發(fā)布時間：2018-05-04 00:18

  本文選題：腹部醫(yī)學影像 + DICOM　； 參考：《吉林大學》2017年碩士論文

【摘要】：醫(yī)學影像是醫(yī)學診斷領(lǐng)域一項創(chuàng)新性發(fā)現(xiàn),醫(yī)學影像的分割處理和三維重建技術(shù)在醫(yī)學研究和臨床醫(yī)學等領(lǐng)域中扮演著非常重要的角色。通過對醫(yī)學影像處理和三維建模,醫(yī)生不需要進行解剖手術(shù)就可以多角度、多形式觀察和診斷病變區(qū)域。這種革命性的新技術(shù)改變了傳統(tǒng)的醫(yī)學研究模式,為疾病的準確診斷提供了更好保障。本文從腹部二維醫(yī)學影像出發(fā),介紹了醫(yī)學影像分析與處理直到器官三維重建的整體過程。醫(yī)學影像與通用圖像有所不同,需要經(jīng)過格式轉(zhuǎn)換并準確而清晰的在個人計算機中顯示,格式轉(zhuǎn)換是其他醫(yī)學影像研究的基礎(chǔ)內(nèi)容。一幅典型的醫(yī)學影像是十分復雜的,可能包含了許許多多的器官和組織,在成像過程中由于成像設(shè)備和人為因素等影響常常會產(chǎn)生或多或少的干擾信息,醫(yī)學影像預處理過程看似無關(guān)緊要但卻可以起到很好的輔助作用,為其他算法的效果質(zhì)量和可用性提供了支持。根據(jù)各種醫(yī)學影像的成像原理和成像特點,可能并不是所有的信息都是對醫(yī)療診斷有幫助的,有時對感興趣組織和器官的醫(yī)學影像分割顯得尤為重要,為臨床醫(yī)學的研究和發(fā)展有非常積極地影響。另外,根據(jù)二維切片序列重建器官和組織的三維模型在醫(yī)學影像分析領(lǐng)域應(yīng)用價值非常廣泛,能夠重建出各種器官的三維立體模型,對組織病變預測和人體內(nèi)部結(jié)構(gòu)探查具有很好的協(xié)助作用。不僅可以提高診斷精確性,同時也為醫(yī)生和相關(guān)學者提供了全方位的、立體的器官模型,方便了研究和深度剖析。本文從研究目的出發(fā),首先介紹了DICOM標準,然后將醫(yī)學影像轉(zhuǎn)換成位圖圖像,并采用與設(shè)備無關(guān)的顯示模式對位圖進行顯示。根據(jù)信息的重要程度有選擇的讀取DICOM文件頭中與患者、設(shè)備以及圖像參數(shù)等相關(guān)的重要信息。根據(jù)醫(yī)學影像的分辨率不高、對比不明顯等特點,本文對圖像預處理方法做了針對性的設(shè)計。具體包括:灰度變換和圖像增強以及常用的包括平移的多種幾何變換方式,而圖像增強又分為平滑、銳化等操作。對比傳統(tǒng)的醫(yī)學影像分割方法,本文提出了一種從腹部醫(yī)學影像數(shù)據(jù)中自動分割多個器官的方法,研究目的是通過構(gòu)建超像素并用其預測更準確的分割。基于超像素的分割方法適應(yīng)CT圖像中的各種成像條件,并且考慮了多個器官之間的相互關(guān)系。該方法的框架如下:(1)根據(jù)像素相關(guān)性和位置鄰近性對超像素進行聚類(2)引入器官空間結(jié)構(gòu)分布圖,修正多個器官的分割過程。在我們的框架中,通過使用常規(guī)單器官分割方法分割足夠精確的預測器官,并且使用超像素聚類方法分割剩余器官。對分割結(jié)果進一步研究,在腹腔二維切片感興趣器官分割的基礎(chǔ)上,對Marching Cubes(MC)方法進行研究,算法關(guān)鍵點和難點方面主要包括確定體素與等值面相交關(guān)系、以及求出此時等值面的法向量。最后給出了腹腔內(nèi)特定器官經(jīng)過重建之后的三維模型。
[Abstract]:Medical image is an innovative discovery in the field of medical diagnosis. Medical image segmentation and 3D reconstruction play a very important role in medical research and clinical medicine. Through medical image processing and three-dimensional modeling, doctors do not need to carry out anatomic hand surgery for multiple angles, multiple forms of observation and diagnosis of diseases. This revolutionary new technology has changed the traditional medical research model and provided a better guarantee for the accurate diagnosis of the disease. This paper introduces the overall process of medical image analysis and processing until the three-dimensional reconstruction of the organs from the two-dimensional medical image of the abdomen. A typical medical image is very complex and may contain a lot of organs and tissues. In the process of imaging, the imaging equipment and human factors often produce more or less interference letters in the imaging process. Medical image preprocessing seems to be insignificant but can play a very good auxiliary role in supporting the quality and availability of other algorithms. According to the imaging principles and imaging features of various medical images, not all information is helpful to medical diagnosis, and sometimes it is of interest to organizations and organs. The medical image segmentation is particularly important, and it has a very positive impact on the research and development of clinical medicine. In addition, the three-dimensional model of the reconstruction of organs and tissues according to the two-dimensional slice sequence is widely used in the field of medical imaging analysis. It can reconstruct the three-dimensional model of various organs, predict the tissue lesions and the human body. It can not only improve the accuracy of diagnosis, but also provide an omni-directional, three-dimensional organ model for doctors and relevant scholars, which is convenient for research and depth analysis. From the purpose of the study, this paper first introduced the DICOM standard, then converted medical images into bitmap images, and used it. The unrelated display mode displays the bitmap. According to the importance of the information, there is a selective reading of important information related to the patient, equipment and image parameters in the head of DICOM file. According to the low resolution and contrast of medical image, the image preprocessing method is designed in this paper. Gray scale transformation and image enhancement, and many kinds of geometric transformations commonly used in translation, and image enhancement is divided into smooth and sharp. Compared with traditional medical image segmentation methods, this paper proposes a method of automatic segmentation of multiple organs from abdominal medical image data. The purpose of this study is to construct super pixels and use them. More accurate segmentation is predicted. The super pixel based segmentation method ADAPs to various imaging conditions in the CT image and considers the relationship between multiple organs. The framework of this method is as follows: (1) clustering the super pixels according to the pixel correlation and location proximity (2) is introduced into the organ spatial structure distribution map, and the segmentation of multiple organs is modified. In our framework, we use the conventional single organ segmentation method to segment the accurate prediction organ, and use the super pixel clustering method to segment the residual organs. Further research on the segmentation results, study the Marching Cubes (MC) method on the basis of the intraperitoneal two-dimensional slice interested organ segmentation, the key point and the key point of the algorithm. The main difficulties are to determine the relationship between the voxel and the equivalent surface, and to find the normal vector of the equivalent surface at the time. Finally, the three-dimensional model of the specific organs in the abdominal cavity after the reconstruction is given.

【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 張文學;任建玲;趙雯;鄭麗萍;王敏;;新時期,醫(yī)學攝影的新思維[J];信息記錄材料;2007年01期

2 王駿;;國內(nèi)首家醫(yī)學影像博物館在泰山醫(yī)學院建成[J];中華放射學雜志;2007年10期

3 ;第13屆醫(yī)學影像計算與計算機輔助介入國際會議將首次在華召開[J];中國圖象圖形學報;2010年03期

4 張文學;趙雯;鄭麗萍;任建玲;王敏;;淺談醫(yī)學攝影的數(shù)字化變革與走向[J];信息記錄材料;2006年01期

5 陳敏;孔令占;;探討醫(yī)學攝影的發(fā)展趨勢[J];信息記錄材料;2007年05期

6 石紅嶺;叢沛;;網(wǎng)絡(luò)環(huán)境下醫(yī)學影像資料的管理[J];醫(yī)學影像學雜志;2009年05期

7 陳裕發(fā);高新技術(shù)在醫(yī)學上的應(yīng)用[J];特區(qū)科技;1994年01期

8 景丹陽,劉京華,崔玉萍;多媒體計算機技術(shù)在醫(yī)學影像領(lǐng)域的應(yīng)用[J];河北省科學院學報;1997年01期

9 張京;周公石;鄭利榮;黃劍波;;廣東醫(yī)學影像存儲與傳輸系統(tǒng)的發(fā)展模式和實施策略探討[J];中國醫(yī)院管理;2002年04期

10 趙亞龍;黎海峰;;數(shù)字醫(yī)學影像在醫(yī)學應(yīng)用中的網(wǎng)絡(luò)存儲標準探討[J];現(xiàn)代醫(yī)院;2012年08期

相關(guān)會議論文 前10條

1 高航翔;韓麗麗;;淺談放射科技術(shù)組規(guī)范化帶教醫(yī)學影像實習生[A];2009中華醫(yī)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

2 王學明;;對醫(yī)學影像管理模式的認識[A];中華醫(yī)學會醫(yī)學工程學分會第二次醫(yī)學影像設(shè)備應(yīng)用技術(shù)研討會論文集[C];2001年

3 章士正;;醫(yī)學影像的發(fā)展及其在浙江的困境[A];第一屆浙江醫(yī)學發(fā)展論壇論文集[C];2006年

4 曾行德;馬著彬;劉民英;史艷萍;歐陽湘蓮;黃潔君;;廣泛應(yīng)用計算機進行醫(yī)學影像教學，，不斷提高教學效果[A];2002年全國醫(yī)學影像技術(shù)學術(shù)會議論文匯編[C];2002年

5 王美豪;李建策;吳恩福;;醫(yī)學影像專業(yè)實習教學探索[A];2007年浙江省醫(yī)學教育學術(shù)年會論文匯編[C];2007年

6 王保華;高建新;吳建國;丁祖泉;;一種新的醫(yī)學影像特征點自動提取方法[A];21世紀醫(yī)學工程學術(shù)研討會論文摘要匯編[C];2001年

7 歐陽湘蓮;馬著彬;;多媒體計算機醫(yī)學影像教學在我校的推廣應(yīng)用[A];2001年全國醫(yī)學影像技術(shù)學術(shù)會議論文匯編[C];2001年

8 張青;;醫(yī)學影像五年制本科生專業(yè)學習情況調(diào)查分析[A];中華醫(yī)學會第九次全國核醫(yī)學學術(shù)會議論文摘要匯編[C];2011年

9 李國岱;;教育為根本,管理是關(guān)鍵[A];2009中華醫(yī)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

10 吳蘭琴;;醫(yī)學影像各種檢查技術(shù)重點要素探討[A];2010中華醫(yī)學會影像技術(shù)分會第十八次全國學術(shù)大會論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 本報記者 張彤;以技術(shù)優(yōu)勢構(gòu)建無障礙化的醫(yī)學影像體系[N];網(wǎng)絡(luò)世界;2008年

2 醫(yī)學院;生物醫(yī)學影像實驗平臺成立[N];新清華;2010年

3 記者 唐學良;影像融合推動醫(yī)學影像領(lǐng)域發(fā)展[N];醫(yī)藥經(jīng)濟報;2011年

4 梁露霞 杭州英放生物科技有限公司總經(jīng)理;亞太醫(yī)學影像的機遇和陷阱[N];醫(yī)藥經(jīng)濟報;2013年

5 閻紅;遼寧醫(yī)學影像結(jié)果互認“擴軍”[N];健康報;2006年

6 馮英杰　肖亞莉;影像世界里的多彩人生[N];陜西日報;2007年

7 記者 余海蓉　通訊員 方豪;深圳北大香港科大 醫(yī)學中心成立十周年[N];深圳特區(qū)報;2012年

8 記者 劉子燁;避免“重復拍片診療” 建立醫(yī)學共享平臺[N];聯(lián)合時報;2014年

9 王駿;醫(yī)學影像的利弊[N];中國醫(yī)藥報;2001年

10 胡延寧　張選杰 秦潔;數(shù)千專家千里生命大救援[N];新華每日電訊;2010年

相關(guān)博士學位論文 前2條

1 李彭軍;醫(yī)學影像云服務(wù)平臺基礎(chǔ)架構(gòu)研究與實踐[D];南方醫(yī)科大學;2011年

2 何龍軍;醫(yī)學影像遠程實時后處理方法研究[D];華中科技大學;2015年

相關(guān)碩士學位論文 前10條

1 羅嶠伊;基于WADO的醫(yī)學影像服務(wù)中間件研究[D];昆明理工大學;2015年

2 劉家志;基于Hadoop架構(gòu)和多級索引技術(shù)的醫(yī)學影像存儲檢索系統(tǒng)研究[D];電子科技大學;2014年

3 梁炳進;移動醫(yī)學影像閱片系統(tǒng)構(gòu)建與關(guān)鍵技術(shù)研究[D];南方醫(yī)科大學;2015年

4 許龍歡;面向醫(yī)學影像的高維索引的研究[D];東北大學;2013年

5 馬成龍;基于Hadoop的醫(yī)學影像存儲檢索系統(tǒng)的研究與實現(xiàn)[D];哈爾濱工業(yè)大學;2016年

6 劉京華;基于貝葉斯模型的醫(yī)學影像分類技術(shù)的研究與應(yīng)用[D];電子科技大學;2016年

7 彭曉東;醫(yī)學影像存儲與管理系統(tǒng)的設(shè)計與實現(xiàn)[D];湖南大學;2016年

8 劉秋彤;基于云平臺的分布式醫(yī)學影像數(shù)據(jù)存儲技術(shù)的研究與應(yīng)用[D];貴州大學;2016年

9 吳剛;醫(yī)學影像報告微信終端的設(shè)計與實現(xiàn)[D];吉林大學;2016年

10 王春月;基于超像素方法的腹部醫(yī)學影像多目標分割及臟內(nèi)器官三維重建研究[D];吉林大學;2017年

本文編號：1840737