數(shù)字信號處理在生物醫(yī)學工程中的應用

1、Company Logo目錄目錄用小波分析處理醫(yī)學圖像的原因用小波分析處理醫(yī)學圖像的原因1小波分析基本理論小波分析基本理論2應用的范圍與優(yōu)勢應用的范圍與優(yōu)勢3總結與展望總結與展望Company Logo用小波分析處理醫(yī)學圖像的原因用小波分析處理醫(yī)學圖像的原因1、醫(yī)學圖像自身特點：、醫(yī)學圖像自身特點： 醫(yī)學信號微弱、背景噪聲較強且為非平穩(wěn)的隨機醫(yī)學信號微弱、背景噪聲較強且為非平穩(wěn)的隨機 信號信號,本身結構復雜，處理要求多樣本身結構復雜，處理要求多樣。2、小波變換特點：、小波變換特點：(1)時頻局部化特點時頻局部化特點,即可以同時提供時域和頻域局部化即可以同時提供時域和頻域局部化信息。信息。(2)

2、多分辨率多分辨率,即多尺度的特點即多尺度的特點,可以由粗到細逐步觀察可以由粗到細逐步觀察信號信號.(3)帶通濾波的特點帶通濾波的特點,根據(jù)中心頻率的變化調節(jié)帶寬根據(jù)中心頻率的變化調節(jié)帶寬,可可以觀測出信號的低頻緩變部分和高頻突變部分。這種以觀測出信號的低頻緩變部分和高頻突變部分。這種變焦特性決定了它對非平穩(wěn)信號處理的特殊功能。變焦特性決定了它對非平穩(wěn)信號處理的特殊功能。Company Logo小波分析基本理論小波分析基本理論 1、小波變換的、小波變換的基本思想基本思想:用一組函數(shù)序列用一組函數(shù)序列表示或逼近待分析信號，與傳統(tǒng)的傅里葉分表示或逼近待分析信號，與傳統(tǒng)的傅里葉分析相比，小波變換在時域

3、和頻域都具有表征析相比，小波變換在時域和頻域都具有表征信號局部特征的能力，通過平移和伸縮能夠信號局部特征的能力，通過平移和伸縮能夠聚焦信號的任意細節(jié)并進行時頻域處理，既聚焦信號的任意細節(jié)并進行時頻域處理，既可以看到信號的全貌，又可以分析信號的細可以看到信號的全貌，又可以分析信號的細節(jié)并保留數(shù)據(jù)的瞬時特性，因此有節(jié)并保留數(shù)據(jù)的瞬時特性，因此有“數(shù)學顯數(shù)學顯微鏡微鏡”之稱。之稱。Company Logo 2、小波變換的、小波變換的核心思想核心思想:多分辨率分析方法。多分辨率分析方法。即在小波分解過程中，將待分析信號通過小波即在小波分解過程中，將待分析信號通過小波分解成兩部分，得到低頻系數(shù)向量和高頻

4、系數(shù)分解成兩部分，得到低頻系數(shù)向量和高頻系數(shù)向量，兩個連續(xù)的低頻系數(shù)之間損失的信息可向量，兩個連續(xù)的低頻系數(shù)之間損失的信息可以由高頻系數(shù)獲得，然后將低頻系數(shù)向量繼續(xù)以由高頻系數(shù)獲得，然后將低頻系數(shù)向量繼續(xù)分解，而高頻系數(shù)保持不動。分解，而高頻系數(shù)保持不動。Company Logo應用的范圍與優(yōu)勢應用的范圍與優(yōu)勢1、投影變換的改進、投影變換的改進 傳統(tǒng)醫(yī)學掃描圖像多是利用傳統(tǒng)醫(yī)學掃描圖像多是利用Radon變換來完成圖變換來完成圖像特征提取和模式識別像特征提取和模式識別,但這種處理方式很難滿足人們但這種處理方式很難滿足人們對圖像局部區(qū)域信號的關注。利用小波的時頻局部性對圖像局部區(qū)域信號的關注。利用

5、小波的時頻局部性及及Radon變換的一些性質變換的一些性質(平移、尺度和旋轉平移、尺度和旋轉),可確定可確定抽取哪些局部信息能獲得可靠的圖像重構抽取哪些局部信息能獲得可靠的圖像重構,并達到一定并達到一定逼近精度的誤差界限?；诒平鹊恼`差界限?；赗adon變換和小波變換的變換和小波變換的紋理分析算法充分利用紋理分析算法充分利用Radon變換的降噪能力變換的降噪能力,提取了提取了具有平移、旋轉和尺度不變性的圖像紋理特征具有平移、旋轉和尺度不變性的圖像紋理特征,克服了克服了噪聲對圖像的影響。噪聲對圖像的影響。Company Logo應用的范圍與優(yōu)勢應用的范圍與優(yōu)勢Company Logo應用的

6、范圍與優(yōu)勢應用的范圍與優(yōu)勢2、圖像的特征提取及邊緣檢測、圖像的特征提取及邊緣檢測 目前已有各種算子提取圖像邊緣的方法都不具有自目前已有各種算子提取圖像邊緣的方法都不具有自動變焦功能動變焦功能,提取的圖像邊緣清晰度不高。作為一種多提取的圖像邊緣清晰度不高。作為一種多尺度多通道分析工具尺度多通道分析工具,小波變換和分析特別適合對圖像小波變換和分析特別適合對圖像進行多尺度的邊緣檢測進行多尺度的邊緣檢測,常用算法如常用算法如Mallat小波模極大小波模極大值邊緣檢測算法值邊緣檢測算法,其變換模的極大值點一一對應于圖像其變換模的極大值點一一對應于圖像密度的突變點密度的突變點,不存在虛假邊緣不存在虛假邊緣

7、,并且時、頻域可同時局并且時、頻域可同時局部化部化,可根據(jù)圖像邊緣細節(jié)自動調節(jié)其分辨尺度可根據(jù)圖像邊緣細節(jié)自動調節(jié)其分辨尺度,放大圖放大圖像的局部細節(jié)。像的局部細節(jié)。Company Logo應用的范圍與優(yōu)勢應用的范圍與優(yōu)勢v應用實例：應用實例：檢測乳腺檢測乳腺X線圖像中的微鈣化點線圖像中的微鈣化點單顆粒鈣離子的直徑僅為單顆粒鈣離子的直徑僅為0.051.00mm,鑒別這種極其鑒別這種極其微小的病變顆粒就是通過在小波域內進行閾值分類來微小的病變顆粒就是通過在小波域內進行閾值分類來實現(xiàn)，這樣就可以提早發(fā)現(xiàn)乳腺疾病并及時治療。實現(xiàn)，這樣就可以提早發(fā)現(xiàn)乳腺疾病并及時治療。Company Logo應用的范

8、圍與優(yōu)勢應用的范圍與優(yōu)勢3、去除噪聲干擾、去除噪聲干擾 傳統(tǒng)去噪方法傳統(tǒng)去噪方法(如減影法、中值濾波法、鄰域平均如減影法、中值濾波法、鄰域平均法等法等)僅適用于信號和噪聲頻帶無重疊或少部分重疊的僅適用于信號和噪聲頻帶無重疊或少部分重疊的情況情況,而不適用于信號和噪聲頻帶重疊較大的情況。當而不適用于信號和噪聲頻帶重疊較大的情況。當信號和噪聲的頻率重疊區(qū)域很大時，利用圖像小波分信號和噪聲的頻率重疊區(qū)域很大時，利用圖像小波分解各個子帶圖像的不同特性設定不同的閾值解各個子帶圖像的不同特性設定不同的閾值,將低于某將低于某個閾值的小波系數(shù)置為零個閾值的小波系數(shù)置為零,保存高于閾值的小波系數(shù)保存高于閾值的小

9、波系數(shù),經經處理之后的小波系數(shù)就可以理解為基本上是由信號引處理之后的小波系數(shù)就可以理解為基本上是由信號引起的起的,從而去除圖像中的大部分噪聲從而去除圖像中的大部分噪聲,再將保留的小波系再將保留的小波系數(shù)利用逆小波變換進行重構數(shù)利用逆小波變換進行重構,恢復出恢復出 有效的圖像信號。有效的圖像信號。Company Logo應用的范圍與優(yōu)勢應用的范圍與優(yōu)勢CT圖像Company Logo應用的范圍與優(yōu)勢應用的范圍與優(yōu)勢Company Logo應用的范圍與優(yōu)勢應用的范圍與優(yōu)勢4、醫(yī)學圖像融合、醫(yī)學圖像融合 醫(yī)學圖像融合就是將同一解剖結構在不同成像機制下醫(yī)學圖像融合就是將同一解剖結構在不同成像機制下的幾

10、幅醫(yī)學圖像融合成一幅圖像的幾幅醫(yī)學圖像融合成一幅圖像,得到信息更豐富的醫(yī)得到信息更豐富的醫(yī)學圖像。由于成像機制不同和人體結構的高度復雜性學圖像。由于成像機制不同和人體結構的高度復雜性,不同機器來源的圖像提供了互補的信息不同機器來源的圖像提供了互補的信息,如需要在一幅如需要在一幅圖像上了解顱骨、腦組織、腦血管等綜合信息圖像上了解顱骨、腦組織、腦血管等綜合信息,可分別可分別由來源于由來源于CT的骨組織信息、的骨組織信息、MR圖像的軟組織信息和圖像的軟組織信息和MRA圖像提供的脈管信息來提供。圖像提供的脈管信息來提供。 Company Logo應用的范圍與優(yōu)勢應用的范圍與優(yōu)勢 在這復雜的圖像融合中，

11、小波變換發(fā)揮了極其重在這復雜的圖像融合中，小波變換發(fā)揮了極其重要的作用。小波變換將原始圖像分解到一系列頻率信要的作用。小波變換將原始圖像分解到一系列頻率信號中號中,利用其分解后的塔形結構利用其分解后的塔形結構,對不同分解層對不同分解層,不同頻不同頻帶分別進行融合處理帶分別進行融合處理,可有效地將來自不同圖像細節(jié)融可有效地將來自不同圖像細節(jié)融合在一起。采用雙正交小波基在小波分解時有效地提合在一起。采用雙正交小波基在小波分解時有效地提取圖像邊緣的特征取圖像邊緣的特征,重建圖像時可減少圖像的重建圖像時可減少圖像的“塊效應塊效應 ”。小波變換的圖像融合既保證圖像中不同分辨率水平上小波變換的圖像融合既保證圖像中不同分辨率水平上的能量和噪聲不會相互干擾的能量和噪聲不會相互干擾,又保留了原始圖像的紋理又保留了原始圖像的紋理和邊緣特征和邊緣特征,從而消除了融合圖像的塊狀偽影從而消除了融合圖像的塊狀偽影,可明顯提可明顯提高圖像的主觀視覺質量。高圖像的主觀視覺質量。Company Logo應用的范圍與優(yōu)勢應用的范圍與優(yōu)勢Company Logo總結與展望總結與展望v由以上四個例子看出由于小波變換的多種優(yōu)越特性，由以上四個例子看出由于小波變換的多種優(yōu)越特性，使其很適合處理突變信號和非平穩(wěn)信號，在醫(yī)學中使其很適合處理突變信號和非平穩(wěn)信號，在醫(yī)學中得到了很好的應用得到了很好的應用v我們相信隨著數(shù)字