基本信息
- 项目名称：
- 基于粒计算的医学影像处理系统
- 来源：
- 第十一届“挑战杯”国赛作品
- 小类：
- 信息技术
- 大类：
- 科技发明制作A类
- 简介：
- 针对医学图像中图像征象复杂，诊断困难，无法提供定量分析等问题，提出了基于粒计算理论的HRCT图像增强算法。根据医学影像学中的“知识”（人体器官之间的密度差异）来定义等价关系，将HRCT划分为目标区域子图、背景区域子图，分别对其进行图像增强变换，并将它们合并得到增强图像。以胸部HRCT图像中的肺组织为目标区域，得到突出目标区域的图像增强结果。针对所要处理的HRCT进行了大量的实验，将本项目所提出的算法与几种经典的增强算法进行对比分析，并研究了DSM（基于概率分布的评价方法），从而验证了本项目所提出的算法是更适合于HRCT的增强算法。为解决肺组织定量分析的问题，在区域生长法中引入粒计算，改进基于区域生长法的医学图像分割算法，研究利用粒计算方法确定子块区域、选取生长准则等关键问题。实验结果表明，该方法可以准确地分割出胸部HRCT图像（高分辨CT）的肺组织并去除细小血管和气管。创建出基于粒计算的医学影像处理系统，将所研究的图像增强和分割算法集成其中附加上常用的医学影像处理功能。
- 详细介绍：
- 针对医学图像中图像征象复杂，诊断困难，无法提供定量分析等问题，利用粒计算理论忽略了医学图像海量数据中的不重要或不相关的细节，以医学HRCT（高分辨CT）图像中的肺组织为目标区域，提出了基于粒计算理论的HRCT图像增强算法。根据医学影像学中的“知识”（人体器官之间的密度差异）来定义等价关系，将HRCT划分为目标区域子图、背景区域子图，分别对其进行图像增强变换，并将它们合并得到增强图像。以胸部HRCT图像中的肺组织为目标区域，得到突出目标区域的图像增强结果。针对所要处理的HRCT进行了大量的实验，将本项目所提出的算法与几种经典的增强算法进行对比分析，并研究了DSM（基于概率分布的评价方法），从而验证了本项目所提出的算法是更适合于HRCT的增强算法。为解决肺组织定量分析的问题，针对医学CT图像纹理复杂等特点，在区域生长法中引入粒计算，改进基于区域生长法的医学图像分割算法，研究利用粒计算方法确定子块区域、选取生长准则等关键问题。实验结果表明，该方法可以准确地分割出胸部HRCT图像（高分辨CT）的肺组织并去除细小血管和气管。创建出基于粒计算的医学影像处理系统，将所研究的图像增强和分割算法集成其中附加上常用的医学影像处理功能。有效地提高医学影像处理技术和多学科理论的交叉、融合；可以辅助医生给予病人及时有效的治疗。在医学图像中提取出更多、更全的医学信息，节省了大量的时间与财力，具有很好的社会经济效益，并可推广应用于有关图像处理的各种工业生产和民用领域。
作品图片
作品专业信息
设计、发明的目的和基本思路、创新点、技术关键和主要技术指标
- 目的：提出了基于粒计算的医学影像处理系统，对医学影像进行增强、分割及测量等处理，对辅助医生对病变部位及其他感兴趣的区域进行定位，并进行准确的定量分析。 基本思路：利用粒计算理论得到突出目标诊断区域的图像的增强结果；在区域生长图像分割算法中引入粒计算；以肺部HRCT（高分辨率CT）为实验对象，以肺组织为目标区域进行增强和分割，对小气道呼气相与吸气相HRCT图像进行对比，分析小气道功能。最后，将一系列医学图像处理及分析方法整理成医学影像处理系统。 创新点：提出的基于粒计算理论的医学图像增强和分割的处理方法，优于传统方法，更适用于医学图像的处理与分析，能够更有效地提取出医学图像中所蕴含的信息，比传统的图像处理系统针对性更强，效率更高；并将一系列医学图像处理及分析方法整理成基于粒计算的医学影像处理系统。 技术关键：利用粒计算分类原则对图像增强算法进行改进；利用粒计算的相容粒度空间模型，结合区域生长分割算法，提出一种分割数学模型，分割出肺组织及其他区域，并求出面积和平均密度。利用MATLAB中图形用户界面 GUI功能，将上述医学图像处理与分析（如：增强、分割、面积的测量等）集成到医学影像处理系统中。 技术指标：利用粒计算分类原理，实现HRCT图像特定组织或区域的增强；利用粒计算中相容粒度原理，实现特定组织或区域的准确分割及面积的定量测量；完成医学影像处理系统GUI设计，并集成相关功能，为医务工作者提供定量数据，达到辅助诊断的目的。
科学性、先进性
- 增强先进之处：提出了一种基于不可分辨关系的HRCT医学图像增强算法。算法的效果图可清晰观察并区分出肺组织的细节与层次，对周围组织具有足够的物理对比度；保留了肺组织的灰度值和结构，合理的保真了肺组织子图；将背景区域的灰度相应的进行最大、最小化对比度增强。通过对比实验并研究了DSM（基于概率分布的评价方法），从而验证了本项目算法更适合于HRCT。 分割先进之处：利用图像分割中的区域生长法结合粒计算的提出一种图像分割方法。建立了CT图像的相容粒度空间模型，根据相容关系进行区域生长。本项目算法可自动选取种子点，使区域生长法比其他算法更有效地分割肺组织、更适合医学CT图像。 集成系统设计先进之处：自主研究开发出基于医学CT图像的多种特殊功能的图形用户界面 GUI。可实现的功能有：医学CT图像信息提取，局部图像分析和人机交互；基于不可分辨关系的HRCT医学图像增强；基于相容粒度空间模型的医学图像分割等。比传统图像处理系统针对性更强，更适用于医学图像处理，处理结果更适用于医学诊断。
获奖情况及鉴定结果
- 无
作品所处阶段
- 实验室阶段,不断完善中
技术转让方式
- 双方合作，作品完成人协商确定转让方式
作品可展示的形式
- 系统现场演示、处理后的效果图片、演示录像
使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测
- 技术特点及优势：针对HRCT的自身特点，自主研究并开发出基于粒计算的具有多种特殊功能的图形用户界面 GUI。功能有：医学CT图像信息提取，局部图像分析和人机交互，基于不可分辨关系的的医学图像增强；基于粒计算相容粒度空间模型的医学图像分割等。对比传统图像处理系统针对性更强，更适用于医学图像处理，处理结果更适用于医学诊断。 适应范围及推广前景：本医学影像处理系统功能主要针对医学影像辅助诊断，主要用于医院医学影像科的图像后期处理，并辅助影像学专家对疾病进行准确定量的分析。可将其推广到MRI、DSA等其他医学图像，岩石探索CT及其他灰度图像处理领域。 市场分析和经济效益预测：本项目可辅助临床医生给予病人及时有效的治疗，使病情得以预防、延缓发生甚至被逆转，以减轻病人的痛苦，提高其生活质量，保持一定的劳动能力，可减少患者的拍片数量和成像辐射，也节省了大量的时间与财力，可为每位患者节省约3000—6000元，甚至更多的检查费用；长期应用可为国家减轻医疗支出压力，具有很好的社会经济效益。
同类课题研究水平概述
- 1997年T.Y.Lin教授提出了“粒计算”概念。随后，粒计算的理论和方法在国际国内逐步受到广泛的关注。加拿大Regina大学Y.Y. Yao教授、J.T. Yao教授、美国Drexel大学的X.H.Hu教授、南昌大学刘清教授、清华大学张钹教授、安徽大学张铃教授、中科院计算机所的史忠植教授、同济大学苗夺谦教授、山西大学梁吉业教授和太原理工大学谢克明教授等都致力于粒计算的理论和应用研究。目前将粒计算应用于图像处理在国内外研究的一个新的热点，这方面的研究有图像预处理、景物边缘提取、图像纹理分析、基于图像信息的分类等，主要还是集中于对某一特别问题的研究，还没有形成完整的将粒计算应用于图像处理的理论。 随着数字图像处理理论与技术的进步，医学影像处理在医学临床中起到了越来越重要的作用。根据国内外文献，研究和发展图像处理工具，改善医学图像质量是当今研究的热点。由于目前的医学图像（如CT）受设备等因素的制约具有灰度级对比度低、特别是在某些局部细节上没有明显的灰度差别等缺点,使计算机分辨较为困难。医学图像增强和分割是基本的医学图像处理技术，目的：其一，采用一系列技术改善图像的视觉效果，提高图像的清晰度以得到对医务工作者来说视觉效果更“好”更易于诊断的图像；其二，将医学图像转换成一种更加适合于人或机器进行解译和分析处理的形式。现有的图像增强技术根据图像的实际情况突出图像整体或局部目标区域，常用的图像增强技术有线形对比度增强；直方图均衡化增强；直接对比度增强；子带增强算法增强；反锐化掩模法对图像增强等；现有的分割方法有：阈值法、区域生长法、边缘检测法、水平集法等。由于医学影像本身的复杂性，纵观近几年国内外图像处理的现状，认识到现有的图像处理方法及图像处理软件主要集中在数字图像处理和医学影像学两个独立的学科领域，缺乏学科间的有机融合，大都采用通用的数字图像处理技术缺乏对医学图像，对图像中病变部位及其他感兴趣区域的针对性，而任何一种单独的方法都难以对医学图像取得较满意的处理效果，因此必须要注重多学科知识、多种方法的结合，以达到相互补充的目的，得到利于医学影像诊断的图像增强和分割处理方法。本项目将粒计算理论引入到医学图像处理中，同时也为粒计算理论的应用开辟了新领域。
