用均值滤波、中值滤波和图像平滑的方法，而对边缘的增强一般采用图像锐化的方法，以突出图像的边缘信息。在频域中对噪声的处理一般采用低通滤波的方法，而对边缘的增强一般采用高通滤波的方法。第五章将对常见的医学图像增强方法进行详细介绍。
六、 医学图像分割
医学图像分割是一个根据区域内的相似性以及区域间的不同把图像分割成若干区域的过程。从图像中把有关结构(或感兴趣区) 分离出来是图像分析与识别首要解决的问题，也是制约医学图像处理中其它相关技术发展和应用的瓶颈。从医学研究和临床应用的角度来看，图像分割的目的是对原始2D或3D图像划分成不同性质(如灰度、纹理等) 的区域，从而把感兴趣的区域提取并显示出来，并使它尽可能地接近解剖结果，为临床诊疗和病理学研究提供可靠的依据。
医学图像分割是医学图像处理领域的一个经典难题，是医学图像配准、融合、解剖结构的定量测量，图像重建与可视化等必不可少的预处理环节。由于医学图像常表现为对比度低，组织和器官的复杂性和多样性，不同个体之间的差异性，不同软组织之间或软组织与病灶之间边界的模糊性等，到目前，医学图像分割问题仍然没有得到很好的解决。为了解决医学图像分割问题，近几十年来，许多研究人员进行了大量的研究工作，取得了很多的研究成果，提出了很多的图像分割方法，也使医学图像分割成了医学图像处理领域的研究热点。
医学图像分割在临床诊断、病理分析以及治疗方面具有重要意义，具体表现在以下几个方面:
(1) 图像分割的结果常用于生物医学图像的分析，如不同形式图像的配准、融合，解剖结构的测量， 获取先验知识用于图像重建等。
(2) 用于测量人体器官、组织或病灶的体积。通过对这些体积治疗前后的定量测量和分析，可以帮助医生进行诊断、预后和制定或修改对病人的治疗方案。
(3) 用于医学图像的3D 重建方面， 便于可视化，外科手术方案的制定和仿真，病理研究，药物疗效的评估， 解剖参考以及放疗计划中的3D 定位等。
(4) 图像分割结果可用于在不丢失有用信息的前提下进行数据的压缩和传输。这对于提高在PACS、远程放射学和Internet中图像传输速度是至关重要的。
(5) 图像分割后与噪声的关系减弱，因此具有降噪功能，便于图像的理解。
第六章除了详细介绍一些经典的图像分割方法如基于阈值的分割方法、基于
17
边缘检测的分割方法和基于区域的分割方法外，还将对基于模式识别理论的分割方法和数学形态学分割方法进行详细介绍。
七、 医学图像的重建与可视化
医学图像的重建与可视化是医学图像处理中的重要研究内容之一，这种研究对术前计划及放射治疗计划的制订、虚拟内窥镜、外科手术仿真、辅助医生诊断、图像引导下的手术治疗等很多方面具有重要的实用价值。
各种医学成像技术如CT，MRI，超声成像，SPECT和PET，为人体不同部位提供了多种不同时空分辨率的二维医学图像，形成了现代医学影像诊断学的基础。在医学影像诊断中，临床医生主要是通过对患者的一组CT或MRI的二维切片图像进行分析，并从中获得诊断信息。这种诊断基本上是定性诊断，难以定量。通过一系列的切片图像，医生只能靠空间的想象和自身的经验对组织器官或病灶的位置、大小有一个大概的估计，这在很大程度上影响了诊断的正确率，并有可能严重影响到对患者的正确治疗。利用医学图像的重建与可视化技术，可以通过二维切片图像重建出人体器官、软组织和病灶的三维结构，通过三维图像可以对病灶进行精确测量和定位，从而可以大大提高医疗诊断的准确率，为对患者的正确治疗奠定基础。医学图像的重建与可视化涉及到很多图像处理的关键技术，如图像分割技术、图像配准和融合技术、图像的面绘制和体绘制技术等。第七章将主要介绍目前常用的医学图像的重建与可视化技术。
八、 医学图像的配准与融合
医学图像配准是指对于一幅医学图像寻求一种（或一系列）空间变换，使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相同的空间位置（位置一致，角度一致、大小一致）。几幅图像信息综合的结果称作图像的融合（Image fusion）。
医学图像配准是确定两幅或多幅医学图像像素的空间对应关系，而融合是指将不同形式的医学图像中的信息综合到一起，形成新的图像的过程。图像配准是图像融合必需的预处理技术，反过来，图像融合是图像配准的一个目的。
不同的成像模式能够提供人体组织或器官的不同信息，如CT和X线机对骨等密度较高的组织能提供高清晰的图像，磁共振成像对人体软组织的成像具有较高的分辨率，而PET和SPECT则能够提供人体组织或器官的功能性代谢的图像。因此，医学图像所提供的信息，可分为两大类：解剖结构图像（CT，MRI，X线
18
等）和功能图像（SPECT，PET等）。这两类图像各有其优缺点：功能图像分辨率较差，但它提供的脏器功能代谢信息是解剖图像所不能替代的，这些信息是对疾病特别是肿瘤进行早期诊断的重要依据；解剖图像以较高的分辨率提供了脏器的解剖形态信息，但无法反映脏器的功能情况。成像原理的不同造成了某一种成像模式所能提供的图像信息具有一定的局限性，有时单独使用某一类图像难以获得正确的诊断结论。因此，为了提高诊断正确率，需要综合利用患者的各种图像信息。目前医学影像学的一个明显的发展趋势是，利用信息融合技术，将多种医学图像结合起来，充分利用不同医学图像的特点，在一幅图像上同时表达来自人体的多方面信息，使人体内部的结构、功能等多方面的状况通过影像反映出来，从而更加直观地提供人体解剖、生理及病理等信息。要解决多图像信息融合问题，首先要解决图像配准问题，即使多幅图像在空间域中达到几何位置的完全对应。
医学图像配准还是医学图像三维重建与可视化的先决条件。利用CT、MRI获得的是人体组织或器官的断层序列图像。断层图像只能提供人体组织或器官的平面信息，要测量人体组织或器官的体积，或观察其三维结构，就要利用断层序列图像重建出组织或器官的三维图像。在对人体组织或器官进行扫描过程中，由于在操作的时间间隔中受测个体难以避免的运动，使同一器官或组织在不同的断层上发生错位。因此，在对以上得到的序列断层图像进行三维重建前，需要纠正上述的错位现象，即首先要对序列断层图像进行配准。另外，医学图像配准在临床上还有很多的应用，如对病灶发展情况的监控，外科手术导航及治疗计划的制订，对疾病进行回顾性研究及临床培训等。
第八章首先对近年来的医学图像配准和融合技术进行综述，然后对目前常用的医学图像配准和融合技术和方法进行详细地介绍，最后以实例介绍医学图像配准和融合技术和方法在临床上的具体应用。
九、 基于医学图像的计算机辅助诊断技术
随着计算机科学的发展，医学成像技术也得到了飞速地发展，使得越来越多的人体成像工具进入医学临床诊断领域，从而使得放射科、超声科和核医学科等以影像诊断为主的科室的门诊量越来越大，对每个病人每次采集的数据量也越来越多。另外，利用医学影像设备对某种疾病（如乳腺癌）进行普查时，也会产生大量的医学图像。这就造成了两个问题：一方面，阅读病人的检查影像成为医生的一项非常繁重的工作，容易造成疲劳和分心；另一方面，仅凭借医生自身的经
19
验很难保证不会出现漏诊和误诊的情况，并且很难对影像资料进行一致的定量解释。因此，基于医学影像的计算机辅助诊断(Computed Aided Diagnosis，CAD)技术就快速发展起来并促成了医学影像学领域的研究热点。CAD的基本任务就是借助计算机的快速准确的智能化分析判断能力，为医生提供一个较为客观的参考意见，并由医生做出最后的诊断结论。因此，CAD已经成为放射科医生的“另外一双眼睛”，能很好地保证影像诊断的准确性和一致性，大幅度降低医生读片时间，从而提高放射科医生的工作质量和工作效率，同时也可以避免对病人的重复检查。
CAD的首要目标显然是帮助医生对病人影像进行全面自动的分析，并根据已有知识对病灶进行自动识别和分类，弥补直接用肉眼观察所带来的不足，增加对病灶的检出和鉴别能力。一旦发现病灶，放射科医生可以马上对病人做出处理：进一步行影像学检查或者送去做活检。这就涉及到对病灶是实性占位还是钙化物质的判断，以及实性占位中良恶性各占多少比例的判断。因此，计算机辅助诊断还要设法增加这种分析判断的灵敏度和特异性。因为漏掉一个癌症病人所付出的代价要比错做一个活检所付出的代价高。所以，基于医学影像的计算机辅助诊断在增加病灶特异性的同时，不能失去对病灶探测的灵敏度。
医学图像计算机辅助诊断技术是计算机科学、医学影像学、人工智能、医学图像处理等学科发展进步的产物。需要再次强调指出的是，CAD的目的不是要取代医生在图像诊断中的作用，而是为医生提供过去没有的辅助工具，减轻医生读片的工作量，帮助医生提高诊断的敏感性、特异性和准确性。因此，人们更多的是把CAD中的D-Diagnosis 诊断改写为Detection——检测，即Computer Aided Detection（计算机辅助检测），以强调CAD只是辅助医生提高病灶的检出率，从而减少漏诊和误诊现象。我们再三强调CAD技术只是计算机辅助诊断的手段，医生不能仅仅依靠这个手段处理病人，主要是因为病人个体情况非常复杂，最后的诊断意见仍然由医生决定。所以，CAD技术在临床上的应用主要表现在两个方面：①在处理大量的病人影像数据的基础上，把可疑的病灶尽可能准确地找出来，提供给医生作为进一步诊断的参考，防止漏诊；②在大量医学影像学处理方法及对某种特殊疾病大量分析的基础上实现建模，把在影像学上容易混淆的正常组织和病灶信息通过模型参数的选择区别开，把真正的病灶甄别出来，提高诊断的准确率。
第九章除了详细介绍CAD的基本原理和实现的流程外，还以实际例子介绍
20