医学图像诊断精选(五篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的5篇医学图像诊断，期待它们能激发您的灵感。

篇1

【关键词】 心肌缺血； 心向量； 心电图； 诊断； 检查

doi：10.14033/ki.cfmr.2017.3.025 文献标识码 B 文章编号 1674-6805（2017）03-0047-02

【Abstract】 Objective：To explore the diagnostic value of ECG and VCG joint inspection in myocardial ischemia.Method：84 patients with coronary heart disease in our hospital from October 2015 to June 2016 were included in the study of this experiment，including 52 cases of patients with symptoms，32 cases of asymptomatic patients.They were all given ECG and ECG+VCG examination respectively，the positive diagnostic rates of the two methods were compared.Result：For patients with symptoms，the positive rates of ECG+VCG examination and ECG examination were 96.15% and 71.15%，the difference was statistically significant（P

【Key words】 Myocardial ischemia； Cardiac vector； Electrocardiogram； Diagnosis； Examination

First-author’s address：The Second People’s Hospital of Yulin City，Yulin 537000，China

心肌缺血主要是由于心K血管供血降低引发心肌收缩能力降低导致的一类心肌缺血情况，以中老年人群较为多见，另外，考虑到老年人群属于一类较为特殊的群体，血管弹性降低，容易引发动脉粥样硬化情况并形成斑块，使得冠状动脉发生栓塞，导致心脏供血不足[1]。另外，临床研究发现，对心肌缺血患者进行早期临床干预的意义重大，可有效延长患者生命[2]，其中临床上较为推荐的诊断方式为心电图（ECG）与心向量图（VCG）诊断，将两种诊断方式联合进行疾病诊断可使得冠心病患者的诊断准确性明显提高，利于疾病的诊断与治疗。为了对上述两种诊断方式的应用价值进行更加深入的分析，本文将笔者所在医院2015年10月-2016年6月收治的84例冠心病患者纳入试验研究，并采取心电图+心向量联合检查方案，现将相关资料报道如下。

1 资料与方法

1.1 一般资料

择取笔者所在医院2015年10月-2016年6月收治的冠心病患者84例纳入本次试验研究，医护人员同所有患者详细讲解了本次试验的目的、意义、方法等，获得所有患者的知情同意，其中有症状的患者伴有胸痛、胸闷、呼吸困难等症状。

其中有症状患者52例，无症状患者32例。有症状患者中男32例，女20例，年龄最大71岁，最小50岁，平均（60.36±3.28）岁；无症状患者中男20例，女12例，年龄最大70岁，最小50岁，平均（60.14±3.10）岁。

篇2

小波变换近年来发展迅速，作为传统Fourier变换的继承和发展，小波变换解决了Fourier变换所不能解决的一些技术方面的问题（如突变信号与非平稳信号）。中医诊断的主要方法为望、闻、问、切，其中望诊和切诊至关重要。本文对小波变换在望诊和切诊中新的应用，即对中医诊断图像的处理（包括图像增强、去噪、融合、压缩）和对中医脉象信号处理进行了简要的综述。

【关键词】 小波变换　中医诊断　中医图像处理　中医脉象特征分析

【Abstract】 Wavelet transformation has been developing for many years，as the inheritor and the offspring of traditional Fourier transformation， it resolves several problems which Fourier transformation cannot solve（such as mutative signal and unquiet signal）.The main methods of the Chinese medical diagnosis are observing， smelling， consulting and pulse-taking，especially the observing and pulse-taking. This article give a summarize about the new application of wavelet transformation in Chinese medical observing and pulse-taking， that diagnostic image processing of Chinese medicine（including image enhancement ，noise elimination ，fusion ，coding compression） and pulse signal of Chinese medicine .

【Key words】 wavelet transform; Chinese medical diagnosis; Chinese medical image processing; Chinese medical pulse signal

小波的概念最初是由法国地球物理学家J.Morlet提出，最初是为了更好地分析地震波的特性。经过20余年的发展，目前小波理论在图像处理、医学信号处理、信号分析、语音合成、计算机视觉、数据压缩、大气与海洋波分析、地震信号处理、分形及数字电视等许多领域得到了巨大的发展。在中医诊断方面，小波变换主要具体应用在对中医诊断图像的处理和中医脉象信号处理上，使望诊和切诊更准确，从而大大提高了中医师诊断的准确率，使古老传统的中医通过计算机科学技术这一新的途径发扬光大。

1 基本原理

小波变换是时间（空间）和频率的局部化分析，通过伸缩和平移运算对信号或函数逐步进行多尺度细化的分析，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意一个细节，所以说小波变换有两个特点，即自适应性和数学显微镜性质，能根据对象调整各项参数和调焦。

2 小波变换对中医诊断图像的处理

小波变换对中医诊断图像中的处理和对西医诊断图像中的处理大体相同，都是利用小波变换的特点使得医学诊断图像更有利于识别病征［1］，具体作用主要表现为以下几个方面。

2．1 中医诊断图像增强 在中医诊断图像中，图像会难免有对比度差或者图像边缘模糊一系列不利于诊断的因素，对于中医师的准确诊断有不少的障碍。传统的图像增强的方法往往基于像素灰度变换的空间域增强和基于滤波操作的频率域增强来达到图像增强的目的，这样会或多或少产生图像的局部失真和噪声增强。小波变换刚好弥补了这一缺点，即在不改变图像的精确度的情况下，对图像的轮廓进行一种补偿式的增强，使得中医师在对诊断图像进行分析诊断时，更好的把握病人的病情，基于小波变换的医学图像增强的方法有很多，其中李清顺等［2］分析了采用分形增强的方法，在分形增强后又采用了小波增强图像的方法，使图像边缘轮廓增强，达到了更好的视觉效果，并且避免了单纯采用小波增强方法会使图像噪声也增强的不足。侯艳芹等［3］分析了将尺度系数和小波系数进行不同的处理，分别利用两步提升增强法对小波变换后的图像低频信息进行增强和软域值算法对小波变换后的图像高频信息先进行去噪， 然后再增强，最后把这两部分综合起来进行小波反变换得到图像的一种新的方法。王修信等［4］提出将超声医学图像投影到小波变换域，然后利用软阈值技术方法进行降噪处理最后使用非线性增强技术提高图像对比度。处理结果有效地去除原图像的斑点噪声，使图像中较模糊、对比度差的细节得到增强，优于传统的直方图均衡增强方法。武杰等［5］在基于小波变换的医学图像增强方法中，分析比较了3种基于小波变换的医学图像增强方法，得出小波变换避免了窗口滤波运算，在变换域中更加灵活，更加有效，得到的处理图像层次感更分明，增强效果更明显，更有利于医师做出及时准确的判断。综上所述，通过小波变换能够使中医诊断图像更为准确的反映病人的身体各项机能，使中医师根据中医诊断图像做出更精确的判断。

2.2 中医诊断图像去噪 在中医师进行诊断的过程中，所得到的图像难免会混入噪声，使图像的信噪比下降，提高了中医师对中医诊断图像分析的难度，对中医师的正确诊断有诸多不利的影响，降低中医师诊断的准确率。对于医学图像处理的传统去噪方法主要有：邻域平均法、多幅图像平均法、中值滤波等。小波变换在此基础上更进一步提高了图像的信噪比，张昌林等［6］概括提出了一种改进的基于小波变换尺度间相关性的去噪方法，小波变换对整个图像变换从时域变换到频域，然后再量化、编码、输出，这样就保留图像的精细信息，满足中医疾病诊断图像的要求。对诊断图像进行去噪处理和方法二维小波变换大大提高了中医师对图像的准确率，可以检测出患者病患的轮廓线，从而有助于提高中医师对各种疾病的诊断准确率。陶玲等［7］分析了医学图像的噪声主要分布在图像的高频成分上，对小波分解的高频系数作处理来达到去噪的目的。二维小波变换在当高频噪声含量较高时，可以采取低频滤波法；当高频噪声含量不高时，可采用小波阈值化去噪法对小波变换域的系数进行筛选。郭敏等［8］分析提出了一种基于小波分析理论的医学超声图像噪声的综合抑制方法，首先对医学超声图像进行对数变换，将乘性噪声变成加性噪声;然后进行多尺度小波变换，将图像分解成一系列不同尺度上的小波系数，对变换后不同尺度的高频子图像进行非线性小波软阈值处理，阈值处理后的高频子图像进行增强;最后，经小波逆变换和指数变换恢复去噪后图像。结果证明该方法可有效保留细节信号，极大限度地去除斑纹噪声。这些文献均证明了基于小波变换不仅可以去除残留的噪声，而且去噪后获得的图像更加清晰，这样一种方法运用在中医诊断图像上，使中医疾病诊断图像有很好的视觉效果，消除噪声带来的不利影响，提高中医师诊断的准确率。

2.3 中医诊断图像融合 图像融合在医学方面的应用是通过对多幅图像的冗余信息和互补信息进行处理， 将不同模态图像的信息综合起来，集中到一幅图像中表达， 为医生提供更加有效的诊断信息。这种方法在西医诊断中应用广泛 （如CT、MRI、PET等），为临床诊断和治疗提供了不同模态的图像。同样我们也可以将此方法运用到中医的中医诊断图像中。唐晶磊等［9］提出了一种基于小波变换的医学图像融合方法，而且证明基于小波变换的图像融合效果非常好。对图像进行小波分解后， 形成了不同频率分辨率的细节信息， 针对不同频带子图像的小波系数进行组合， 形成融合图像的小波系数。融合后的图像保留了原始图像的纹理和边缘特征， 消除了图像的块状伪影， 有效地将图像所提供的信息融合在一起， 图像的主观视觉质量有明显的提高。陶观群等［10］分析了基于小波变换的医学图像融合方法不仅可用于 CT图像上观察到的骨组织结构和MR图像上对照软组织信息的融合，而且还用于来源于CT或MR图像的解剖信息与来源于PET或SPECT图像的功能信息融合。在外科手术导航系统中，将手术前所得的 CT和MR的病灶三维图像与手术中所得到的实时X荧光图像或超声图像进行融合，有利于实时地指导和观察，确保手术顺利准确地进行。

2.4 中医诊断图像数据压缩 中医诊断图像经过小波变换后生成的小波图像的数据总量与原图像的数据量相等，即小波变换本身并不具有压缩功能。之所以将它用于中医诊断图像压缩，是因为生成的小波图像具有与原图像不同的特性，表现在图像的能量主要集中于低频部分，而水平、垂直和对角线部分的能量则较少。汤乐民等［11］证明了小波变换非常适合于医学图像压缩编码等医学图像的处理。樊华等［12］也提出建立在小波分析基础上的心电信号准无损压缩算法是可行的。小波分析的优点是重建后的信号同原始信号相比几乎没有损耗；而且由于小波只需分解一层还具有算法简单和运算速度快的特点。该方法不仅可用于心电信号压缩方面，而且当所采集的信号其数据变化范围较大时，也可应用基于小波分析的准无损压缩算法来进行压缩。

3 小波变换在中医脉象信号特征分析中的应用

脉诊是中医诊察疾病的重要手段，脉象反映的是人体的生理与病理信息，脉象信号具有随机性和非线性等特点。由于小波变换有“数学显微镜”这一特性和良好的时-频局域化性质，我们可以通过小波变换这一方法对脉象信号进行处理。谢家宇等［13］应用连续小波变换分析了15例海洛因吸毒者和15例正常人的脉象信号，提取了吸毒者脉象信号中的异常信息，为戒毒治疗的评估与改进提供客观依据。研究结果表明，连续小波变换是处理脉象信号的有效方法。岳沛平等［14］分析了小波变换对脉象信号处理的另一种具体方法，即先将脉象信号消噪，利用小波变换具有良好的时-频局部化的能力和对非平稳信号突变点的检测能力，对脉象信号同时进行时域、频域特征值的提取和分析，然后对脉象信号的特征值采用不同尺度的分析，在信号的不同部位得到最佳时域分辨率和频域分辨率，此外再提取脉象在不同时间尺度上的能量这一表征脉象的新的特征值。结果表明小波变换有助于提高系统对不同脉象的识别能力，尤其是对相兼脉的辨识。

4 总结

小波变换这一技术在近几年发展迅速，在各行各业都有着巨大的发展前景，在中医诊断这一领域内不断有所突破，然而中医古老悠远且博大精深，相信这一领域还有很大的发展空间。小波变换在中医诊断中的应用发展可以借鉴小波变换在西医诊断运用中的成功经验，这样有利用将小波变换这一现代化技术更好的辅助中医诊断，推动中医的积极发展，小波变换也必将对于未来中医的远程医疗、中医医院信息化（HIS、PACS）、中医电子健康工程项目（E-HEALTH）等中医诊断与现代化技术相结合的诊疗方案的开发有着积极促进作用。

【参考文献】

1 李莹.小波变换在医学图像处理上的应用.计算机工程与设计，2006，27（7）：1279-1280.

2 李清顺，杨定楚，秦前清.基于分形小波变换的医学图像增强.计算机工程与设计，2005，26（3）：807-809.

3 侯艳芹，李均利，魏平，等.一种基于二维离散小波变换的医学图像增强算法.计算机工程与应用，2006，7：227-228.

4 王修信，胡维平，梁冬冬，等.基于小波分析的超声医学图像非线性增强.计算机工程与应用，2005，18（8）：197-199.

5 武杰，聂生东，黄勇，等.基于小波变换的医学图像增强方法的比较分析.生物医学工程研究，2005，24（2）：67-69.

6 张昌林，高红艳，侯玉，等.小波变换在中医诊断图像中去噪处理的应用.上海中医药大学学报，2006，20（4）：70-72.

7 陶玲，王惠南，颜廷勇.二维小波变换及其在医学图像处理中的应用.南京航空航天大学学报，2004，36（3）：373-377.

8 郭敏，马远良，朱霆.基于小波变换的医学超声图像去噪及增强方法.中国医学影像技术，2006，22（9）：1435-1437.

9 唐晶磊，何东健，赵文文，等.小波变换在医学图像融合中的应用.医学信息，2007，20（1）：1-3.

10 陶观群，李大鹏，陆光华.小波分析方法在医学图像融合中的应用.西安电子科技大学学报（自然科学版），2004， 31（1）：82-86.

11 汤乐民，李敏.医学图像压缩中的小波变换技术.南通医学院学报，2003，23（4）：503-505.

12 樊华，郑小林.基于小波变换的医学图像压缩.山东生物医学工程，2003，22（2）：14-17.

篇3

关键词：眼底图像；黄斑；灌注区；亮点；血管芽

中图分类号：TP317.4文献标识码：A文章编号：1672-7800（2013）006-0127-03

基金项目：新乡市科技发展计划项目； 新乡学院自然科学研究计划基金项目（1399020087）

作者简介：张同光（1977-），男，硕士，新乡学院计算机学院讲师，研究方向为计算机网络与信息安全技术、嵌入式系统、Linux。

0引言

本项目（数字眼底荧光造影分析软件）是新乡学院、新乡市中心医院两家单位共同承担的新乡市科技发展计划项目。新乡学院负责数字影像分析软件编制工作，中心医院负责提供医学素材、影像分析技术和测试环境。

1眼底

眼底[1]是眼球内后部的组织，即眼球的内膜——视网膜、视、黄斑和视网膜中央动静脉。

在视盘的外侧，有一个颜色略深，中心凹处有一反射光点，称为黄斑，它是视力最敏锐的部分。

眼底检查十分重要，许多疾病都可以从眼底上反映出来。眼底的视网膜血管是人体中唯一可看见的血管，医生把它当作了解其它脏器血管情况的窗口。因此，它的变化在一定程度上反映了一些器官的改变程度。医生可据此来分析、判断疾病的严重程度[2]。

2眼底图像及其处理

眼底图像是利用眼底照相机对眼球内壁进行不同角度拍摄而成的图像，图像经过数字化存入计算机中，医师可通过对眼底图像的分析[3]，为各种疾病的诊断提供参考依据。

医学图像研究可以分为两大部分：医学图像成像技术研究、医学图像处理与分析，两者又都包含广泛的研究内容。医学图像处理与分析中主要包括：①图像增强技术；②图像分割技术；③图像配准与拼接技术；④图像显示技术；⑤图像指导治疗技术；⑥图像引导手术技术；⑦医学虚拟环境技术。

医学图像处理与分析一直都是图像处理和分析领域中研究的重点和热点问题，借助图形、图像技术的有力手段，医学图像的质量和显示方法得到了极大的改善，使得医疗水平大大提高，不论在基础学科还是临床应用，都是图像处理种类极多的领域。但是，由于医学图像的处理技术难度大，依然存在着较多的关键问题，使得很多处理很难达到临床实用化程度。

本课题以眼底图像为研究对象，主要集中在对眼底图像的后处理及其应用等方面。结合临床实际，对这些关键问题展开深入的研究，并将成果应用于医学临床分析和诊断。

3研究内容

本项目主要的研究工作是：开发眼底照片辅助分析诊断软件，实现医师在电脑上完成对眼底影像的浏览、分析、诊断、病历编辑、打印、存档等一系列工作（其中分析、诊断功能是本项目的关键技术）。

黄斑是视网膜上一个重要的部位，是中心视力最敏锐（视细胞最密集）的区域，直径仅有1.5mm。多数眼科疾病与黄斑病变（视网膜病变）有关，中心性视网膜炎、出血性黄斑等病变，伴有视网膜下新生血管、渗漏及出血，病灶边缘处有弧形或环形出血，偶有呈放射形排列的点状出血。病程末期，黄斑区形成黄白色瘢痕。黄斑病变（视网膜病变）的眼底荧光血管造影中，会发现渗出灶处有颗粒状、花边状（本项目中称为血管芽）等多种形态的新生血管网。因此，采用数据图像处理技术（阈值化轮廓提取法、半径直方图等）对眼底图像进行处理，获得黄斑区域（包括其附近区域）的图像特征（如区域边缘的轮廓、形状等）和人为图像特征（如直方图、圆度、长半轴、短半轴等）。

总之，从眼底图像中要获得的信息是：拱环（黄斑）、灌注区、亮点、血管芽及它们的属性，然后根据这些信息帮助眼科医生做出初步诊断。

4技术方案

在分析和比较现有眼底图像分析与处理方法的基础上，针对眼底图像处理与分析中存在的关键问题，从以下4个方面进行研究：①图像预处理；②区域识别；③轮廓提取；④参数获取及诊断。

本课题研究的主要内容及模块间关系、研究技术路线如图1所示。将信息学与生物医学紧密结合起来，充分利用现代计算机图像处理技术，对彩色眼底图像进行分析与处理，为临床诊断与科学研究提供定性与定量的参考依据。

解决技术问题所采用的方案：①用二值SOBEL法，对图像进行边缘提取，得到眼底图像的二值轮廓；②通过动态阈值法获得适合当前图像的阈值（包括黄斑阈值、亮点阈值、血管芽阈值），根据获得的阈值对图像进行二值化处理，进而得到“拱环（黄斑区）、无灌注区”图、“亮点”图、“血管芽”图，便于后续的处理；③通过区域亮点密度（亮点数），判断眼底图像中是否存在分支静脉栓塞；④通过区域芽点密度（芽点数），判断眼底图像中是否存在血管芽；⑤通过黄斑区个数、无灌注区个数，判断黄斑结构是否异常，是否存在无灌注区；⑥获得基准面积、测量面积以及黄斑区的属性（圆度、长半轴、短半轴等）；⑦通过半径直方图法，判断黄斑区的圆度；⑧汇总前面的处理结果，作出初步诊断。

5研究环境

本项目研究的数字眼底荧光造影分析仪包括数字影像采集设备和眼底照片分析诊断软件两个部分。①硬件：通用PC、眼底照相机（TRC-50DX）；②软件：Windows XP、Visual Studio 2005、C/C++、OpenCV（Open Source Computer Vision Library）。

6系统测试

测试选用三个实际来诊病人的眼底图像，一人眼底图像正常，两人眼底图像异常。

待处理A（正常）眼底图像如图2所示。

待处理B（异常）眼底图像如图3所示。

待处理C（异常）眼底图像如图4所示。

基准值通过10张正常的眼底图像计算而得。

由于篇幅限制，仅提供来诊病人——C（异常）的测试图像。

通过动态阈值法和手动阈值法对眼底图像进行处理，图5、6、7、8、9、10、11是动态阈值法获得图像，手动阈值法获得的图像省略。

7结语

通过对3个来诊病人眼底图像的测试，说明了该课题设计的眼底影像辅助分析诊断及管理系统达到了预期的功能，能够快速主动地为眼科医生提供一系列有价值的诊断参数和初步诊断结果，极大提高了诊断时间。从测试所获得的参数和结果看，动态阈值法要好些。

另外，该系统能够快速生成诊断报告单（见图12），极大提高了工作效率。关于生成诊断报告单的具体过程，在软件使用说明书中描述。

该课题设计的眼底影像辅助分析诊断及管理系统还存在不足之处：

在对少数图像进行处理时，没有完全达到预期的结果，这也是使用该系统的医院反馈的信息。比如说，在判断亮点时，识别出来的亮点个数为47（亮点个数

参考文献：

[1]王晓幸，王勤美.包含飞.眼科信息学的发展概述[J].中华眼科杂志，2006（5）.

篇4

目前，生物医学图像信息技术主要包括生物医学图像传输、图像管理、图像分析、图像处理几方面。这些技术同以前的图像技术、医学影像技术都有一定的联系，其在涵盖以往图像技术、医学影像技术的同时，也具有自身的特点，与传统的图像和医学影像技术相比，生物医学图像信息技术更加强调在医学图像信息收集、处理等过程中应用计算机信息技术。

1.1图像成像

从本质上来看，生物医学图像成像技术（下文简称“图像成像技术”）与医学影像技术的区别并不大，仅仅是人们更习惯将其表达为医学影像。生物医学图像成像技术的研究内容为：利用染色方法和光学原理，清晰地表达出机体内的相关信息，并将其转变为可视图像。图像成像技术研究的图像对象有：人体的标本摄影图像、观察手绘图像、断层图像（如ECT、CT、B超、红外线、X光）、脏器内窥镜图像、激光共聚焦显微镜图像、活细胞显微镜图像、荧光显微镜图像、组织细胞学光学显微镜图像、基因芯片、核酸、电泳等显色信息图像、纳米原子力显微镜图像、超微结构的电子显微镜图像等等。

图像成像技术主要包括2个部分：现代数字成像和传统摄影成像。通常可采用扫描仪、内窥镜数码相机、采集卡、数字摄像机等进行数字图像采集；显微图像采集则可应用光学显微镜成像设备及超微结构电子显微镜成像设备；特殊光源采集可应用超声成像仪器、核磁共振成像仪器及X光成像设备。目前，各种医学图像技术的发展都十分迅速，特别是MRI、CT、X线、超声图像等技术。在医学图像成像技术方面，如何提高成像分辨力、成像速度、拓展成像功能，尤其是在生理功能及人体化学成分检测方面，已经引起了相关领域的重视。

1.2图像处理

生物医学图像处理技术，是指应用计算机软硬件对医学图像进行数字化处理后，进行数字图像采集、存储、显示、传输、加工等操作的技术。图像处理是对获取的医学图像进行识别、分析、解释、分割、分类、显示、三维重建等处理，以提取或增强特征信息。目前，医学领域所应用的图像处理技术种类较多，统计学知识、成像技术知识、解剖学知识、临床知识等的图像处理均得到了较快的发展。另外，人工神经网络、模糊处理等技术也引起了图像处理研究领域的广泛重视。

1.3图像分析及图像传输

生物医学图像分析技术，是指测量和标定医学图像中的感兴趣目标，以获取感兴趣目标的客观信息，建立相应的数据描述。通过计算测定的图像数据，可揭示机体功能及形态，推断损伤或疾病的性质及其与其他组织的关系，进而为临床诊断、治疗提供可靠依据。生物医学图像传输技术，是指应用网络技术，在互联网上开展医学图像信息的查询与检索。通过网上传输图像，在异地间进行图像信息交流，可实现远程诊断。同时，在院内通过PACS（数字医学系统—医学影像存档与通信系统），也能在医院内部实现医学图像的网络传递。

2总结

篇5

【关键词】超声医学；纹理分析；影像组学；灰度共生矩阵

纹理一般指从图像中观察到的图像像元的灰度变化规律，人们将图像中存在的局部不规则的，二宏观有规律的特征称为纹理。在图像分析学中用数字特征描述灰度变化特征称为图像的纹理特征。纹理分析的主要内容可以分为图像变换和图像量化两大类。图像变换将传统的图像滤除为其基本分量（空间、频率等），生成派生的子图像。纹理分析已经在诸多领域应用，医学研究人员尝试将纹理特征分析用于医学图像，探索疾病诊断、治疗及预后等，并取得了一定的研究成果。

1纹理分析方法

纹理量化技术包括结构、模型（分形维数）、基于统计和频率的方法。统计分析纹理特征的方法简单，易于实现，所以目前医学研究中应用的较多。统计分析方法是通过统计图像的空间及边界频率、空间灰度依赖关系等，纹理的细致和粗糙程度与空间频率有关，低空间频率与粗糙的纹理相关，细致的纹理具有高空间频率。基于统计的方法：灰度共生矩阵、灰度行程统计、灰度差分统计、局部灰度统计、半方差图、自相关函数等。灰度共生矩阵（GLCM）是统计分析方法中最重要的方法。GLCM是建立在估计图像的二阶组合条件概率密度函数基础上的统计方法，主要描述纹理基元或局部模式随机和空间统计特征，以表示区域的一致性及区域间的相对性。其它方法在医学影像研究中应用的较少，所以在此不再赘述。

2纹理分析用于超声医学研究现状

国内外研究者尝试利用各种纹理分析技术对多种医学成像图像（CT、MRI、数字X线片、超声）进行分析，探索无创诊疗新途径。在新兴领域-影像组学中纹理分析也是一个重要组成部分，它通过评估图像中像素或体素灰度的分布和关系，可以定量客观地评估组织的异质性。纹理分析应用于计算机断层扫描（CT）和磁共振成像（MRI）较超声图像较超声图像早，在预测病理特征、预后和对各种疾病的治疗反应方面已经显示出了良好的效果。近些年有学者将纹理分析用于超声成像，并取得了一定的研究成果。超声图像的纹理是由于不同的组织、同一组织不同病变及正常组织对超声脉冲的吸收、衰退、反射有差异，由超声脉冲相互作用而形成。因此，研究者假设图像的纹理的不同，可定量分析来区分不同疾病，甚至预测基因、蛋白表达等的差异。从而为疾病的无创诊断、疾病的分期、基因相关性分析及预后预测等提供新的可参考依据。

2.1乳腺肿瘤研究现状

因全球女性发病率最高的恶性肿瘤，一直以来对乳腺癌的早期诊断和治疗是临床持续关注的热点问题。超声诊断是乳腺癌的普查和早期诊断的重要工具。超声图像纹理分析有望提高乳腺癌的诊断率，并有望为乳腺癌的分型及放化疗预后等提供有价值的参考依据。种美玲等对113个病理证实的乳腺结节行灰阶超声及剪切波弹性成像回顾性分析，利用灰度共生矩阵特征提取，获得对比度、同质性、相关性，角二距等4个参数建立诊断模型，实验结果显示灰阶超声及剪切波弹性图像的多参数纹理分析及建立的诊断模型对乳腺结节良恶性有较高的诊断效能[1]。诸多关于乳腺病变的基于超声图像纹理特征分析的影像组学研究为无创分类乳腺肿瘤的可能性奠定了基础。

2.2肝脏疾病中的研究现状

纹理分析可以进一步提取和量化超声图像中的纹理特征，为进一步的视觉信息提供补充，对肝脏疾病，尤其对肝纤维化有较高的诊断准确性。张慧等对经病理检查证实的120个肝脏超声影像（其中包括正常肝脏、肝脏恶性病变、肝脏良性病变等）行纹理特征提取分析，并结合决策树算法进行分类诊断，结果显示提取的纹理特征对图像内容有较好的分区性[2]。纹理分析作为影像组学图像特征提取的重要方法多个实验研究证实该方法可为临床上辅助诊断肿瘤性疾病提供依据,也为后期图像识别,图像检索和图像数据挖掘提供了特征数据。

2.3骨骼肌疾病的研究现状

灰度共生矩阵（GLCM）灰度分析是一种考虑图像像素空间分布的图像纹理分析方法。在研究运动诱导肌肉损伤（EIMD）中灰度共生矩阵（GLCM）一种很有前途的方法。Matta等跟踪了骨骼肌偏心收缩后超声图像上两个GLCM纹理参数（对比度、相关度）和回声强度（EI）的时间变化。将13名未经训练的妇女分为两组，行肘部屈曲的偏心收缩。运动后24小时、48小时、72小时和96小时分别获得超声图像。计算肱肌两种GLCM纹理参数：对比（CON）和相关（COR）。测量峰值扭矩、EI、肌肉厚度（MT）和疼痛。与所有措施相比，干预后峰值扭矩和疼痛立即下降。干预后72hMT立刻升高（P＜0.05）。COR（48、72、96h）和EI仅在72、96h时显著升高（P＜0.05），COR升高代表灰度级之间高度相似，这在肘关节屈肌偏心训练后几天的超声图像上可以观察到。最终通过实验得出结论：肌肉组织超声图像熵的变化与其能量消耗程度的相关度很高。肌骨超声影像组学研究主要通过纹理分析方法实现，为运动医学、康复医学的发展提供了更多的定量诊断信息。

2.4其它疾病中的研究现状

随着纹理分析相关研究的发展，纹理特征被用于更多的领域，如甲状腺肿瘤、卵巢肿瘤、心肌疾病及肾脏肿瘤等。Vidaurreta提出了一种基于神经网络的附件肿瘤自动判别方法。研究者首先从卵巢超声图像中计算出7种不同类型的纹理特征（局部二进制模式、分形维数、熵、不变矩、灰度共生矩阵、法则纹理能量和Gabor小波），从中提取若干特征并随临床患者年龄一起收集。采用145例患者的卵巢肿瘤超声图像实验，其中106张良性图像，39张恶性图像，将提取的图像特征进行分类后，对分类器进行评价，其准确率为98.78%，灵敏度为98.50%，特异度为98.90%，曲线下面积为0.997。Priyank等对肾脏超声图像进行预处理后利用灰度共生矩阵方法生成能量、熵、均匀性、相关性、对比度、差异性等多个二阶统计纹理特征，将特征行主成分分析（PCA）将得到的特征简化为最优子集，经统计分析结果显示出较高的分类准确率。

3对医学超声图像的纹理分析方法的问题及未来展望

纹理分析虽发展较早，但用于医学图像，尤其用于超声图像较晚，在超声医学中的相关研究也较少，目前，对超声图像的纹理分析主要应用乳腺良恶性肿瘤的鉴别诊断，肝脏纤维化程度的分期，骨骼肌的损伤定量分析等疾病的诊断中，对恶性肿瘤的基因相关性研究、恶性肿瘤化疗及放疗效评估、肿瘤分级分期等研究仍较为缺乏。后续的更深入的研究中需要解决的问题仍有很多。最大的问题在于对图像进行标准化。在不同的研究者采用的设备及参数设置、图像的预处理、对兴趣区的分割方式的不同、特征提取等过程差异很大，因此实验的重复性较差[3]。今后的研究需要重新关注研究设计、报告实践和图像采集的标准化、特征计算和特征提取等，以推动纹理分析在医学超声领域的发展。近些年，基于先进计算机运算能力、云计算、大数据以及机器学习及深度学习应用于医学图像的纹理分析，为开发正在生成的大量图像数据财富的潜力创造了有利条件大大加快临床数据分析的步伐。纹理分析作为影像组学的重要图像特征也因此成为了多学科合作研究的新的研究领域。超声医学以其实时、无创、操作简单、廉价、便于多次重复检查等优势，用过纹理分析的定量诊断方法必将为精准医疗及疾病的个体化诊疗方案提供更多选择，因此需要进一步研究及探索。

【参考文献】

[1]种美玲,时白雪,张禧,等.超声联合纹理分析对乳腺结节良恶性的诊断价值[J].中华医学超声杂志(电子版)，2019,16(08):581-585.

[2]张慧,迟庆云,刘彩霞.基于灰度共生矩阵的肝癌B超纹理特征决策树诊断分析[J].中国医药指南,2015,13(25):2-3.