童曼查堂堂塑 医学图像的计算机处理及其在癌症诊断中的应用 M e d i c a li m a g ep r o c e s s i n g & r e c o g n i t i o na n d a p p l i c a t i o n si nc a n c e rd i a g n o s i s 李敏，平西建 ( 信息工程大学信息科学系图像图形实验室，郑州4 5 0 0 0 2 ) 在医学图像处理领域，借助计算机来进行图像处理和分析是图像处理技术结合医学影像特点的重要应用方面。医学 图像处理与识别的方法研究随着计算机图像处理的发展成为当代医学图像领域的前沿课题。图像处理技术的发展及其在医 学图像中的应用，为医学诊断提供了更加丰富、准确的医学信息。其中，癌症诊断是一个研究热点。近年来，针对将图像处 理的方法应用于癌症的临床诊断和计算机辅助诊断与治疗，国内外研究者提出了很多有效的图像处理与识别方法，甚至研 制开发出了一些诊断系统。本文在深入理解这些方法和技术韵基础上，结合自身的课题研究，着重介绍了在癌症诊断中应 用时图像处理与识别的研究重点和核心技术：数学形态学、信息融合和神经网络等。 数学形态( M a t h e m a t i c a lM o r p h o l o g y ) 是一门新兴的图像处理与分析学科，作为一门特殊的图像处理学科已从法国 的枫丹白露数学形态学研究中心走向了世界，发展成为图像处理的一个主要研究领域。并取得了广泛的实际应用价值。在 生物医学图像分析领域，其基本理论和方法同样取得了非常成功的应用，在生物医学图像中，尤其是含有细胞的图像等， 研究对象和背景常常是具有很明显的灰度差异，利用这种特点将图像二值化之后再进行处理可以方便并有效地提取出处理 对象( 如细胞) 的特征，二值形态学理论正是基于二值化图像的，这是数学形态学在该领域取得应用的基础。如中国科学 院生物物理研究所等几个研究所合作开发的癌细胞自动识别系统，便是以数学形态学为基础的。 信息融合技术( I n f o r m a t i o nF u s i o n ) 是当代信息处理技术的研究热点之一，图像融合是信息融合的重要组成部分。在 医学图像领域，根据不同的诊断部位和诊断要求，出现了多种医学影像成像系统，常见的有C T 图像、M R 图像、X 线成 像、S R E C T 图像和P E T 图像等等。采用图像融合技术将这些不同模态的医学图像有机地综合在一起成为一个表达整体， 可以提高图像置信度、改善监测性能和空间分辨能力，最大限度发掘图像的信息资源能为医学诊断、人体的功能和结构 等方面的研究提供更充分的信息。医学图像融合的研究大致集中在两个方向：图像的配准和图像的融合。图像配准可以看 作图像融合的预处理，是图像融合的首要条件。在医学图像融合研究中基于像素级和特征级的融合算法的研究居多，如属 于像素级融合的加权平均法，特征级融合中有代表性的有：高斯金字塔算法、拉普拉斯金字塔等算法以及多分辨率形态滤 波法等。 神经元网络理论的诞生促使计算机视觉与模式识别处于一个新的迅速的发展阶段，影像的分类和识别技术随之得到了 新的发展。人工神经网络( A r t i f i c i a lN e u r a lN e t w o r k s ) 技术在医学图像处理中的应用可以粗略地分为两个方面：医学 图像特征提取医学图像分类和识别。这两个方面在某些情况下可以有机地结合，也可以分别和其他处理技术相结合形成 不同的处理方法人工神经网络的自组织、自适应学习功能，使其对图像中的纹理、边缘以及区域分布等特征更加敏感， 并使其对分类和识别问题显示出优越性。 本文就近年来研究的热点和新方法做一介绍，其他技术和方法如计算机视觉、图像分割等理论和方法也是其中很常用 的处理方法探索适合于医学图像处理的新方法、新技术是一项长期而有意义的研究工作，需要针对医学图像的特点和处 理方法的实际应用性必须指出：任何处理方法都不是通用或万能的，具体选用哪种或哪几种方法进行影像处理和分析仍 需具体对待：我们应结合专业经验并通过大量的实践统计数据，建立评价准则，从主观和客观两方面综合评判，以提高判 断的准确性，得到更有效、更正确的诊断结论。