X I N X I F E N X I L I Y O N G信息分析利用医学图像处理技术与应用分析周光华①李岳峰①孟 群①△关键词医学图像处理技术卫生信息化摘 要新医改以来，卫生信息化建设作为“四梁八柱”之一，得到快速发展，医学图像处理技术作为重要的信息处理手段，其发展和应用推动了卫生信息化建设的开展。

本文概述了医学图像的特性和处理技术的类别，以及近期研究进展。

围绕卫生信息化建设的发展现状，从图像压缩、图像分割、图像融合技术方面综述医学图像处理技术如何在卫生信息化建设中发挥作用，并分析展望医学图像处理技术在卫生信息化建设的背景下的发展前景。

Keywords Medical image processing, Method, Health informationizationAbstract Health informationization is the one of the most part of health care reform, which has developeda lot since 2009. Health informationization was advanced by the development of medical image processing.In this paper, the concept and current development of medical image processing was introduced.Considering the status of health informationization, how medical image compressing, segmentation and fusion influenced was review. The future development of Medical image processing was analysed while health informationization developed.1 引言在卫生信息化快速发展的过程中，计算机技术、网络技术、医学图像处理技术等的发展是其重要的技术支持，并日趋重要。

卫生信息化建设要达到互联互通、资源共享，不可避免的要涉及到有效地处理海量卫生数据的传输、存储以及更为利于临床诊断等问题。

医学图像在现代医学领域中应用日趋广泛[2]，是主要卫生信息资源之一，医学图像处理技术以其在数据传输和共享方面的优势也日益引起卫生管理者、医护人员和研发人员的重视。

本文概述了医学图像的特性和处理技术的类别，以及近期研究进展。

围绕卫生信息化建设的发展现状和医学图像处理技术在推动其发展所发挥的作用，从图像压缩、图像分割、图像融合技术等方面综述医学图像处理技术如何在卫生信息化建设中发挥作用。

旨在为管理者和有关技术研发人员提供参考。

2 医学图像处理技术概述较其他领域，医学影像等卫生领域信息更具独特性，医学图像较普通图像纹理更多，分辨率更高，相关① 中华人民共和国卫生部统计信息中心，北京市，100044作者简介：周光华（1985-），男，硕士学位；研究方向：卫生信息管理；E-mail：zhough@。

通讯作者：孟群，男，博士学位，卫生部统计信息中心主任，研究员。

△ 通讯作者性更大，存储空间要更大，并且为严格确保临床应用的可靠性，其压缩、分割等图像预处理、图像分析及图像理解等要求更高。

医学图像处理跨计算机、数学、图形学、医学等多学科研究领域，医学图像处理技术包括图像变换、图像压缩、图像增强、图像平滑、边缘锐化、图像分割、图像识别[3]、图像融合等等。

近年来，研发人员将众多领域方法引入应用于医学图像处理，经过不断的改进，处理算法的速度、处理效果得到不同程度的改善。

随着信息技术的飞速发展和计算机应用水平的不断提高，利用计算机断层成像、正电子放射层析成像、单光子辐射断层摄像、磁共振成像、超声成像及其它医学影像设备所获得的图像被广泛应用于医疗诊断、组织容积定量分析、病变组织定位、解剖结构学习、治疗规划、功能成像数据的局部体效应校正、计算机指导手术和术后监测等各个环节[4]。

3 医学图像压缩与传输技术推动卫生信息化互联互通进程当前医改步入关键时期，卫生信息海量增加，随着数字成像技术、计算机技术和网络技术的迅速发展和引入，医学图像处理技术得到了普遍应用。

其中包含的大部分信息是图像信息，为实现互联互通和达到信息的共享，必然涉及到如何解决海量数据存储和传输的问题，因为将这些信息应用于存储、管理、诊断时，需要较长的保存周期，那么就需要具有更大的存储空间，当在不同的区域之间传输这些图像数据时，大量的图像数据对传输网络的带宽有更高要求。

因此医学图像压缩技术的研究对于卫生信息化具有重要的作用。

由于数据之间的相关性，或者人的视觉特性，在医学图像中存在冗余信息，这是实现图像压缩的前提。

图像压缩技术就是通过编码等方法减少描述图像的数据量，亦即比特数，以便节省图像传输、处理时间和减少所占用的存储器容量。

压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。

对于医学图像，作为医学诊断和疾病治疗的重要依据，确保恢复图像的高保真度和真实性是医学图像压缩首要考虑的因素[5]。

针对医学图像数据的传输所涉及的诸多问题，研究人员提出了相应的框架、算法，并开发了系统，有效地提高了图像数据的传输效率，不同程度上实现了图像的存储和远程医疗中快速传输图像的要求。

从基于IP医学图像传输所涉及的图像传输和流媒体传输控制技术角度入手，研究人员提出了一个总体基本框架，并依此框架为线索，对实时医学图像传输技术研究进展、实时流媒体传输涉及的流量控制、缓冲控制、组包策略、带宽管理等技术的研究进展进行了概括总结和对比[6]。

通过引入可逆整数小波变换、渐进编码和熵编码，研究人员设计了调度算法，提出了一种连续帧医学图像无损渐进传输方案，给出了基于C/S结构的V C实现。

该方案实现简单，确保了数据的有效性，该方法具有较强的实用性[7]。

随着数字化影像技术不断应用于临床，影像诊断报告计算机化、标准化、规范化，已逐步成为医学影像检查科室的必然发展趋势。

研发人员开发了医学影像图文报告系统，其医学图像传输服务模块中借鉴了eFilm Workstation和开放源代码软件在局域网中传输医学图像的方法，该系统被全国几十家基层医院使用一年多来，受到好评。

该系统简洁易用、实用、性价比高，实现了各级医院影像诊断报告的计算机化、标准化、规范化，具有良好的社会效益和很高的推广价值[8]。

4 医学图像分割技术促进医疗信息化技术深入应用随着卫生信息化的发展，医学成像技术得到越来越广泛的应用，为了向临床诊疗和病理学研究提供可靠依据，需要利用医学图像分割来将图像中具有特殊含义的不同区域分割开来，并使分割结果尽可能的接近解剖结构，或从医学图像中提取感兴趣区域。

同时，医学图像处理在特征提取、定量测量以及人体器官三维重建等许多医学图像分析与理解应用中也起着关键作用。

加快医学图像分割技术研究，利于快速、准确的医疗诊断应用，利于信息分析利用X I N X I F E N X I L I Y O N G进一步促进医疗信息化技术的更广泛应用。

为分割出医学图像中的目标区域，党建武等[9]将传统的区域生长算法思想融入到一种轮廓线逼近方法中。

通过定义子区域的相似度准则，利用围绕像素的子区域的统计相似性，作为一个初始多边形轮廓演化的驱动因子，从粗到细，实现了对目标区域的逼近分割，另外算法还具有较好的抗噪性和较高的分割效率。

对于医学图像形态建模过程易产生过分割问题，陈家新等[10]提出了基于各向异性扩散的分水岭分割算法，对原始图像进行自适应各向异性扩散滤波，然后引入多尺度的形态梯度图像作为分水岭变换的参考图像，以突出图像中物体的边界轮廓，平滑具有均匀亮度的区域，然后定义基于边界平均灰度和面积的区域合并准则，对分割后的区域进一步合并。

该算法能有效抑制过分割，具有较强的抗噪声性能，得到的分割结果可以满足医学图像建模的需要。

为充分考虑图像中像素的空间相关性，并同时抑制噪声，研究人员采用马尔可夫随机场（M R F）作为先验模型提取出医学图像的后验能量场，然后采用模糊C均值聚类法找到医学图像的不同组织和背景的聚类中心，再利用二维直方图的方法，找到多阈值分割的各个阈值点进行分割。

该算法进行医学图像分割具有很好的稳健性[11]。

对于传统模糊C均值聚类算法在分割低信噪比图像时准确性较差的问题，一种用于M R图像分割的改进算法MS-FCM被提出。

针对脑部MR图像相邻像素属于同一分类的模糊隶属度相近的特性，在迭代过程中对隶属度数据集进行滤波，以降低噪声对聚类精度的影响[12]。

研究人员针对三维医学图像也做了大量研究工作，提出一种结合Live Wire算法和轮廓插值算法的图像分割算法。

与原Live Wire算法相比，改进算法在不增加算法复杂度的同时，大大提高了图像分割的性能。

为了进一步提高图像的准确性，通过寻求最短搜索路径，另外尽可能地降低搜索的时间复杂度。

将改进的算法与余弦轮廓插值技术相结合，用在病灶组织区域形状变化较大的断层图像（关键层）分割中，算法能快速有效的从序列医学图像中分割出感兴趣的物体，为医学诊断提供依据[13]。

5 医学图像融合技术提升卫生信息的利用效率不同形式的探测器（如MRI，CT，PET，SPECT等）被广泛用于医学图像采集，医护人员通过这些图像采集设备和技术得到影像，而并不易得到和利用各信源的综合信息，对同一病患医护人员可能需要使用不同设备采集多次信息，这增加了看病成本，也不利于信息共享的实现。

为了综合使用多种成像模式以提供更全面的信息，根据多种成像模式提供的信息的互补性，医学图像处理技术可以通过配准使多幅图像在空间域中达到几何位置的完全对应，并通过融合将配准后图像整合后显示给用户。

医学图像融合是根据需要综合处理多源通道的信息，为有效提高图像信息的利用率、系统对目标探测识别的可靠性及系统的自动化程度，利用图像处理和计算机技术等综合多源信道所采集到的关于同一目标的图像数据，消除多元信道信息之间的冗余和矛盾，增强影像中信息透明度，改善解译的精度、可靠性等，以完整、准确地描述目标信息[14]。

为此研究人员针对配准算法等进行了不断的改进。

针对传统的均匀子采样的最小生成树配准方法对采样率敏感，导致配准鲁棒性降低的问题，张少敏等[15]提出了一种融合梯度信息的最小生成树医学图像配准算法。

该算法在达到良好配准精度的同时，具有更平滑的配准函数和较强的鲁棒性。

通过将谱图理论应用到医学图像配准中并引入特征向量，夏云等[16]提出一种基于拉普拉斯谱的医学图像配准算法，以达到提高配准精确度和计算效率的目的。