（电力电子与电力传动专业论文）dicom标准的java实现和医学图象特征的定量识别.pdf

制，给基于模糊聚类的方法引入偏差场补偿机制，以及给基于贝叶斯 理论识别的方法引入马尔可夫场关联机制，从而提高了算法在各种干 扰下的的准确度和鲁棒性。同时，我们给出序列意义上自动分割的实 现方式，使得运行效率比基于单幅图象的分割有大幅提高。这就给自 动化分割的临床应用提供了可能。 ( 3 ) 对分割后的组织体积的测量，体现了医学图象特征的定量分 析。虽然仅仅针对的是图象特征中的一个指标，但它具有代表性。从 中可以进行拓展。 对比已有的类似医学处理系统，本课题研究的独特之处在于： 首先，本研究采用j a v a 语言进行开发，提供了系统在不周操作系 统上的可移植性和基于网络运行的可行性。 其次，d i c o m 数据接口部分具有广泛的适用性，而且充分考虑 到医院实际使用的需要，提供了诸如序列化读取、逆向d i c o m 转换 等具有临床使用意义的功能。 第三，对医学图象的自动化分割进行了系统和深入的探讨。对不 同的组织器官提出了有针对性的分割方法，并且对于医学图象固有的 偏差和噪音进行了补偿。 最后，通过量化的实现，将医学数据进入、数据场分割和数据量 化分析形成7 彼此密切联系的有机整体。 关键词：d i c o m 标准，图象分割，量化，三维可视化，爪哇 j a v al m p l e m e n t a t i o no f d i c o ma n d q u a n t l l _ a t i v er e c o g n i t i o no ff e a t u r e si n m e d l c a li m a g e a b s t r a c t t h i s p r o j e c tb e l o n g st o “v i r t u a lh u m a np r o j e c tb a s e do n n e t w o r k ”，w h i c h h a sa l r e a d ys t a r t e dr e s e a r c ho n2 d i m a g e p r o c e s s i n g ，3 dv i s u a l i z a t i o na n dv i r t u a ls u r g e r y t h ep u r p o s eo f t h i sp r o j e c tg o e sa sf o l l o w s ：1 ) d a t ai n t e r f a c ef o ri n t e g r a t i o no f d i c o mm e d i c a li m a g ed a t aa n dt h ew h o l ei m a g ep r o c e s s i n g s y s t e m 2 ) a u t o m a t i cs e g m e n t a t i o no ft y p i c a lo r g a n si nm e d i c a l i m a g e 3 ) q u a n t i t a t i v ea n a l y s i so ft h es e g m e n t e dr e s u l t s o u rf o c u s i si na l g o r i t h m so fs e g m e n t a t i o n i nt h ef i r s tp h a s eo ft h i sp r o j e c t ，w er e a l i z et h ed i c o mi n t e r f a c e f o rc o d i n ga n dd e c o d i n g ，w h i c hs o l v e st h ep r o b l e mf o rd a t as o u r c e a n dm a k e st h ew h o l es o f t v v a r ei n d e p e n d e n to fc e r t a i ni m a g i n g d e v i c e a l s o ，w eo p t i m i z et h ep r o g r a mf o rb e t t e rp e r f o r m a n c e ，b o t h i ns p e e da n dm e m o r yr e q u i r e m e n t ，w h i c hm a k e st h ed e c r e a s eo f h a r d w a r ec o s tt ob ep o s s i b l e i nt h es e c o n dp h a s e ，i m a g e s e g m e n t a t i o ni sv e r yi m p o r t a n ta n d d i f f i c u l ti nm e d i c a li m a g ep r o c e s s i n g c u r r e n ta l g o r i t h m ss t i l ll e a v e r o o mf o ra c c u r a c y , r o b u s t n e s sa n de f f i c i e n c y t od e a lw i t ht a s k so f s e g m e n t i n ga b d o m e no r g a n sa n db r a i n s 。w ep r e s e n tt w o d i f f e r e n t w a y sw h i c h a r eb a s e do nm o d e l sa n dd a t ac l a s s i f i c a t i o n r e s p e c t i v e l y , a n df o c u so no p t i m i z e dr e a l i z a t i o n t h em a i nw o r k i n c l u d e si n c o r p o r a t i n gm u t u a la d j u s t m e n ti nb - s n a k em o d e lb a s e d a p p r o a c h ，a d d i n g c o m p e n s a t i o n m e t h o d si n f u z z yc l u s t e r i n g a p p r o a c ha n dt r y i n gm a r k o vm e c h a n j s m i nb e y a s i a na p p m a c h b y t h e s em e a n s ，w ei m p r o v et h ea l g o r i t h m si nb o t ha c c u r a c ya n d r o b u s t n e s s 1 nt h em e a n w h i l e ，w eb r i n gf o r w a r ds e g m e n t a t i o nw a y s f o rs e r i e si m a g e ，w h i c hp r o v i d e sb e t t e re f f i c i e n c ya sc o m p a r e dt o s e g m e n t a t i o nb a s e do ns i n g l e 。p i c i nt h et h i r dp h a s e ，t h em e a s u r e m e n tf o rs e g m e n t e dv o l u m e r e p r e s e n t st h eq u a n t i t a t i v ea n a l y s i so ff e a t u r e si n m e d i c a li m a g e s t h ew o r kc a r lb ee ) c c e n d e df o ro t h e rq u a n t i f i c a t i o n s a sc o m p a r e dt oo t h e rm e d i c a li m a g es o f t w a r e ，t h i sp r o j e c th a s m a n ya d v a n t a g e s f i r s t l y , t h 毒s y s t e mi sb a s e do nj a v a 。w h i c hm a k e s i ts u i t a b l ef o r r u n n i n gt h r o u g hi n t e r n e ta n d i nd i f f e r e n tp l a t f o r m s s e c o n d ly it h ed i c o mi n t e r f a c ec a nd e a lw i t haw i d ev a r i e t yo f m e d i c a ld a t a i ta l s oi n c l u d e sm a n y f u n c t i o n sw h i c ha r ev e r yu s e f u l f o rc l i n i c a io p e r a t i o n t h i r d l y , t h er e s e a r c hi ni m a g es e g m e n t a t i o ni ss y s t e m a t i c a l l y a n dd e e p l y 。w eb n n gs p e c i a la l g o r i t h m sf o rd i f f e r e n to r g a n s ，a n d c o m p e n s a t et h eb i a sf i e l da sw e l la sn o i s ew h i c hi s i n h e r e n ti n m e d i c a li m a g i n g a tl a s t ，t h r o u g ht h er e a l i z a t i o no fq u a n t i f i c a t i o n ，w eu n i f yd a t a a c q u i s i t i o n ，c l a s s i f i c a t i o n a n dq u a n t i t a t i v e a n a l y s i s i n t oo n e c o h e r e n tp r o c e s s 。 k e yw o r d s ：d i c o m ，s e g m e n 协t i o n ，q u a n t i f i c a t i o n ， v i s u a l i z a t i o n ，j a v a 附件四 上海交通大学 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外， 本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。 对本文的研究做出重要贡献的个人和集体，均己在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：i 碧 ) 劳之 日期：弓年1 月b 日 附件五 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位 论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或扫描等复制手段保存和汇编本学位论文。 保密压在立年解密后适用本授权书。 本学位论文属于 不保密口。 ( 请在以上方框内打“”) 学位论文作者签名： 卜象；住 1 日期：bd ；年1 月劲日 指导教师签名：膨搋 日期：口? 年，月j 日 上落立瑾太雪辑t 掌幢话t 第一章引言，系统架构和采用j a v a 开发的理由 本研究从属于“基于网络的虚拟人体”项目，该项目已经开展的工作包括 二维医学图象上的变换操作，三维图象的可视化以及虚拟手术等。而本研究的 目的，在于解决：1 ) 符合d i c o m 标准的原始数据与现有系统的接口。2 ) 医 学图象中典型组织的自动分割。3 ) 对分割结果进行定量分析。本研究重点在 于第二步分割算法的探讨。 1 1 开发背景和意义 2 l 世纪的医学将有大的飞跃，这种飞跃的基础是对人体形态和机能的更加 深入的定量研究。经过将近3 0 年在不同领域的发展和酝酿，终于形成了虚拟人 体( v i r t u a lh u m a n ) 。它使走向成熟的三维重构图像处理技术以空前的速度普 及。 本研究从属的课题一一“基于网络的虚拟人体”项目代表了国内在“虚拟 人体”计划上的研究。医学上， “虚拟人体”，也可称为“数字人体”、“数字化 虚拟人”、“三维可视化技术”。这种仿真数字化虚拟人体的建造，一般以活体或 尸体为原型，并通过各种技术获得数据。如利用ct 或磁共振等先进影像技术， 将活体摄制成间隔约1 毫米的薄层断面；也可以作尸体冷冻切片，切成间隔为 0 2 毫米的断面。这些断面图像可以全都转变为数据加以存储，然后通过三 维立体重构技术重塑为三维立体图像。这就是第一代几何型虚拟人体的打造过 程。当前，美国数字化虚拟人体的研究走在世界的前列。目前，美国的可视人 计划可视为第一阶段工作，但在血管、神经等结构的显示上还有不少薄弱环节， 有待进一步完善。我国学者也正在开展类似的工作，在血管显示技术和切片标 本保存方面有自己的特长，正在努力打造具有中国人特色的“中国数字化虚拟人 体”。 这里的“基于网络的虚拟人体”，其重点并不放在数据的获取上，而是集中 于数据的处理和分析。整个项目的意义在于： ( 1 ) c t ( c o m p u t e r i z e dt o m o g r a p h y ，计算机x 线断层造影) 、m r ( m a g n e t i c r e s o n a n c ei m a g i n g ，核磁共振成像) 等医学成像手段已趋向成熟，而利用这些 成像手段进行计算机化诊断的技术则处于飞速成长期。一方面，准确、快捷的 计算机化分析和诊断将大大减少医务人员的工作量。例如这里关于“虚拟手术” 的研究，通过对人体组织器官进行三维图象重建，可以用于仿真手术的训练， 更可以直观地为医生提供手术模拟和导航等对临床手术方案制订极具价值的手 段，进而在实际手术过程中应用优化方案，提高成功率和减少患者痛苦。另一 方面，该领域的发展远未达到令人满意的程度，主要表现在：a 医学图象处理 的算法仍不成熟，在效率和准确度方面有很大的上升空间。b 整套软硬件系统 存在价格昂贵、限定条件多等缺点，直接导致具体实施遇到困难。 ( 2 ) 远程医疗在中国具有其独特的社会效益和经济效益。它利用远程通信 技术和计算机多媒体技术提供医学信息和服务。作为现代网络通讯技术和计算 机多媒体技术在医学领域中的应用，“基于网络的虚拟人体”正是将计算机化诊 t 露立罐走萱硪t 孽档话盘 正文 断技术进一步拓展到远程影像和远程诊断。它通过局域网或i n t e r n e 网的方式， 达到医疗设备、人力等各种资源的共享，从而在中国这样个地大人多、医院 分布不均衡的国情下提供了合理分配医疗资源的有效途径。 本项目作为“基于网络的虚拟人体”的子课题，有其独特的应用价值。 ( 1 ) d i c o m 标准的实现将主要集中于d i c o m 数据的编码和解码部分，一方 面解决了d i c o m 硬件设备与整套软件的接口问题，使得我们的系统不依赖于 具体的成像设备，从而具有临床上广泛的适用性。另一方面，在c p u 运行时间 和内存占用空间方面迸行了特别的优化，这直接提高了系统的运行质量和性能， 同时使得硬件成本的降低成为可能。 ( 2 ) 图象分割一直是医学图象分析过程中的重点和难点。分割算法的准确度 不尽如人意的同时，鲁棒性和运行效率也是亟待解决的问题。然而图象分割又 是后期图象分析所必不可少的步骤。本课题提出了基于模型和基于模式识别的 两种不同的分割思路，针对肝、肾脏和脑组织两类分割任务进行了各自的优化。 通过给基于模型的分割算法引入交互式人工干预机制，给基于模糊聚类的方法 引入偏差场补偿机制，以及给基予贝叶斯理论识别的方法引入马尔可夫场关联 机制，从而提高了算法的准确度和鲁棒性。同时，我们给出序列意义上自动分 割的实现方式，使得运行效率上比基于单幅图象的分割有大幅提高。这就给自 动化分割的临床应用提供了可能。 ( 3 ) 对分割后的组织体积的测量， 仅仅针对的是图象特征中的一个指标， 体现了医学图象特征的定量分析。虽然 但它具有代表性。从中可以进行拓展。 1 2 采用j a v a 语言进行系统开发的理由 本系统采用j a v a 语言开发，是基于对设计目标和j a v a 语言的独特优势作出 的选择。 ( 1 ) 是基于网络化运行的需要 目前医学成像技术的发展也给我们带来了急需解决的课题。一是数字平台 上临床试验数目和成像形态数目的增长导致最终产生的医学图象剧增。m r 图 象可以一次产生数百幅人体切片；p e t 研究大脑动态信息的时候可以在每个时 间点上产生3 0 幅或更多的切片图象，仅仅脑部的最终4 维数据场就需要2 0 m 左右的存储空间。如此数据量对存储、传输和操作都带来巨大的负担。二是各 种生产厂家的数字化设备之间存在不匹配的问题。解决方式之一是p a c s 。p a c s 系统可以通过在不同设备之间提供图象获取、存档、检索、处理、分发和通讯 的能力来解决这些问题。p a c s 工作站可以利用图象分析和处理软件进行图象 数据的变换。但是，现有的p a c s 系统非常昂贵和复杂，需要很多显示工作站。 而这些工作站需要独立的软件许可和维护。这种高成本限制了它的广泛应用。 n t e r a e t 网和与之可以无缝结合的j a v a 语言提供了解决上述问题的有效途 径。j a v a 程序有a p p l i c a t i o n ( 应用程序) 和a p p l e t ( 小应用程序) 两种。j a v a a p p l e t 可以在网上进行传播，客户端只需用带有j a v a 虚拟机( r v m ) 的浏览器就 可以下载并运行它。这样，我们把图象分析和处理的任务留给服务器集中进行， 2 量落盘区上雪厦士学位话盘正文 而通过a p p l e t 在网络上传输结果图象，客户端将不需要配备昂贵的工作站专用 的显示软件，以前对每个工作站所必备的软件许可和维护也无需花费。j a v a 的 实现方式，使得医务人员可以充分利用现有的计算机资源，无论是在家中还是 在办公场所，也无需额外的硬件成本投入。 ( 2 ) 是独立于平台的需要 目前医院中使用的类似医学图象分析软件，依据成像设备的不同，对运行 的平台环境都有特定的要求。这种基于个人工作站的方式势必导致系统只能限 定在某一特定平台上运行，系统资源不能共享，临床应用也必将受到很大限制。 事实上，就两种常见的软件操作系统而言，n t 与u n i x 各自存在缺点和优势， 例如u n i x 稳定性、安全性良好，但相比n t 对维护人员提出更高要求。我们的 系统针对这种情况，提出的设计目标之一是软件的运行可以独立于平台。j a v a 是最合适的选择，它使得代码开发后应用程序在不同平台上的部署成本降至最 低。 j a v a 是利用虚拟机( j v m ) 机 l b j j 2 j 来实现这一点的。源代码编译后，形成 的是不依赖于平台的字节码形式。程序在具体平台下运行的时候，字节码通过 虚拟机得到解释并执行。因此，虚拟机起到了联系用户程序和系统平台的作用。 这就实现了“一次编码，到处使用”的目的。而使用c 或其他语言，必须付出 每面临不同的平台，必须重新编译源代码的代价。 在实际测试中，我们在n t 下以j b u i l d e r 7 0 开发的程序经编译后，在r e d h a t 7 0 平台下测试通过，性能表现正常。 1 3 ) 是维持系统可扩展性的需要 j a v a 作为一种真正面向对象的语言，提供了成熟而完备的对象继承、扩展 和再生机制。 在进行面向对象的设计f 3 】时，一项基本考虑是：如何将发生变化的东西与 保持不变的东西分隔开。对于本课题而言，算法的重用和今后的改进都会非常 频繁。一个行之有效的方法就是将基本的算法模块写成j a v a 的库( p a c k a g e ) 形式，它可以使库的创建者( 算法发布者) 自由地进行修改与改进，同时库的 使用者( 将算法模块集成到系统中的编程人员) 原有的程序不会受到那些变动 的影响。他们只需要利用库提供的接口属性和方法，通过传入算法所需要的参 数条件，得到算法运行的结果。这样带来的另一个好处在于，算法设计和程序 外观，功能等整体性设计可以分离，从而使得开发队伍易于分工合作。 在实际设计的时候，j a v a 这方面的优点使得我们代码的可重用性和灵活度 都大为提高。 1 3 系统架构 整套系统的设计是基于i n t e r n e t 网实现的。如图1 所示。整个系统逻辑上 可以分成三层架构。 底层为数据库服务器层，这一层存储d i c o r n 图象数据，并安装合适的数据 k 巷盘唾_ 之事罐士雪谨俺立 正文 库服务端，通过其内置的引擎进行病人信息的管理。应当注意，该层的数据库 也可以是分散的网络数据库，d i c o m 文件存档的地点可以是服务器本地硬盘， 光驱或分散的网络路径。 中间层的核心是算法服务器，它接受w e b 服务器传送的服务请求，首先对 数据库进行查询和读取数据的操作，然后，运行其算法模块，将得到的最后结 果( 一般是图象数据) 传给w e b 服务器。 最外层是客户端表示层，它与中间层w e b 服务器通过i n t e m e t 网连接。也 正是w e b 服务器和i n t e m e t 网起到了联系远程用户和核心医疗资源的作用。远 程用户通过联网的计算机，使用浏览器和w e b 服务器建立连接，w e b 服务器 以j a v as e r v e rp a g e s 或j a v aa p p l e t 的形式向用户提供主操作乔面。用户进 行操作，这些操作请求通过网络传回w e b 服务器，w e b 服务器把他们转化成 相应的命令传给算法服务器，经算法运行后将最终结果返回给远程用户。实际 上，通过网络传输的，除了文字信息之外，最多的是静态的图象信息。目前的 网络带宽条件可以满足要求。 教据库服务器屡 中闻应用层 了_ 誊品 瑚声”。”4 匆醅妒 謇户帆 图1 - 1 謇户帆 整个系统架构示意图 1 4 本研究所完成的功能模块示意图 謇户帆 就本课题而言，主要完成的功能模块如图2 所示。 从硬盘、光驱以及网络路径上获得的d i c o m 文件将通过d i c o m 数据接口 4 丘茹立盛土掌蘑t 掌穗话t 正文 进入系统。该接口提供转化为b m p 、j p e g 普通格式存档的功能，同时，也能 够将数据以象素数组的形式送入分割算法模块。出于分割任务典型性的考虑， 我们选取了肝，肾脏和脑组织分别作为分割的对象。对于前者，采用了基于模型 的算法进行分割，其重点放在序列化实现和灵活的人机交互式调整机制上。分 割好的图象进入三维可视化功能块进行三维效果的观察。对于后者，基于模式 识别的理论，我们分别以非监督类识别算法( 基于模糊分类和基于马尔可夫场) 和监督类识别算法进行实现。这里的特殊点是在分类识别之前，用基于模型的 算法分离脑壳。分割功能块完成以后，进入体积测量模块进行图象的量化。而 整个过程所有的临时图象文件均可以通过d i c o m 数据接口转化为d i c o m 文件 永久保存。 巨囹一 + 匪圃 0 图1 _ 2 本课题的功能模块示意图 5 南 量癌立幢土学覃t 学位话t 第二章d i c o m 医学图象数据接口的j a v a 实现 2 1 、任务的提出： 原始数据的进入是进行图象分析的第一步。但是专有医学图象( 如c t , m r i ) 不同于b m p , j p e o 等一般格式。d i c o m 3 0 标准【1 中详细规定了医学图象的编码方 式。本课题试图通过一个通用数据接口提供双向服务：( 1 ) 实现d i c o m 数据的解码， 得到图象及相关病历信息。同时提供d i c o m 图象数据向j p e g 、b m p 等普通格式转化 的功能。( 2 ) 经计算机处理后的图象数据及其他一些t d i c o m 图象数据编码为 d i c o m 格式，亦即形成新的c t m r i 文件，从而可以进入d i c o m 专用网络。 2 2 、d i c o m 标准 d i c o m 标准可以详见文献 1 】。这里必须指出的是：d i c o m 3 0 标准作为目 前通用的医学图象标准，最重要的特性之一在于其面向对象性。这就决定在该标 准的软件实现中，j a v a 具有独特的优越性。 d i c o m 标准的面向对象性是基于一组显性的实体一关系模型( e r 模型) 。 模型具有以下三要素：( 1 ) 各种实体如病人( p a t i e n t ) 、图象( i m a g e ) 、研究 ( s t u d i e s ) 等代表对象。( 2 ) 属性描述了对象的特性。属性赋值以后， 抽象的实体成为实例( i n s t a n c e ) 。( 3 ) 服务一处理信息对象的方法，如文件的 存储和传输操作。 2 3 本接口采用j a v a 实现的独特优势 j a v a 具有以下几个特点 2 】：( 1 ) 面向对象性，( 2 ) 与平台无关性，( 3 ) 方 便的网络移植性。用j a v a 来实现d i c o m 接口，可以体现良好的数据抽象和数 据封装，这与d i ( 2 0 m 标准的基本设计思想完全吻合。我们的最终目标是建立起 个与平台无关，同时基于网络运行的医学图象分析系统。因此这套用j a v a 开 发的d i c o m 数据接口以j a v a 包的形式向整个系统提供无缝连接，同时对其它 基于j a v a 的医学软件提供通用服务。 2 4 、软件设计与实现 已有的同类型软件具有的主要问题在于：( 1 ) 通用性不够，只适用于特定范 围。( 2 ) 功能的实用性，尽量贴近医院的使用习惯。( 3 ) 保证效率。具体就是时 间和内存占用两方面的性能指标。本软件对性能的要求不是基于单个文件，医院 通常对每个病人的一次病理分析会产生几十兆的d i c o m 文件序列，软件的算法 结构和内存分配是否合理会有非常明显的影响。 2 4 i 通用性设计分析 6 t 蘑立盛太帚精t 擘倍话土 目前很多d i c o m 软件之所以通用性不是很好，设计时没有能够充分考虑到 1 ) 1 c o m 数据编码的灵活性并在程序中作相应处理。 d i c o m 文件是标准的二进制流文件，它实际上是对各种对象的属性信息和 对应值进行编码，其结构层次为：数据元素( d a t ae l e m e n t ) 数据集( d a t as e t ) 消息( m e s s a g e ) 。作为最小单位的每一个数据元素在d i c o m 的数据字典中都 有明确定义：唯一性标志( t a g ) ，名称( n a m e ) 和类型表示( v r ) 。数据字典 以静态属性的形式封装进独立的j a v a 类。 从局部看，按照t a g 值升序，d i c o m 文件顺次存放如下结构的数据元素。 标志类型表示长度值 表2 一l文件结构 整体来讲，文件分为信息头和图象两大部分。前者存放病人信息和图象的总 体指标，后者存放图象的象素信息。d i c o m 标准规定：信息头中一些关键属性 值的设置非常灵活，又对其它相关方面有直接影响。 文献【4 】中试图对这种灵活性进行归纳。但是我们认为远不全面。一个全面的 总结正是通用型程序结构的设计基础，具体如下： ( 1 ) 传输语法对信息头和图象部分编码的影响 传输语法( t r a n s f e rs y n t a x ) 属性的值控制整个文件的编码结构。程序必须 据此判断： a 类型表示r ) 在编码时显式( e x l i c i t ) 还是隐式( i m p l i c i o ? i j r t ，相应“长度” 项的位置( 距“标志”项的偏移量) 会有不同。而“值”的读取一般依赖于正 确的“长度”。 b 字节顺序( b y t eo r d e r i n g ) 是低位地址低位字节顺序( l i t t l ee n d i a n ) 还是 低位地址高位字节顺序( b i ge n d i a n ) 。从根本上影响到l a v ai o 中对二进制字 节流的组合方式。 c 图象数据是否经过压缩。大部分d i c o m 图象是没有经过压缩的原始数据， 对于压缩图象，可以有j p e g 压缩和游程编码压缩( r l e ) 两大类，并下分有损和 无损情况。s u n 公司提供了处理j p e g 压缩解压缩包t o m s m i m a g e c o d e c j p c g 。 r l e 的压缩倩 压缩算法包也是夕 挂的，可以很方便实现。 ( 2 ) 信息头部分对图象部分编码的影响 乱图象类别 图象类别( m o d a l i 劬属性直接影响后面象素值的读取，对于m r i 灰度图象， 没有c t 灰度图象所具有的斜率，截距概念，也就没有相关的预处理过程。同时 m r i 灰度图象没有预定义窗宽、窗位，根据窗宽、窗位调整象素值的过程有别 于c t 灰度图象。 b 桢数 桢数( f r a m e s ) 代表存储进单个文件的图象桢数，般一个文件代表一幅图 象。对于特殊情况f r a m e s 大于1 ，应能够继续读取后续桢。 c 光度表示 光度表示( p h o t o m e t r i ci n t e r p r e t a t i o n ) 属性定义如下几种：m o n o c h r o m e 灰 度图象，r g b 彩色图象，a r g b 彩色图象，h s v 彩色图象等。彩色图象的存储方式 有别于灰度图象，同时也不存在调节窗宽窗位的处理过程。 d 位数分配和最高位 7 量瘩立遗土事旗t 晕档栳土 位数分配( b i t s a l l o e a t e d ) 属性规定灰度图象中单一象素所占用的位数最简单 是8 位的情况，1 6 位时必须按照传输语法中低位在前还是高位在前进行两两字节 的组合。1 2 位( 非8 的整数倍) 是较为复杂的情况，需要结合最高位o i i g h b i t s ) ，每三 个字节组合，再进行分拆。 e 窗宽和窗位 对于非8 位的灰度图象，经过组合分拆等方式解码后的象素值仍然不能直接 用于成像，因为成像的灰度值范围是0 - - 2 5 5 。如前所述，c t 图象的信息头提供缺省 窗宽( w i n d o w w i d t h ) 和窗位( w i n d o w c e n t e r ) ，给定范围内的象素值被映射为灰度。 而m r i 图象没有提供上述值，d i c o m 标准中没有明确规定如何获得缺省图象。 这里我们给出遍历的方法，以整个象素范围作为窗宽，范围的中心值作为窗位。这 样m r 缺省图象将表现全部的象素信息。 由以上分析，对d i c o m 文件进行解码( 读取) 的程序流图如图一到图三所示。 臣 l i e l t 竹i - ，1 i t i t ，t 警器弋是：；2 ：。“。, i f - - - - - i 堡墨竺墅苎i 以下受 彗m 口 匿圈匣圈 0 图2 - 1 预处理阶段程序流图 囹一 图2 - 2 信息头部分程序流图 8 量落立逸土孝每t 孝偿话立 圆 i 瑟黧黼熏嚣三搿n “ 幽n 。- n z i c i n t e n t i 辞调节 2 4 2 实用性设计分析 圃 图2 - 3 图象部分程序流图 基于医院的实际使用习惯，我们对现有功能进行了扩充。 ( 1 ) 对图象的分析一般是以序列为单位进行，因此加入新类以批量读取 d i c o m 文件。 但) 解码得到的序列图象必须根据断层位置( s l i c e 】o c a t i o n ) 属性进行排序，否则 不能用于后续的三维重建。我们采用快速排序的算法以缩短该部分的时间。 ( 3 ) 窗宽窗位的调整是医学图象处理中的常见操作。将此功能封装成静态方 法。 f 4 ) d i c o m 解码出的图象数据需要保存为通用格式以做一般的浏览。j d k i 3 可以利用s u n 的o a 3 1 1 i s u b i m a g e c o d e c j p e g 包直接实现向j p e g 的转化，其他图象 格式也很方便实现。 ( 5 ) 三维重建的图象数据及其他一些非d i c o m 图象数据需要编码为d i c o m 格 式。扩展此项功能时必须注意，虽然编码的目的一般只是针对象素数据，但信息头 与象素的配合关系不能被破坏，否则是不能由d i c o m 软件进行解码读取的。 2 4 3 对性能的考虑 当d i c o m 文件的解码编码是以序列为单位进行时，内存分配和时间两个性 能指标是否得到优化显得尤其重要。 ( 1 ) 内存分配上的优化考虑( 针对单个和序列图象文件) 9 t 落立瞌土雪磺t 孝佳话主 2 0 0 幅5 1 2 * 5 1 2 * 1 6 b i t 的c t 图象，驻留内存的象素值就需要1 0 0 m 左右的 空间，另外再考虑到读取文件所开的缓冲区和其他各种临时空间，必须尽最大可 能提高内存利用率。 实际操作中，我们采取以下方法：a j a v a 对内存的垃圾回收机制无法满足 要求，由于临时空间巨大，一旦不再需要即显式清除。b 采用合理的数据类型， 如灰度范围是0 2 5 6 ，通常是考虑用s h o r t 类型以b y t e 型( 一1 2 8 一1 2 7 ) 加偏移量 代替，可以成倍缩小所需空间。 ( 2 ) 操作时间上的优化考虑( 主要针对序列图象文m j 越，a 在文件y o 的处理速度上落后于c ，c + + ，只有在软件的算法结构上加以 优化。由程序流程可见，操作时间分为三部分：a 遍历文件，直到找到象素标志 ( t a o ) ，该位置为象素部分在整个文件中的偏移量。b 对该位置之前的文件信 息头部分，遍历各种属性值。c 对该位置之后的文件图象部分，进行组合、拆分、 映射等处理。 第一部分对于单个文件是必不可少的。j a v a 读二进制流文件，要给出接收缓 冲区的大小，而仅为文件信息头部分就开大缓冲区是不符合内存分配的原则的。 我们采用的是”试探法”，例如先接收4 0 9 6 字节数据，如果找不到象素标志( t a g ) ， 再开4 0 9 6 字节。然而这在序列读取图象时带来时间上的消耗是令人难以接受的。 事实上，序列文件在象素偏移量上保持一致。只要对第一个文件进行，试探法”操 作，其他文件可以直接以此偏移量为界，进入后两部分处理。此外，对于信息头的处 理，序列文件在病人的某些属性上也具有一致性。因此，只需一个文件操作，就可以 给出整个序列这些属性的值。后续文件可以跳过对它们的刿断。经过以上优化， 整个操作时间大大减少。 2 5 结果： 请参见第八章。本课题基于对d i c o m 标准的充分理解，在设计思想上具有 如下特点：( 1 ) 采用与d i c o m 标准的面向对象性高度一致的j a v a 语言进行设 计，( 2 ) 以包的形式进行封装，为基于j a v a 的医学软件提供通用服务。具体设计 时，针对现有同类软件存在的问题，提出以下要求：( 1 ) 处理对象具有通用性，( 2 扩 充易被忽视但具实际使用意义的功能，( 3 ) 对内存和时间消耗做最大限度的优化。 实际测试中，与整套医学图象处理系统的衔接和所提供各项功能的完成情况良 好，各种c t , m i u ，o t ，u s 等d i c o m 文件均能够顺利进入本接口，内存和时间消 耗指标也令人满意。 本程序封装为s e d l o a d 的j a v a 包，为基于j a v a 的医学图象处理程序提供 d i c o m 通用数据接口服务。 1 0 丘藩立通走事辑士事位话杰 第三章基于b - - s n a k e 的分割算法 3 1 、任务的提出： 图象分割是图象处理领域中极为重要的内容之一，它以图象的某些特征为标 准，把图象划分成一些具有“某种意义”的区域。而在医用图象领域里，还必须 用分割后的标注识别出各区域的解剖或生理意义，因而该领域，通常将分割标注 的过程统称为分割。图象分割的目的是高效率地确定讲对病人至关重要的解剖学 结构和组织形态信息，同时它也是可视化以及图象量化分析的起点。由于手工 分割对操作者的依赖型强，既费时耗力，又可能丢失大量的有用信息。因此，在 医学领域，自动或半自动的分割方法非常重要如今临床的许多应用，需要从三 维医学图象得到解剖结构或病理组织的精确三维模型。如本研究中最终所要进行 的病理或正常组织的量化研究，以及与可视化步骤相结合，制定术前和术中交互 的手术计划等，均要求分割算法可以从c t 、mr l 等各种图象模态中分离出解剖 结构。 本课题的研究对象是实际的ct 腹部图象序列，它以两两间距很小的一系列 二维切片传递三维信息。腹部图象中组织众多，我们的任务是：首先在序列中每 一幅二维图象上将肾脏、肝脏器官从组织中分离出来，然后利用分割的结果序列 实现针对单独器官的三维重建。其重点是在保证单个图象分割准确度的同时，提 高序列意义上分割的自动化程度。程序采用j a v a 语言编制，作为基于j a v a 的 医学图象分析系统的予功能使用。 3 2 几种分割方法的讨论 图象分割的方法可以分为基于数据和基于模型两大类。基于数据的方法是直 接根据图象的局部象素数据的特征来分割图象的，如边缘检测、区域增长等方法。 基于模型的方法则根据对图象的先验知识建立模型，如动态轮廓模型、组合优化 模型等。基于模型的分割利用了先验知识。 在本研究中，由于c t 图象中存在走样、噪音、采样点的混合效应以及丰富 的灰度层次，造成某些感兴趣边界模糊或不连续。用传统的基于数据的方法仅考 虑局部信息，难以在较少人工干预的前提下获得好的效果，对于序列图象的分割 更是难以实现。我们决定采用基于模型的方法。可变模型法适用于噪声大，边界 模糊，组织结构随时间或不同个体而变化剧烈的情况。其一大特点是可以同时利 用象素信息和关于位置形状的先验知识。先验知识包括特殊形状信息( 不同个体 之间趋于一致) 和一般形状信息( 不同个体之间变化很剧烈) 。模型的连续性和 光滑性可以对物体边界上的噪音和不规则区域进行补偿，模型的参数化表示更给 物体形状提供了定量的描述。分散的、有噪音的局部信息就这样统一到整个物体 尘落立通上孝奄士晕佳话土 模型中动态可交模型还引入时间常数 模式识别的方法基于区域，需要更进一步的处理以将分割好的区域组合成统 一的组织。因此几何和拓扑上的连续性约束不能够直接应用。 在实践中，考虑到：( 1 ) 应对某些组织器官的分割具有一定通用性，对参数选择 非常敏感的算法不能采用。( 2 ) 序列中后续图象的分割应充分利用前面的信息， 从而提高序列意义上分割的自动化程度。基于( 1 l ，组合优化模型不适合本课题 采用。基于( 2 ) ，动态轮廓模型正是利用关于位置形状的先验知识和象素信息，同 时又基于( 1 ) ，必须进行一些改进。我们最后采用了b s n a k e 算法和模糊边缘增强 算法相结合的处理方式。 3 3 具体算法改进： 3 3 1s n a k e 的数学模型 s n a k e 6 是用来提取感兴趣区域的封闭轮廓线，其内力维持轮廓的连续性和 平滑性，外力则驱使它从初始位置移动到区域边界上。其几何模型为平面( x ，y ) 上的参数化曲线：v ( s ) = ( x ( s ) ，y ( s ) ) 。这里s 定【o ，l 】。以v ( s ) 为变量的能量函数： e m 出= e 柚( y o ) ) + e 州( v o ” ( 3 一1 ) 这里，= k w 1 ( s ) l v b ) 1 2 + w ：。) l v 。4 2 ) 凼代表巾部能量，w - ( s ) 控制v ( s ) 一阶 导数( 连续性) 的贡献，峨( s ) 控制v ( s ) 二阶导数( 平滑性) 的贡献。 k = + 瓦一， ( 3 2 ) 代表外部能量，由图象力和人为外部约束力构成，满足在感兴趣边界上取得较小 l 值的条件。玩。= p ( v o ) ) 西一般用梯度作为图象力，可以采用的形式为 0 f 。= 一坞1 w ( v ) 1 2 ，或点品；一w 3 i v 【g 。( v ) + ，( v ) 2 1 2 ，其中g ，( v ) 为具有方差仃的 两维高斯函数。v 为梯度算子。外部约束力为沿着轮廓法线人为定义的控制力， 这里可以简化为0 。当能量函数达到最小时，收敛于所要检测的物体边缘。此 时满足以下的欧拉一拉格朗日方程： aa 2 兰( w l v 。) 一_ r ( w 2 v 1 ) - v p ( v ( s ) ) = 0 ( 3 。3 ) 0 5 。 该向量表示的偏微分方程代表内力和外力的平衡。我们可以进一步引入时间因素 得到动态的s n a k e 模型，从而可以拓展到随时间不断变化的形状。 正落立强土雪龋士雪位静土 s n a k e 模型的能量函数采用积分的方式，因此具有较好的抗噪性。但是容易 收敛到局部最优。针对该问题一般可以应用模拟退火思想。 s n a k e 算法需要先