查看医学图像分析的源代码
←
医学图像分析
跳转至:
导航
、
搜索
因为以下原因,你没有权限编辑本页:
你刚才请求的操作只对属于该用户组的用户开放:
用户
您可以查看并复制此页面的源代码:
'''医学图像分析'''([[英语]]:medical image analysis),用[[计算机]]对[[医学图像]]进行自动处理、[[特征抽取]]和分类的技术。分析的主要对象是人体细胞涂片图像、人体各部位的 X射线照片和超声图像。这是[[模式识别]]应用较多的领域之一。一个细胞学图像分析系统包括样本制备、图像扫描、预处理和数字化、特征抽取、分类判别和输出等基本部分。样本制备是决定分析能否成功的关键步骤。染色体分析、颈涂片和血液涂片分析的样本制备有多种方法。一般用非相干光源通过显微镜和摄像机把经过机械制备和化学染色的细胞样本上的色度信息送入视频放大器和模拟处理电路,经过数字化后输入到计算机中。扫描装置用计算机控制,使样本传送、聚焦操作和被研究对象在样本平面上的定位实现自动化。预处理技术包括图像增强和对光学图像系统高频空间频率下降特性的校正,以及在不损失信息的条件下为减少图像存储数据量对像素进行的合并运算。可用各种方法提取细胞图像中有意义的特征量,例如对胞核和胞浆边界进行定位,采用光学密度直方图方法直接对血球分类,用行程长度分析法计算细胞平均周长面积比等参数,用二维梯度或拉普拉斯算子确定边界,以及通过形状分析和纹理分析抽取各种特征等。用监督学习和聚类分析方法可对细胞进行自动分类。细胞图像分析装置已研制成功。 医学X射线图像分析系统基本上也是由图像输入、数字化、预处理、 图像分割、自动识别和监督控制等几个部分组成的。监督控制部分的功能是对处理的每个阶段进行评价,以决定下一步处理方法。 图像分割和自动识别往往互相交叉反复进行。对于胸片来说,通常先用较低的分辩率对肺部进行定位,然后用较高的分辩率确定肺部的细节和进行分析。直方图均衡化、[[纹理分]]析,特别是[[图像分割]],对于医学X射线图像分析都十分重要。为了有效地确定 分析对象的位置,在确定对象模型包括各个部分相互关系的基础上进行上下文有关的搜索,并在分割的每一阶段自动判断所得结果和对象模型的一致性。当不能满足一致性条件时,就需要修正分割。 医学X射线图像分析在医学诊断上得到广泛的应用。计算机断层学就是以不同角度对人体部位获取 X射线图像,通过处理以探知人体内部组织的情况,这是现代科学技术的一大成果。心脏的尺寸和形状是诊断各种心脏病的重要依据,在X射线胸片上用计算机确定心脏轮廓线的算法也取得了不小的进展。在求出轮廓线的基础上,可以用一系列描述形状的几何参数或轮廓线的傅里叶描述符作为特征,对各种心脏病进行分类和判别。脑部异常状态(炎症、脑梗阻、肿瘤等)的检出、肺纹理分类和肺部疾病诊断、骨疾病分析和动脉粥样硬化的检出等也都是模式识别方法有效应用的领域。 ===参见=== *[[人工智能基本条目]] *[[计算机科学技术基本条目]] *[[工学(目录)]] * [[计算机科学]] * [[机器人学]] * [[计算机视觉]] * [[机器视觉]] * [[人工智能]] * [[图像处理]] [[Category:工学]] [[Category:计算机科学与技术]] [[Category:人工智能| ]] [[Category:人工智能应用]] [[Category:新兴技术]] [[Category:机器人学| ]] [[Category:机器人| ]] [[Category:机器学习| ]] [[Category:跨学科领域]] [[Category:计算机视觉| ]] [[Category:信息处理]] [[Category:统计学]] [[Category:心理学]] [[Category:语言学]] [[Category:计算机科学]] [[Category:生物学]] [[Category:控制论]] [[category:图像处理]] [[category:模式识别]] [[Category:自动控制]] [[category:系统工程]] [[category:医学]] [[Category:中文词典]] [[Category:Y音词语]] [[Category:医]]
返回
医学图像分析
。
导航菜单
个人工具
创建账户
登录
名字空间
页面
讨论
变种
查看
阅读
查看源代码
查看历史
操作
搜索
导航
首页
最近更改
随机页面
工具箱
链入页面
相关更改
特殊页面
页面信息
扫描二维码可以用手机浏览词条