, king r a.image enhancement using smoothing with fuzzy sets[j].ieee trans.on
systems, manand cybernetics, 198l,l1(7)：494～50 1.
[18]宋晓阳. 医学超声图像的轮廓波方法研究及其在相控 hifu 治疗系统中的应用[d]. 上海交通大学, XX.
[19]pohle r，t6nnies k d.a new approach formodel—based adaptive region growing in medical imageanalysis[a].in： proceedings ofthe 9th international conference on computer analysis and patterns，warsaw，XX.238～246
[20]zheng l，jin j，hugues t.unseeded region growing for 3d image segmentation[j].journal of research and practice in information technology，XX，2：31～37
[21]于水，马范援.一种基于数据融合的医学图像分割方法[j].计算机辅助设计与图形学学报，XX，13(12)：1073～1076
[22]陆剑锋, 林海, 潘志庚. 自适应区域生长算法在医学图像分割中的应用[j]. 计算机辅助设计与图形学学报, XX, 17(10): 2168-2173.
[23]唐莉，李冉，罗述谦. 几种图像配准方法的研究[d]. 第九届全国医药信息学大会cmia，02论文集，XX:361-365.
[24] 张霞, 汪超. 医学图像处理技术及发展趋势[j]. 中外医学研究, XX, 8(007): 22-23.
[25]汪家旺，罗立民，舒华忠. ct、mr图像融合技术临床应用研究[j]. 影像技术学，XX;8：604-608.
推荐访问:开题 范本 影像 医学开题报告范本影像