醫(yī)學(xué)圖像診斷精選(五篇)

序言：作為思想的載體和知識(shí)的探索者，寫(xiě)作是一種獨(dú)特的藝術(shù)，我們?yōu)槟鷾?zhǔn)備了不同風(fēng)格的5篇醫(yī)學(xué)圖像診斷，期待它們能激發(fā)您的靈感。

篇1

【關(guān)鍵詞】 心肌缺血； 心向量； 心電圖； 診斷； 檢查

doi：10.14033/ki.cfmr.2017.3.025 文獻(xiàn)標(biāo)識(shí)碼 B 文章編號(hào) 1674-6805（2017）03-0047-02

【Abstract】 Objective：To explore the diagnostic value of ECG and VCG joint inspection in myocardial ischemia.Method：84 patients with coronary heart disease in our hospital from October 2015 to June 2016 were included in the study of this experiment，including 52 cases of patients with symptoms，32 cases of asymptomatic patients.They were all given ECG and ECG+VCG examination respectively，the positive diagnostic rates of the two methods were compared.Result：For patients with symptoms，the positive rates of ECG+VCG examination and ECG examination were 96.15% and 71.15%，the difference was statistically significant（P

【Key words】 Myocardial ischemia； Cardiac vector； Electrocardiogram； Diagnosis； Examination

First-author’s address：The Second People’s Hospital of Yulin City，Yulin 537000，China

心肌缺血主要是由于心K血管供血降低引發(fā)心肌收縮能力降低導(dǎo)致的一類(lèi)心肌缺血情況，以中老年人群較為多見(jiàn)，另外，考慮到老年人群屬于一類(lèi)較為特殊的群體，血管彈性降低，容易引發(fā)動(dòng)脈粥樣硬化情況并形成斑塊，使得冠狀動(dòng)脈發(fā)生栓塞，導(dǎo)致心臟供血不足[1]。另外，臨床研究發(fā)現(xiàn)，對(duì)心肌缺血患者進(jìn)行早期臨床干預(yù)的意義重大，可有效延長(zhǎng)患者生命[2]，其中臨床上較為推薦的診斷方式為心電圖（ECG）與心向量圖（VCG）診斷，將兩種診斷方式聯(lián)合進(jìn)行疾病診斷可使得冠心病患者的診斷準(zhǔn)確性明顯提高，利于疾病的診斷與治療。為了對(duì)上述兩種診斷方式的應(yīng)用價(jià)值進(jìn)行更加深入的分析，本文將筆者所在醫(yī)院2015年10月-2016年6月收治的84例冠心病患者納入試驗(yàn)研究，并采取心電圖+心向量聯(lián)合檢查方案，現(xiàn)將相關(guān)資料報(bào)道如下。

1 資料與方法

1.1 一般資料

擇取筆者所在醫(yī)院2015年10月-2016年6月收治的冠心病患者84例納入本次試驗(yàn)研究，醫(yī)護(hù)人員同所有患者詳細(xì)講解了本次試驗(yàn)的目的、意義、方法等，獲得所有患者的知情同意，其中有癥狀的患者伴有胸痛、胸悶、呼吸困難等癥狀。

其中有癥狀患者52例，無(wú)癥狀患者32例。有癥狀患者中男32例，女20例，年齡最大71歲，最小50歲，平均（60.36±3.28）歲；無(wú)癥狀患者中男20例，女12例，年齡最大70歲，最小50歲，平均（60.14±3.10）歲。

篇2

小波變換近年來(lái)發(fā)展迅速，作為傳統(tǒng)Fourier變換的繼承和發(fā)展，小波變換解決了Fourier變換所不能解決的一些技術(shù)方面的問(wèn)題（如突變信號(hào)與非平穩(wěn)信號(hào)）。中醫(yī)診斷的主要方法為望、聞、問(wèn)、切，其中望診和切診至關(guān)重要。本文對(duì)小波變換在望診和切診中新的應(yīng)用，即對(duì)中醫(yī)診斷圖像的處理（包括圖像增強(qiáng)、去噪、融合、壓縮）和對(duì)中醫(yī)脈象信號(hào)處理進(jìn)行了簡(jiǎn)要的綜述。

【關(guān)鍵詞】 小波變換　中醫(yī)診斷　中醫(yī)圖像處理　中醫(yī)脈象特征分析

【Abstract】 Wavelet transformation has been developing for many years，as the inheritor and the offspring of traditional Fourier transformation， it resolves several problems which Fourier transformation cannot solve（such as mutative signal and unquiet signal）.The main methods of the Chinese medical diagnosis are observing， smelling， consulting and pulse-taking，especially the observing and pulse-taking. This article give a summarize about the new application of wavelet transformation in Chinese medical observing and pulse-taking， that diagnostic image processing of Chinese medicine（including image enhancement ，noise elimination ，fusion ，coding compression） and pulse signal of Chinese medicine .

【Key words】 wavelet transform; Chinese medical diagnosis; Chinese medical image processing; Chinese medical pulse signal

小波的概念最初是由法國(guó)地球物理學(xué)家J.Morlet提出，最初是為了更好地分析地震波的特性。經(jīng)過(guò)20余年的發(fā)展，目前小波理論在圖像處理、醫(yī)學(xué)信號(hào)處理、信號(hào)分析、語(yǔ)音合成、計(jì)算機(jī)視覺(jué)、數(shù)據(jù)壓縮、大氣與海洋波分析、地震信號(hào)處理、分形及數(shù)字電視等許多領(lǐng)域得到了巨大的發(fā)展。在中醫(yī)診斷方面，小波變換主要具體應(yīng)用在對(duì)中醫(yī)診斷圖像的處理和中醫(yī)脈象信號(hào)處理上，使望診和切診更準(zhǔn)確，從而大大提高了中醫(yī)師診斷的準(zhǔn)確率，使古老傳統(tǒng)的中醫(yī)通過(guò)計(jì)算機(jī)科學(xué)技術(shù)這一新的途徑發(fā)揚(yáng)光大。

1 基本原理

小波變換是時(shí)間（空間）和頻率的局部化分析，通過(guò)伸縮和平移運(yùn)算對(duì)信號(hào)或函數(shù)逐步進(jìn)行多尺度細(xì)化的分析，最終達(dá)到高頻處時(shí)間細(xì)分，低頻處頻率細(xì)分，能自動(dòng)適應(yīng)時(shí)頻信號(hào)分析的要求，從而可聚焦到信號(hào)的任意一個(gè)細(xì)節(jié)，所以說(shuō)小波變換有兩個(gè)特點(diǎn)，即自適應(yīng)性和數(shù)學(xué)顯微鏡性質(zhì)，能根據(jù)對(duì)象調(diào)整各項(xiàng)參數(shù)和調(diào)焦。

2 小波變換對(duì)中醫(yī)診斷圖像的處理

小波變換對(duì)中醫(yī)診斷圖像中的處理和對(duì)西醫(yī)診斷圖像中的處理大體相同，都是利用小波變換的特點(diǎn)使得醫(yī)學(xué)診斷圖像更有利于識(shí)別病征［1］，具體作用主要表現(xiàn)為以下幾個(gè)方面。

2．1 中醫(yī)診斷圖像增強(qiáng) 在中醫(yī)診斷圖像中，圖像會(huì)難免有對(duì)比度差或者圖像邊緣模糊一系列不利于診斷的因素，對(duì)于中醫(yī)師的準(zhǔn)確診斷有不少的障礙。傳統(tǒng)的圖像增強(qiáng)的方法往往基于像素灰度變換的空間域增強(qiáng)和基于濾波操作的頻率域增強(qiáng)來(lái)達(dá)到圖像增強(qiáng)的目的，這樣會(huì)或多或少產(chǎn)生圖像的局部失真和噪聲增強(qiáng)。小波變換剛好彌補(bǔ)了這一缺點(diǎn)，即在不改變圖像的精確度的情況下，對(duì)圖像的輪廓進(jìn)行一種補(bǔ)償式的增強(qiáng)，使得中醫(yī)師在對(duì)診斷圖像進(jìn)行分析診斷時(shí)，更好的把握病人的病情，基于小波變換的醫(yī)學(xué)圖像增強(qiáng)的方法有很多，其中李清順等［2］分析了采用分形增強(qiáng)的方法，在分形增強(qiáng)后又采用了小波增強(qiáng)圖像的方法，使圖像邊緣輪廓增強(qiáng)，達(dá)到了更好的視覺(jué)效果，并且避免了單純采用小波增強(qiáng)方法會(huì)使圖像噪聲也增強(qiáng)的不足。侯艷芹等［3］分析了將尺度系數(shù)和小波系數(shù)進(jìn)行不同的處理，分別利用兩步提升增強(qiáng)法對(duì)小波變換后的圖像低頻信息進(jìn)行增強(qiáng)和軟域值算法對(duì)小波變換后的圖像高頻信息先進(jìn)行去噪， 然后再增強(qiáng)，最后把這兩部分綜合起來(lái)進(jìn)行小波反變換得到圖像的一種新的方法。王修信等［4］提出將超聲醫(yī)學(xué)圖像投影到小波變換域，然后利用軟閾值技術(shù)方法進(jìn)行降噪處理最后使用非線(xiàn)性增強(qiáng)技術(shù)提高圖像對(duì)比度。處理結(jié)果有效地去除原圖像的斑點(diǎn)噪聲，使圖像中較模糊、對(duì)比度差的細(xì)節(jié)得到增強(qiáng)，優(yōu)于傳統(tǒng)的直方圖均衡增強(qiáng)方法。武杰等［5］在基于小波變換的醫(yī)學(xué)圖像增強(qiáng)方法中，分析比較了3種基于小波變換的醫(yī)學(xué)圖像增強(qiáng)方法，得出小波變換避免了窗口濾波運(yùn)算，在變換域中更加靈活，更加有效，得到的處理圖像層次感更分明，增強(qiáng)效果更明顯，更有利于醫(yī)師做出及時(shí)準(zhǔn)確的判斷。綜上所述，通過(guò)小波變換能夠使中醫(yī)診斷圖像更為準(zhǔn)確的反映病人的身體各項(xiàng)機(jī)能，使中醫(yī)師根據(jù)中醫(yī)診斷圖像做出更精確的判斷。

2.2 中醫(yī)診斷圖像去噪 在中醫(yī)師進(jìn)行診斷的過(guò)程中，所得到的圖像難免會(huì)混入噪聲，使圖像的信噪比下降，提高了中醫(yī)師對(duì)中醫(yī)診斷圖像分析的難度，對(duì)中醫(yī)師的正確診斷有諸多不利的影響，降低中醫(yī)師診斷的準(zhǔn)確率。對(duì)于醫(yī)學(xué)圖像處理的傳統(tǒng)去噪方法主要有：鄰域平均法、多幅圖像平均法、中值濾波等。小波變換在此基礎(chǔ)上更進(jìn)一步提高了圖像的信噪比，張昌林等［6］概括提出了一種改進(jìn)的基于小波變換尺度間相關(guān)性的去噪方法，小波變換對(duì)整個(gè)圖像變換從時(shí)域變換到頻域，然后再量化、編碼、輸出，這樣就保留圖像的精細(xì)信息，滿(mǎn)足中醫(yī)疾病診斷圖像的要求。對(duì)診斷圖像進(jìn)行去噪處理和方法二維小波變換大大提高了中醫(yī)師對(duì)圖像的準(zhǔn)確率，可以檢測(cè)出患者病患的輪廓線(xiàn)，從而有助于提高中醫(yī)師對(duì)各種疾病的診斷準(zhǔn)確率。陶玲等［7］分析了醫(yī)學(xué)圖像的噪聲主要分布在圖像的高頻成分上，對(duì)小波分解的高頻系數(shù)作處理來(lái)達(dá)到去噪的目的。二維小波變換在當(dāng)高頻噪聲含量較高時(shí)，可以采取低頻濾波法；當(dāng)高頻噪聲含量不高時(shí)，可采用小波閾值化去噪法對(duì)小波變換域的系數(shù)進(jìn)行篩選。郭敏等［8］分析提出了一種基于小波分析理論的醫(yī)學(xué)超聲圖像噪聲的綜合抑制方法，首先對(duì)醫(yī)學(xué)超聲圖像進(jìn)行對(duì)數(shù)變換，將乘性噪聲變成加性噪聲;然后進(jìn)行多尺度小波變換，將圖像分解成一系列不同尺度上的小波系數(shù)，對(duì)變換后不同尺度的高頻子圖像進(jìn)行非線(xiàn)性小波軟閾值處理，閾值處理后的高頻子圖像進(jìn)行增強(qiáng);最后，經(jīng)小波逆變換和指數(shù)變換恢復(fù)去噪后圖像。結(jié)果證明該方法可有效保留細(xì)節(jié)信號(hào)，極大限度地去除斑紋噪聲。這些文獻(xiàn)均證明了基于小波變換不僅可以去除殘留的噪聲，而且去噪后獲得的圖像更加清晰，這樣一種方法運(yùn)用在中醫(yī)診斷圖像上，使中醫(yī)疾病診斷圖像有很好的視覺(jué)效果，消除噪聲帶來(lái)的不利影響，提高中醫(yī)師診斷的準(zhǔn)確率。

2.3 中醫(yī)診斷圖像融合 圖像融合在醫(yī)學(xué)方面的應(yīng)用是通過(guò)對(duì)多幅圖像的冗余信息和互補(bǔ)信息進(jìn)行處理， 將不同模態(tài)圖像的信息綜合起來(lái)，集中到一幅圖像中表達(dá)， 為醫(yī)生提供更加有效的診斷信息。這種方法在西醫(yī)診斷中應(yīng)用廣泛 （如CT、MRI、PET等），為臨床診斷和治療提供了不同模態(tài)的圖像。同樣我們也可以將此方法運(yùn)用到中醫(yī)的中醫(yī)診斷圖像中。唐晶磊等［9］提出了一種基于小波變換的醫(yī)學(xué)圖像融合方法，而且證明基于小波變換的圖像融合效果非常好。對(duì)圖像進(jìn)行小波分解后， 形成了不同頻率分辨率的細(xì)節(jié)信息， 針對(duì)不同頻帶子圖像的小波系數(shù)進(jìn)行組合， 形成融合圖像的小波系數(shù)。融合后的圖像保留了原始圖像的紋理和邊緣特征， 消除了圖像的塊狀偽影， 有效地將圖像所提供的信息融合在一起， 圖像的主觀視覺(jué)質(zhì)量有明顯的提高。陶觀群等［10］分析了基于小波變換的醫(yī)學(xué)圖像融合方法不僅可用于 CT圖像上觀察到的骨組織結(jié)構(gòu)和MR圖像上對(duì)照軟組織信息的融合，而且還用于來(lái)源于CT或MR圖像的解剖信息與來(lái)源于PET或SPECT圖像的功能信息融合。在外科手術(shù)導(dǎo)航系統(tǒng)中，將手術(shù)前所得的 CT和MR的病灶三維圖像與手術(shù)中所得到的實(shí)時(shí)X熒光圖像或超聲圖像進(jìn)行融合，有利于實(shí)時(shí)地指導(dǎo)和觀察，確保手術(shù)順利準(zhǔn)確地進(jìn)行。

2.4 中醫(yī)診斷圖像數(shù)據(jù)壓縮 中醫(yī)診斷圖像經(jīng)過(guò)小波變換后生成的小波圖像的數(shù)據(jù)總量與原圖像的數(shù)據(jù)量相等，即小波變換本身并不具有壓縮功能。之所以將它用于中醫(yī)診斷圖像壓縮，是因?yàn)樯傻男〔▓D像具有與原圖像不同的特性，表現(xiàn)在圖像的能量主要集中于低頻部分，而水平、垂直和對(duì)角線(xiàn)部分的能量則較少。湯樂(lè)民等［11］證明了小波變換非常適合于醫(yī)學(xué)圖像壓縮編碼等醫(yī)學(xué)圖像的處理。樊華等［12］也提出建立在小波分析基礎(chǔ)上的心電信號(hào)準(zhǔn)無(wú)損壓縮算法是可行的。小波分析的優(yōu)點(diǎn)是重建后的信號(hào)同原始信號(hào)相比幾乎沒(méi)有損耗；而且由于小波只需分解一層還具有算法簡(jiǎn)單和運(yùn)算速度快的特點(diǎn)。該方法不僅可用于心電信號(hào)壓縮方面，而且當(dāng)所采集的信號(hào)其數(shù)據(jù)變化范圍較大時(shí)，也可應(yīng)用基于小波分析的準(zhǔn)無(wú)損壓縮算法來(lái)進(jìn)行壓縮。

3 小波變換在中醫(yī)脈象信號(hào)特征分析中的應(yīng)用

脈診是中醫(yī)診察疾病的重要手段，脈象反映的是人體的生理與病理信息，脈象信號(hào)具有隨機(jī)性和非線(xiàn)性等特點(diǎn)。由于小波變換有“數(shù)學(xué)顯微鏡”這一特性和良好的時(shí)-頻局域化性質(zhì)，我們可以通過(guò)小波變換這一方法對(duì)脈象信號(hào)進(jìn)行處理。謝家宇等［13］應(yīng)用連續(xù)小波變換分析了15例海洛因吸毒者和15例正常人的脈象信號(hào)，提取了吸毒者脈象信號(hào)中的異常信息，為戒毒治療的評(píng)估與改進(jìn)提供客觀依據(jù)。研究結(jié)果表明，連續(xù)小波變換是處理脈象信號(hào)的有效方法。岳沛平等［14］分析了小波變換對(duì)脈象信號(hào)處理的另一種具體方法，即先將脈象信號(hào)消噪，利用小波變換具有良好的時(shí)-頻局部化的能力和對(duì)非平穩(wěn)信號(hào)突變點(diǎn)的檢測(cè)能力，對(duì)脈象信號(hào)同時(shí)進(jìn)行時(shí)域、頻域特征值的提取和分析，然后對(duì)脈象信號(hào)的特征值采用不同尺度的分析，在信號(hào)的不同部位得到最佳時(shí)域分辨率和頻域分辨率，此外再提取脈象在不同時(shí)間尺度上的能量這一表征脈象的新的特征值。結(jié)果表明小波變換有助于提高系統(tǒng)對(duì)不同脈象的識(shí)別能力，尤其是對(duì)相兼脈的辨識(shí)。

4 總結(jié)

小波變換這一技術(shù)在近幾年發(fā)展迅速，在各行各業(yè)都有著巨大的發(fā)展前景，在中醫(yī)診斷這一領(lǐng)域內(nèi)不斷有所突破，然而中醫(yī)古老悠遠(yuǎn)且博大精深，相信這一領(lǐng)域還有很大的發(fā)展空間。小波變換在中醫(yī)診斷中的應(yīng)用發(fā)展可以借鑒小波變換在西醫(yī)診斷運(yùn)用中的成功經(jīng)驗(yàn)，這樣有利用將小波變換這一現(xiàn)代化技術(shù)更好的輔助中醫(yī)診斷，推動(dòng)中醫(yī)的積極發(fā)展，小波變換也必將對(duì)于未來(lái)中醫(yī)的遠(yuǎn)程醫(yī)療、中醫(yī)醫(yī)院信息化（HIS、PACS）、中醫(yī)電子健康工程項(xiàng)目（E-HEALTH）等中醫(yī)診斷與現(xiàn)代化技術(shù)相結(jié)合的診療方案的開(kāi)發(fā)有著積極促進(jìn)作用。

【參考文獻(xiàn)】

1 李瑩.小波變換在醫(yī)學(xué)圖像處理上的應(yīng)用.計(jì)算機(jī)工程與設(shè)計(jì)，2006，27（7）：1279-1280.

2 李清順，楊定楚，秦前清.基于分形小波變換的醫(yī)學(xué)圖像增強(qiáng).計(jì)算機(jī)工程與設(shè)計(jì)，2005，26（3）：807-809.

3 侯艷芹，李均利，魏平，等.一種基于二維離散小波變換的醫(yī)學(xué)圖像增強(qiáng)算法.計(jì)算機(jī)工程與應(yīng)用，2006，7：227-228.

4 王修信，胡維平，梁冬冬，等.基于小波分析的超聲醫(yī)學(xué)圖像非線(xiàn)性增強(qiáng).計(jì)算機(jī)工程與應(yīng)用，2005，18（8）：197-199.

5 武杰，聶生東，黃勇，等.基于小波變換的醫(yī)學(xué)圖像增強(qiáng)方法的比較分析.生物醫(yī)學(xué)工程研究，2005，24（2）：67-69.

6 張昌林，高紅艷，侯玉，等.小波變換在中醫(yī)診斷圖像中去噪處理的應(yīng)用.上海中醫(yī)藥大學(xué)學(xué)報(bào)，2006，20（4）：70-72.

7 陶玲，王惠南，顏廷勇.二維小波變換及其在醫(yī)學(xué)圖像處理中的應(yīng)用.南京航空航天大學(xué)學(xué)報(bào)，2004，36（3）：373-377.

8 郭敏，馬遠(yuǎn)良，朱霆.基于小波變換的醫(yī)學(xué)超聲圖像去噪及增強(qiáng)方法.中國(guó)醫(yī)學(xué)影像技術(shù)，2006，22（9）：1435-1437.

9 唐晶磊，何東健，趙文文，等.小波變換在醫(yī)學(xué)圖像融合中的應(yīng)用.醫(yī)學(xué)信息，2007，20（1）：1-3.

10 陶觀群，李大鵬，陸光華.小波分析方法在醫(yī)學(xué)圖像融合中的應(yīng)用.西安電子科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2004， 31（1）：82-86.

11 湯樂(lè)民，李敏.醫(yī)學(xué)圖像壓縮中的小波變換技術(shù).南通醫(yī)學(xué)院學(xué)報(bào)，2003，23（4）：503-505.

12 樊華，鄭小林.基于小波變換的醫(yī)學(xué)圖像壓縮.山東生物醫(yī)學(xué)工程，2003，22（2）：14-17.

篇3

關(guān)鍵詞：眼底圖像；黃斑；灌注區(qū)；亮點(diǎn)；血管芽

中圖分類(lèi)號(hào)：TP317.4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2013）006-0127-03

基金項(xiàng)目：新鄉(xiāng)市科技發(fā)展計(jì)劃項(xiàng)目； 新鄉(xiāng)學(xué)院自然科學(xué)研究計(jì)劃基金項(xiàng)目（1399020087）

作者簡(jiǎn)介：張同光（1977-），男，碩士，新鄉(xiāng)學(xué)院計(jì)算機(jī)學(xué)院講師，研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)與信息安全技術(shù)、嵌入式系統(tǒng)、Linux。

0引言

本項(xiàng)目（數(shù)字眼底熒光造影分析軟件）是新鄉(xiāng)學(xué)院、新鄉(xiāng)市中心醫(yī)院兩家單位共同承擔(dān)的新鄉(xiāng)市科技發(fā)展計(jì)劃項(xiàng)目。新鄉(xiāng)學(xué)院負(fù)責(zé)數(shù)字影像分析軟件編制工作，中心醫(yī)院負(fù)責(zé)提供醫(yī)學(xué)素材、影像分析技術(shù)和測(cè)試環(huán)境。

1眼底

眼底[1]是眼球內(nèi)后部的組織，即眼球的內(nèi)膜——視網(wǎng)膜、視、黃斑和視網(wǎng)膜中央動(dòng)靜脈。

在視盤(pán)的外側(cè)，有一個(gè)顏色略深，中心凹處有一反射光點(diǎn)，稱(chēng)為黃斑，它是視力最敏銳的部分。

眼底檢查十分重要，許多疾病都可以從眼底上反映出來(lái)。眼底的視網(wǎng)膜血管是人體中唯一可看見(jiàn)的血管，醫(yī)生把它當(dāng)作了解其它臟器血管情況的窗口。因此，它的變化在一定程度上反映了一些器官的改變程度。醫(yī)生可據(jù)此來(lái)分析、判斷疾病的嚴(yán)重程度[2]。

2眼底圖像及其處理

眼底圖像是利用眼底照相機(jī)對(duì)眼球內(nèi)壁進(jìn)行不同角度拍攝而成的圖像，圖像經(jīng)過(guò)數(shù)字化存入計(jì)算機(jī)中，醫(yī)師可通過(guò)對(duì)眼底圖像的分析[3]，為各種疾病的診斷提供參考依據(jù)。

醫(yī)學(xué)圖像研究可以分為兩大部分：醫(yī)學(xué)圖像成像技術(shù)研究、醫(yī)學(xué)圖像處理與分析，兩者又都包含廣泛的研究?jī)?nèi)容。醫(yī)學(xué)圖像處理與分析中主要包括：①圖像增強(qiáng)技術(shù)；②圖像分割技術(shù)；③圖像配準(zhǔn)與拼接技術(shù)；④圖像顯示技術(shù)；⑤圖像指導(dǎo)治療技術(shù)；⑥圖像引導(dǎo)手術(shù)技術(shù)；⑦醫(yī)學(xué)虛擬環(huán)境技術(shù)。

醫(yī)學(xué)圖像處理與分析一直都是圖像處理和分析領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問(wèn)題，借助圖形、圖像技術(shù)的有力手段，醫(yī)學(xué)圖像的質(zhì)量和顯示方法得到了極大的改善，使得醫(yī)療水平大大提高，不論在基礎(chǔ)學(xué)科還是臨床應(yīng)用，都是圖像處理種類(lèi)極多的領(lǐng)域。但是，由于醫(yī)學(xué)圖像的處理技術(shù)難度大，依然存在著較多的關(guān)鍵問(wèn)題，使得很多處理很難達(dá)到臨床實(shí)用化程度。

本課題以眼底圖像為研究對(duì)象，主要集中在對(duì)眼底圖像的后處理及其應(yīng)用等方面。結(jié)合臨床實(shí)際，對(duì)這些關(guān)鍵問(wèn)題展開(kāi)深入的研究，并將成果應(yīng)用于醫(yī)學(xué)臨床分析和診斷。

3研究?jī)?nèi)容

本項(xiàng)目主要的研究工作是：開(kāi)發(fā)眼底照片輔助分析診斷軟件，實(shí)現(xiàn)醫(yī)師在電腦上完成對(duì)眼底影像的瀏覽、分析、診斷、病歷編輯、打印、存檔等一系列工作（其中分析、診斷功能是本項(xiàng)目的關(guān)鍵技術(shù)）。

黃斑是視網(wǎng)膜上一個(gè)重要的部位，是中心視力最敏銳（視細(xì)胞最密集）的區(qū)域，直徑僅有1.5mm。多數(shù)眼科疾病與黃斑病變（視網(wǎng)膜病變）有關(guān)，中心性視網(wǎng)膜炎、出血性黃斑等病變，伴有視網(wǎng)膜下新生血管、滲漏及出血，病灶邊緣處有弧形或環(huán)形出血，偶有呈放射形排列的點(diǎn)狀出血。病程末期，黃斑區(qū)形成黃白色瘢痕。黃斑病變（視網(wǎng)膜病變）的眼底熒光血管造影中，會(huì)發(fā)現(xiàn)滲出灶處有顆粒狀、花邊狀（本項(xiàng)目中稱(chēng)為血管芽）等多種形態(tài)的新生血管網(wǎng)。因此，采用數(shù)據(jù)圖像處理技術(shù)（閾值化輪廓提取法、半徑直方圖等）對(duì)眼底圖像進(jìn)行處理，獲得黃斑區(qū)域（包括其附近區(qū)域）的圖像特征（如區(qū)域邊緣的輪廓、形狀等）和人為圖像特征（如直方圖、圓度、長(zhǎng)半軸、短半軸等）。

總之，從眼底圖像中要獲得的信息是：拱環(huán)（黃斑）、灌注區(qū)、亮點(diǎn)、血管芽及它們的屬性，然后根據(jù)這些信息幫助眼科醫(yī)生做出初步診斷。

4技術(shù)方案

在分析和比較現(xiàn)有眼底圖像分析與處理方法的基礎(chǔ)上，針對(duì)眼底圖像處理與分析中存在的關(guān)鍵問(wèn)題，從以下4個(gè)方面進(jìn)行研究：①圖像預(yù)處理；②區(qū)域識(shí)別；③輪廓提取；④參數(shù)獲取及診斷。

本課題研究的主要內(nèi)容及模塊間關(guān)系、研究技術(shù)路線(xiàn)如圖1所示。將信息學(xué)與生物醫(yī)學(xué)緊密結(jié)合起來(lái)，充分利用現(xiàn)代計(jì)算機(jī)圖像處理技術(shù)，對(duì)彩色眼底圖像進(jìn)行分析與處理，為臨床診斷與科學(xué)研究提供定性與定量的參考依據(jù)。

解決技術(shù)問(wèn)題所采用的方案：①用二值SOBEL法，對(duì)圖像進(jìn)行邊緣提取，得到眼底圖像的二值輪廓；②通過(guò)動(dòng)態(tài)閾值法獲得適合當(dāng)前圖像的閾值（包括黃斑閾值、亮點(diǎn)閾值、血管芽閾值），根據(jù)獲得的閾值對(duì)圖像進(jìn)行二值化處理，進(jìn)而得到“拱環(huán)（黃斑區(qū)）、無(wú)灌注區(qū)”圖、“亮點(diǎn)”圖、“血管芽”圖，便于后續(xù)的處理；③通過(guò)區(qū)域亮點(diǎn)密度（亮點(diǎn)數(shù)），判斷眼底圖像中是否存在分支靜脈栓塞；④通過(guò)區(qū)域芽點(diǎn)密度（芽點(diǎn)數(shù)），判斷眼底圖像中是否存在血管芽；⑤通過(guò)黃斑區(qū)個(gè)數(shù)、無(wú)灌注區(qū)個(gè)數(shù)，判斷黃斑結(jié)構(gòu)是否異常，是否存在無(wú)灌注區(qū)；⑥獲得基準(zhǔn)面積、測(cè)量面積以及黃斑區(qū)的屬性（圓度、長(zhǎng)半軸、短半軸等）；⑦通過(guò)半徑直方圖法，判斷黃斑區(qū)的圓度；⑧匯總前面的處理結(jié)果，作出初步診斷。

5研究環(huán)境

本項(xiàng)目研究的數(shù)字眼底熒光造影分析儀包括數(shù)字影像采集設(shè)備和眼底照片分析診斷軟件兩個(gè)部分。①硬件：通用PC、眼底照相機(jī)（TRC-50DX）；②軟件：Windows XP、Visual Studio 2005、C/C++、OpenCV（Open Source Computer Vision Library）。

6系統(tǒng)測(cè)試

測(cè)試選用三個(gè)實(shí)際來(lái)診病人的眼底圖像，一人眼底圖像正常，兩人眼底圖像異常。

待處理A（正常）眼底圖像如圖2所示。

待處理B（異常）眼底圖像如圖3所示。

待處理C（異常）眼底圖像如圖4所示。

基準(zhǔn)值通過(guò)10張正常的眼底圖像計(jì)算而得。

由于篇幅限制，僅提供來(lái)診病人——C（異常）的測(cè)試圖像。

通過(guò)動(dòng)態(tài)閾值法和手動(dòng)閾值法對(duì)眼底圖像進(jìn)行處理，圖5、6、7、8、9、10、11是動(dòng)態(tài)閾值法獲得圖像，手動(dòng)閾值法獲得的圖像省略。

7結(jié)語(yǔ)

通過(guò)對(duì)3個(gè)來(lái)診病人眼底圖像的測(cè)試，說(shuō)明了該課題設(shè)計(jì)的眼底影像輔助分析診斷及管理系統(tǒng)達(dá)到了預(yù)期的功能，能夠快速主動(dòng)地為眼科醫(yī)生提供一系列有價(jià)值的診斷參數(shù)和初步診斷結(jié)果，極大提高了診斷時(shí)間。從測(cè)試所獲得的參數(shù)和結(jié)果看，動(dòng)態(tài)閾值法要好些。

另外，該系統(tǒng)能夠快速生成診斷報(bào)告單（見(jiàn)圖12），極大提高了工作效率。關(guān)于生成診斷報(bào)告單的具體過(guò)程，在軟件使用說(shuō)明書(shū)中描述。

該課題設(shè)計(jì)的眼底影像輔助分析診斷及管理系統(tǒng)還存在不足之處：

在對(duì)少數(shù)圖像進(jìn)行處理時(shí)，沒(méi)有完全達(dá)到預(yù)期的結(jié)果，這也是使用該系統(tǒng)的醫(yī)院反饋的信息。比如說(shuō)，在判斷亮點(diǎn)時(shí)，識(shí)別出來(lái)的亮點(diǎn)個(gè)數(shù)為47（亮點(diǎn)個(gè)數(shù)

參考文獻(xiàn)：

[1]王曉幸，王勤美.包含飛.眼科信息學(xué)的發(fā)展概述[J].中華眼科雜志，2006（5）.

篇4

目前，生物醫(yī)學(xué)圖像信息技術(shù)主要包括生物醫(yī)學(xué)圖像傳輸、圖像管理、圖像分析、圖像處理幾方面。這些技術(shù)同以前的圖像技術(shù)、醫(yī)學(xué)影像技術(shù)都有一定的聯(lián)系，其在涵蓋以往圖像技術(shù)、醫(yī)學(xué)影像技術(shù)的同時(shí)，也具有自身的特點(diǎn)，與傳統(tǒng)的圖像和醫(yī)學(xué)影像技術(shù)相比，生物醫(yī)學(xué)圖像信息技術(shù)更加強(qiáng)調(diào)在醫(yī)學(xué)圖像信息收集、處理等過(guò)程中應(yīng)用計(jì)算機(jī)信息技術(shù)。

1.1圖像成像

從本質(zhì)上來(lái)看，生物醫(yī)學(xué)圖像成像技術(shù)（下文簡(jiǎn)稱(chēng)“圖像成像技術(shù)”）與醫(yī)學(xué)影像技術(shù)的區(qū)別并不大，僅僅是人們更習(xí)慣將其表達(dá)為醫(yī)學(xué)影像。生物醫(yī)學(xué)圖像成像技術(shù)的研究?jī)?nèi)容為：利用染色方法和光學(xué)原理，清晰地表達(dá)出機(jī)體內(nèi)的相關(guān)信息，并將其轉(zhuǎn)變?yōu)榭梢晥D像。圖像成像技術(shù)研究的圖像對(duì)象有：人體的標(biāo)本攝影圖像、觀察手繪圖像、斷層圖像（如ECT、CT、B超、紅外線(xiàn)、X光）、臟器內(nèi)窺鏡圖像、激光共聚焦顯微鏡圖像、活細(xì)胞顯微鏡圖像、熒光顯微鏡圖像、組織細(xì)胞學(xué)光學(xué)顯微鏡圖像、基因芯片、核酸、電泳等顯色信息圖像、納米原子力顯微鏡圖像、超微結(jié)構(gòu)的電子顯微鏡圖像等等。

圖像成像技術(shù)主要包括2個(gè)部分：現(xiàn)代數(shù)字成像和傳統(tǒng)攝影成像。通?？刹捎脪呙鑳x、內(nèi)窺鏡數(shù)碼相機(jī)、采集卡、數(shù)字?jǐn)z像機(jī)等進(jìn)行數(shù)字圖像采集；顯微圖像采集則可應(yīng)用光學(xué)顯微鏡成像設(shè)備及超微結(jié)構(gòu)電子顯微鏡成像設(shè)備；特殊光源采集可應(yīng)用超聲成像儀器、核磁共振成像儀器及X光成像設(shè)備。目前，各種醫(yī)學(xué)圖像技術(shù)的發(fā)展都十分迅速，特別是MRI、CT、X線(xiàn)、超聲圖像等技術(shù)。在醫(yī)學(xué)圖像成像技術(shù)方面，如何提高成像分辨力、成像速度、拓展成像功能，尤其是在生理功能及人體化學(xué)成分檢測(cè)方面，已經(jīng)引起了相關(guān)領(lǐng)域的重視。

1.2圖像處理

生物醫(yī)學(xué)圖像處理技術(shù)，是指應(yīng)用計(jì)算機(jī)軟硬件對(duì)醫(yī)學(xué)圖像進(jìn)行數(shù)字化處理后，進(jìn)行數(shù)字圖像采集、存儲(chǔ)、顯示、傳輸、加工等操作的技術(shù)。圖像處理是對(duì)獲取的醫(yī)學(xué)圖像進(jìn)行識(shí)別、分析、解釋、分割、分類(lèi)、顯示、三維重建等處理，以提取或增強(qiáng)特征信息。目前，醫(yī)學(xué)領(lǐng)域所應(yīng)用的圖像處理技術(shù)種類(lèi)較多，統(tǒng)計(jì)學(xué)知識(shí)、成像技術(shù)知識(shí)、解剖學(xué)知識(shí)、臨床知識(shí)等的圖像處理均得到了較快的發(fā)展。另外，人工神經(jīng)網(wǎng)絡(luò)、模糊處理等技術(shù)也引起了圖像處理研究領(lǐng)域的廣泛重視。

1.3圖像分析及圖像傳輸

生物醫(yī)學(xué)圖像分析技術(shù)，是指測(cè)量和標(biāo)定醫(yī)學(xué)圖像中的感興趣目標(biāo)，以獲取感興趣目標(biāo)的客觀信息，建立相應(yīng)的數(shù)據(jù)描述。通過(guò)計(jì)算測(cè)定的圖像數(shù)據(jù)，可揭示機(jī)體功能及形態(tài)，推斷損傷或疾病的性質(zhì)及其與其他組織的關(guān)系，進(jìn)而為臨床診斷、治療提供可靠依據(jù)。生物醫(yī)學(xué)圖像傳輸技術(shù)，是指應(yīng)用網(wǎng)絡(luò)技術(shù)，在互聯(lián)網(wǎng)上開(kāi)展醫(yī)學(xué)圖像信息的查詢(xún)與檢索。通過(guò)網(wǎng)上傳輸圖像，在異地間進(jìn)行圖像信息交流，可實(shí)現(xiàn)遠(yuǎn)程診斷。同時(shí)，在院內(nèi)通過(guò)PACS（數(shù)字醫(yī)學(xué)系統(tǒng)—醫(yī)學(xué)影像存檔與通信系統(tǒng)），也能在醫(yī)院內(nèi)部實(shí)現(xiàn)醫(yī)學(xué)圖像的網(wǎng)絡(luò)傳遞。

2總結(jié)

篇5

【關(guān)鍵詞】超聲醫(yī)學(xué)；紋理分析；影像組學(xué)；灰度共生矩陣

紋理一般指從圖像中觀察到的圖像像元的灰度變化規(guī)律，人們將圖像中存在的局部不規(guī)則的，二宏觀有規(guī)律的特征稱(chēng)為紋理。在圖像分析學(xué)中用數(shù)字特征描述灰度變化特征稱(chēng)為圖像的紋理特征。紋理分析的主要內(nèi)容可以分為圖像變換和圖像量化兩大類(lèi)。圖像變換將傳統(tǒng)的圖像濾除為其基本分量（空間、頻率等），生成派生的子圖像。紋理分析已經(jīng)在諸多領(lǐng)域應(yīng)用，醫(yī)學(xué)研究人員嘗試將紋理特征分析用于醫(yī)學(xué)圖像，探索疾病診斷、治療及預(yù)后等，并取得了一定的研究成果。

1紋理分析方法

紋理量化技術(shù)包括結(jié)構(gòu)、模型（分形維數(shù)）、基于統(tǒng)計(jì)和頻率的方法。統(tǒng)計(jì)分析紋理特征的方法簡(jiǎn)單，易于實(shí)現(xiàn)，所以目前醫(yī)學(xué)研究中應(yīng)用的較多。統(tǒng)計(jì)分析方法是通過(guò)統(tǒng)計(jì)圖像的空間及邊界頻率、空間灰度依賴(lài)關(guān)系等，紋理的細(xì)致和粗糙程度與空間頻率有關(guān)，低空間頻率與粗糙的紋理相關(guān)，細(xì)致的紋理具有高空間頻率?；诮y(tǒng)計(jì)的方法：灰度共生矩陣、灰度行程統(tǒng)計(jì)、灰度差分統(tǒng)計(jì)、局部灰度統(tǒng)計(jì)、半方差圖、自相關(guān)函數(shù)等?；叶裙采仃嚕℅LCM）是統(tǒng)計(jì)分析方法中最重要的方法。GLCM是建立在估計(jì)圖像的二階組合條件概率密度函數(shù)基礎(chǔ)上的統(tǒng)計(jì)方法，主要描述紋理基元或局部模式隨機(jī)和空間統(tǒng)計(jì)特征，以表示區(qū)域的一致性及區(qū)域間的相對(duì)性。其它方法在醫(yī)學(xué)影像研究中應(yīng)用的較少，所以在此不再贅述。

2紋理分析用于超聲醫(yī)學(xué)研究現(xiàn)狀

國(guó)內(nèi)外研究者嘗試?yán)酶鞣N紋理分析技術(shù)對(duì)多種醫(yī)學(xué)成像圖像（CT、MRI、數(shù)字X線(xiàn)片、超聲）進(jìn)行分析，探索無(wú)創(chuàng)診療新途徑。在新興領(lǐng)域-影像組學(xué)中紋理分析也是一個(gè)重要組成部分，它通過(guò)評(píng)估圖像中像素或體素灰度的分布和關(guān)系，可以定量客觀地評(píng)估組織的異質(zhì)性。紋理分析應(yīng)用于計(jì)算機(jī)斷層掃描（CT）和磁共振成像（MRI）較超聲圖像較超聲圖像早，在預(yù)測(cè)病理特征、預(yù)后和對(duì)各種疾病的治療反應(yīng)方面已經(jīng)顯示出了良好的效果。近些年有學(xué)者將紋理分析用于超聲成像，并取得了一定的研究成果。超聲圖像的紋理是由于不同的組織、同一組織不同病變及正常組織對(duì)超聲脈沖的吸收、衰退、反射有差異，由超聲脈沖相互作用而形成。因此，研究者假設(shè)圖像的紋理的不同，可定量分析來(lái)區(qū)分不同疾病，甚至預(yù)測(cè)基因、蛋白表達(dá)等的差異。從而為疾病的無(wú)創(chuàng)診斷、疾病的分期、基因相關(guān)性分析及預(yù)后預(yù)測(cè)等提供新的可參考依據(jù)。

2.1乳腺腫瘤研究現(xiàn)狀

因全球女性發(fā)病率最高的惡性腫瘤，一直以來(lái)對(duì)乳腺癌的早期診斷和治療是臨床持續(xù)關(guān)注的熱點(diǎn)問(wèn)題。超聲診斷是乳腺癌的普查和早期診斷的重要工具。超聲圖像紋理分析有望提高乳腺癌的診斷率，并有望為乳腺癌的分型及放化療預(yù)后等提供有價(jià)值的參考依據(jù)。種美玲等對(duì)113個(gè)病理證實(shí)的乳腺結(jié)節(jié)行灰階超聲及剪切波彈性成像回顧性分析，利用灰度共生矩陣特征提取，獲得對(duì)比度、同質(zhì)性、相關(guān)性，角二距等4個(gè)參數(shù)建立診斷模型，實(shí)驗(yàn)結(jié)果顯示灰階超聲及剪切波彈性圖像的多參數(shù)紋理分析及建立的診斷模型對(duì)乳腺結(jié)節(jié)良惡性有較高的診斷效能[1]。諸多關(guān)于乳腺病變的基于超聲圖像紋理特征分析的影像組學(xué)研究為無(wú)創(chuàng)分類(lèi)乳腺腫瘤的可能性奠定了基礎(chǔ)。

2.2肝臟疾病中的研究現(xiàn)狀

紋理分析可以進(jìn)一步提取和量化超聲圖像中的紋理特征，為進(jìn)一步的視覺(jué)信息提供補(bǔ)充，對(duì)肝臟疾病，尤其對(duì)肝纖維化有較高的診斷準(zhǔn)確性。張慧等對(duì)經(jīng)病理檢查證實(shí)的120個(gè)肝臟超聲影像（其中包括正常肝臟、肝臟惡性病變、肝臟良性病變等）行紋理特征提取分析，并結(jié)合決策樹(shù)算法進(jìn)行分類(lèi)診斷，結(jié)果顯示提取的紋理特征對(duì)圖像內(nèi)容有較好的分區(qū)性[2]。紋理分析作為影像組學(xué)圖像特征提取的重要方法多個(gè)實(shí)驗(yàn)研究證實(shí)該方法可為臨床上輔助診斷腫瘤性疾病提供依據(jù),也為后期圖像識(shí)別,圖像檢索和圖像數(shù)據(jù)挖掘提供了特征數(shù)據(jù)。

2.3骨骼肌疾病的研究現(xiàn)狀

灰度共生矩陣（GLCM）灰度分析是一種考慮圖像像素空間分布的圖像紋理分析方法。在研究運(yùn)動(dòng)誘導(dǎo)肌肉損傷（EIMD）中灰度共生矩陣（GLCM）一種很有前途的方法。Matta等跟蹤了骨骼肌偏心收縮后超聲圖像上兩個(gè)GLCM紋理參數(shù)（對(duì)比度、相關(guān)度）和回聲強(qiáng)度（EI）的時(shí)間變化。將13名未經(jīng)訓(xùn)練的婦女分為兩組，行肘部屈曲的偏心收縮。運(yùn)動(dòng)后24小時(shí)、48小時(shí)、72小時(shí)和96小時(shí)分別獲得超聲圖像。計(jì)算肱肌兩種GLCM紋理參數(shù)：對(duì)比（CON）和相關(guān)（COR）。測(cè)量峰值扭矩、EI、肌肉厚度（MT）和疼痛。與所有措施相比，干預(yù)后峰值扭矩和疼痛立即下降。干預(yù)后72hMT立刻升高（P＜0.05）。COR（48、72、96h）和EI僅在72、96h時(shí)顯著升高（P＜0.05），COR升高代表灰度級(jí)之間高度相似，這在肘關(guān)節(jié)屈肌偏心訓(xùn)練后幾天的超聲圖像上可以觀察到。最終通過(guò)實(shí)驗(yàn)得出結(jié)論：肌肉組織超聲圖像熵的變化與其能量消耗程度的相關(guān)度很高。肌骨超聲影像組學(xué)研究主要通過(guò)紋理分析方法實(shí)現(xiàn)，為運(yùn)動(dòng)醫(yī)學(xué)、康復(fù)醫(yī)學(xué)的發(fā)展提供了更多的定量診斷信息。

2.4其它疾病中的研究現(xiàn)狀

隨著紋理分析相關(guān)研究的發(fā)展，紋理特征被用于更多的領(lǐng)域，如甲狀腺腫瘤、卵巢腫瘤、心肌疾病及腎臟腫瘤等。Vidaurreta提出了一種基于神經(jīng)網(wǎng)絡(luò)的附件腫瘤自動(dòng)判別方法。研究者首先從卵巢超聲圖像中計(jì)算出7種不同類(lèi)型的紋理特征（局部二進(jìn)制模式、分形維數(shù)、熵、不變矩、灰度共生矩陣、法則紋理能量和Gabor小波），從中提取若干特征并隨臨床患者年齡一起收集。采用145例患者的卵巢腫瘤超聲圖像實(shí)驗(yàn)，其中106張良性圖像，39張惡性圖像，將提取的圖像特征進(jìn)行分類(lèi)后，對(duì)分類(lèi)器進(jìn)行評(píng)價(jià)，其準(zhǔn)確率為98.78%，靈敏度為98.50%，特異度為98.90%，曲線(xiàn)下面積為0.997。Priyank等對(duì)腎臟超聲圖像進(jìn)行預(yù)處理后利用灰度共生矩陣方法生成能量、熵、均勻性、相關(guān)性、對(duì)比度、差異性等多個(gè)二階統(tǒng)計(jì)紋理特征，將特征行主成分分析（PCA）將得到的特征簡(jiǎn)化為最優(yōu)子集，經(jīng)統(tǒng)計(jì)分析結(jié)果顯示出較高的分類(lèi)準(zhǔn)確率。

3對(duì)醫(yī)學(xué)超聲圖像的紋理分析方法的問(wèn)題及未來(lái)展望

紋理分析雖發(fā)展較早，但用于醫(yī)學(xué)圖像，尤其用于超聲圖像較晚，在超聲醫(yī)學(xué)中的相關(guān)研究也較少，目前，對(duì)超聲圖像的紋理分析主要應(yīng)用乳腺良惡性腫瘤的鑒別診斷，肝臟纖維化程度的分期，骨骼肌的損傷定量分析等疾病的診斷中，對(duì)惡性腫瘤的基因相關(guān)性研究、惡性腫瘤化療及放療效評(píng)估、腫瘤分級(jí)分期等研究仍較為缺乏。后續(xù)的更深入的研究中需要解決的問(wèn)題仍有很多。最大的問(wèn)題在于對(duì)圖像進(jìn)行標(biāo)準(zhǔn)化。在不同的研究者采用的設(shè)備及參數(shù)設(shè)置、圖像的預(yù)處理、對(duì)興趣區(qū)的分割方式的不同、特征提取等過(guò)程差異很大，因此實(shí)驗(yàn)的重復(fù)性較差[3]。今后的研究需要重新關(guān)注研究設(shè)計(jì)、報(bào)告實(shí)踐和圖像采集的標(biāo)準(zhǔn)化、特征計(jì)算和特征提取等，以推動(dòng)紋理分析在醫(yī)學(xué)超聲領(lǐng)域的發(fā)展。近些年，基于先進(jìn)計(jì)算機(jī)運(yùn)算能力、云計(jì)算、大數(shù)據(jù)以及機(jī)器學(xué)習(xí)及深度學(xué)習(xí)應(yīng)用于醫(yī)學(xué)圖像的紋理分析，為開(kāi)發(fā)正在生成的大量圖像數(shù)據(jù)財(cái)富的潛力創(chuàng)造了有利條件大大加快臨床數(shù)據(jù)分析的步伐。紋理分析作為影像組學(xué)的重要圖像特征也因此成為了多學(xué)科合作研究的新的研究領(lǐng)域。超聲醫(yī)學(xué)以其實(shí)時(shí)、無(wú)創(chuàng)、操作簡(jiǎn)單、廉價(jià)、便于多次重復(fù)檢查等優(yōu)勢(shì)，用過(guò)紋理分析的定量診斷方法必將為精準(zhǔn)醫(yī)療及疾病的個(gè)體化診療方案提供更多選擇，因此需要進(jìn)一步研究及探索。

【參考文獻(xiàn)】

[1]種美玲,時(shí)白雪,張禧,等.超聲聯(lián)合紋理分析對(duì)乳腺結(jié)節(jié)良惡性的診斷價(jià)值[J].中華醫(yī)學(xué)超聲雜志(電子版)，2019,16(08):581-585.

[2]張慧,遲慶云,劉彩霞.基于灰度共生矩陣的肝癌B超紋理特征決策樹(shù)診斷分析[J].中國(guó)醫(yī)藥指南,2015,13(25):2-3.