医学基础图形处理 2

第一讲：医学图像与人工智能《智能医学图像处理》2课程概览1.1医学人工智能概述1.2医学图像概述1.3常见医学图像处理示例智能时代3增强体力提高效率提升感知提升认识第二次技术革命电气与自动化第四次技术革命智能化第一次技术革命机械化第三次技术革命信息化人工智能的三次浪潮4热度第一阶段人工智能诞生神经元模型图灵测试第二阶段人工智能步入产业化专家系统浅层学习反向传播算法第三阶段人工智能快速发展强算法(知识图谱、深度神经网络)大数据大算力缺乏理论支撑泛化算力不强计算资源不足难以满足产业需求AI助力疫情防控，碳中和2030人工智能2.0：当代（2020-2025），大模型时代5

Agent（2025）：大模型是新手机，Agent就是app•大模型的应用已从简单的对话工具（chatGPT、豆包）进化为：任务导向、交付结果的Agent（Manus、Lovart、Lovable等）•Agent的核心架构是：感知（多模态）、决策（LLM；记忆、检索、上下文）、动作（具身驱动、工具调用）•Agent的核心特征是自主（请人类走开）：从humaninloop到humanonloopEmbedding：助手模式

Copilot：伙伴模式

Agent：代理模式人类

AI人类完成绝大部分工作人类设立任务目标AI对其中某(几)个任务提供信息或建议人类自主结束工作人类

AI人类和AI协作工作人类设立任务目标AI完成其中某(几)个流程的初稿人类修改调整确认人类自主结束工作全权代理任务拆分工具选择进度控制人类

AIAI完成绝大部分工作自主结束工作信息来源：北京大学肖睿团队设立目标提供资源监督结果智能医学时代到来6虚拟仿真、人工智能、医学机器人、大数据、移动互联网等信息技术与医疗健康高度融合医工融合已经成为未来医学发展的必然趋势智能医学已经成为新型医学健康发展模态代表场景-医学影像分析7脑神经影像：解密大脑最直观的工具当医生拿起一张脑影像，TA在关注什么？病变的位置、大小与形态?大脑形态异常？病灶的良恶性、分期与分型？最终得出诊断结论89脑神经影像：解密大脑最直观的工具为什么需要神经影像计算？——为解密人脑模仿人脑智能提供依据10人类记忆、认知产生原理不明大部分脑疾病病理不明人工智能大模型耗能巨大将“人脑的智慧”，转化为“机器的智慧”结构特点功能原则调控方式为什么需要神经影像计算？——从主观诊断到客观量化11医生依赖个人经验和主观判断不同医生之间存在诊断一致性差异细微病灶、早期改变难以肉眼量化影响诊断的可重复性与客观性将“医生的经验判断”，转化为“可量化的客观指标”12sMRI数学建模物理量化关键生物指标提取脑网络脑影像脑影像定量计算脑影像建模临床应用网络损伤模式探索干预靶点脑影像计算方法能够辅助医生更好实现诊断探索临床驱动的新型诊疗框架脑影像计算理论方法13肺结节诊断系统：节省时间成功、降低漏诊率神经影像计算辅助医生完成诊疗工作14神经影像计算把基层医院报告到三甲医院报告差异拉平神经影像计算促进诊断标准统一闭环脑机接口技术为脑疾病早期干预提供新范式1516推动新一代诊疗框架的建立Paradoxical

kinesia14

PD

patients

escaped

from

a

major

earthquakeBonanni

et

al.,

Movement

Disorder,

201014名帕金森病人凌晨3:30地震中醒过来从床上跳下来往外跑跑出去之后回来把医生救了出去帕金森传统上被认为是运动障碍疾病理解大脑的功能分区对于疾病干预至关重要思考：与单纯的运动功能受损相比，帕金森病人有那些特别之处？SCANEffectorEffectorEffectorSCANSCANSCAN：运动网络中的高级皮层18推动新一代诊疗框架的建立创新驱动帕金森新型诊疗框架，实现帕金森病人的无创干预干预前干预后19覆盖全生命周期的脑变化随着年龄增长，大脑发生了哪些变化？随着变老，大脑发生了哪些变化？20有一天我们会得病，大脑发生了哪些变化？脑网络启发，得了病我们应该怎么办?覆盖全生命周期的脑变化人工智能新方法为脑疾病早期精准理解提供新思路21布局AI医学影像相关领域的公司众多22通过神经影像计算我们和合作伙伴已经实现的23通过神经影像计算我们和合作伙伴已经实现的24通过神经影像计算我们和合作伙伴已经实现的2526课程概览1.1医学人工智能概述1.2医学图像概述1.3常见医学图像处理示例物理因子与人体成像27超声核磁近红外内窥镜核医学不同模态成像观测效果28第一个神经影像技术:X射线脑室充气造影术（pneumoencephalography）

由美国神经外科医生沃尔特・丹迪（WalterEdwardDandy）

于1919年正式创立，是一种侵入性X射线神经影像技术，主要用于诊断颅内占位性病变（如肿瘤、血肿）和脑室形态异常。29

沃尔特・丹迪操作流程：腰椎穿刺：抽取患者脑脊液，再注入无菌空气；体位调整：让患者保持直立姿势，利用空气密度低于脑脊液的特点，使空气填充脑室和脑表面间隙；X射线拍摄：在不同体位下拍摄头颅X光片，勾勒出脑室轮廓和脑结构边界。丹迪的脑室充气造影30计算机轴向断层扫描(CT)核心原理数据采集：X射线管与探测器围绕人体旋转，发射X射线穿透目标部位，探测器实时记录穿透后的X射线强度数据。图像重建：计算机利用滤波反投影（FBP）

等算法，将采集到的衰减数据转化为断层图像（即“切片”），同时叠加所有切片生成三维结构模型。31计算机轴向断层扫描(CT)CT在神经系统的应用场景急诊脑卒中评估：几分钟内区分出血性/缺血性卒中，支撑治疗决策脑出血诊断：清晰显示出血的位置、范围与出血量，指导手术时机脑梗死评估：识别早期缺血低密度区，通过灌注成像评估脑灌注、指导溶强磁场下的有序排列：患者进入1.5T/3T等强磁场后，H原子仍按自己的频率震动，但方向为与外界磁场保持一致。就会以“拉莫尔频率”绕磁场方向进动，即质子兼顾自旋和指向磁场方向或反方向的两种运动。成像原理强磁场下的有序排列磁共振成像(MRI)33成像原理射频脉冲的共振激发：施加与拉莫尔频率匹配的射频脉冲，使氢核发生共振，改变其能量状态与相位；射频脉冲停止后，氢核会释放能量并恢复至平衡状态。磁共振成像(MRI)射频脉冲的共振激发信号接收与图像重建：当射频脉冲关闭时，不同的组织，如体内的白质、灰质和脑脊液（CSF）会发出不同的能量。经计算机处理后，重建成二维/三维图像，以此反映组织的生物化学特性。成像原理信号接收与图像重建磁共振成像(MRI)磁共振信号产生过程磁共振信号与成像37结构磁共振成像（StructuralMRI，缩写：sMRI）用于人体内部结构的成像，就产生出一种革命性的医学诊断工具。结构磁共振成像（sMRI）38弥散磁共振成像（dMRI）弥散磁共振成像（DiffusionMRI，缩写：dMRI）通过建模水分子扩散方向研究脑白质纤维的走向。39功能磁共振成像（fMRI）功能磁共振成像（FunctionalMRI，缩写：fMRI）用于研究脑活动，包括：血氧水平依赖对比（BOLD）：通过监测脑血流和氧合水平来检测脑活动。sMRIfMRI超声换能器1880年居里发现，对某些各向异性的物质加以压力作用就能产生电场分布－－正压电效应（机械能电能）1917年朗之万发现对某些材料加以电场就能使物体伸缩－－逆压电效应（电能机械能）脉冲回波式超声成像系统41多普勒超声信号的显示4243课程概览1.1医学人工智能概述1.2医学图像概述1.3常见医学图像处理示例MRI预处理方法MRI预处理流程sMRI预处理流程步骤依次为图像去噪、颅骨剥离、皮层重建、图像配准MRI预处理方法fMRI预处理流程fMRI预处理流程步骤依次为基本处理、图像配准、图像分割、污染变量、图像平滑MRI预处理方法DWI预处理流程DWI预处理流程步骤依次为基本处理、脑部提取、图像配准、纤维追踪sMRI计算方法形态学特征提取针对sMRI，通过曲面重建算法提取大脑皮层的厚度、表面积、曲率、灰质体积等特征，精准定位皮层萎缩区域。sMRI计算方法影像组学特征提取sMRI影像组学特征可分为形态学特征、一阶统计特征、二阶纹理特征、高阶纹理特征。形态学特征：反映感兴趣区（ROI，如海马、颞叶）的形状、体积等解剖属性。一阶统计特征：基于ROI内像素信号强度的统计分析，不涉及像素间的空间关系，适用于所有影像模态。如均值、标准差、偏度

、峰度等。二阶纹理特征：反映相邻像素之间的灰度关系，可量化图像的粗糙程度、对比度、均匀性等纹理信息。如对比度、相关性、能量、熵等。高阶纹理特征：基于更复杂的算法提取，考虑多个像素的空间关系，能捕捉更精细的纹理模式。如灰度游程长度矩阵（GLRLM）特征、灰度区域大小矩阵（GLSZM）特征等。fMRI计算方法fMRI常用特征功能连接特征（FunctionalConnectivity,FC）：衡量不同脑区之间BOLD信号的时间相关性，是fMRI最核心的特征之一，AD患者常表现为默认模式网络（DMN）、海马-内嗅皮层环路等区域的连接强度下降。局部一致性特征（RegionalHomogeneity,ReHo）：衡量单个体素与其周围邻近体素BOLD信号的同步程度，反映局部脑区神经元活动的协调性。低频振幅特征（AmplitudeofLow-FrequencyFluctuations,ALFF）：提取BOLD信号中0.01–0.08Hz低频成分的振幅，直接反映局部脑区神经元的自发活动强度。DWI计算方法DWI常用特征表观弥散系数（ADC,ApparentDiffusionCoefficient）：量化水分子在组织内的平均扩散速度，是DWI最核心的标量参数。相对表观弥散系数（rADC,relativeADC）：目标ROI的ADC值与参考脑区（如正常白质、全脑平均）的ADC值之比，用于消除个体间扫描差异。弥散信