基于CT數(shù)據(jù)的醫(yī)學(xué)圖像處理系統(tǒng)設(shè)計

蔣文娟 李富蕓 海南師范大學(xué)

1 基于CT數(shù)據(jù)的醫(yī)學(xué)圖像處理系統(tǒng)開發(fā)架構(gòu)介紹

基于CT數(shù)據(jù)的醫(yī)學(xué)圖像處理系統(tǒng)有效的將圖像的切割、重組等相關(guān)工作全面的融合到醫(yī)學(xué)圖像處理系統(tǒng)當(dāng)中，其開展的目的在于提供一塊極速閱覽同時科學(xué)處理醫(yī)學(xué)圖像的軟件系統(tǒng)，從而更好的幫助用戶開展醫(yī)療診斷以及相關(guān)醫(yī)學(xué)科研的剖析。醫(yī)學(xué)圖像處理系統(tǒng)的底層編譯語言為C++，運(yùn)作平臺要求為win7以上的64位操作系統(tǒng)。

醫(yī)學(xué)圖像處理系統(tǒng)一般運(yùn)用常用的結(jié)構(gòu)框架，也就是依照底層、中層、上層的標(biāo)準(zhǔn)化框架結(jié)構(gòu)。上層便是數(shù)據(jù)信息運(yùn)用層，主要功能為進(jìn)行圖像的顯示以及有關(guān)參數(shù)調(diào)整等；中層便是數(shù)據(jù)整理層，主要功能為進(jìn)行圖像的讀取以及三維模型的重新創(chuàng)建等，是開展業(yè)務(wù)邏輯的基礎(chǔ)架構(gòu)；底層便是算法庫以及系統(tǒng)包括的底層性架構(gòu)，也可以方便的給予中層開展調(diào)用操作。

2 基于CT數(shù)據(jù)的醫(yī)學(xué)圖像處理系統(tǒng)功能模塊介紹

2.1 圖像預(yù)處理

圖像預(yù)處理主要包括有特定波段頻率濾除處理以及形態(tài)學(xué)處理，這當(dāng)中形態(tài)學(xué)處理也可以作為分解后的處理。此環(huán)節(jié)通常需要分別調(diào)用 itk Binary Erode Image Filter、itk Binary Dilate Image Filter、itk Grayscale Fillhole Image Filter、itkBinary Fillhole Image Filter、vtk Image GaussianSmooth、vtkI mage Convolve以及相關(guān)的成員函數(shù)進(jìn)行展現(xiàn)。

2.2 圖像分割

圖像分割環(huán)境而當(dāng)中主要包括了三種常用的分解方式：閾值分割、區(qū)域生長分割和水平集分割。

閾值分割。閾值分割環(huán)節(jié)主要包括有二值化最佳閾值分解參數(shù)調(diào)配、二值化最佳閾值分解、大津法分解三個模塊。這當(dāng)中，由日本非常著名的學(xué)者大津展之所提出的大津法分解是一種立足于圖像的智能化分解的運(yùn)算方式，大津法分解不需要特別的輸入以及設(shè)置參數(shù)。二值分解則需要特別的輸入上門以及下門的相應(yīng)限定數(shù)值，并且需要點(diǎn)擊系統(tǒng)菜單欄當(dāng)中的“閾值分割”選項，從而在彈出的“二值閾值分割參數(shù)設(shè)置”系統(tǒng)對話框當(dāng)中，展開參數(shù)的調(diào)配。

區(qū)域生長分割。用戶提供分割的區(qū)域點(diǎn)，可以借助“區(qū)域生長分割參數(shù)設(shè)置”對話框開展相關(guān)的參數(shù)調(diào)配。

水平集分割。其可以借助“水平集分割參數(shù)設(shè)置”對話框開展相關(guān)的參數(shù)調(diào)配。

2.3 圖像重建

多維度重建環(huán)節(jié)主要包括面繪制換機(jī)環(huán)節(jié)以及體繪制環(huán)節(jié)。面繪制所運(yùn)用的是移動立方體算法，調(diào)配獲取空間中某一曲面的值，在“空間中的一個曲面”選項框當(dāng)中可調(diào)配相應(yīng)的數(shù)值。

體繪制環(huán)節(jié)極好的運(yùn)用了光線投射法以及最高密度都投射法這兩種基本的繪制方式，通常運(yùn)用標(biāo)準(zhǔn)化參數(shù)有效的開展體繪制。在交互過程當(dāng)中，提供了視覺化工具函式庫當(dāng)中最為廣泛運(yùn)用的交互，可以更好的實(shí)現(xiàn)對應(yīng)模型的方向調(diào)整、大小調(diào)節(jié)等基礎(chǔ)功能。同時加入定制化的渲染窗口交互器，可以更好的實(shí)現(xiàn)模型隨意方向的平面化切割。

體繪制界面主要分為兩個模塊，一個是運(yùn)用最高密度投射法來有效的展現(xiàn)體繪制的最終結(jié)果，另一個則是平臺切割之后所獲得的切割平面的影像。在實(shí)際操作的過程當(dāng)中，具體的操作方式為用鼠標(biāo)常用鍵拖住穿過切割平面的箭頭從而更好的實(shí)現(xiàn)調(diào)整切割方向，用鼠標(biāo)拖住平面當(dāng)中的隨機(jī)一點(diǎn)展開上下方面的挪動，進(jìn)而可以獲得不同點(diǎn)位的切割圖像，整體的操作進(jìn)程極為的簡便。

3 結(jié)論

醫(yī)學(xué)診斷水平和醫(yī)學(xué)圖像識別技術(shù)關(guān)系緊密，現(xiàn)如今醫(yī)學(xué)圖像識別技術(shù)已經(jīng)應(yīng)用于骨科病治療等多個領(lǐng)域中，通過真實(shí)的3D圖像可以幫助醫(yī)生準(zhǔn)確判斷病人患病位置及病情，提高診斷的準(zhǔn)確性，提升診斷工作的效率，降低醫(yī)患沖突發(fā)生的概率。本文基于Windows平臺，利用C++ 的openCV庫，采用 VS2013 和 QT5.8.0 IDE，并調(diào)用VTK、ITK 標(biāo)準(zhǔn)類庫，設(shè)計并開發(fā)了基于CT數(shù)據(jù)的醫(yī)學(xué)圖像處理系統(tǒng)。本軟件和常用的醫(yī)學(xué)圖像處理軟件相比，在圖像的處理效率上有了很大的提升，本系統(tǒng)共包含圖像讀取和保存、圖像預(yù)處理、基于CT數(shù)據(jù)的圖像分割、三維圖像重構(gòu)4個主要模塊。由于圖像處理效率的關(guān)鍵是圖像分割算法，因此未來圖像分割算法的優(yōu)化將是主要發(fā)展方向。