智能信息感知技術 課件 第八章 智能醫(yī)學傳感技術

智能傳感技術——第八章

智能醫(yī)學傳感技術目 錄28.1

智能醫(yī)學傳感技術基礎典型智能醫(yī)學傳感器智能醫(yī)學數據處理技術智能醫(yī)學傳感技術典型應用8.1

智能醫(yī)學傳感技術基礎8.1.1

醫(yī)學傳感器醫(yī)用傳感器，顧名思義，它是應用于生物醫(yī)學領域的那一部分傳感器，它所拾取的信息是人體的生理信息，而它的輸出常以電信號來表現，因此，醫(yī)用傳感器可以定義為：把人體的生理信息轉換成為與之有確定函數關系的電信息的變換裝置。38.1

智能醫(yī)學傳感技術基礎48.1.1

醫(yī)學傳感器人體生理信息有

電信息（心電、細胞膜電位）非電信息（血壓、溫度）從分布來說有

體內的（如血壓等各類壓力）體表的（如心電等各類生物電)體外的(如紅外、生物磁等）8.1

智能醫(yī)學傳感技術基礎8.1.1

醫(yī)學傳感器5生物傳感器生理參數利用生物活性物質選擇性識別來測定生化物質利用材料的物理變化物理傳感器非電學量參數機體的各種生物電（心電、腦電、肌電、神經元放電等）生物電電極電學量參數利用化學反應原理，把化學成分、濃度轉換成電信號化學傳感器8.1

智能醫(yī)學傳感技術基礎8.1.1

醫(yī)學傳感器常見的醫(yī)學傳感器？68.1

智能醫(yī)學傳感技術基礎78.1.1

醫(yī)學傳感器醫(yī)用傳感器用于人體生理信息檢測時，具有以下主要特點：被測量生理參數均為低頻或超低頻信息，頻率分布范圍在直流～300Hz。生理參數的信號微弱，測量范圍分布在uV～mV數量級。被測量的信噪比低，且噪聲來源可能是多方面的。由于人體是一導電體，體外的電場、磁場感應都會在人體內形成測量噪聲，干擾生理信息的檢測。人體是一有機整體，各器官功能密切相關，傳感器所拾取信息往往是由多種參數綜合而形成的。8.1

智能醫(yī)學傳感技術基礎88.1.1

生物醫(yī)學傳感器生物醫(yī)學傳感器定義為“

使用固定化的生物分子 (immobilizedbiomolecules)

結合換能器,

用來偵測生體內或生體外的環(huán)境化學物質或與之起特異性交互作用后產生響應的一種裝置”。生物傳感器由兩個主要關鍵部分所構成，一為來自于生物體分子、組織部分或個體細胞的分子辨認組件，此一組為生物傳感器信號接收或產生部分，另一為屬于硬件儀器組建部分，主要為物理信號轉換組件，主要是由電化學或光學檢測元件（如電流、電位測量電極，離子敏場效應晶體管，壓電晶體等）。8.1

智能醫(yī)學傳感技術基礎8.1.1

生物醫(yī)學傳感器電極熱→電光→電壓→電FET閥值電位被測物質酶微生物細胞或組織抗原或抗體測量或控制裝置識別部件9轉換部件生物傳感器生物傳感器結構框圖8.1

智能醫(yī)學傳感技術基礎8.1.2

新型醫(yī)學傳感器新型傳感技術，比如微機電系統(tǒng)（MEMS）、生物化學傳感器、免疫傳感器等的陸續(xù)出現，加速了醫(yī)療保健的發(fā)展。傳感技術使得健康狀態(tài)定期或連續(xù)監(jiān)控成為可能，這反過來使得新型積極護理模式的實現成為可能。因為干預治療更為有效并且成本更為低廉，病癥會更早地得到診斷，所以從長遠來看，病人的未來會得到改善。108.1

智能醫(yī)學傳感技術基礎8.1.2

新型醫(yī)學傳感器在疾病監(jiān)測中的應用在監(jiān)測慢性疾病的遠程醫(yī)療領域中，已經找到了用于持續(xù)監(jiān)測的解決方案，比如慢性阻塞性肺?。–OPD）、充血性心力衰竭（CHF）和糖尿病。這種監(jiān)測方式為疾病狀態(tài)提供持續(xù)的觀測，通過預測和防止疾病的急性發(fā)作，從而降低身體和經濟上的成本。在急性發(fā)作后治療病人，目前常采用應急護理模式，這種模式可能導致患者的健康和幸福毀滅性和不可逆轉的改變，并且加速病人的身體衰弱。118.1

智能醫(yī)學傳感技術基礎128.1.2

新型醫(yī)學傳感器在疾病監(jiān)測中的應用傳感技術會逐漸應用于普通人口篩查，成為國家衛(wèi)生保健計劃的一部分，以提高公共衛(wèi)生水平。個體，尤其是那些沒病找病的“疑病癥”個體（那些身體健康，但是擔心生病，并且通過拜訪他們的醫(yī)生、檢測自身或者沒有醫(yī)學根據而服用藥物以尋求安慰的個體），也很有可能會使用傳感技術來積極地監(jiān)測和維持他們自身的健康。隨著流行的傳感技術成為醫(yī)療規(guī)范，它們會顯著地增加我們在疾病風險和干預治療有效性方面的知識。現有的技術方案能幫助我們更好地理解衰老的過程，包括識別認知能力下降、衰弱的早期跡象，以及運動和神經系統(tǒng)的問題。傳感器技術通過建立對人體健康狀態(tài)變化的詳盡的認知使得在個體水平上了解人體的健康狀況成為可能。這些數據能提供對人體健康影響最大的病癥的早期預警信號。8.1

智能醫(yī)學傳感技術基礎138.1.3

智能醫(yī)學傳感技術的作用（1）改變我們醫(yī)療工作的方式隨著非處方診斷性測試、直接面向消費者的基因檢測試劑盒、生理監(jiān)測傳感器以及生育能力監(jiān)控的普及，正在朝著“量化自我”和“生命記錄”的網上在線方式發(fā)展。尋求治療方法或者嘗試一個已知疾病風險的預防性措施。一滴血驗病”的檢測芯片8.1

智能醫(yī)學傳感技術基礎418.1.3

智能醫(yī)學傳感技術的作用（1）改變我們醫(yī)療工作的方式醫(yī)療是我們理解和治療個人疾病方式改變的關鍵。我們開始遠離基于經驗和人群的醫(yī)學，而接受精確的個性化醫(yī)學。由于“OMIC"

技術(即基因組學、轉錄組學、蛋白質組學和代謝組學)的進步，病理學研究已經開始在分子水平上進行。這種分子水平上的分類意味著我們可以根據疾病的分子水平行為和個體的DNA來選擇最佳的治療方法。傳感技術在個性化醫(yī)療中起著關鍵的作用?；趥鞲衅鞯呐涮自囼灈Q定一個病人能否從基因靶向藥物治療中獲益，并且傳感器會在治療的過程中監(jiān)控病人(比如，監(jiān)控與藥物的靶向代謝途徑相關聯的生化副產物)。在接下來的數十年里很有可能從根本上改變我們的疾病診斷、預后和治療干預的方法。8.1

智能醫(yī)學傳感技術基礎8.1.3

智能醫(yī)學傳感技術的作用（2）傳感器檢測的背景信息在醫(yī)療中的應用背景信息在決定傳感器數據的價值中起到很重要的作用。比如，一些在孤立環(huán)境中獲取到的傳感器讀數可能會有局限。這些局限至少可以通過采集檢測相關背景信息得到部分解決。當測量數據采集的時候，這個人正在干什么?他處于什么環(huán)境中?所處位置的什么環(huán)境條件會影響測量結果呢?在獲取生理測量數據的時候，檢測相關背景信息特別重要，比如心率測量前的活動量。檢測相關背景信息一般可以通過使用其他的傳感器、加速度計獲得，比如，確定-個人在生理測量進行時是否移動。定性的方法，比如每周的健康調查問卷。這些方法通常在慢性病管理體系中使用。但是，自我匯報的信息的質量是取決于病人反饋信息的準確性的，這一般是很難做出判定的。在采集檢測背景信息來進行臨床傳感器讀數或者觀察的時候，保證任何數據都有適當的時間分辨率和空間特征也是十分重要的。如果沒有準確地匹配的話，額外的信息會使得獲得的數據變得模棱兩可。 158.1

智能醫(yī)學傳感技術基礎8.1.3

智能醫(yī)學傳感技術的作用（2）傳感器檢測的背景信息在醫(yī)療中的應用傳感檢測背景信息一般可以通過以下三種方式使用:常見的方法是臨床醫(yī)生在一個特定的基礎上人工地檢查背景傳感器信息來進行解析過程。另外，背景信息也可以用測量傳感器得到的相同或相關的圖形或表格重疊的部分表示，這種圖形重疊可視化對于理解分析過程非常有幫助。最后，最復雜的步驟就是測量背景數據和感興趣的數據源的智能化和自動化的融合過程。在減少數據維度和推斷更高級別的信息中，數據融合算法是非常實用的，數據融合算法對于判定背景信息測量是否有效是很有幫助的。檢測背景信息在確定傳感器網絡的安全性、隱私、性能和訪問需求等16方面起到很重要的作用。8.1

智能醫(yī)學傳感技術基礎8.1.3

智能醫(yī)學傳感技術的作用（3）基于醫(yī)院和社區(qū)的傳感技術用于評估和診斷傳感技術滲透在醫(yī)院護理的各個方面，從最簡單地數字式溫度計到復雜的激光制導的外科手術工具。成像傳感器，比如X光、磁共振成像(

MRI)、計算機斷層掃描(CT)、正電子放射斷層造影術(PET)

以及超聲成像，在非侵入的條件下使醫(yī)生能夠了解人體以及它是如何運轉的。這些傳感器從根本上改變了診斷醫(yī)學。在內科，這些圖片使醫(yī)生能夠精確定位受傷或是異常區(qū)域、做微創(chuàng)手術，以及評估醫(yī)療過程的成功或失敗。在產科護理，超聲成像使得醫(yī)生可以監(jiān)測胎兒發(fā)育并且鑒別可能影響母親或胎兒健康的任何胎兒的或其他的異常情況。178.1

智能醫(yī)學傳感技術基礎188.1.3

智能醫(yī)學傳感技術的作用（3）基于醫(yī)院和社區(qū)的傳感技術用于評估和診斷臨床病理學家每天在醫(yī)院實驗室使用復雜的傳感設備來執(zhí)行血液學、生物化學、免疫學、病理學、微生物學的研究功能。這些大型的非離散的傳感器需要經過訓練的專業(yè)人員進行細致的樣品制備才能保證準確的結果。傳感器在治療技術中也起到關鍵的作用。它們可以記錄到一些特殊情況，比如一些異常的心跳信號，可以由醫(yī)生或者傳感器來判別。它們可以通過鑒別最佳服用藥物時間來優(yōu)化給藥設備，并且它們可以持續(xù)追蹤病人生命體征以保證治療過程安全地進行，比如透析。成像、侵入式設備以及給藥設備都廣泛地使用傳感器。8.1

智能醫(yī)學傳感技術基礎198.1.3

智能醫(yī)學傳感技術的作用（4）社區(qū)應用的傳感技術人口模式轉變正在使目前的護理反應模型變得不可維持，并且迫使醫(yī)療實現的方式發(fā)生一些巨大的變化。第一，醫(yī)療必須變得具有前瞻性和預測性以避免高代價的急性健康事件。第二，醫(yī)療必須個性化，而不是以人群為基礎的，以確保最佳的治療得以實現。第三，提供的服務必須是去中心化的，從醫(yī)院轉移到社區(qū)和家庭。8.1

智能醫(yī)學傳感技術基礎208.1.3

智能醫(yī)學傳感技術的作用（5）基于家庭的臨床應用面向臨床護理的技術可以分為兩類:病人監(jiān)測傳感器和病人運動傳感器，病人監(jiān)測傳感器測量一個人的生理和生物特性，并且存儲或對數據做出反應，從而體現支持應用程序的功能。這種形式的傳感需要直接與人體接觸，或者通過采集樣品，如血液，從而用于測試。病人運動傳感器，如被動紅外(PIR)

運動傳感器(可以檢測一個人進入或離開一個房間)和計步器(計算步數)觀察動作。行為模式可以從這些數據做出推斷，異常的模式則會觸發(fā)警報。運動數據可以通過與人體直接接觸檢測到，例如計步器，或是通過使用環(huán)境傳感器，如被動紅外運動傳感器，將其連接到目標所在的環(huán)境?？纱┐魇竭\動傳感器是與人直接接觸的，因此可以準確地測量人的運動，不用考慮位置或他人的存在。在人們忘記連接傳感器或是連接不正確的情況下，環(huán)境解決方案是比較理想的。但是，環(huán)境傳感器安裝在固定位置，如果一個人在另外的位置,它就不能傳感到這個人的情況。8.1

智能醫(yī)學傳感技術基礎1病人的監(jiān)測測量的對象病人的監(jiān)測檢測的對象紅外測溫儀體溫噴霧器/藥物輸送噴霧器吸入模式用過可控的噴霧器輸送藥物肺功能-肺活量計-峰流速儀FVC（用力肺活量），FEV（用力呼氣量），PEF（呼氣流量峰值）無線電頻率識別（RFID）對象的交互——日常生活活動脈搏血氧儀血液氧合壓力傳感器床位使用血壓計收縮壓/舒張壓加速計加速度——跌倒監(jiān)測四肢運動——康復

計步——計步器脂肪測量器體脂百分比體重秤體重陀螺儀角速度——跌倒監(jiān)測四肢運動——康復血紅蛋白光度計血紅蛋白濃度——測量貧血磁力儀體位——跌倒監(jiān)測PT/INR儀表前凝血酶時間（PT）以及其衍生的凝血酶原比率（PR）測量和國際標準化比值（INR）；長期被華法林（warfarin）使用者使用PIR房間占用情況28.1

智能醫(yī)學傳感技術基礎8.1.3

智能醫(yī)學傳感技術的作用家用慢性疾病管理系統(tǒng)的體系結構228.2典型智能醫(yī)學傳感器238.2.1

智能醫(yī)學傳感技術的作用8.2.1超聲醫(yī)學超聲成像是指以超聲波為聲源，以聲波的傳播特性為物理基礎，對人體內部組織器官進行成像。與其他成像技術（如

CT、MRI、PET

和

SPECT）相比，超聲成像具有無輻射、成像快速、檢查費用低等優(yōu)點；同時超聲成像設備可以做到非常輕巧便攜，所以以超聲成像為基礎的臨床檢查手段越來越受到醫(yī)生的青睞，在臨床中得到廣泛使用。本章首先介紹超聲成像的物理基礎，隨后分別介紹超聲成像系統(tǒng)及成像模式。8.2典型智能醫(yī)學傳感器但是對骨的穿透性較差。248.2.1

智能醫(yī)學傳感技術的作用8.2.1超聲1．超聲波的物理特性超聲波是指物體在介質中進行機械振動，產生頻率高于

20kHz

的一種聲波。在臨床應用中，超聲波的頻率一般為

1～20MHz。

同其他頻率的聲波一樣，超聲波可以在固體、氣體和液體中傳播；同時又由于超

聲波固有的高頻特性，使它不同于低頻聲波，具有以下特點。（1）能量高：聲波的能量正比于頻率的平方；此外，功率正比于能量。因此，超聲波具有較高的能量和功率。（2）方向性強：超聲波在介質中沿直線傳播。（3）穿透能力：聲波在介質中傳播時，依據傳播方向的不同可分為橫波和縱波。超聲波是一種縱波，且穿透力很強，能夠穿透較厚的生物組織，8.2典型智能醫(yī)學傳感器式中，

為質點密度；

為質點振動速度；

為聲速。258.2.1

智能醫(yī)學傳感技術的作用一、超聲超聲成像中的重要參數（1）聲速聲速是指聲波在介質中單位時間內傳播的距離，常用

表示?？烧J為聲波在各軟組織中的傳播速度近似相等，一般取 =1540m/s

。（2）聲壓和聲強度聲波在介質中傳播時，介質中不同區(qū)域會受到不同的壓力。將單位面積上介質受

到的壓力稱為聲壓（P），可用式(8-1)表示。P

vc8.2典型智能醫(yī)學傳感器268.2.1

智能醫(yī)學傳感技術的作用聲強度（

I

）是指在單位時間內垂直于單位面積的超聲能量，它是超聲診斷學中的一個重要參數，如式(8-2)所示。2P2I

c式中，P

為聲壓；

為質點密度；

為質點振動速度；c

為聲速。（3）聲阻抗聲阻抗（Z

）是指超聲聲場中某一位置上的聲壓（P

）與該處質點振動速度（

）的比值，如式(8-3)所示。Z

P將式(8-1)代入式(8-3)可以得到：

Z

c從式(8-4)可以看出，聲阻抗等于質點密度與聲速的乘積。8.2典型智能醫(yī)學傳感器278.2.1

智能醫(yī)學傳感技術的作用根據阻抗和聲速的關系，通常可以把人體組織分為三類：氣體組織——肺；液體組織——軟組織和血液；固體組織——骨骼和礦物化后的組織。由于聲波在液體組織中傳播時聲速和聲阻抗變化不大，從而能夠保證聲波傳播的方向性，進而能夠使回波的接收時延與探測深度近似成正比關系，基于此能夠獲取高質量的超聲圖像。因而，在臨床應用中，超聲通常應用于液體組織成像。8.2典型智能醫(yī)學傳感器二、超聲成像系統(tǒng)具體而言，超聲成像設備主要由超聲換能器和基礎電路兩部分構成超聲成像系統(tǒng)的基本結構示意圖超聲換能器——超聲換能器又稱為超聲探頭，它主要用于超聲波的發(fā)射和接收。探頭的核心部件

是壓電晶片，在晶片的前端使用由硅橡膠（或環(huán)氧樹脂）制成的薄膜進行防護，同時，使用有機玻璃（或硬塑料）制作的外殼進行保護。基礎電路——基礎電路是超聲成像系統(tǒng)的核心部分，主要由主控電路、掃描發(fā)生器、信號處理電路及電源構成。其中，主控電路用于控制電脈沖產生的時間，并對掃描發(fā)生器進行

初始化；掃描發(fā)生器主要對獲取的信號進行坐標轉換；信號處理電路主要對28信號進行穩(wěn)定和平滑；電源為整個系統(tǒng)提供能量。8.2典型智能醫(yī)學傳感器29三、B型超聲成像原理目前醫(yī)用超聲成像設備可分為

A

型、B

型、C型、D

型和

M

型

5

種類型。B型（Brightness

Mode）超聲為灰度調制型超聲，簡稱

B

超，因其可通過點、線掃描出人體組織（器官）的解剖切面，故又稱為二維超聲。在超聲成像系統(tǒng)中，傳感器系統(tǒng)其實就是一個陣列裝置，它可以對信號進行發(fā)射和接收。一個傳感器也可以成為陣元，而多個陣元能組成一個陣列?？臻g中每一個點的場強會受到各陣元輻射場的影響，所以為了形成不同的輻射場，會對各個陣元進行加權處理，從而使各個陣元發(fā)射的信號大小和時間不同。在成像過程中，之所以在一個陣列中采用多個陣元，就是為了盡可能地合成所需要的輻射場，從而達到提高成像分辨的目的。

當一個陣列產生在一定區(qū)域內發(fā)射信號，產生一個輻射場，那么在輻射場的物理對象通過與發(fā)射信號的相互作用而產生了反射信號。因為反射信號包含了物理對象的相關信息，為了得到它，就需要對反射信號進行逆求解。所以，成像的關鍵就在于產生所需要的輻射模式。輻射模式又可以稱之為波束形成8.2典型智能醫(yī)學傳感器三、B型超聲成像原理1．波束形成延遲疊加波束形成，是目前超聲成像在實際應用中最廣泛的成像方式。超聲傳感器陣列對發(fā)射信號進行適當的延遲，使每個陣元發(fā)射的超聲信號到達場中某點的時間正好一致，從而形成聚焦點。由于人體內部媒介的非均勻性而產生的反射回波，超聲傳感器陣列對接收信號進行適當的延遲，最后生成圖像。308.2典型智能醫(yī)學傳感器31三、B型超聲成像原理2．波束控制方法（1）動態(tài)聚焦不同于定點聚焦，當深度r變化時，動態(tài)聚焦的聚焦延時會隨深度變化。在進行超聲成像時，理論上所有的點都作為聚焦點，并且在發(fā)射和接收階段都使用動態(tài)聚焦，會使得成像的質量大大提高。但是考慮到聲束的傳播在傳統(tǒng)的延時疊加波束形成中的影響，如果對所有的點都進行聚焦，那么需要大量的數據采集時間來實現發(fā)射時的動態(tài)聚焦，所以在實際應用中只有通過接收時的動態(tài)聚焦來實現，但是因為在發(fā)射階段無法實現動態(tài)聚焦，使得成像結果會出現一點偏差。當使用合成孔徑成像技術時，因為它是對沒有進行過聚焦處理的數據進行后處理，所以能夠同時且簡單地實現發(fā)射和接收時的動態(tài)聚焦，使得圖像的質量有所提高。8.2典型智能醫(yī)學傳感器32三、B型超聲成像原理2．波束控制方法（2）動態(tài)孔徑當有效孔徑越大，即陣元數越多時，生成波束的旁瓣越小，主瓣越寬，所以不同陣元數目會使得生成的波束有所差異。

所謂動態(tài)孔徑，就是在波束形成階段，只有位于接收子陣中

心的少數通道在接收開始時是激活的狀態(tài)，而其余都處于關閉狀態(tài)。隨著接收深度的增加，越來越多的接收通道被打開，接收孔徑逐漸增大。（3）幅度變跡超聲傳感器發(fā)射的聲束是具有方向性的，它向組織內輻射的能量根據方向的不同而不同。超聲陣列產生的波束是由不同陣元產生的不同聲場相干疊加而產生的，當每個陣元的激勵信號的幅度相同時，那么陣元產生的聲場之間會等幅相干疊加，其中旁瓣幅度比較大，嚴重影響了成像的質量。通過對發(fā)射和接收通道的幅度加權，使得每個陣元發(fā)射和接收信號的幅度改變，從而對旁瓣的幅度進行控制，這種方法被稱為幅度變跡。目前應用得比較多的幅度變跡函數有Hamming

函數、Hanning

函數和Blackman

函數。8.2典型智能醫(yī)學傳感器三、B型超聲成像原理3.回波信號處理（1）模數轉換在超聲探頭接收信號后，該信號為模擬信號，因為不便于分析，所以通過模數轉換把該信號轉化為數字信號。數字信號可以看作是很多不同頻率的簡諧波的疊加，在這些簡諧波中的最高頻率即為信號的最高頻率。由

Nyquist定理可知，

采樣頻率必須大于最高頻率的兩倍，才能得到信號完整的信息。（2）增益補償在超聲成像過程中，增益補償是一個重要的組成部分。增益補償又稱為

TGC，是一種根據組織的衰減特性，對接收到的超聲信號進行增強處理，從而使獲得的超聲圖像變得均勻的方法。在發(fā)射一個超聲信號時，它具有一定的能量，由于人體組織的衰減特性，使得信號的能量隨著探測深度的增減而減弱，從而導致在深度大的地方，超聲的圖像會比較暗，而深度淺的地方超聲的圖像會比較亮。如果不進行任何處理，那么所形成的圖像上面的位置和下面位置的反差會比較強。338.2典型智能醫(yī)學傳感器34三、B型超聲成像原理3.回波信號處理（3）Log壓縮在超聲成像系統(tǒng)中，它所能顯示的灰度級為8（256的灰度級別）。然而當像素點的值在16以下時，并不能被顯示出來，從而導致只能顯示23dB的動態(tài)范圍。在超聲系統(tǒng)中獲取的

B

模式數據是15位的，這遠遠超出了系統(tǒng)所能顯示的級別，所以我們要經過Log壓縮來使該數據限制在這個范圍內。由于經過

Log

壓縮后，大幅度壓縮了圖像的動態(tài)范圍，從而使得本來的弱信號得以顯示出來。（4）掃描轉換當獲得經過處理后的回波數據后，那就需要把回波數據中點和它的物理空間信息一一對應起來，稱之為掃描轉換（Digital

Scan

Converter，DSC）。掃描轉換分為兩種方式：扇形掃描和線陣掃描。扇形掃描的

DSC

算法，因為采樣點是通過極坐標的方式顯示的，所以需要把極坐標轉換成直角坐標，再進行插補運算輸出為在屏幕上顯示的信號。而線陣掃描方式則相對簡單，因為它的采樣點本身就是以直角坐標系為參照，信號上各個采樣點可以根據簡單的速度和時間的計算，就能得出正確的物理位置信息，再經過插補運算后就可以在屏幕上顯示掃描信息。8.2典型智能醫(yī)學傳感器358.2.1

智能醫(yī)學傳感技術的作用8.2.2

MRIMRI

檢查技術是在物理學領域發(fā)現磁共振現象的基礎上，于

20

世紀70

年代繼

CT

之后，借助電子計算機技術和圖像重建數學的進展與成果而發(fā)展起來的一種新型醫(yī)學影像檢查技術。

通過對靜磁場中的人體施加某種特定頻率的視頻脈沖，使人體組織中的氫質子受到激勵而發(fā)生磁共振現象，當終止射頻脈沖后，質子在弛豫過程中感應出

MR

信號；經過對

MR

信號的接收、空間編碼和圖像重建等處理過程，即產生

MR

圖像，這種成像技術就是

MRI

技術。8.2典型智能醫(yī)學傳感器368.2.1

智能醫(yī)學傳感技術的作用8.2.2

MRI一、MRI成像的物理基礎磁共振成像的物理基礎是核磁共振現象（

Nuclear MagneticResonance，NMR），其本質為處于靜磁場中的原子核受到射頻激發(fā)后，將在其能級間產生共振躍遷。1946 年， 美國物理學家 F. Bloch 和 E.Purcell 各自獨立發(fā)現了該現象，并因此榮獲了 1952 年的諾貝爾物理獎。以此為基礎，1973

年，美國化學家

Paul

C.

Lauterbur

首次實現了磁共振成像。自此，磁共振成像學科正式誕生，并已成為醫(yī)學診斷的重要工具。8.2典型智能醫(yī)學傳感器378.2.1

智能醫(yī)學傳感技術的作用8.2.2

MRI一、MRI成像的物理基礎（1）質子的縱向磁化:氫原子核只有一個質子，沒有中子。質子帶正電荷，并能自旋運動，因此產生磁場，

每個質子均為一個小磁體，其磁場強度和方向用磁矩或磁矢量來描述。在人體進入靜磁

場以前，體內質子的磁矩取向是任意和無規(guī)律的，因此磁矩相互抵消，質子總的凈磁矢

量為零。如果進入一個強度均勻的靜磁場（外磁場），則質子的磁矩按外磁場的磁力線方

向呈有序排列，其中平行于外磁場磁力線的質子處于低能級狀態(tài)，數目略多，而反平行

于外磁場磁力線的質子處于高能級狀態(tài)，數目略少，相互抵消的結果是產生一個與靜磁場磁力線方向一致的凈磁矢量，稱為縱向磁化。8.2典型智能醫(yī)學傳感器8.2.1

智能醫(yī)學傳感技術的作用（2）進動:在靜磁場中，有序排列的質子不是靜止的，而是作快速的錐形旋轉，稱為進動。進動速度用進動頻率（即每秒進動的次數）表示。外磁場場強越強，進動頻率越快。（3）磁共振現象與橫向磁化:當向靜磁場中的人體發(fā)射與質子進動頻率相同的射頻脈沖時，質子才能吸收射頻躍

遷到高能級，從而使縱向磁化減少。與此同時，射頻脈沖還使質子處于同步同速進動，

即處于同相位。這樣，質子在同一時間指向同一方向，其磁矢量也在該方向疊加起來，

產生橫向磁化。（4）弛豫與弛豫時間:終止射頻脈沖后，宏觀磁化矢量并不立即停止轉動，而是逐漸向平衡態(tài)恢復，此

過程稱為弛豫，所用的時間稱為弛豫時間。38弛豫的過程即為釋放能量和產生

MR

信號的過程。8.2典型智能醫(yī)學傳感器398.2.1

智能醫(yī)學傳感技術的作用二、MRI成像系統(tǒng)核磁共振成像系統(tǒng)主要由磁體系統(tǒng)、屏蔽系統(tǒng)、射頻系統(tǒng)、射頻線圈、梯度磁

場線圈、計算機系統(tǒng)和機械系統(tǒng)幾部分構成。1．磁體系統(tǒng)：主磁體按磁場形成機理,分為永磁型磁體和導體型磁體,其中導體型磁體主要

是超導型磁體。2．屏蔽系統(tǒng)：屏蔽系統(tǒng)分為磁屏蔽系統(tǒng)與熱屏蔽系統(tǒng)

(超導型)。磁屏蔽系統(tǒng)主要解決外界雜散磁場的干擾與內部磁場的外泄,是參數穩(wěn)定和運行安全的保障。3．射頻系統(tǒng)：射頻系統(tǒng)分為射頻發(fā)射系統(tǒng)與射頻接收系統(tǒng)。

發(fā)射系統(tǒng)從射頻控制電路/計算機接收信號后放大到合適的幅度,以滿足測量對象與累加強度的要求,并通過梯度磁場與射頻發(fā)射線圈發(fā)射到孔徑內。

接收系統(tǒng)從接收線圈

(如體線圈、表面線圈)中接收信號,并通過模數轉換,

變成數字信號供工作站圖像處理計算機進行分析和重建。8.2典型智能醫(yī)學傳感器408.2.1

智能醫(yī)學傳感技術的作用射頻線圈：選用的射頻線圈是影響圖像質量的重要硬件組成部分。射頻線圈分為發(fā)射線圈和接收線圈。

與射頻發(fā)射線圈的位置相同,作為固定的射頻接收線圈,腔體埋設有體線圈,可以實現孔徑內的均勻成像,但分辨率不高。梯度磁場線圈：在核磁共振系統(tǒng)中,為了實現斷層層面的選擇和平面內像素點位置的編碼,需要將額外的低強度梯度磁場累加在主磁場之上,并通過兩個反向線圈形成正負梯度,一般在三個垂直的方向上都有。計算機系統(tǒng)：除了上述的這些機械與材料部件,計算機系統(tǒng)也是十分重要的組成部分。為了建立和完成整個掃描過程,需要數字系統(tǒng)來實現從系統(tǒng)啟動、時序控制到參數校正、圖像重建等一系列自動執(zhí)行的計算與控制任務。其中:射頻控制與前端控制計算機,

即通常所說的“譜儀”,主要控制前端電路的執(zhí)行與時序,是一套半交互式或非交互式的專用數字系統(tǒng)。機械系統(tǒng)：機械系統(tǒng)包括機器控制盤、病床、升降臺、制冷壓力機等裝置。此外,獨立的電源、制冷與檢測系統(tǒng)也是核磁共振成像系統(tǒng)穩(wěn)定安全工作的必要保障。8.2典型智能醫(yī)學傳感器8.2.1

智能醫(yī)學傳感技術的作用核磁共振成像系統(tǒng)的構成示意圖418.2典型智能醫(yī)學傳感器428.2.1

智能醫(yī)學傳感技術的作用三、MRI成像原理磁共振成像的方法較多，大多基于拉莫爾定理，構造出與空間位置一一對應的磁場分布，使處于不同位置的氫核以不同的頻率共振，進而從檢測得到的

MRI信號恢復與參數相關的圖像。

當前，MRI的主要成像方法可分為投影重建法、傅里葉重建法及非均勻采樣重建法三種。投影重建法MRI

的投影重建法利用了梯度場的作用。在重建過程中，主要使用了兩種梯度，一種為層選梯度，另一種為旋轉梯度。投影重建法實現簡單，技術成熟，但成像時間過長，且對梯度的線性度要求較高。8.2典型智能醫(yī)學傳感器8.2.1

智能醫(yī)學傳感技術的作用2.

傅里葉重建法傅里葉成像法主要根據傅里葉原理進行

MRI

成像。在磁共振掃描過程中，依次加入層選梯度、頻率編碼梯度及相位編碼梯度進行層面選擇和空間定位。通常情況下，首先沿

z

方向加入層選梯度，進行層面定位；隨后，加入頻率梯度和相位梯度，對層面內體素進行定位；然后，逐行、均勻采集磁共振數據；最后，對采集得到數據進行快速傅里葉變換，完成

MRI

成像。傅里葉成像法數據采集時間短、圖像分辨率高，現已逐漸成為磁共振成像的主流算法。但是由于受其規(guī)則的數據采集方式的限制，在重建過程中，無法有效抑制運動干擾。438.2典型智能醫(yī)學傳感器448.2.1

智能醫(yī)學傳感技術的作用3.

非均勻采樣重建法基于磁共振螺旋掃描方式所獲取的數據一般為非均勻采樣數據，數據大部分不在整網格點上，因此無法直接使用快速傅里葉變換對其進行成像。常用的方法是將非均勻采樣數據轉換到均勻網格上，隨后使用傅里葉變換對其重建。目前，在磁共振非均勻數據處理中，常用算法有柵格重建算法、分塊均勻重采樣法和廣義逆法。8.2典型智能醫(yī)學傳感器458.2.1

智能醫(yī)學傳感技術的作用3.

非均勻采樣重建法基于磁共振螺旋掃描方式所獲取的數據一般為非均勻采樣數據，數據大部分不在整網格點上，因此無法直接使用快速傅里葉變換對其進行成像。常用的方法是將非均勻采樣數據轉換到均勻網格上，隨后使用傅里葉變換對其重建。目前，在磁共振非均勻數據處理中，常用算法有柵格重建算法、分塊均勻重采樣法和廣義逆法。8.2典型智能醫(yī)學傳感器468.2.1

智能醫(yī)學傳感技術的作用8.2.2CT用不同組織對

X

射線的吸收系數不同的物理特性，通過將

X

射線沿著不同的方向對成像物體進行透射，并借助計算機技術重建成像物體的二維斷面或三維圖像的成像技術，被稱為

X

射線計算機斷層成像（ComputedTomography，CT）。一、CT成像的物理基礎CT

圖像是真正的斷面圖像，它顯示的是人體某個斷面的組織密度分布圖。CT

以X

線作為投射源，由探測器接收人體某斷面上的各個不同方向上人體組織對

X

線衰減值，經模/數轉換輸入計算機，通過計算機處理后得到掃描斷面的組織衰減系數的數字矩陣，

然后將矩陣內的數值通過數/模轉換，用黑白不同的灰度等級在熒光屏上顯示出來。CT

圖像具有圖像清晰，密度分辨率高，無斷面以外組織結構干擾等特點。8.2典型智能醫(yī)學傳感器478.2.1

智能醫(yī)學傳感技術的作用（1）體素（voxel）和像素（pixel）：CT圖像是人體某一部位有一定厚度的體層圖像。

成像的體層分成按矩陣排列的若干個小的基本單元。而以一個CT值綜合代表每個小單元內的物質密度，這些小單元被稱為體素。同樣，一幅

CT圖像是由很多按矩陣排列的小單元組成，這些組成圖像的基本單元被稱為像素。像素是體素在成像時的表現，像素越小，圖像的分辨率越高。（2）矩陣：是一個數學概念，將受檢層面分割為若干小立方體，這些小立方體就是體

素。當圖像面積為一固定值時，像素越小，組成

CT

圖像矩陣越大，圖像清晰度越高，

反之亦然。（3）空間分辨率：在保證一定的密度差前提下，顯示待分辨組織幾何形態(tài)的能力。常

用每

cm

內的線對數或者用可辨別最小物體的直徑（mm）來表示。（4）密度分辨率：指能分辨兩種組織最小密度差異的能力。8.2典型智能醫(yī)學傳感器8.2.1

智能醫(yī)學傳感技術的作用（5）CT

值：體素的相對

X

線衰減度（即該體素組織對X線的吸收系數），表現為相

應像素的

CT

值，單位名稱為

Hu（Hounsfield

Unit，Hu）。規(guī)定以水的

CT

值為

0Hu，骨

皮質最高，為

1000Hu。人體組織的

CT

值界限可分為

2000

個分度，上界為骨的

CT

值

（1000Hu），下界為空氣的

CT

值（?1000Hu）。這樣分度包括了最高密度（骨皮質）到最

低密度（器官的含氣部分）的

CT

值。CT值=

該物質的吸收系數（

n）-水的吸收系數（

w）

1000水的吸收系數（

w）水的衰減系數為

1，空氣的衰減系數為

0，骨的衰減系數為1.9～2.0。488.2典型智能醫(yī)學傳感器498.2.1

智能醫(yī)學傳感技術的作用（6）窗寬與窗位：窗寬是指熒屏圖像上所包括

16個灰階的

CT

值范圍。人體組織

CT

值范圍有

2000

個分度（?1000～+1000），如在熒屏上用

2000個不同灰階來表示

2000個分

度，由于灰度差別小，人眼不能分辨（一般僅能分辨

16

個灰階）。如用

16

個灰階來反映8.2典型智能醫(yī)學傳感器508.2.1

智能醫(yī)學傳感技術的作用8.2.2CT二、CT成像系統(tǒng)CT

成像系統(tǒng)[4]的基本結構框圖如圖

8.9

所示，具體而言，其一般由以下三部分

組成：

計算機控制單元（Host/Console）；

系統(tǒng)控制單元（SystemControl）；

圖像處理單元。CT成像系統(tǒng)的基本結構框圖8.2典型智能醫(yī)學傳感器518.2.1

智能醫(yī)學傳感技術的作用8.2.2

CT三、CT成像原理CT

是用

X

射線束沿不同方向對成像物體進行掃描，由探測器接收透過成像體表

面的X

射線，將其轉變?yōu)榭梢姽庑盘?，再通過光電轉換器轉換為電信號，最后經模/數轉換器（Analog/Digital

Converter）轉換為數字信號，輸入計算機進行處理。利用計

算機，對

X

射線掃描所得的信息進行計算，獲得成像體內每個體素的

X

射線衰減系數

（吸收系數），隨后將其排列成矩陣，并經數/模轉換器（Digital/Analog

Converter），將矩陣中的每個元素轉換為對應圖像位置的灰度像素，最終構成CT圖像。重建成像的本質是依據已知因素建立方程，通過對其求解獲取相應未知因素的過程。在

CT

成像中，未知因素是待求成像體中每個體素的值，其組成的集合就構成

了

CT

斷層圖像；已知因素是指方程的組成形式和每個方程的輸出。對于

CT

成像而言，現有的求解算法可分為以下三類，即直接矩陣求解法、迭代重建算法及濾波反投影重建算法。8.2典型智能醫(yī)學傳感器528.2.1

智能醫(yī)學傳感技術的作用8.2.2CT三、CT成像原理1. 直接矩陣求解法為了計算

CT

重建圖像中各點對

X

射線的吸收值，可先將重建圖像劃分成均勻的矩陣網格，隨后使用直接矩陣法進行求解。在實際應用中，根據成像矩陣的大小和未知數的個數，總能找到足夠的線性方程

（掃描方向）對未知數進行求解。但該方法有以下缺點：（1）若成像矩陣增大，將導致未知數過多，進而致使計算量非常巨大；（2）在掃描過程中，如果病人運動或有其他因素干擾時，可能導致方程包含錯誤的因素，致使求解錯誤。8.2典型智能醫(yī)學傳感器538.2.1

智能醫(yī)學傳感技術的作用8.2.2

CT迭代求解法在迭代求

解的開始階段，為各單元設定一初始值（通常設置為

0）；然后對成像體進行不同角度掃描，計算該角度的測量值；然后使用計算得到的測量值對原始值進行修正；在修正

過程中，使用修正值替代原始值；進一步，重復上述掃描—計算—修正過程；最后，

當矩陣內的修正值與該方向測量值的偏差在一定精度范圍內時，迭代終止。濾波反投影重建算法（1）中心切片定理使用二維密度函數描述待重建的圖像，下圖給出了從密度函數獲得投影數據的過程。沿投影線方向計算的線積分，即可得到該投影線的投影值。沿投影方向

計算所有投影線的投影值，即可得到該投影方向上的投影函數

。將投影函數做一維傅里葉變換，可獲得其在頻域中對應的一維變換函數

。將密度函數

做二維傅里葉變換，即可獲得其在頻域中對應的變換函數，其極坐標表示形式為。8.2典型智能醫(yī)學傳感器密度函數及其投影函數8.2.1

智能醫(yī)學傳感技術的作用（1）中心切片定理將投影函數g

(R)

做一維傅里葉變換，可獲得其在頻域中對應的一維變換函數G

(

)。將密度函數

f

(x,

y)

做二維傅里葉變換，即可獲得其在頻域中對應的變換函數F

(u,

v)，其極坐標表示形式為F

(

,

)。中心切片定理中心切片定理中心切片定理指出：密度函數

f

(x,

y)

沿

方向上的投影函數

g

(R)

的一維傅里葉變換函數

G

(

)

，是密度函數

f

(x,

y)

的二維傅里葉變換函數

F

(

,

)

在平面上沿同一方向(

)

且過原點的直線上的值?？蛇M一步看到，在二維頻率域中沿(

) 方向的直線上的值

F

(

,

)

，54就是投影函數g

(R)

的一維傅里葉變換函數值。8.2典型智能醫(yī)學傳感器55稱為傅里葉變換重建方法。傅里葉變換重建方法8.2.1

智能醫(yī)學傳感技術的作用（1）中心切片定理中心切片定理給出了從投影重建圖像的可能性。實際上，早在

1917

年，奧地利數學家Radon

就已從理論上驗證了其可能性。f

(x,

y)

的投影函數

g

(R)

可以看成是以

R

和

為參數的二維函數。因此，可以用R和

構成一個極坐標空間，通常被稱為

Radon

空間該空間中任意一點(R,

)

的值實際上代表物體空間中所計算的密度函數

f

(x,

y)

的一個線積分的值。（2）傅里葉變換重建方法如果在不同角度下取得足夠多的投影函數數據g

(R)，然后對其進行傅里葉變換，那么變換后的數據將充滿整個(u,

v)

平面。在獲取

F

(u,

v)

或

F

(

,

)

的全部值后，對其進行傅里葉逆變換，即可獲得原始的密度函數

f

(x,

y)

，也就是所要重建的圖像。該方法又被8.2典型智能醫(yī)學傳感器8.2.1

智能醫(yī)學傳感技術的作用（3）直接反投影算法由于傅里葉變換重建算法需要做二維插值、坐標變換與二維傅里葉變換，計算量較大，影響了重建速度。

為了解決該問題，在

CT

產生的初期，曾使用直接反投影重建方法。其做法是把每次測得的投影數據“原路”反投影到投影線的各像素上，因此被稱為“直接投影法”。

經由直接反投影計算得到的重建圖像是以原點為中心的一系列輻射線，在原點處密度最高，愈往四周，密度愈低，致使在中心周圍出現逐漸變淺的云狀陰影。為了消除偽影，對重建密度函數進行校正。56直接反投影法的圖像校正8.2典型智能醫(yī)學傳感器578.2.1

智能醫(yī)學傳感技術的作用（4）濾波反投影算法為了克服直接反投影計算中先反投影后修正的耗時計算問題，濾波反投影重建方法采用先修正后反投的方式，在提高重建圖像質量的同時縮短了計算時間。其基本做法是：首先對投影函數（一維函數）進行濾波，隨后對修正后的投影函數進行反投影運算，進而得到所需的密度函數。因此，濾波反投影算法的核心是如何修正投影函數，

使之在反投影后能夠重建原密度函數。濾波反投影法8.3智能醫(yī)學數據處理技術588.3.1

超聲波數據處理1. 基礎B超圖像數據處理：圖像增強、圖像去噪、邊緣檢測、偽彩色顯示、紋理分析。B超診斷儀采集的影像為數字圖像，采用數字化圖像處理技術能夠增強清晰度，對病灶邊緣進行圖像清晰處理，醫(yī)生通過分析更加明確的影像圖片，能夠更準確、更快速的做出診斷，結合病人自身實際情況制定科學合理的治療方案。B超診斷儀將采集的圖像有目的地存入計算機中，建立與病人相關的信息庫，形成醫(yī)學影像數據庫系統(tǒng)，對數據庫中的信息進行綜合性管理，提高B超圖像利用率，為臨床診斷奠定良好基礎。B超圖像采集系統(tǒng)中的數字存儲技術保證圖像存取效率，提高B超圖像查詢速度和管理效率，為醫(yī)生和患者帶來便利。數字存儲技術還代替了傳統(tǒng)紙質打印媒介，降低了人工成本，節(jié)約了開支。數字存儲能夠實現數據的網絡傳輸，為遠程診斷提供便利條件，適應了醫(yī)療事業(yè)互聯發(fā)展的趨勢。8.3智能醫(yī)學數據處理技術598.3.1

超聲波數據處理（1）圖像增強技術圖像增強技術作為圖像處理領域的基本技術之一，通過將原始分散而稀疏的圖片通過拉大對比度，增強視覺效果，能夠使原本模糊不清甚至無法辨認的圖片清晰化。隨著科學不斷發(fā)展進步，在圖像增強技術的基礎上，衍生出B超圖像增強技術。B超圖像中明暗分布直接影響圖像的清晰度，圖像的展示情況也受到對比度的影響，當一幅圖像大部分區(qū)域亮而局部不亮時，說明該圖對比度低，圖像整體較為模糊，不利于辨認:而一幅圖像大部分區(qū)域的明、暗程度相似，圖像中明、暗區(qū)域分配合理。則這-圖像的對比度高,能夠被人們清晰地辨認出來。因此，圖像增強技術在進行B超圖片處理中有著不可替代的作用。相關技術人員進行圖片處理時，應當合理調整灰度范圍，通過調整圖片的對比方式，改變視覺效果。對比度較低的圖像基本都是由有限灰度所構成，其主要特點是像素范圍較為集中，僅利用很小的像素范圍就可以顯示圖像，借助此區(qū)域內的直方圖準確判定檢查區(qū)域，通過對比拉伸將原始圖像動態(tài)范圍加寬，將B超圖像中原有重要且又無法查詢的信息提取出來，以此達成增強圖像視覺效果的作用。8.3智能醫(yī)學數據處理技術8.3.1

超聲波數據處理（2）圖像去噪處理技術B超圖像在收集和轉換過程中，經常會受到不規(guī)則隨機噪聲影響，隨機噪聲的大小直接影響到圖像質量，為了抑制機器噪聲提升圖像質量，必須對B超圖像進行去噪處理。其中較為常用的中值濾波法就能對B超圖像進行去噪處理。中值濾波作為一種非線性的處理方式，需要在固定條件下克服線性濾波器的影響，這就需要技術人員進行技術處理時，應當避免中值濾波為圖像細節(jié)帶來的影響，這種模式能夠去除脈沖波的干擾，是在B超圖像中一種較為有效的去噪聲方式。中值濾波的使用方法通常是對于奇數個點的滑動窗口進行中間值替代，常選擇3*3的方形進行中值濾波法進行去噪處理，隨后再進行邊緣的檢測。608.3智能醫(yī)學數據處理技術618.3.1

超聲波數據處理（3）圖像邊緣檢測技術B超圖像邊緣主要指像素灰度屋頂變化、階躍變化等諸如此類的像素集合，通常存在于物體與物體之間、物體與背景之間等。B超圖像邊緣的構成特點是圖像邊緣像素變化較為平緩，而圖像垂直方向的像素變化較為劇烈，其計算方法就是將符合邊緣像素要求的邊緣像素予以數學微分算子。如果圖像邊緣變化較強，這類圖像能夠使人產生強烈的視覺感受,便于對圖像觀察，而數字圖像邊緣檢測技術是對圖像進行分割，也是圖像分析領域一項基礎技術。因此，在進行B超圖像收集時，人們應當充分利用這一技術，加強邊緣值增強處理。由于圖像受到物理機制約束，超聲圖像中也存在巨大的噪聲，在提取時通常會得到虛假邊緣，其灰度變化并不是人們所關注的邊緣,這些虛假邊緣也會對圖像處理造成一定的困難，技術人員需要尋找對噪聲不敏感、定位準確的邊緣進行檢測，提高圖片綜合性能，這也是當前圖片處理工作者的工作目標。8.3智能醫(yī)學數據處理技術628.3.1

超聲波數據處理（3）圖像邊緣檢測技術傳統(tǒng)圖像邊緣檢測技術中的Sobel、Prewitt、Roberts等對于噪聲十分敏感，致使上述技術在實際應用中存在一定困難，現在通過改進，提出二階導數零交叉點定位邊緣的方法，針對B超圖像邊緣檢測進行重新檢測，事實證明，這種方式能夠通過反復試驗，較為理想。測試圖像拉普拉斯金字塔分解第三層分量Shcarlet方向濾波參數β的估計廣義高斯模型非局部均值去噪第二層分量Shcarlet方向濾波參數β的估計廣義高斯模型非局部均值去噪第一層分量局部非均值去噪圖像重構去噪結果圖圖像加噪中值濾波法8.3智能醫(yī)學數據處理技術638.3.1

超聲波數據處理偽彩色顯示技術人們通過B超診斷儀所得出的圖像為灰度圖像，大部分人都很難適應灰度圖像，但對于彩色圖片的分析度和飽和度更易接受,將灰度較高的圖像轉化為彩色圖像的處理方法稱為偽彩色顯示技術。偽彩色顯示技術在醫(yī)學圖像處理中十分常見。對于圖像而言，偽彩色顯示技術是-種映射過程,利用這種技術能夠識別灰度差較小的圖像，提高B超圖像的觀察力,提高診斷準確率。8.3智能醫(yī)學數據處理技術648.3.1

超聲波數據處理紋理分析技術B超圖像會產生顆粒狀紋理，其主要原因分兩類，一類是B超圖像本身就存在顆粒斑紋，這種斑紋來自于組織反射超聲波與射線相互干擾引起的噪聲，這種噪聲對臨床診斷無用，并不是由于病人機體問題產生的，對于這類紋理可以不用分析。另一類就是被查體自身結構相關顆粒狀紋理，圖像中的紋理會隨著自查體的變化而變化,在臨床診斷上是-種較為有用的信息，人們對于這類信息紋理分析有助于診斷被查體的病情。當圖像在相同的組織成像條件下會形成相同的圖像紋理模式，正常的與有病變的器官圖像組織顆粒的分布情況有所不同。8.3智能醫(yī)學數據處理技術658.3.1

超聲波數據處理紋理分析技術考慮到這一點，人們對于B超圖像進行紋理分析是分辨病情的重要環(huán)節(jié)之一，需要技術人員掌握紋理分析技術。而紋理分析技術有很多種，其中，最為常見的有極大極小值法(MM法)、灰度行程法(GTS法)、灰度級差法(GLD)、共生矩陣法、離散分形布朗隨機場模型法等，這些方式都能更快的找準問題，有利于對紋理進行準確的分析，能夠為醫(yī)生的診斷提供支持。8.3智能醫(yī)學數據處理技術8.3.1

超聲波數據處理病灶提取、圖像分割：小波變化、水平集策略、C-V算法。小波變換、水平集策略B型超聲是現代醫(yī)療中常用的診療技術，采集人體組織對超聲反射散射后的聲波并進行圖像化處理，顯示臟器斷面形態(tài)，圖像富于實體感，接近于解剖的真實結構。對于圖像進行病灶提取,結合病理學臨床醫(yī)學知識對病變部位和性質做出判斷，能夠早期診斷多種占位性病變。自動提取B超圖像病灶是醫(yī)學圖像自動處理技術研究的一個熱點，傳統(tǒng)方法往往受限于B超圖像中的模糊邊界和大量噪聲干擾而效果不夠滿意。668.3智能醫(yī)學數據處理技術678.3.1

超聲波數據處理水平集方法（Level

Set

Method）是處理封閉運動界面隨時間變化過程中幾何拓撲變化的有效工具，本質是跟蹤界面移動的數值技術。它將二維曲線置入三維空間曲面中,將曲線看成高--維空間(曲面)中某一函數φ

(水平集函數)的零水平集,當曲面發(fā)生形變時,零水平集函數也隨之演變,通過描述和求解水平集函數所滿足方程,得到曲線形狀,即通過曲線拓撲結構的演化實現目標的分割，將圖像分割問題表達為能量函數的最小化和偏微分方程(曲面的法向和曲率)的求解。8.3智能醫(yī)學數據處理技術688.3.1

超聲波數據處理C-V算法Osher和Sethian是基于集合活動輪廓模型的水平集方法的創(chuàng)始人，在九十年代就提出了該方法。該方法具有良好的特性，不會陷入局部極值，拓撲適應性很強，擴展性良好，可進行穩(wěn)定的計算。因此，近幾年該方法被廣泛用于圖像分割。Chop提出了窄帶法。其基本思想是在局部范圍進行數值計算，減小計算量，實現局部化。快速進行法的特點是保持曲線演化的速度不變，因此，曲線只能擴張或收縮，使計算相對于傳統(tǒng)水平集算法、窄帶水平集算法變得簡單得多，因此，將改進的Chan-Vese（C-V）算法與梯度矢量流模型方法分別應用于肝臟B超圖像的分割，并比較各自的優(yōu)勢。8.3智能醫(yī)學數據處理技術698.3.1

超聲波數據處理分類診斷：神經網絡輔助診斷系統(tǒng)。首先分析125例有病理診斷的乳腺腫瘤超聲聲像圖的特征,針對醫(yī)學超聲圖像的特點對乳腺腫瘤B超圖像采用加權中值濾波算法有效地去除speckle噪聲,并提出一種改進的直方圖均衡化算法增強圖像的對比度;然后采用基于區(qū)域生長的分割算法自動分割提取乳腺腫瘤初始區(qū)域,用形態(tài)學濾波與空洞填充進行后續(xù)處理,得到了122例樣本較為準確的病灶區(qū)域;最后以病理學為基礎,提出了一種基于乳腺腫瘤輪廓分形維數的特征提取方法,并結合似圓度、粗糙度、長寬比等7個形態(tài)特征來描述腫瘤邊界的粗糙度。然后根據類間距對各個特征的分類能力進行評價,選出類間距較大的特征:輪廓曲線分形維數、似圓度、粗糙度和長寬比組成最佳特征矢量;利用BP神經網絡對特征矢量進行分類,獲得了乳腺腫瘤的良惡性較好的識別結果,達到降低活檢率的目的。X1

X2X3

X4Output輸入層隱藏層輸出層8.3智能醫(yī)學數據處理技術708.3.2

CT數據處理基于3D

UNet網絡的腫瘤分割（3D分割）。腎臟和腎臟腫瘤的準確分測是放射分析以及開發(fā)先進的手術計劃技術的重要步驟。在目前的臨床分析中，由臨床醫(yī)生根據對通過計算機斷層掃描(CT)

掃描收集的圖像的目視檢查進行分割。這個過程很費力，其成功很大程度上取決于以前的經驗。一種多尺度的有監(jiān)督的3D

U-Net，MSS

U-Net，從而從CT圖像中分割腎臟和腎臟腫瘤。深度監(jiān)管與指數對數損失結合在一起，以提高3DU-Net訓練效率。此外，引入了基于連接組件的后處理方法。以增強整個過程的性能。與最先進的作品相比。這種架構顯示出卓越的性能。腎臟和腎臟腫瘤的骰子系數分別高達0.969和0.805.8.3智能醫(yī)學數據處理技術8.3.2

CT數據處理2. 目標檢測，肺結節(jié)檢測：2D CNN融合3D CNN?；诟呔S肺部計算機斷層掃描(CT) 圖像的肺結節(jié)檢測是一項極具挑戰(zhàn)性的任務。在諸多肺結節(jié)檢測算法中深度卷積神經網絡(CNN)最引人注目，其中二維(2D)CNN具有預訓練模型多、檢測效率高等優(yōu)點，應用非常廣泛，但肺結節(jié)本質是三維(3D)

病灶，2D

CNN會不可避免的造成信息損失，影響檢測精度。3D

CNN能充分利用CT圖像空間信息，

有效提升檢測精度，

但是3DCNN存在參數多，計算消耗大，過擬合風險高等不足。718.3智能醫(yī)學數據處理技術8.3.2

CT數據處理2.目標檢測，肺結節(jié)檢測：2DCNN融合3D

CNN。為了兼顧兩者的優(yōu)勢，提出了基于深度混合卷積神經網絡的肺結節(jié)檢測模型，通過在神經網絡模型的淺層部署3D

CNN,在模型的深層部署2D

CNN并增加反卷積模塊,

融合多層級圖像特征，達到了不損失檢測精度的情況下，減少模型參數，增強模型泛化能力，提高檢測效率的目的。728.3智能醫(yī)學數據處理技術738.3.3

MRI數據處理多序列數據處理人工智能(AI)在心臟MRI多序列的圖像數據上有巨大的應用潛力。AI可輔助放射科醫(yī)師和科研工作者對復雜心臟MRI圖像進行快速精準的解讀,為臨床診斷和科學研究提供量化指標。AI分析心臟MRI的發(fā)展歷程,包括基于圖像、基于模型和基于數據的3類算法的特點,并簡要闡述現階段MRI圖像的AI研究所需要關注的問題。8.3智能醫(yī)學數據處理技術8.3.3

MRI數據處理2.

實時目標分割：啟發(fā)信息+深度學習（改進UNet）。近年來，隨著醫(yī)療大數據的興起和計算機技術的發(fā)展，使得智能醫(yī)療成為了可能，基于圖像處理和機器學習的人工智能方法也成為了醫(yī)學影像解譯的新手段，為癌癥等疾病的診斷和治療提供了新的途徑。目前，深度學習是人工智能領域最熱門的研究方向之一，憑借著強大的學習能力和泛化能力，其已經在自然圖像解譯方面取得了巨大成功，甚至超越了人類。然而，這種最新的方法也有缺陷，包括對大數據的依賴和較差的模型解釋性等。醫(yī)學影像本身獲取難度較大，數據量不像自然圖像那樣豐富，且成像質量通常不高，對分析方法有著更高的要求。深度學習自身的缺陷和醫(yī)學影像的特殊性限制了這一最新方法在醫(yī)學影像解譯上的應用。為了進一步發(fā)揮深度學習的優(yōu)勢，推廣其在醫(yī)學影像解譯上的應用，將相關領域的啟發(fā)式信息與深度學習模型相結合，克服了深度學習的一些局限性，提出了適用于低質醫(yī)學影像解譯的啟發(fā)式深度學習方法74。8.3智能醫(yī)學數據處理技術758.3.3

MRI數據處理針對低場強MRI

(

Magnetic

Resonance

Imaging,

MRI)圖像偽影嚴重、空間分辨率低導致目標難以直接分割的問題，提出了圖像增強和目標分割的序貫模型。首先，對于低場強MRI圖像偽影嚴重、空間分辨率低的問題，使用本文提出的梯度正則卷積神經網絡對其進行了增強，提升圖像整體的可視性和目標區(qū)域的可分性。然后，將類別不平衡學習和醫(yī)學圖像單目標分割問題相結合,提出代價敏感的加權U-Net模型，用于增強后MRI圖像中胃部的分割。將提出的方法和醫(yī)學圖像分割領域傳統(tǒng)的水平集方法進行了對比，實驗結果表明基于深度學習的方法要明顯優(yōu)于傳統(tǒng)方法，且將類別不平衡學習應用到醫(yī)學圖像單目標分割任務上，可以提升分割結果的準確性。8.3智能醫(yī)學數據處理技術8.3.3

MRI數據處理U-Net網絡結構圖768.3智能醫(yī)學數據處理技術778.3.3

MRI數據處理3.基于群智能算法的人腦功能劃分。目前，基于fMRI數據的人腦功能劃分方法大多是已有經典聚類方法在人腦功能劃分中的直接應用，不能較好地處理fMRI數據的高維性和低信噪比性,表現出搜索能力較差、對噪聲敏感、劃分結構的功能一致性和區(qū)域連續(xù)性較弱的不足。而群智能算法具有較強的全局搜索能力和一定的魯棒性,并且在聚類劃分方面表現出優(yōu)于經典聚類算法的性能。8.3智能醫(yī)學數據處理技術8.3.4

其他數據處理基于數據挖掘技術的醫(yī)療大數據分析方法。關聯規(guī)則挖掘、分類、聚類、異常挖掘。醫(yī)療大數