1、近年來(lái)，現(xiàn)代大型醫(yī)療成像技術(shù)有了飛速地發(fā)展，醫(yī)學(xué)影像在臨床診斷與醫(yī)學(xué)研究中扮演了愈來(lái)愈重要的地位。醫(yī)學(xué)影像呈現(xiàn)出實(shí)時(shí)化、海量化的趨勢(shì)。海量信息經(jīng)過(guò)有效地整合、加工與挖掘，使醫(yī)學(xué)影像數(shù)字化分析技術(shù)逐漸從臨床診斷的輔助手段，成為實(shí)現(xiàn)精確診斷的必需。所以，隨著臨床診斷要求的提高以及醫(yī)學(xué)影像學(xué)研究的開(kāi)展，迫切需要更高效的醫(yī)學(xué)圖像數(shù)字化分析技術(shù)，對(duì)醫(yī)學(xué)圖像數(shù)字化分析技術(shù)的研究刻不容緩。這主要表現(xiàn)為以下兩個(gè)方面。 首先，新的成像技術(shù)催生新的

2、數(shù)字化分析技術(shù)。例如，現(xiàn)在的動(dòng)態(tài)三維(4D)超聲能讓醫(yī)生和母親看到未出生胎兒的臉部特征和在子宮內(nèi)的運(yùn)動(dòng)。這是因?yàn)槿S超聲能探測(cè)、采樣、數(shù)字化存儲(chǔ)三維的超聲回聲信號(hào)，并能渲染繪制出活靈活現(xiàn)的未出生胎兒的圖像。四維超聲還能實(shí)時(shí)地動(dòng)態(tài)接收和顯示這種三維圖像，幫助醫(yī)生研究胎兒的移動(dòng)與活動(dòng)規(guī)律。對(duì)臨床醫(yī)生來(lái)說(shuō)，利用四維超聲能觀察胎兒健康狀況和微小的移動(dòng)，可以在屏幕上對(duì)未出生的胎兒做從頭到腳的健康評(píng)估，就象兒科醫(yī)生直接面對(duì)已出生的嬰兒一樣。通過(guò)這樣

3、對(duì)未出生嬰兒的體位變化以及呼吸的觀察，醫(yī)生能更容易診斷。 其次，高分辨率的圖像、很短的成像時(shí)間以及日益廣泛的臨床應(yīng)用使后處理研究成為必需。例如，多排CT的成像不再受患者屏住呼吸的時(shí)間間隔的限制，使人體心臟成像和周邊血管成像成為可能。與傳統(tǒng)單排CT相比，多排CT一次成像的層厚更薄、層數(shù)更多，所以細(xì)節(jié)分辨率更好而且數(shù)據(jù)量大，因此放射科醫(yī)生在高級(jí)計(jì)算機(jī)后處理軟件的輔助下才‘能更好更快地從海量的信息中提取更多有用的診斷信息，而不致于耽誤

4、或遺漏。另外一個(gè)例子是CT仿真結(jié)腸鏡，與有創(chuàng)的傳統(tǒng)光學(xué)結(jié)腸鏡相比，它的檢查時(shí)間較短，患者耐受性較好。CT仿真結(jié)腸鏡可以清晰地顯示結(jié)直腸內(nèi)的病灶，并可以從不同角度觀察其周邊解剖結(jié)構(gòu)。 為此，本研究主要是針對(duì)臨床環(huán)境的多維數(shù)據(jù)的實(shí)時(shí)計(jì)算作了有針對(duì)性的研究，其主要內(nèi)容如下： 第一．基于通用微機(jī)平臺(tái)圖形處理器(GPU)的快速醫(yī)學(xué)圖像處理研究。伴隨著微機(jī)的功能升級(jí)，計(jì)算機(jī)圖形學(xué)的研究與應(yīng)用發(fā)生了從工作站向微機(jī)的大規(guī)模轉(zhuǎn)移。這很大程

5、度上是由于微機(jī)平臺(tái)圖形處理硬件的發(fā)展和革新。近年來(lái)，隨著微機(jī)平臺(tái)圖形處理器性能的大幅度提高以及可編程特性的發(fā)展，人們開(kāi)始將圖形流水線的某些處理階段以及某些圖形算法從CPU向GPU轉(zhuǎn)移。除了計(jì)算機(jī)圖形學(xué)本身的應(yīng)用，還包括其他領(lǐng)域的計(jì)算，通用計(jì)算已成為GPU近年來(lái)的研究熱點(diǎn)。本研究從圖形硬件發(fā)展的歷史開(kāi)始，重點(diǎn)探討了GPU在醫(yī)學(xué)圖像處理領(lǐng)域的應(yīng)用、其技術(shù)原理和發(fā)展?fàn)顩r，并進(jìn)行了比較研究。 第二．基于的GPU加速的Gibbs隨機(jī)場(chǎng)分割

6、算法研究。圖像分割是指將圖像劃分成一系列彼此互不交疊的勻質(zhì)區(qū)域。它是圖像處理和計(jì)算機(jī)視覺(jué)最基本問(wèn)題之一，是實(shí)現(xiàn)從圖像處理到圖像分析，進(jìn)而完成圖像理解的關(guān)鍵性步驟?；诩闺S機(jī)場(chǎng)的先驗(yàn)?zāi)Ｐ褪墙鉀Q退化圖像病態(tài)逆問(wèn)題正則化求解的重要理論模型。它通過(guò)提供良好的空間上下文約束信息，在貝葉斯醫(yī)學(xué)圖像分割中運(yùn)用廣泛。然而，在臨床分割實(shí)踐中，由于計(jì)算速度問(wèn)題，需要適當(dāng)改進(jìn)以適應(yīng)臨床的不同需求。本文正是在這種背景下，提出了基于GPU加速的Gibbs隨機(jī)

7、場(chǎng)分割算法的改進(jìn)：算法改進(jìn)的加速性在于用GPU中的片元作色器并行執(zhí)行分割算法中的的逐點(diǎn)迭代計(jì)算，取代CPU串行執(zhí)行的逐點(diǎn)計(jì)算，大大減小了CPU的計(jì)算負(fù)載，效率大大高于單獨(dú)采用CPU的分割算法，使基于Gibbs隨機(jī)場(chǎng)的模糊C均值分割算法運(yùn)算接近實(shí)時(shí)，大大提高了Gibbs隨機(jī)場(chǎng)分割算法在臨床的實(shí)用性。 第三．提出了基于Gibbs形態(tài)學(xué)梯度的標(biāo)記點(diǎn)分水嶺分割算法的骨自動(dòng)分割以及基于輪廓一致性的分割驗(yàn)證。利用序列CT圖像對(duì)骨組織做自動(dòng)分

8、割是計(jì)算機(jī)輔助骨科的重要技術(shù)。由于骨結(jié)構(gòu)的不一致性、病理改變以及CT數(shù)據(jù)內(nèi)在的模糊性，完全自動(dòng)的分割面臨很大的困難。本文的研究目的是提供一種有效的解決框架，既避免了傳統(tǒng)分割中大量的人力介入，又避免了自動(dòng)分割造成的錯(cuò)誤。具體步驟是：設(shè)計(jì)合適的自動(dòng)分割算法對(duì)序列CT圖像中骨組織做自動(dòng)分割；隨后利用相鄰CT圖像上骨輪廓是漸進(jìn)變化的特性，通過(guò)比較提取的輪廓形狀的一致性來(lái)自動(dòng)驗(yàn)證分割的結(jié)果；對(duì)一致性較差的結(jié)果引入決策判別機(jī)制。目前，計(jì)算機(jī)輔助外科

9、研究是生物醫(yī)學(xué)工程的一個(gè)研究熱點(diǎn)。本文針對(duì)該研究中所面臨的二維圖像區(qū)域輪廓線自動(dòng)提取及輪廓驗(yàn)證問(wèn)題進(jìn)行了探索，并提出了有效的解決框架。通過(guò)實(shí)驗(yàn)表明，本文提出的解決框架能自動(dòng)地準(zhǔn)確分割CT序列圖像中的骨組織，并對(duì)分割失敗的圖像能通過(guò)相鄰輪廓相似性比較自動(dòng)檢測(cè)出，并交由根據(jù)實(shí)際需要設(shè)定的人工干預(yù)或其它判別方法特殊處理。這樣既保證了分割結(jié)果的準(zhǔn)確性，又極大減少了計(jì)算機(jī)輔助外科中的人工干預(yù)，對(duì)計(jì)算機(jī)輔助外科的推廣能起到一定的作用。 第四

10、．提出了基于GPU硬件加速的動(dòng)態(tài)三維面繪制研究。等值面重建被廣泛應(yīng)用于標(biāo)量場(chǎng)可視化。特別是在醫(yī)學(xué)領(lǐng)域，大量的醫(yī)學(xué)研究和臨床觀察需要借助于醫(yī)學(xué)體數(shù)據(jù)的表面重建結(jié)果。本研究提出了一種加速算法：這種加速算法利用了普通微機(jī)平臺(tái)上的圖形處理器(GPU)中的定點(diǎn)作色器(Vertex Shader)的可編程性，把等值面計(jì)算的巨大計(jì)算量從CPU，轉(zhuǎn)到了GPU，從而極大加快了重建速度。這項(xiàng)研究能在普通微機(jī)體系上就能實(shí)現(xiàn)動(dòng)態(tài)三維數(shù)據(jù)的實(shí)時(shí)面繪制計(jì)算，因?yàn)樗?/p>

11、法無(wú)需一次性把三維動(dòng)態(tài)體數(shù)據(jù)全部裝載入計(jì)算機(jī)內(nèi)存，也無(wú)需在內(nèi)存中保存三維動(dòng)態(tài)體數(shù)據(jù)的每幀畫(huà)面的重建結(jié)果，更無(wú)需在內(nèi)存中保存三維交互后，每幀等值面的計(jì)算結(jié)果，所以完整的三維動(dòng)態(tài)體數(shù)據(jù)可以保存在硬盤(pán)上，根據(jù)需要在內(nèi)存中裝載對(duì)應(yīng)幀的數(shù)據(jù)，在普通微機(jī)上就能完成相應(yīng)的計(jì)算。利用本算法的缺點(diǎn)是不能保存等值面重建的結(jié)果數(shù)據(jù)。但是，在實(shí)際開(kāi)發(fā)過(guò)程中可以發(fā)現(xiàn)，本算法更適合與體繪制的混合繪制及人機(jī)交互。 第五．提出了基于GPU硬件加速的動(dòng)態(tài)三維超聲

12、實(shí)時(shí)體繪制研究。三維動(dòng)態(tài)超聲具有非常廣泛的發(fā)展前景和臨床應(yīng)用。但是三維動(dòng)態(tài)超聲的數(shù)據(jù)結(jié)構(gòu)不屬于三維規(guī)則數(shù)據(jù)場(chǎng)，所以不能直接在微機(jī)上采用三維紋理硬件加速算法實(shí)現(xiàn)實(shí)時(shí)體繪制。本文首先介紹了基于微機(jī)平臺(tái)，針對(duì)三維規(guī)則數(shù)據(jù)場(chǎng)的三維紋理硬件體繪制加速算法。通過(guò)對(duì)現(xiàn)代微機(jī)顯卡結(jié)構(gòu)的分析討論，本文提出了利用現(xiàn)代微機(jī)顯卡中的頂點(diǎn)渲染器編程實(shí)現(xiàn)超聲的三維動(dòng)態(tài)扇掃數(shù)據(jù)場(chǎng)到三維規(guī)則數(shù)據(jù)場(chǎng)的快速變換，然后利用顯卡中的三維紋理快速運(yùn)算功能，從而在普通微機(jī)平臺(tái)上實(shí)

13、現(xiàn)了三維動(dòng)態(tài)超聲的實(shí)時(shí)體繪制。本方法具有很廣泛的應(yīng)用價(jià)值。在試驗(yàn)平臺(tái)配置的計(jì)算機(jī)性能幾乎相同和試驗(yàn)數(shù)據(jù)大小幾乎一致的情況下，本算法的優(yōu)勢(shì)在于：1)繪制速度提高了將近10倍，已接近實(shí)時(shí)；2)繪制速度受觀察角度的影響較??；3)不需要事先規(guī)整三維超聲數(shù)據(jù)；4)在繪制時(shí)無(wú)需在內(nèi)存中保留3份數(shù)據(jù)拷貝。 伴隨著成像技術(shù)的發(fā)展，醫(yī)學(xué)影像數(shù)字化分析技術(shù)已從臨床診斷的輔助手段，成為實(shí)現(xiàn)精確診斷必需的過(guò)程。為此，本論文研究的意義如下： 提高

14、診斷質(zhì)量的需要：成像設(shè)備采集的海量影像信息，如不整合、加工與處理，信息仍然是孤立的、低質(zhì)的，如此繁雜無(wú)序的信息往往使得臨床醫(yī)生感覺(jué)盲然無(wú)措，這不利于臨床診斷，不利于病因的有效與定量分析，不利于對(duì)疾病的新發(fā)展與新認(rèn)識(shí)。目前，醫(yī)學(xué)影像后處理的研究已成為國(guó)內(nèi)外研究的熱點(diǎn)。但是目前的分析方法與臨床的診斷的要求還有一定的差距，分析的精度與時(shí)間上還需提升，研究對(duì)象有待擴(kuò)寬。若想進(jìn)一步提高診斷質(zhì)量，有賴于諸如圖像分割及其可視化等技術(shù)的發(fā)展。

15、符合醫(yī)院數(shù)字化建設(shè)的需要：數(shù)字化醫(yī)院是將最先進(jìn)的IT技術(shù)充分應(yīng)用于醫(yī)療。其核心是通過(guò)寬帶網(wǎng)絡(luò)把數(shù)字化醫(yī)療設(shè)備、數(shù)字化醫(yī)學(xué)影像系統(tǒng)和數(shù)字化醫(yī)療信息系統(tǒng)等全部臨床作業(yè)過(guò)程納入到數(shù)字化網(wǎng)絡(luò)中，實(shí)現(xiàn)臨床作業(yè)的無(wú)紙化和無(wú)片化運(yùn)行。醫(yī)學(xué)圖像通信與歸檔系統(tǒng)(PACS)是數(shù)字化醫(yī)院的主要組成之一，PACS系統(tǒng)完成了醫(yī)學(xué)影像的存儲(chǔ)、通信功能，從而實(shí)現(xiàn)了數(shù)字影像的共享，打破了數(shù)字影像只由影像科獨(dú)占的局面，但當(dāng)前醫(yī)學(xué)影像的數(shù)字化分析技術(shù)并沒(méi)有實(shí)現(xiàn)共享，臨床醫(yī)