交互医学图像处理平台的研制

来源:用户上传      作者:刘二林　苏蕊　王胜川

　　摘要：医学图像处理是一门包含大量的数学、图像处理知识点的课程，我校不同专业对此门课程的要求不一，导致教、學环节存在一定的困难，根据我校三区一园的格局，以医学图像处理基本功能模块为基础，辅以Matlab、C++混合编程，开发了可远程访问的交互医学图像处理平台[1]，可根据不同专业的学习各取所需，各有侧重，实现同一平台，多种应用，并以水平集分割为例详细介绍了平台的使用，并经我校生物医学工程专业学生试用，效果良好。
　　关键词：图像处理;水平集;混合编程;轮廓检测
　　中图分类号：TP393     文献标识码：A
　　文章编号：1009-3044（2021）07-0009-03
　　Abstract：Medical image processing is a course which contains a large number of knowledge points of mathematics and image processing. There are different requirements for this course in different majors in our school， so that there are some difficulties in teaching and learning. According to the pattern of one garden in three districts of our school， the basic functional block of medical image processing is based on the combination of Matlab and C++. It has developed the interactive medical image processing platform which can be remotely visited. According to the needs of different specialties， the platform can be implemented on the same platform and many applications， and the use of the platform is introduced in detail with the level set segmentation， and the effect is good through the trial of the biomedical engineering students in our university.
　　Keywords：image processing; Level set; Hybrid programming; Contour detection
　　1 引言
　　我院开设的《医学图像处理》是一门集数学、计算机技术、医学于一体的复杂交叉学科，图像处理结果对临床医生有重要的指导作用，但其内容丰富、广泛，并含有大量繁琐数学公式推导，学生接受、理解存在一定的困难。与此同时，由图像处理产生的二维序列，在头脑中构建出三维重建后的立体[2]，对并没有医学背景的医学信息工程学院计算机各专业师生而言困难重重。基于我校的大学生创新创业项目，开发了基于Matlab交互的医学图像处理平台，旨在使同学们直观了解医学图像的获取，处理、重建前后的对比效果，加深对算法的理解和对医学图像的认识[3]。
　　2 交互医学图像处理
　　2.1平台的设计思想[4]
　　平台的设计思想以医学图像处理的基本理论为基础，通过交互的界面，学生可任意选择实验项目或算法展示对比处理前后的效果，并通过基于B/S架构，构建服务器端和学生端（客户端），并把此平台嵌入医学信息工程学院综合实验中心虚拟仿真中心网站，实现两校三区一园均可在线访问。
　　2.2 Matlab、C++混合编程
　　Matlab是一款优秀的集众多功能于一身的软件，其优越的计算性能在图像处理过程中得以体现，以编程简单、易懂、工具包丰富得到各理工学科青睐，可把图像、图形以矩阵的形式予以计算，与此同时，Matlab是我院医学信息工程学院计算机、生物医学工程专业课程中均采用的软件，学生熟悉其性能，并与基于C++的部分图像功能函数进行混合编程，提高编程效率。通过软件界面及功能的实现，有效的“串联”了计算机专业课程有关的知识。
　　3平台的实施
　　医学图像理平台的创建采用了服务器端和学生端的形式[5-6]，创建之初，藉希望其平台可远程访问，并使用组件技术，搭建各实验项目所需的实验仪器设备，然后通过注册到服务器端予以使用，以服务于我校三区一园的学生使用。
　　3.1创建服务器
　　服务器端采用了由安装的Matlab及其OLE、COM组件、库文件，并采用了由Matlab执行解释脚本语言的方式。服务器伪代码如下：
　　Link.listen（port）
　　Link.accept（）;
　　cassociateromteAEtitlte（）;
　　if（iacceptremoteaetitle）
　　cassocitate.send（link）;
　　if（prescontexaccept>0）
　　cassociateac.send（link）
　　if（！iacceptlocalaetitle）
　　cassocitate.send（link）;
　　else
　　cassociate.send（link）; 　　3.2客户（学生）端
　　通过客户（学生）端，用户不需要在本地机上安装Matlab等相关的图像处理软件，只需要把需求提交至服务器端，服务器对接收到的请求予以响应，将图像处理后的结果，以网页的形式返回客户端，在客户端的显示器上显示处理前后的效果。客户（学生）端的确伪代码如下：
　　Link=open tcp connection;
　　Construct cassociatedq;
　　Cassociaterq.send（link）;
　　Reply=link.receive（）;
　　If（reply==cassociateAC）
　　{
　　While（presentationcontext）
　　Acceptedpresentationcontext++
　　If（aceptedpresentationcontext！=0）
　　Return true;
　　Else
　　Return false;
　　}
　　Else if （reply==cassoctateRJ）
　　{closetcpcouncction
　　Return false;
　　}
　　4以图像的轮廓检测验证平台
　　图像的轮廓检测是计算图形学的重要内容，在医学图像轮廓检测中具有重要应用。特别是在肿瘤的治疗过程中，医生往往利用肿瘤分割技术将肿瘤与正常组织分割开来，通过确定肿瘤位置、肿瘤大小、形状等肿瘤病灶轮廓特征对病灶进行定性分析、探明病灶与其周围组织间的关系;准确地勾画出肿瘤的边界以及正常器官的范围，确定治疗范围，制定合理的治疗方案但由于病变组织的形态变化细微且无规律可循，加入成像过程中各种噪声的引入，使肿瘤图像分割没有摆脱出具体任务具体分析的局面，没有形成一个通用的解决方案。本平台以一普通图形的分割及医学图像的分割展示平台的强壮性、可移植性。图像分割方法众多，从运算量较小精度有限的Sobel算子、Kirsc算子、Laplacian算子，到计算复雜精度较高的区域生长，水平集分割算法。创建的平台根据需要分别予以给出具体演示，在此以水平集分割为例予以验证，C-V模型是基于区域的水平集方法，它对于要分割对象与背景的像素平均值具有明显不同的图像具有很好的效果。根据定义可得C-V模型的能量公式：
　　其核 心即为计算上式，当其取最小值时，取得分割曲线c即为检测对象的轮廓，根据求解方法的不同又衍生出许多计算方法，但均以复杂的数学公式推导为基础，如学生为追求知识的理解，过多的投入精力用于数学公式的论证，将忽视医学图像处理的核心——图像处理、图像分析、理解。本平台可为不同专业不同侧重的学习者提供可视、直观的图像处理效果。使医学类相关专业学生无需过多的关注数学公式的论证，推导，直接点击相关的分割方法[7-8]，即会产生分割效果。
　　具体操作步骤如下：
　　1）打开图象
　　2）选定主窗口
　　（1）单击“选定主窗口”复选框
　　（2）拖动鼠标选定窗口
　　3）选择水平集模型
　　4）只需选择一个子窗口（子区域）
　　（1）选择子区号1
　　（2）选定子窗口：
　　单击“选定子窗口”复选框，拖动鼠标选定窗口。
　　5）单击演化按钮
　　演化8500次后：
　　5结论
　　在学习医学图像处理过程，接合我校实际教学需要，研制基于Matlab的交互医学图像处理平台，实现了医学图像处理的基本图像处理功能，并以水平集方法为例详细介绍了平台的使用方法，我校涉及此课程的各专业均可使用，并可根据使用者对图像处理的理解，自行选择算法，对比处理前后的效果。既绕开了复杂的数学公式，又达到了医学图像处理知识的“串联”，经我校2016级、2017级生物医学工程专业学生使用，运行效果良好。平台将在后续引入VR相关技术，使平台的交互性、立体感更强。
　　参考文献：
　　[1] 董默，苏奎，周志尊，等.生物医学工程专业《医学图像处理》实践教学的改革[J].软件，2017，38（2）：37-41.
　　[2] 李振伟，杨晓利，胡志刚，等.以学生为中心的专业课实验方式研究与实践——以医学图像处理实验为例[J].中国医学教育技术，2015，29（1）：87-91.
　　[3] 廖湘琳，宋金玉，余晓晗，等.基于项目化教学法的信息系统技术基础课程教学设计[J].计算机教育，2017（4）：28-30.
　　[4] 李越.计算机图像处理技术在医学影像中的进展与应用[J].电脑知识与技术，2016，12（30）：238-240.
　　[5] 李锐娟，李瑞敏.临床医学中计算机图像处理技术的应用[J].中国新通信，2016，18（21）：153.
　　[6] Li C M，Xu C Y，Gui C F，et al.Distance regularized level set evolution and its application to image segmentation[J].IEEE Transactions on Image Processing，2010，19（12）：3243-3254.
　　[7]杨红喆.水平集理论及其在医学图像分割中的应用[D].北京理工大学学报，2014（8）.
　　[8]江贵平，秦文健，周寿军. 医学图像分割及其发展现状[J].  计算机学报， 2015（6）.
　　【通联编辑：王力】
转载注明来源:https://www.xzbu.com/8/view-15394674.htm