闡述了醫學圖像處理技術的發展動態，介紹了目前國內在三維醫學圖像的可視化和基于PACS的醫學圖像壓縮在醫學圖像處理方面的進展。在比較各種技術在相關領域中應用的基礎上，提出了醫學圖像處理技術發展所面臨的相關問題及其發展方向。
關 鍵 詞 醫學圖像處理; 可視化; 圖像分割; 圖像匹配; 圖像融合; 圖像存檔通信系統

近20多年來，醫學影像已成為醫學技術中發展最快的領域之一，其結果使臨床醫生對人體內部病變部位的觀察更直接、更清晰，確診率也更高。70年代初，X-CT的發明曾引發了醫學影像領域的一場革命，與此同時，核共振成像、超聲成像、數字射線照相術、發射型計算機成像和核素成像等也逐步發展。計算機和醫學圖像處理技術作為這些成像技術的發展基礎，帶動著現代醫學診斷正產生著深刻的變革。各種新的醫學成像方法的臨床應用，使醫學診斷和治療技術取得了很大的進展，同時將各種成像技術得到的信息進行互補，也為臨床診斷及生物醫學研究提供了有力的科學依據。因此，醫學圖像處理技術一直受到國內外有關專家的高度重視。醫學圖像處理技術
醫學圖像處理技術包括很多方面，本文主要介紹分析圖像分割、圖像配準和融合以及偽彩色處理技術和紋理分析在醫學領域的應用和發展。
圖像分割就是把圖像中具有特殊涵義的不同區域分開來，這些區域使互不相交的每 一 個區域都滿足特定區域的一致性。它是圖像處理與圖像分析中的一個經典問題。目前針對各種具體問題已經提出了許多不同的圖像分割算法, 對圖像分割的效果也有很好的分析結論。但是由于圖像分割問題所面向領域的特殊性，至盡尚未得到圓滿的、具有普適性的解決方法。圖像分割技術發展至今，已在灰度閾值分割法、邊緣檢測分割法、區域跟蹤分割法的基礎上結合特定的理論工具有了更進一步的發展。比如基于三維可視化系統結合Fast Marching算法和Watershed變換的醫學圖像分割方法, 能得到快速、準確的分割結果。圖像分割同時又是進行三維重建的基礎，分割的效果直接影響到三維重建后模型的精確性，分割可以幫助醫生將感興趣的物體(病變組織等)提取出來，幫助醫生能夠對病變組織進行定性及定量的分析，從而提高醫生診斷的準確性和科學性。如何使多次成像或多種成像設備的信息得到綜合利用，彌補信息不完整、部分信息不準確或不確定引起的缺陷，使臨床的診斷治療、放療定位、計劃設計、外科手術和療效評估更準確，已成為醫學圖像處理急需解決的重要課題。醫學圖像配準是通過尋找某種空間變換，使兩幅圖像的對應點達到空間位置和解剖結構上的完全一致。要求配準的結構能使兩幅圖像上所有的解剖點，或至少是所有具有診斷意義以及手術區域的點都達到匹配。目前醫學圖像配準方法有基于外部特征的圖像配準(有框架)和基于圖像內部特征的圖像配準(無框架)兩種方法。后者由于其無創性和可回溯性，已成為配準算法的研究中心。基于互信息的彈性形變模型也逐漸成為研究熱點。互信息是統計兩個隨機變量相關性的測度，以互信息作為兩幅圖像相似性測度進行配準基于如下原理：當兩幅基于共同的解剖結構的圖像達到最佳配準時，它們對應的圖像特征的互信息應為最大。 ]5[]6[
圖像配準是圖像融合的前提，是公認難度較大的圖像處理技術，也是決定醫學圖像融合技術發展的關鍵技術。近年來國外在圖像配準方面研究很多，如幾何矩的配準、利用圖像的相關系數、樣條插值等多項式變換對圖像進行配準。國內研究人員也提出了一些相應的算法：對于兩幅圖像共同來估計其正反變換的一種新的圖像配準方法，稱為一致圖像配準方法；采用金字塔式分割，進行多柵格和多分辨率的圖像配準，稱為金字塔式多層次圖像配準方法；為了提高CT、MRI、PET多模態醫學圖像的三維配準、融合的精度，還可以采用基于互信息的方法。在圖像配準方面，在努力提高配準精度的同時，目前提出的多種方法都盡量避免人工介入，力求整個過程自動化，其結果導致實現算法的過程復雜而耗費時間，文獻[5]已進行研究，試圖實現基于人機交互的快速圖像配準策略, 同時根據圖像的不同成像模式選擇合適的配準測度也十分重要。
不同的醫學圖像提供了相關臟器的不同信息，圖像融合的潛力在于綜合處理應用這些成像設備所得信息以獲得新的有助于臨床診斷的信息。利用可視化軟件，對多種模態的圖像進行圖像融合，可以準確地確定病變體的空間位置、大小、幾何形狀及它與周圍生物組織之間的空間關系，從而及時高效地診斷疾病，也可以用在手術計劃的制定、病理變化的跟蹤、治療效果的評價等方面。在放療中，利用MR圖像勾勒畫出腫瘤的輪廓線，也就是描述腫瘤的大小；利用CT圖像計算出放射劑量的大小以及劑量的分布，以便修正治療方案。在制定手術方案時，對病變與周圍組織關系的了解是手術成功與否的關鍵，所以CT與MR圖像的融合為外科手術提供有利的佐證，甚至為進一步研究腫瘤的生長發育過程及早期診斷提供新的契機。在CT成像中，由于骨組織對X線有較大的吸收系數，因此對骨組織很敏感；而在MR成像中，骨組織含有較低的質子密度，所以MR對骨組織和鈣化點信號較弱，融合后的圖像對病變的定性、定位有很大的幫助。由于不同醫學成像設備的成像機理不同，其圖像質量、空間與時間特性有很大差別。因此，實現醫學圖像的融合、圖像數據轉換、圖像數據相關、圖像數據庫和數據理解都是亟待解決的關鍵技術。對一幅黑白圖像，人眼一般只能辨別出4到5比特的灰度級別，而人眼能辨別出上千種不同的顏色。針對這一特點，人們往往將黑白圖像經過處理變為彩色圖像，充分發揮人眼對彩色的視覺能力，從而使觀察者能從圖像中取得更多的信息，這就是偽彩色圖像處理技術。醫學圖像大多是黑白圖像，如X、CT、MRI、B超圖像等。經過偽彩色處理技術，即密度分割技術，提高了對圖像特征的識別。通過臨床研究對X線圖片、CT圖片、MRI圖片、B超圖片、電鏡圖片均進行了偽彩色技術的嘗試，取得了良好的效果，部分圖片經過處理后可以顯現隱性病灶。例如對X線圖片，在乳腺照影中偽彩色處理能鑒別囊性病、良性和惡性腫瘤，同樣，鋇餐照影圖片和各種X線圖片也得到良好的診斷效果。紋理是人類視覺的一個重要組成部分，迄今為止還難以適當地為紋理建模。為此有關專家進行了大量的探索研究，但未能獲得有關紋理的分析、分類、分割及其綜合的有效解釋。有研究針對肝臟疾病難以根除、危害面廣的問題，采用灰度梯度共生矩陣的方法，分別提取纖維化肝組織和正常肝組織的CT圖像的紋理特征，提出了基于灰度梯度共生矩陣的小梯度優勢、灰度均方差、灰度熵等參數作為圖像的紋理特征量。通過選取的紋理參數，可以看到正常組和異常組之間存在顯著性差異，為纖維化CT圖像臨床診斷提供了依據.