机器视觉技术在医学诊断中的应用.docx

《机器视觉技术在医学诊断中的应用.docx》由会员分享，可在线阅读，更多相关《机器视觉技术在医学诊断中的应用.docx（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、机器视觉技术在医学诊断中的应用最好的沉淀 【摘 要】机器视觉技术发展迅猛，与之相关的研究也越来越活跃。机器视觉技术可将摄取对象转化为图像信号，传送给多种下游设备，下游设备根据图像像素分布、亮度、颜色等信息，利用其中的图像信号得到所摄对象的形态特征，以数字化信号呈现出来并进一步利用。目前，机器视觉技术应用范围涵盖制药、包装、电子、汽车制造、半导体、纺织、烟草等多个行业与领域，在医学领域的作用越来越显现出来。 本文简要介绍了机器视觉的原理、构造及其在医学领域的应用以医学诊断为代表。在医学诊断方面，重点应用的是机器视觉中的图像采集技术和图像数据分析技术，其中，前者主要应用于X射线、CT和核磁共振等方

2、面，后者主要应用在尿液自动检测等方面。机器视觉在医疗领域的前景广阔，很大程度上使医生的诊断更加便捷准确。 【关键词】机器视觉；X射线；CT；核磁共振；内窥镜；尿液分析仪 一、机器视觉 机器视觉系统作为计算机学科的一个重要分支，综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域，在人工智能技术、图像处理技术快速发展的今天，机器视觉也发展迅猛。简单来说，机器视觉就是用机器代替人眼来做测量和判断，但已远远超越人眼，在发展过程中，逐渐具有了人脑的功能即从客观图像中提取、处理、理解、分析信息，最终反馈结果。因此，机器视觉被广泛应

3、用到检测、定位和控制中1。 机器视觉不会像人眼一样疲劳，还有着比人眼更高的精度和速度，借助红外线、紫外线、x射线等高新探测技术，机器视觉在探测不可视物体和高危险场景时，更具有其突出的优点。目前，机器视觉技术在许多领域已经有了广泛的应用，在医学领域，机器视觉的主要应用体现在对医生诊断的辅助。 机器视觉系统通过机器视觉产品将摄取对象转化为图像信号，传送给下游设备即专用的图像处理系统，下游设备根据图像像素分布、亮度、颜色等信息，利用其中的图像信号得到所摄对象的形态特征，以数字化信号呈现出来并进一步利用。图像分析系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制下一步设备动作2。 典

4、型的机器视觉应用系统主要包括图像捕捉、光源系统、数字化模块以及数字图像处理、智能决策模块等。相对应地，机器视觉系统主要有三个部分：图像的采集、图像分析和处理、输出显示或控制。 1.1图像的采集 机器视觉产品即图像拍摄装置（分CMOS和CCD两种）将被摄目标转换成图像信号，传送给图像处理系统。在图像采集阶段，及时、准确地得到清晰的图像信号并转化成为数字信号对整个机器视觉系统的性能影响巨大。 1.2图像处理和分析系统 图像处理技术是指将图像信息经过计算机转化为数字信息并加以处理的一门技术。简单来说就是将图像转化计算机自身可识别的数字信息来进行识别处理的一项技术。它的优点是进行处理的精度高。处理内容

5、不光可以用于结构化图像，对非结构化的图像也可以很好的处理和识别。另外，还可以进行比较复杂的非线性处理，以及具有良好的变通能力等等。 根据像素分布、亮度和颜色等图像信号，利用各种预先设定好的算法/经过训练的模型抽取目标图像的特征1。经过图像处理和分析系统的处理后，输出的图像的质量得到相当程度的改善，在改善图像的视觉效果、便于计算机对图像进行分析、处理和识别等方面意义巨大，接下来，分析系统会根据预设条件输出判断结果4。 1.2.1图像处理具体步骤： 1）图片模糊： 模糊操作是图像处理中最简单和常用的操作之一，使用该操作可为图像减低噪声5。图片模糊包括均值滤波、中值滤波、高斯滤波、双边滤波等6。此外

6、，还有对图像进行不同颜色空间下的颜色过滤RGB系统和HsV模型7。 2）边缘检测 边缘检测是机器视觉中重要的一部分。在实际操作中，常使用一阶微分和二阶微分来实现边缘检测12。 3）霍夫（Hough）变换 霍夫变换是基于坐标变换产生的一种检测简单几何形状的方法，在二值图像中使用此方法可以较为快速检测到简单的几何形状，如线、圆等5，6。 1.2.2主流图像处理方法7： 1）以几何特征为基础： 首先在图像中寻找特征，归纳特征点间的距离和比例，之后的图像识别则基于所归纳的几何特征信息 2）以模型为基础： 常采用马尔科夫模型，该模型是一种统计模型 3）以统计为基础： 提取图像中光照、位置等特征向量，重构

7、图像，以判断所提取的特征信息是否为所识别的物体的特征信息 4）以神经网络为基础 采用机器学习方式，即通过多张图像进行模型训练，调整参数，训练完成后，输入所要识别的图像，模型对其进行分类、判断 5）以深度学习为基础 主要思想是利用低层特征表示高层特征，在构建过程中可利用空间的相对关系降维，使得训练性能提升 1.3图像的输出或显示 即通过打印机或显示器将图像处理和分析的结果显示出来或者上位机根据判别的结果来控制现场的设备动作。 二机器视觉技术在医学领域的应用 目前，机器视觉技术在医学领域的应用发展迅猛的是辅助医学诊断8，具体技术主要体现在图像收集和图像数据的分析，在图像收集方面主要应用有X射线、C

8、T、核磁共振和内窥镜；在图像的数据分析方面最主要的应用则是尿液分析仪。 1.利用机器视觉技术进行图像收集 1.1 X射线 X射线，即伦琴射线，波长介于紫外线和射线间，由原子中的电子在能量相差悬殊的两个能级之间的跃迁而产生，主要用于骨科检查9。 X射线成像原理：待成像物体各组成部分组织的密度不同，导致X射线照射时衰减不同，从而形成透射X射线强度差异，当用检测器把强度不同的X射线记录下来，就可得到三维人体的二维投影平面图像10。 尽管目前临床诊断中还广泛使用荧光屏等传统平面成像设备（X射线机），但是随着信息技术的发展，传统方法与数字技术相结合，已派生出一系列数字成像技术11。如：计算机X射线成像（

9、CR）、数字X线摄影（DR）。目前平面成像呈现出数字技术与传统技术平分天下的情况，但我们可以预判，融合数字图像易采集、显示、存储、传输，可进行各种图像后处理等优点的影像技术的数字化是不容置疑的大趋势10。 1.2 CT成像 电子计算机断层扫描，即CT（Computed Tomography），是指利用精、准、直的X线束、射线、超声波等与有极高灵敏度的探测器配合，围绕人体某一部位进行连续断面扫描。X-CT是用X射线束对人体某部位一定厚度的层面进行扫描，由探测器接收透过该层面的X射线，转变为可见光后，由光电转换变为电信号，再经模拟/数字转换器（analog/digital converter）转为

10、数字，输入计算机处理。12 成像原理：图像形成的处理有如将选定层面分成若干个体积相同的长方体，称之为体素（voxel）。扫描所得信息经计算而获得每个体素的X射线衰减系数或吸收系数，再排列成矩阵，即数字矩阵（digital matrix），数字矩阵可存贮于磁盘或光盘中。经数字/模拟转换器（digital/analog converter）把数字矩阵中的每个数字转为由黑到白不等灰度的小方块，即像素（pixel），并按矩阵排列，即构成CT图像。因此，CT图像是重建图像。每个体素的X射线吸收系数可以通过不同的数学方法算出 12。 工作程序：根据人体不同组织对X线的吸收与透过率的不同，应用灵敏度极高的仪

11、器对人体进行测量，然后将测量所获取的数据输入电子计算机，电子计算机对数据进行处理后，就可摄下人体被检查部位的断面或立体的图像，发现体内任何部位的病变。 目前运用较广、功能较全的能谱CT，是一种在常规CT的基础上优化提升而发展起来的检查手段，提供较常规CT更为详细的影像信息13。其中，GSI（宝石能谱成像）是指利用X线的能谱进行的多参数成像模式，能够将人体组织和病变成分对不同X射线能量谱的差异表达出来，从而能够显示更加精细的解剖结构，而且能够对物质成分进行分析和定量分析13。能谱CT成像技术在在临床肺部影像学检查常见的病变孤立性肺结节，肿瘤的定位、定性与分级诊断以及其它医学的诊断方面发挥了重要作

12、用。 1.3核磁共振 核磁共振利用原子核的核磁共振现象。由于人体中水含量较多，利用各个器官间水含量的差异性或组织器官病变与正常时的水含量差异性，通过检测氢元素的核磁共振信号，来做到准确的检测14。由于原子核自旋运动的特点，在外加磁场内，经射频脉冲激发后产生信号，用探测器检测并输入计算机，经过处理转换在屏幕上显示图像。将不同梯度的磁场加以结合，即改变穿过样本的磁场强度，从而得到样本的无数二维的图像，彼此重叠后就得到样本内部空间的三维图像。 核磁共振成像的准确性和全面性使其在临床诊断中的应用极为广泛，涉及到对膀胱、直肠、子宫、阴道、骨、关节、肌肉等诸多部位的检查15；此外，核磁共振成像技术使对人体

13、内代谢和组织功能的研究方便、有效。例如：可区别肝部良性肿瘤与恶性肿瘤；对于椎间盘和脊髓，可作矢状面、冠状面、横断面成像，可以看到神经根、脊髓和神经节等。 1.4内窥镜 采用立体视觉成像技术16成像，医用内窥镜基本由图像采集模块，视频处理模块，照明模块和图像显示模块四部分组成。照明模块一般与图像采集模块直接相连，视频信号经处理之后，传输到显示模块上显示16。医生可以通过与内窥镜相连的显示器，直观地看到人体内部病灶位置和具体的形状大小，准确地判断病人的病情，合理制定手术计划或者直接使用与内窥镜相配套的设备进行手术。 作为一种直观方便的检查和治疗仪器，医用内窥镜已经被广泛地应用于胃肠道、胰腺、胆道、

14、腹腔、呼吸道和泌尿道等部位的检查与治疗中。 在医学领域，目前主要运用机器视觉技术来获得图像，对图像进行采集，使得医生可以参考所得图像，对患者的病情进行更加准确的判断。 2.利用机器视觉技术进行图像收集、处理和输出 2.1尿液分析仪 尿液分析仪是测定尿中某些化学成分的自动化仪器，它是医学实验室尿液自动化检查的重要工具，具有操作简单、快速等优点。仪器在计算机的控制下通过收集、分析试带上各种试剂块的颜色信息，并经过一系列信号转化，最后输出测定的尿液中化学成分含量17。 尿液分析仪一般由试带、机械系统、光学系统、电路系统、输入输出系统等部分组成18。测试原理的本质是光的吸收和反射。将液体样品直接加到已

15、固化不同试剂的多联试剂带上，尿液中相应的化学成分使多联试剂带上含各种特殊试剂的模块发生颜色变化，颜色的深浅与尿样中特定化学成分浓度成正比；将多联试带置于尿液分析仪比色进样槽，各模块依次受到仪器光源照射并产生不同的反射光，仪器接收不同强度的光信号后将其转换为相应的电信号，再经微处理器（CPU）计算出各测试项目的反射率，然后与标准曲线比较后校正为测定值，最后以定性或半定量方式自动打印出结果19。 尿液校验是医院的常规性检验，常用于泌尿系统和肾周围的病变、内分泌及代谢疾病、循环系统疾病、肝胆疾病、血液及造血系统疾病、中毒及职业病、药物监测、肾移植等疾病的诊断和监测20。应用现代化的尿样分析设备，定量

16、的给出病人尿样中某些成分的含量，将成为医生做出正确诊断的一个很重要的依据。 采用机器视觉技术的全自动尿液分析仪真正实现了全过程的自动化。计算机自动识别快速、客观、准确性可控制，排除了人工识别的局限性，获取更高的效率；能识别错误的目标，通过专家补充特征参数，建立数学模型进行训练，仪器能学习并记忆该特征进行识别，因此随着仪器见识越多准确性不断提高；各种特征参数可以提取，对于人工镜检是无法完成的，可以通过对参数的提取和分析来获得对临床有意义的指和鉴别诊断有重要意义。但是分析结果的准确性易受多种因素影响，加上人工辅判与审核，会取得更加准确的结果21. 2.2癌细胞识别 一种癌细胞识别方法，包括采集图像

17、，对图像进行分析和输出检测结果，其中，对图像进行分析降噪处理，色彩空间变换，对颜色进行调整，图像分割，特征提取，几何分析和图像识别。 在数据的处理和分析方面，由于多方面因素的制约，目前可利用的技术较为有限。 3.机器视觉未来与医学的发展 经过20年的发展，机器视觉技术已成为一门新兴的综合技术，在社会诸多领域得到广泛应用22。随着新技术、新理论在机器视觉系统中的应用，机器视觉将在各个领域发挥更大的作用。在医学领域，新型的医学技术与视觉技术会有更加紧密的结合，譬如在图像分析、结果处理等方面的应用均会有更大的突破。未来医学的发展是多元化的发展，医学领域与机器视觉领域及其它各个先进科学技术的结合，会使

18、得我们今后的诊断更加的便捷与准确。 参考文献： 1卞正岗，机器视觉技术的发展. 中国仪器仪表，2015（6）：第40-42，65页. 2滕悦，徐少川.机器视觉在图像处理领域的应用分析J.大科技，2017，（36）：302. 3傅裕，鲍迎秋，谢沂伯，等.人工智能技术在皮肤病辅助诊断的应用研究J.中国数字医学，2018，13（10）：29-31，38. DOI：10.3969/j.issn.1673-7571.2018.10.010. 4张艳华.机器视觉中的图像采集技术J.区域治理，2018，（15）：180. 5徐里萍.计算机图像处理技术的应用研究J.信息与电脑（理论版），2019（12）：11

19、-12. 6葛菁.计算机图像处理技术发展趋势分析J.计算机产品与流通，2019（05）：6. 7凌远坤，仲志丹，李栋，等.基于机器视觉图像识别及处理的方法J.科技风，2019，（15）：95. DOI：10.19392/ki.1671-7341.201915084. 8MADP：An Open and Scalable Medical Auxiliary Diagnosis Platform. Guo，Kehua1；Liu，Dengchao2；Li，Ting3；Kang，Jian4；Chi，Tao5 Source：Computing in Science and Engineering，201

20、8；ISSN：15219615， E-ISSN：1558366X；DOI：10.1109/MCSE.2018.2873867； 9王凯.X线CT磁共振成像诊断颈椎病的临床价值分析J.中国保健营养，2019，29（18）：378. 10王增强.探讨X线技术在医学应用中的研究概况J.影像研究与医学应用，2019，3（4）：67-68. 11欧阳君，任丽丽.量子成像及其生物医学应用进展J.中国医学物理学杂志，2018，35（12）：1447-1451. DOI：10.3969/j.issn.1005-202X.2018.12.015. 12崔宝成.浅析医学影像技术学-CTJ.世界最新医学信息文摘，2

21、015，15（72）：111-112. 13赵荣，龙瑜琴，周琴.运用能谱CT对肺曲霉菌病诊断及临床治疗疗效评估研究J.中国CT和MRI杂志，2019，17（07）：82-85. 14张云，核磁共振技术的历史及应用. 科技信息，2010（15）：第116-118页. 15程影.磁共振成像在膝关节损伤不完全性骨折患者诊断中的应用研究J.影像研究与医学应用，2019，3（11）：26-28. 16冯剑，周涵，董伟达.喉癌内镜诊断技术研究进展J/OL.山东大学耳鼻喉眼学报：1-62019-07-24. 17王爱香.尿路感染诊断中尿液有形成分分析与尿培养的应用J.中国卫生标准管理，2018，9（20）：

22、109-111. DOI：10.3969/j.issn.1674-9316.2018.20.049. 18罗红.尿液分析仪在尿常规检查中的应用价值J.医疗装备，2019，32（8）：49-50. 19殷贤斌，朱晓丽，黄小玲，等.尿液有形成分分析仪及其在尿常规自动化分析中的应用进展J.医疗卫生装备，2019，40（5）：96-102. DOI：10.19745/j.1003-8868.2019127. 20吴国英.尿液有形成分分析与尿培养诊断尿路感染的临床价值J.医疗装备，2018，31（10）：49-50. 21何祺，康李娜，刘欢，刘定华，李杰，薛建江.不同检测原理尿液分析仪的临床应用及复检规则探讨J.检验医学与临床，2019，16（13）：1852-1855+1860. 22高峰，王富东.浅谈机器视觉技术发展及应用J.山东工业技术，2019，（5）：142. DOI：10.16640/ki.37-1222/t.2019.05.130.