醫(yī)學(xué)大數(shù)據(jù)分析 課件 第14章 醫(yī)學(xué)圖像數(shù)據(jù)分析

醫(yī)學(xué)大數(shù)據(jù)分析醫(yī)學(xué)圖像數(shù)據(jù)分析高等教育出版社CONTENTS目錄1醫(yī)學(xué)圖像分析意義2常見(jiàn)的醫(yī)學(xué)圖像數(shù)據(jù)3醫(yī)學(xué)圖像數(shù)據(jù)分析方法4醫(yī)學(xué)圖像數(shù)據(jù)分析應(yīng)用1醫(yī)學(xué)圖像分析意義傳統(tǒng)中醫(yī)診斷方式醫(yī)學(xué)圖像使診療方式發(fā)生翻天覆地的變化醫(yī)學(xué)圖像與計(jì)算機(jī)技術(shù)相結(jié)合形成了新興交叉學(xué)科——醫(yī)學(xué)圖像處理和分析醫(yī)學(xué)圖像處理和分析使醫(yī)學(xué)圖像的顯示質(zhì)量得到很大的改善，大大提高了診斷的質(zhì)量醫(yī)學(xué)圖像處理和分析在醫(yī)學(xué)診斷、治療、手術(shù)、培訓(xùn)、科研與教學(xué)等廣泛應(yīng)用，為醫(yī)學(xué)的研究與發(fā)展提供堅(jiān)實(shí)的基礎(chǔ)，具有不可估量的價(jià)值醫(yī)學(xué)圖像數(shù)據(jù)分析的意義2常見(jiàn)的醫(yī)學(xué)圖像主要研究如何將實(shí)際人體信息轉(zhuǎn)換為計(jì)算機(jī)的二進(jìn)制數(shù)據(jù)的問(wèn)題。經(jīng)過(guò)一定的重建算法把這些數(shù)據(jù)轉(zhuǎn)換成與二維圖像像素或三維體數(shù)據(jù)對(duì)應(yīng)的原始圖像數(shù)據(jù)集醫(yī)學(xué)圖像成像技術(shù)（MedicalImaging）B超掃描圖像、彩色多普勒超聲圖像、核磁共振圖像、CT圖像、PET圖像、SPECT圖像、數(shù)字X光機(jī)（DX）圖像、X射線(xiàn)透視圖像、各種電子內(nèi)窺鏡圖像，顯微鏡下病理切片圖像等。常見(jiàn)的醫(yī)學(xué)影像X光倫琴因發(fā)現(xiàn)X射線(xiàn)獲得首屆諾貝爾物理學(xué)獎(jiǎng)。成像原理基于待成像物體各部分的密度不同，對(duì)x射線(xiàn)的吸收不同，透射X射線(xiàn)強(qiáng)度不同，從而在膠片上成像的。圖像特點(diǎn)X光圖片是X射線(xiàn)在通路上物體對(duì)射線(xiàn)吸收的積分效果。不足X光有輻射X光圖片不能反映組織或病灶的三維空間位置。倫琴開(kāi)創(chuàng)了醫(yī)學(xué)圖像的先河X(jué)光片已經(jīng)廣泛應(yīng)用于醫(yī)學(xué)診斷。可以檢查肺部紋理增多、鈣化點(diǎn)、主動(dòng)脈結(jié)鈣化等。X光胸片可粗略檢查心臟、主動(dòng)脈、肺、胸膜、肋骨等對(duì)于各種外傷，如果要確定是否傷害骨頭，優(yōu)先選擇X光檢查，檢查結(jié)果快速易得。X光片反應(yīng)的是通路上人體對(duì)X光累積吸收效果，無(wú)法得到人體的三維信息，若想更細(xì)致的人體內(nèi)部的觀(guān)察需要借助CT影像。生物機(jī)體被X射線(xiàn)照射時(shí)，會(huì)受到抑制、破壞甚至壞死，發(fā)生不同程度的生理、病理和生化等方面的改變。X射線(xiàn)可用于治療人體的某些疾病，特別是腫瘤治療。X光的應(yīng)用CT:computedtomography利用X線(xiàn)對(duì)人體某一范圍進(jìn)行逐層的橫斷掃描，取得信息，經(jīng)計(jì)算機(jī)處理后獲得重建的圖像。獲得的圖像為人體的橫斷解剖圖，并可通過(guò)計(jì)算機(jī)處理得到三維的重建圖像。

（X射線(xiàn)斷層掃描影像裝置）CT計(jì)算機(jī)體層攝影掃描儀CTHounsfield和Cormack因發(fā)明CT獲得1979年諾貝爾醫(yī)學(xué)和生理學(xué)獎(jiǎng)。CT:computedtomography利用X線(xiàn)對(duì)人體某一范圍進(jìn)行逐層的橫斷掃描，取得信息，經(jīng)計(jì)算機(jī)處理后獲得重建的圖像。獲得的圖像為人體的橫斷解剖圖，并可通過(guò)計(jì)算機(jī)處理得到三維的重建圖像。

（X射線(xiàn)斷層掃描影像裝置）CT工作原理提供很高的空間分辨率（0.5毫米）。CT密度分辨率比較高，可以靈敏地檢測(cè)到有密度改變的細(xì)微病變。CT檢查為橫斷面成像，通過(guò)計(jì)算機(jī)圖像重建算法，可從任意角度顯示組織或器官，方便醫(yī)生更全面觀(guān)察病變部位，防止遺漏；造影增強(qiáng)掃面的CT可以進(jìn)一步明確病變性質(zhì)；CT檢查還具有無(wú)創(chuàng)、圖像清晰、成像速度快等優(yōu)勢(shì)。CT圖像的優(yōu)勢(shì)CT掃描雖然發(fā)現(xiàn)病變的敏感性極高，但在定性診斷上仍有很大的限制。醫(yī)生就是根據(jù)正常組織和異常組織呈現(xiàn)的衰減值差異作為診斷的依據(jù)，如果衰減值無(wú)差異，再大的腫瘤也無(wú)法鑒別。CT掃描盡管有許多優(yōu)越性，但也有其局限性，只有與其他設(shè)備，其他診斷手段相配合，才能充分發(fā)揮其作用。

CT圖像的限制CT對(duì)骨骼的成像效果好，目前經(jīng)常用于頭部疾病、胸腔疾病、腹部和骨盆疾病及四肢的檢查。但是因?yàn)镃T是采用X光成像，輻射比較大，故懷孕婦女不能做CT檢查。CT圖像的應(yīng)用MRI倫琴因發(fā)現(xiàn)X射線(xiàn)獲得首屆諾貝爾物理學(xué)獎(jiǎng)。無(wú)電離輻射危害，是一種安全的檢查的方法。

多參數(shù)成像，可以提供豐富的診斷信息。

高對(duì)比度成像，在所有醫(yī)學(xué)影像技術(shù)中，MRI的軟組織對(duì)比分辨力最高。

具有任意方向斷層的能力，能夠從不同角度直視地觀(guān)察分析組織結(jié)構(gòu)及其病變。

無(wú)骨偽影干擾，后顱凹病變清晰可辨。

可進(jìn)行功能、組織化學(xué)和生物化學(xué)方面的研究。MRI圖像的優(yōu)勢(shì)成像速度慢，不適合運(yùn)動(dòng)性器官對(duì)鈣化灶和骨皮質(zhì)病灶不夠敏感。

禁忌癥相對(duì)較多。安置心臟起搏器、假肢、人工髖關(guān)節(jié)的病人、疑有眼球異物的病人以及動(dòng)脈瘤銀夾結(jié)扎術(shù)后的病人都禁做MRI檢查。裝假牙的病人不能進(jìn)行頜面水平MRI檢查。放置宮內(nèi)節(jié)育環(huán)者，如檢查中出現(xiàn)不適應(yīng)立刻停止檢查。

圖像易受多種偽影干擾。MRI偽影主要來(lái)自患者的運(yùn)動(dòng)，金屬異物以及設(shè)備三個(gè)方面。MRI圖像的不足中樞神經(jīng)系統(tǒng)對(duì)脊柱與椎管內(nèi)病變有重要診斷意義肌肉關(guān)節(jié)系統(tǒng)fMRI功能成像研究腦功能對(duì)肺、密質(zhì)骨，如四肢長(zhǎng)骨、胃腸道疾病不如CTMRI圖像的應(yīng)用2024/2/12231Hz 2Hz 3Hz%

100755025Schlaug,etal,1995,HarvardMedicalSchoolandBethIsraelHospitalfMRI應(yīng)用醫(yī)用超聲診斷儀是將聲納原理和雷達(dá)技術(shù)相結(jié)合生產(chǎn)的為臨床應(yīng)用的醫(yī)療儀器。其基本原理是高頻超聲脈沖波輻射到生物作內(nèi)，由生物體內(nèi)不同界面反射出不同波形并形成圖像．從而判斷生物體內(nèi)是否有病變。超聲圖像（sonography）有高的軟組織分辨力。組織只要有1％的聲阻抗差異，儀器就能檢測(cè)出，并顯示其反射回波。具有高度的安全性。當(dāng)嚴(yán)格控制聲強(qiáng)低于安全閾值時(shí)，超聲可能成為一種無(wú)損傷的診斷技術(shù)高速實(shí)時(shí)成像，可以觀(guān)察運(yùn)動(dòng)的器官，并節(jié)省檢查時(shí)間。

使用簡(jiǎn)便，費(fèi)用較低，用途廣泛。

超聲圖像優(yōu)點(diǎn)比如B超在清晰度、分辨率等方面，較弱。B超對(duì)腸道等空腔器官病變易漏診。氣體對(duì)超聲影響很大，患者容易受到患者腸氣干擾等多方面因素影響檢查結(jié)果需要改變體位屏氣等，對(duì)于骨折和不能配合病人不適用。檢查結(jié)果也易受醫(yī)師臨床技能水平的影響。孕婦濫查B超可能易致胎兒畸形

超聲圖像缺點(diǎn)腹部B超可用于觀(guān)察腹部組織器官，包括：肝臟，膽管，脾臟，胰腺，膽囊，主動(dòng)脈，腎臟膀胱、前列腺等臟器。廣泛應(yīng)用于乳腺檢查、孕婦胎兒和甲狀腺等檢查超聲圖像應(yīng)用正電子發(fā)射斷層掃描儀PET(PositronEmissionTomography)是當(dāng)今最高層次的核醫(yī)學(xué)技術(shù)，它也是當(dāng)前醫(yī)學(xué)界公認(rèn)的最先進(jìn)的大型醫(yī)療診斷成像設(shè)備之一。PET顯像主要是在分子水平上提供有關(guān)臟器及其病變的功能活動(dòng)信息。PET圖像PET所用的示蹤藥物主要是18F-FDG短壽命正電子核素，它們是組成有機(jī)體組織的基本成分并能參與代謝過(guò)程。大多數(shù)疾病的生化變化先于解剖學(xué)的變化，并且PET對(duì)于示蹤劑濃度的靈敏度非常高，能高精度地定量地檢測(cè)出代謝過(guò)程的非正常增加并給出清晰的圖像（所謂熱源成像），因此PET能提供很多疾病在發(fā)展過(guò)程中的早期信息，可以進(jìn)行超前診斷，尤其適合于腫瘤的早期診斷PET特點(diǎn)PET影像具有靈敏度高、特異性高、安全性好，可以全身成像等優(yōu)勢(shì)。PET影像在臨床中廣泛應(yīng)用于腫瘤診斷與研究、神經(jīng)系統(tǒng)疾病診斷、心血管疾病的診斷和研究。PET優(yōu)勢(shì)及應(yīng)用PET/CT2024/2/1231PET/CT在臨床主要應(yīng)用于腫瘤、腦和心臟等領(lǐng)域重大疾病的早期發(fā)現(xiàn)和診斷。PET/CT應(yīng)用SPECT技術(shù)，即單光子發(fā)射計(jì)算機(jī)斷層成像術(shù)是核醫(yī)學(xué)的一種ＣＴ技術(shù)。SPECT是對(duì)從病人體內(nèi)發(fā)射的γ射線(xiàn)成像，故亦稱(chēng)發(fā)射型計(jì)算機(jī)斷層成像術(shù)與ＣＴ相比，二者不同的是射線(xiàn)的入射方式，SPECT接受的γ射線(xiàn)是由受檢者體內(nèi)發(fā)出來(lái)的，而ＣＴ是由Ｘ射線(xiàn)從體外穿透人體到達(dá)接受器的。SPECTSPECT儀器是醫(yī)院必備的常規(guī)檢查設(shè)備，以檢查無(wú)創(chuàng)、安全、簡(jiǎn)便、經(jīng)濟(jì)、實(shí)用等優(yōu)點(diǎn)而被廣大病人所接受，同時(shí)也為臨床、科研、教學(xué)提供有力幫助而被醫(yī)務(wù)人員所接受。SPECT不同類(lèi)型影像特點(diǎn)成像技術(shù)CTMRIPETSPECT優(yōu)點(diǎn)1.成像速度快2.對(duì)骨組織敏感3.空間分辨率較高4.造價(jià)相對(duì)較低1.軟組織成像效果好2.空間分辨率高3.對(duì)人體無(wú)危害4.掃描角度靈活5.無(wú)骨偽影1.對(duì)比度較高2.受體成像3.屬于化學(xué)成像1.對(duì)比度較高2.價(jià)格較低缺點(diǎn)1.X射線(xiàn)對(duì)人體有危害2.對(duì)軟組織成像較差3.骨的邊緣在成像中易產(chǎn)生條狀偽影4.成像角度不靈活1.對(duì)骨組織成像效果較差2.成像時(shí)間較CT長(zhǎng)1.價(jià)格昂貴，必須配備回旋加速器2.分辨率較差1.分辨率低2.成像速度慢DICOM（DigitalImagingandCommunicationinMedical）醫(yī)療設(shè)備的國(guó)際標(biāo)準(zhǔn)通訊協(xié)議解決不同廠(chǎng)商的各種醫(yī)療設(shè)備的互連問(wèn)題DICOM3醫(yī)學(xué)圖像數(shù)據(jù)分析方法基于人工智能的醫(yī)學(xué)圖像大數(shù)據(jù)分析流程醫(yī)學(xué)影像數(shù)據(jù)的收集是基于影像的計(jì)算機(jī)輔助診斷的基礎(chǔ)。高質(zhì)量的數(shù)據(jù)，是建立可靠的計(jì)算機(jī)輔助診斷系統(tǒng)的保障。計(jì)算機(jī)輔助診斷研究所用病例的影像數(shù)據(jù)主要來(lái)源于PACS系統(tǒng)、影像設(shè)備或其他研究團(tuán)隊(duì)提供的影像數(shù)據(jù)。醫(yī)學(xué)圖像采集圖像收集完成后，為了去除圖像中干擾進(jìn)一步分析的因素，提高系統(tǒng)的可靠性，一般計(jì)算機(jī)輔助診斷系統(tǒng)需要對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)處理，包括矯正由于設(shè)備和檢查環(huán)境所致圖像灰度值的不均勻性、光線(xiàn)差異、降低圖像噪聲、降維等。數(shù)據(jù)預(yù)處理并非計(jì)算機(jī)輔助診斷系統(tǒng)的必要組成部分，但若不對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，不同數(shù)據(jù)間的差異將嚴(yán)重會(huì)影像計(jì)算機(jī)輔助診斷系統(tǒng)的性能。醫(yī)學(xué)圖像預(yù)處理1對(duì)比度拉伸2圖像去噪3消除不同圖像光線(xiàn)差異4…醫(yī)學(xué)圖像預(yù)處理方法醫(yī)學(xué)圖像成像過(guò)程中常常由于曝光不足或過(guò)度、圖像記錄設(shè)備動(dòng)態(tài)范圍太窄等因素，造成圖像的對(duì)比度不足，圖像的細(xì)節(jié)不容易分辨等問(wèn)題。對(duì)比度拉伸Matlab提供了實(shí)現(xiàn)圖像線(xiàn)性拉伸的函數(shù)g=imadjust(f,[low_inhigh_in],[low_outhigh_out])其中，f為處理前的圖像，g為處理后的圖像。函數(shù)的功能：將原圖像f中[low_inhigh_in]之間的灰度映射到[low_outhigh_out]。小于low_in的值映射為low_out.，大于high_in的值映射為high_out。注意：low_in，high_in，low_out，high_out取值范圍為[0,1]。對(duì)比度拉伸Matlab實(shí)現(xiàn)【例14-1】對(duì)比度拉伸實(shí)例對(duì)下圖進(jìn)行對(duì)比度拉伸，提高其對(duì)比度實(shí)現(xiàn)代碼f=imread(‘mri1.tif’);minA=max(f(:))/255;maxB=min(f(:))/255;g=imadjust(f,[minA，maxB],[01]);原圖運(yùn)行結(jié)果【例14-2】圖像標(biāo)準(zhǔn)化實(shí)例下面圖像為一幅DICOM格式的醫(yī)學(xué)圖像，其元素類(lèi)型在Matlab中是int16,將圖像灰度標(biāo)準(zhǔn)化到【0，1】或【0-255】實(shí)現(xiàn)代碼df=dicomread('CT-MONO2-16-ankle.dcm');df_double=im2double(df);df_gray=mat2gray(df_double);g=im2uint8(df_gray);醫(yī)學(xué)圖像中因?yàn)槌上裨O(shè)備或人體自身特點(diǎn)，經(jīng)常包含各種類(lèi)型的噪聲。圖像去噪的方法很多，大題分為：空間域?yàn)V波和頻率域?yàn)V波空間域去噪：均值濾波、中值濾波等；頻率域去噪：低通濾波器、中通濾波器、高通濾波器等。圖像去噪用濾波器所確定的領(lǐng)域的中值作為圖像的灰度值以3*3濾波器為例中值濾波器實(shí)現(xiàn)從小到大排列，取中間值中值濾波在抑制圖象隨機(jī)脈沖噪聲方面甚為有效。且運(yùn)算速度快，可硬化，便于實(shí)時(shí)處理。中值濾波B=medfilt2(A,[mn])B=medfilt2(A)A:待處理的圖像[m,n]:濾波器的尺寸，若省略，默認(rèn)為[33]中值濾波Matlab實(shí)現(xiàn)I=imread(noiseSP_image.tif');J=medfilt2(I);imshow(I)figure,imshow(J)中值濾波Matlab實(shí)現(xiàn)I=im2double(imread('orig_chest_xray.tif'));imshow(I);title('OriginalImage');LEN=21;THETA=11;PSF=fspecial('motion',LEN,THETA);blurred=imfilter(I,PSF,'conv','circular');figure,imshow(blurred);title('BlurredImage');wnr1=deconvwnr(blurred,PSF,0);figure,imshow(wnr1);title('RestoredImage');維納濾波器去除運(yùn)動(dòng)噪聲原始圖像去噪后圖像運(yùn)動(dòng)噪聲污染圖像醫(yī)學(xué)圖像采集過(guò)程中因?yàn)椴杉h(huán)境變換，可能造成不同圖像之間存在光線(xiàn)差異，會(huì)對(duì)后期圖像分析造成困難。直方圖規(guī)定化也是一種消除不同圖像之間光線(xiàn)差異的一種方法。直方圖規(guī)定化是指轉(zhuǎn)換一幅圖像使其直方圖與另一幅圖像的直方圖匹配或具有預(yù)先規(guī)定的形狀直方圖的一種圖像處理方法。直方圖規(guī)定化可以用于突出感興趣的灰度范圍，改善圖像視覺(jué)效果，也可用于消除同一場(chǎng)景不同成像條件下光線(xiàn)不同造成的圖像亮度差異。消除圖像光線(xiàn)差異直方圖規(guī)定化是指轉(zhuǎn)換一幅圖像使其直方圖與另一幅圖像的直方圖匹配或具有預(yù)先規(guī)定的形狀直方圖的一種圖像處理方法。直方圖規(guī)定化可以用于突出感興趣的灰度范圍，改善圖像視覺(jué)效果直方圖規(guī)定化可以消除同一場(chǎng)景不同成像條件下光線(xiàn)不同造成的圖像亮度差異。消除圖像光線(xiàn)差異直方圖規(guī)定化是指轉(zhuǎn)換一幅圖像使其直方圖與另一幅圖像的直方圖匹配或具有預(yù)先規(guī)定的形狀直方圖的一種圖像處理方法。直方圖規(guī)定化可以用于突出感興趣的灰度范圍，改善圖像視覺(jué)效果直方圖規(guī)定化可以消除同一場(chǎng)景不同成像條件下光線(xiàn)不同造成的圖像亮度差異。消除圖像光線(xiàn)差異f1=imread('fig14_5.tif');f2=imread('fig14_5b.tif')[counts,x]=imhist(f2);g=histeq(f1,counts);Imshow(f1),figure,imshow(f2),

figure,imshow(f1)figure,imshow(f2)figure,imshow(g)figure,imhist(f1),figure,imhist(f2)

figure,imhist(g)消除圖像光線(xiàn)差異在醫(yī)學(xué)圖像處理領(lǐng)域，圖像分割是將感興趣區(qū)域ROI，如特定的組織器官或者病灶從原始的2D或3D醫(yī)學(xué)圖像中分割出來(lái)圖像分割方便對(duì)感興趣區(qū)域進(jìn)行定量定性分析和處理分析，也為計(jì)算機(jī)輔助診斷奠定基礎(chǔ)。由于人體結(jié)構(gòu)個(gè)體差異較大，加上許多組織器官或病灶區(qū)域邊界模糊都為醫(yī)學(xué)圖像的分割帶來(lái)了很大困難，因此圖像分割是醫(yī)學(xué)圖像處理領(lǐng)域的重點(diǎn)和難點(diǎn)之一。醫(yī)學(xué)圖像分割技術(shù)醫(yī)學(xué)圖像分割經(jīng)歷了一個(gè)從人工分割、半自動(dòng)分割到自動(dòng)分割的發(fā)展過(guò)程。醫(yī)學(xué)圖像分割方法人工分割由經(jīng)驗(yàn)豐富的臨床醫(yī)生根據(jù)臨床經(jīng)驗(yàn)在原始膠片或原始數(shù)字圖像上用筆或鼠標(biāo)勾畫(huà)出感興趣區(qū)域的邊界輪廓。人工分割精度較高，但是費(fèi)時(shí)費(fèi)力，結(jié)果難以重現(xiàn)，而且分割的效果很大程度依賴(lài)于醫(yī)生的經(jīng)驗(yàn)。醫(yī)學(xué)圖像分割方法半自動(dòng)分割通過(guò)人機(jī)交互的形式完成圖像分割的全過(guò)程，將計(jì)算機(jī)圖像處理能力與專(zhuān)家的知識(shí)和經(jīng)驗(yàn)相結(jié)合的一種分割方式。半自動(dòng)分割方法與人工分割相比，分割速度較快，但分割效果仍然依賴(lài)于操作者的知識(shí)經(jīng)驗(yàn)，一定程度上影響了半自動(dòng)分割技術(shù)在臨床上的推廣應(yīng)用。醫(yī)學(xué)圖像分割方法自動(dòng)分割是由計(jì)算機(jī)自動(dòng)完成圖像分割的全過(guò)程，徹底擺脫了人的參與。由于不需要人為參與分割過(guò)程，分割結(jié)果能很好再現(xiàn)，為計(jì)算機(jī)輔助診斷奠定基礎(chǔ)。但自動(dòng)分割往往算法復(fù)雜，運(yùn)算量大，一直是圖像分割算法研究的重點(diǎn)。醫(yī)學(xué)圖像分割方法基于閾值的分割基于區(qū)域的圖像分割基于分類(lèi)器的分割基于邊緣檢測(cè)的圖像分割醫(yī)學(xué)圖像分割方法閾值分割法是一種簡(jiǎn)單實(shí)用的圖像分割技術(shù)，根據(jù)設(shè)定的閾值，將圖像的象素分為若干類(lèi)。基于閾值的分割最常用的閾值確定方法是基于整體圖像灰度直方圖，如最大類(lèi)間方差法(OTSU)、最小誤差法、最大熵法等。Matlab中，實(shí)現(xiàn)根據(jù)OTSU產(chǎn)生閾值的方法如下：T=graythresh(I)；其中：I:為原始圖像,T為根據(jù)OTSU方法產(chǎn)生的閾值。基于閾值的分割Matlab實(shí)現(xiàn)根據(jù)閾值進(jìn)行圖像分割的函數(shù)如下：BW=imbinarize(I,T)其中：I為待分割的圖像。T：為閾值，T值可以省略，省略時(shí)閾值默認(rèn)為OTSU方法確定的閾值。BW為分割結(jié)果，分割后圖像為二值圖像，0，1分別對(duì)應(yīng)目標(biāo)和背景?；陂撝档姆指頜atlab實(shí)現(xiàn)根據(jù)閾值進(jìn)行圖像分割的函數(shù)如下：BW=imbinarize(I,T)其中：I為待分割的圖像。T：為閾值，T值可以省略，省略時(shí)閾值默認(rèn)為OTSU方法確定的閾值。BW為分割結(jié)果，分割后圖像為二值圖像，0，1分別對(duì)應(yīng)目標(biāo)和背景。基于閾值的圖像分割f=imread('blood1.jpg');Theshold=graythresh(f);Image_BW=imbinarize(f,Theshold);imshowpair(f,BW,'montage')【例14-6】根據(jù)閾值進(jìn)行圖像分割應(yīng)用實(shí)例f=imread('shaded_text_image).tif');BW=imbinarize(f,'adaptive','ForegroundPolarity','dark','Sensitivity',0.4);figure,imshow(BW)【例14-7】根據(jù)自適應(yīng)閾值進(jìn)行圖像分割應(yīng)用實(shí)例基于區(qū)域的圖像分割常用的有兩種方法：區(qū)域生長(zhǎng)和區(qū)域分裂?；趨^(qū)域的圖像分割區(qū)域生長(zhǎng)基本思想是將具有相似性質(zhì)的像素連接起來(lái)構(gòu)成區(qū)域。步驟是：首先對(duì)每個(gè)需要分割的區(qū)域設(shè)定一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，然后將種子像素周?chē)徲蛑信c種子像素有相同或相似性質(zhì)的像素合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子像素繼續(xù)進(jìn)行上面的過(guò)程，直到再?zèng)]有滿(mǎn)足條件的像素可被包括進(jìn)來(lái)，這樣一個(gè)區(qū)域就長(zhǎng)成了。基于區(qū)域生長(zhǎng)的圖像分割區(qū)域生長(zhǎng)需要選擇一組能正確代表各個(gè)區(qū)域的種子像素，確定生長(zhǎng)過(guò)程的相似性準(zhǔn)則，制定生長(zhǎng)停止的條件或準(zhǔn)則。相似性準(zhǔn)則可以依據(jù)灰度級(jí)、彩色、紋理、梯度等特性。選取的種子像素可以是單個(gè)像素，也可以是包含若干個(gè)像素的小區(qū)域。大多區(qū)域生長(zhǎng)準(zhǔn)則使用圖像的局部性質(zhì)，根據(jù)不同原則制定，不同的生長(zhǎng)準(zhǔn)則會(huì)影響區(qū)域生長(zhǎng)的過(guò)程?；趨^(qū)域的圖像分割區(qū)域生長(zhǎng)法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，對(duì)于較均勻的連通目標(biāo)有較好的分割效果。它的缺點(diǎn)是需要人為確定種子點(diǎn)，對(duì)噪聲敏感，可能導(dǎo)致區(qū)域內(nèi)有空洞。另外，它是一種串行算法，當(dāng)目標(biāo)較大時(shí)，分割速度較慢，因此在設(shè)計(jì)算法時(shí)，要盡量提高效率。基于區(qū)域的圖像分割區(qū)域分裂合并差不多是區(qū)域生長(zhǎng)的逆過(guò)程：從整個(gè)圖像出發(fā)，不斷分裂得到各個(gè)子區(qū)域，然后再把目標(biāo)區(qū)域合并，實(shí)現(xiàn)目標(biāo)提取。分裂合并法的關(guān)鍵是分裂合并準(zhǔn)則的設(shè)計(jì)。這種方法對(duì)復(fù)雜圖像的分割效果較好，但算法較復(fù)雜，計(jì)算量大，分裂還可能破壞區(qū)域的邊界?；趨^(qū)域的圖像分割圖像分割是將感興趣的區(qū)域從圖像其余的內(nèi)容中區(qū)分出來(lái)，其實(shí)也可以看作是對(duì)圖像中的像素或區(qū)域進(jìn)行分類(lèi)的過(guò)程。圖像分割可以采用分類(lèi)算法來(lái)實(shí)現(xiàn)?；诜诸?lèi)器的圖像分割在監(jiān)督式分類(lèi)算法中，訓(xùn)練數(shù)據(jù)有一個(gè)明確的標(biāo)識(shí)或結(jié)果，同樣在基于監(jiān)督的分割方法中訓(xùn)練圖像應(yīng)該包含每個(gè)像素或子區(qū)域和對(duì)應(yīng)的分割結(jié)果（感興趣區(qū)域、背景區(qū)域）。常見(jiàn)的用于分割的監(jiān)督分類(lèi)算法有：貝葉斯算法、支持向量機(jī)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)算法等。監(jiān)督學(xué)習(xí)分割效果好，但是需要提前進(jìn)行手動(dòng)分割，費(fèi)時(shí)費(fèi)力?；诜诸?lèi)器的圖像分割非監(jiān)督學(xué)習(xí)的訓(xùn)練不需要知道訓(xùn)練樣本的標(biāo)簽常見(jiàn)的算法有：k均值、模糊C均值、EM算法、分層聚類(lèi)算法等。聚類(lèi)算法不需要為訓(xùn)練數(shù)據(jù)提供標(biāo)簽，但是需要一個(gè)初始化參數(shù)，初始化參數(shù)對(duì)分割結(jié)果影響較大。聚類(lèi)算法也沒(méi)考慮到空間關(guān)聯(lián)信息，因此對(duì)噪聲和灰度不均和比較敏感?；诜诸?lèi)器的圖像分割基于邊界的分割方法是人們研究最早的分割方法，目前已出現(xiàn)了很多邊緣檢測(cè)的算法?；谶吔鐧z測(cè)的分割算法基于區(qū)域邊緣上的像素灰度值變化較大，通過(guò)檢測(cè)相鄰像素的突變來(lái)獲取區(qū)域的邊界，從而來(lái)解決圖像分割問(wèn)題?；谶吘壍膱D像分割經(jīng)典的邊緣檢測(cè)方法采用微分算子來(lái)檢測(cè)圖像邊緣。常用的一階導(dǎo)數(shù)算子有：梯度算子、Robert算子、Sobel算子和Prewitt算子等；二階導(dǎo)數(shù)算子有Laplacian算子、Kirsch算子等非線(xiàn)性算子?；谶吘壍膱D像分割由于圖像中往往含有噪聲，而邊緣和噪聲都表現(xiàn)為像素和周?chē)袼刂g比較大的灰度變化，在頻率域都則表現(xiàn)為高頻分量，因此在噪聲較大的圖像上進(jìn)行邊緣檢測(cè)會(huì)產(chǎn)生一些偽邊緣，這就給邊緣檢測(cè)帶來(lái)了困難。這種現(xiàn)象在超聲圖像中顯得尤為突出。另外，基于邊緣的分割方法得到的圖像邊界往往是不連續(xù)的，需要通過(guò)后處理連接成閉合邊界。為了減少噪聲對(duì)分割結(jié)果的影響，通常在邊緣提取以前通過(guò)濾波對(duì)圖像進(jìn)行去噪處理?；谶吘壍膱D像分割【例14-8】Matlab圖像分割工具介紹【例14-8】Matlab圖像分割工具介紹目前描述圖像的比較有效的特征有：圖像的顏色、紋理、形狀和輪廓邊緣等。醫(yī)學(xué)圖像大數(shù)據(jù)特征提取技術(shù)顏色特征是圖像中最直觀(guān)的特征之一。醫(yī)學(xué)圖像的不同組織器官存在灰度的差異，灰度特征是醫(yī)學(xué)圖像最基本、最簡(jiǎn)單的特征。臨床醫(yī)生根據(jù)醫(yī)學(xué)影像診斷疾病時(shí)，會(huì)參考圖像中灰度值的高低和灰度在圖像中分布狀態(tài)。