基于MITK的医学图像系统设计

为丰富断层医学图像的数据信息,本文在MITK（Medical Imaging ToolKit）算法平台基础上,利用Visual C＋＋6.0开发环境,设计一个图像处理系统来实现二维断层图像的三维重建和图像分割。并取得了较好的成像效果,满足了部分使用者对数据的需求。     

医学影像仿真扫描工作站的设计与实现

文中简单介绍了基于计算机仿真技术的医学影像仿真扫描工作站系统的设计。该系统采用Visual C++进行界面设计以及核心算法编程的实现;通过C++语言来调用VTK ( Visualization ToolKit)的类库函数,用以实现医学图像的三维重建;使用Microsoft Access数据库管理与保存患者信息数据与图像数据。实现了一款无需医学影像设备的医学影像仿真扫描工作站软件系统,该系统模拟仿真真实扫描工作站的工作流程以及系统功能。     

海量医学数据处理框架及快速体绘制算法

设计并实现了一套针对海量数据的处理和分析算法框架,并将其融入实验室早先开发完成的医学影像算法研发平台MITK(medical imaging toolkit)中,真正建立起一个海量医学影像数据的处理平台,并在此基础上研究了针对海量数据的基于光线投射和三维纹理的快速体绘制算法,提出了一种半自适应分块的方法对原始数据进行分块,在不对分块速度产生太大影响的基础上得到了更好的分块结果,同时使用图形硬件来进一步加速整个算法的绘制流程.实验结果表明了该平台和算法对于海量医学数据处理和可视化的有效性.     

Jolly：基于Python的医学图像处理框架

研究支持快速开发医学图像处理系统的框架 Jolly,采用Python作为主要开发语言,通过对比当前已有的医学图像处理系统,抽象出应用层模块:数据管理模块、可视化管理模块、数据表示及转换模块.在主流医学图像处理系统开发包ITK、VTK等提供的医学图像分割、配准、可视化等功能基础上,提供更高级的组件式开发功能.应用实例和与当前主流开发包对比表明Jolly在支持快速开发医学图像处理系统中具有优势,可以作为开发医学图像处理系统的一个选择.     

一个面向医学影像理解的研究与开发平台

近年来,面向应用的软件开发平台正在越来越有力地支持着用户实现各类复杂应用系统的设计与开发.面向医学影像理解的研究与开发平台(MedRDP)是一个支持医学影像数据管理、医学影像理解、算法复用、算法模拟和算法集成的环境.本文提出了一个具有高复用、易操作特点,并由用户接口层、功能组件层、执行服务层和数据管理层四个层次构成的多层框架结构,描述了平台的应用及其主要的功能实现.     

分布式医学影像分析与处理平台的设计与实现

介绍了分布式医学影像分析与处理平台DMIP（Distributing Medical Imaging Analyzing and Processing Platform）的设计以及在此基础上开发的数字医疗软件。DMIP采用分布式数据存储技术以及面向对象和基于构件的软件工程技术,在可视化开发包VTK的基础上,融合了数据缓存技术、线程池技术和交互器理论等内容,从而降低网络负荷,提高访问速度;开发了包含大量医学影像分析与处理功能的C++类库和构件库,以便再次开发。通过数字医疗软件的应用实例展示了DMIP的功能,与同类产品比较效果显著。     

生物特征信息处理开发包BITK及其应用平台

由于人类固有的生物特征能用来进行可靠的身份认证和识别,近10年来生物特征识别已经成为研究热点.为了对生物特征识别研究提供软件支持,设计研发了生物特征信息处理开发包 (Biometric Information Processing Toolkit,BITK).BITK是一个C 软件开发包.它以非线性数据流模型来组织整体计算流程,提供了一个可扩展、可重用的框架来整合生物特征识别领域的算法和数据结构.BITK还设计了一个精干的可视化框架以及一个管理各种生物特征采集仪的一致性框架.此外,在BITK基础上研发了生物特征信息处理平台 (BITK-based Application Platform,BITKAPP).该平台通过灵活的plug-in架构和友好的用户界面,充分发挥BITK的功能,并降低了BITK的使用门槛.在实际应用中,BITK和BITKAPP向研究人员提供了一套高效率的研究、实验及开发手段,并且作为支撑平台完成了第一届生物特征识别竞赛(the 1st Biometric Verification Competition)的多模态数据采集任务.     

基于Visual C++和DCMTK的医学DICOM图像显示与调窗

随着影像技术的发展,医学影像在现代医学中扮演着重要的角色,而医学影像常以DI-COM文件格式存储。为方便DICOM图像处理,基于Visual C++和DCMTK免费开源开发包设计医学DICOM图像的读写和显示功能,实现DICOM图像的读取并根据选定的窗宽/窗位保存为BMP格式文件,同时在MFC下完成鼠标拖动进行窗宽/窗位的调节。     

基于DCMTK 的DICOM 医学图像显示及其调窗方法研究

DICOM 是医学图像存储和传输的国际标准,DCMTK 是免费开源的针对DICOM 标准的开发包。解读DICOM 文件格式并解决DICOM 医学图像显示问题是医学图像处理的基础,对医学影像技术的研究具有重要意义。解读了DICOM 文件格式并介绍了调窗处理的原理,利用VC++和DCMTK 实现医学图像显示和调窗功能。     

基于VTK的红外热图等温线提取

提出并实现了一种基于VTK(Visualization ToolKit)的红外图像等温线提取方法.首先对红外图像进行整体测温获得温度数据集,然后利用VTK提供的过滤器,实现等温线提取,最后利用VTK的数据接口获取等温线轮廓数据.本方法已经成功应用于红外序列图像自动配准和历史趋势分析系统中.实用表明,该方法简单、有效、稳定,具有一定推广应用价值.     

三维医学图像配准在图像引导放疗中的应用

为了确定病人的摆位误差,实现精确放疗,提出一种改进的Demons弹性配准算法。采用FDK算法对锥形束CT(CBCT)图像进行三维重建,利用可视化工具包 (VTK)体绘制法可视化重建结果;在分割与配准工具包 (ITK)基础上实现Demons算法,并基于对称梯度的思想,将参考图像和浮动图像的梯度场信息加入到Demons算法中,给出新的Demons形变力公式。分别使用单模态和多模态医学图像进行配准实验,结果显示改进的Demons算法与原始Demons算法相比,配准速度更快、精度更高。基于对称梯度的Demons算法更适用于图像引导放射治疗中CBCT重建图像与CT计划图像间的配准。     

三维医学图象可视化技术综述

概要地分析和评述了近年来三维医学图象可视化技术的发展,并主要从三维医学图象的分割标注、多模态医学图象的数据整合、体数据的绘制等3个角度对三维医学图象的可视化技术进行了分类综述,同时介绍了各种算法的原理和最新进展,由于医学图象可视化的目的是辅助医学了解生物内部组织的信息,因此除图象绘制技术外,组织及组织特性的精确自动分割标注技术,以及将不同图象模态提供的互补信息综合起来的匹配/融合技术外,都是医学图象可视化需要解决的重要问题,其中,多模态图象的可视化在三维医学图象可视化领域中最具有挑战性和发展前景。     

深度学习在医学影像中的应用综述

深度学习能自动从大样本数据中学习获得优良的特征表达,有效提升各种机器学习任务的性能,已广泛应用于信号处理、计算机视觉和自然语言处理等诸多领域。基于深度学习的医学影像智能计算是目前智慧医疗领域的研究热点,其中深度学习方法已经应用于医学影像处理、分析的全流程。由于医学影像内在的特殊性、复杂性,特别是考虑到医学影像领域普遍存在的小样本问题,相关学习任务和应用场景对深度学习方法提出了新要求。本文以临床常用的X射线、超声、计算机断层扫描和磁共振等4种影像为例,对深度学习在医学影像中的应用现状进行综述,特别面向图像重建、病灶检测、图像分割、图像配准和计算机辅助诊断这5大任务的主要深度学习方法的进展进行介绍,并对发展趋势进行展望。     

Interactive segmentation framework of the Medical Imaging Interaction Toolkit

Interactive methods are indispensable for real world applications of segmentation in medicine, at least to allow for convenient and fast verification and correction of automated techniques. Besides traditional interactive tasks such as adding or removing parts of a segmentation, adjustment of contours or the placement of seed points, the relatively recent Graph Cut and Random Walker segmentation methods demonstrate an interest in advanced interactive strategies for segmentation. Though the value of toolkits and extensible applications is generally accepted for the development of new segmentation algorithms, the topic of interactive segmentation applications is rarely addressed by current toolkits and applications.In this paper, we present the extension of the Medical Imaging Interaction Toolkit (MITK) with a framework for the development of interactive applications for image segmentation. The framework provides a clear structure for the development of new applications and offers a plugin mechanism to easily extend existing applications with additional segmentation tools. In addition, the framework supports shape-based interpolation and multi-level undo/redo of modifications to binary images.To demonstrate the value of the framework, we also present a free, open-source application named InteractiveSegmentation for manual segmentation of medical images (including 3D+t), which is built based on the extended MITK framework. The application includes several features to effectively support manual segmentation, which are not found in comparable freely available applications. InteractiveSegmentation is fully developed and successfully and regularly used in several projects. Using the plugin mechanism, the application enables developers of new algorithms to begin algorithmic work more quickly.     

基于非刚性配准的交互式医学图像序列分割

提出了一种新的交互式医学图像序列分割算法,该算法将非刚性配准技术和解剖先验知识相结合把图像分割问题转化为图像配准问题。首先采用Demons算法进行图像配准,用光流法计算瞬时位移,设计了一个新的停止准则使其能自适应地确定迭代次数,并将它在金字塔型的多尺度框架下实现。然后用配准得到的形变域对已精确分割的图像进行形变就能自动地获得未分割目标图像的分割结果。扩展上述过程就可实现整个图像序列分割。试验结果表明该算法用户干预少、分割速度快、分割结果准确。     

ASRNet: Adversarial Segmentation and Registration Networks for Multispectral Fundus Images

Multispectral imaging (MSI) technique is often used to capture images of the fundus by illuminating it with different wavelengths of light. However, these images are taken at different points in time such that eyeball movements can cause misalignment between consecutive images. The multispectral image sequence reveals important information in the form of retinal and choroidal blood vessel maps, which can help ophthalmologists to analyze the morphology of these blood vessels in detail. This in turn can lead to a high diagnostic accuracy of several diseases. In this paper, we propose a novel semi-supervised end-to-end deep learning framework called “Adversarial Segmentation and Registration Nets” (ASRNet) for the simultaneous estimation of the blood vessel segmentation and the registration of multispectral images via an adversarial learning process. ASRNet consists of two subnetworks: (i) A segmentation module S that fulfills the blood vessel segmentation task, and (ii) A registration module R that estimates the spatial correspondence of an image pair. Based on the segmention-driven registration network, we train the segmentation network using a semi-supervised adversarial learning strategy. Our experimental results show that the proposed ASRNet can achieve state-of-the-art accuracy in segmentation and registration tasks performed with real MSI datasets.     

Comparison of four freely available frameworks for image processing and visualization that use ITK

Most image processing and visualization applications allow users to configure computation parameters and manipulate the resulting visualizations. SCIRun, VoIView, MeVisLab, and the Medical Interaction Toolkit (MITK) are four image processing and visualization frameworks that were built for these purposes. All frameworks are freely available and all allow the use of the ITK C++ library. In this paper, the benefits and limitations of each visualization framework are presented to aid both application developers and users in the decision of which framework may be best to use for their application. The analysis is based on more than 50 evaluation criteria, functionalities, and example applications. We report implementation times for various steps in the creation of a reference application in each of the compared frameworks. The data-flow programming frameworks, SCIRun and MeVisLab, were determined to be best for developing application prototypes, while VoIView was advantageous for nonautomatic end-user applications based on existing ITK functionalities, and MITK was preferable for automated end-user applications that might include new ITK classes specifically designed for the application     

医学影像技术发展及分割特点

医学影像技术发展到越来越先进成熟,但医学图像分割仍然是个难题。文章着重介绍医学影像的发展历程和医学图像分割技术的特点:在已有算法中加入新概念或新方法的同时,重视多种分割算法的有效结合。文章最后以主动轮廓模型(Active Shape Mode,ASM)算法、图割(Graph Cut,GC)算法以及图割-主动轮廓模型迭代(Iterative Graph-Cut-ASM,IGCASM)算法为例,进一步说明医学图像分割算法的共同特点。