【摘 要】目的：介绍医学图像处理的研究现状。方法：通过介绍医学图像处理的研究现状。结论：医学图像处理有着非常广阔的前景。
【关键词】医学图像处理；研究现状；图像分割方法
一、引言
医学的发展与形态学的发展是分不开的，首先应用简单光学显微镜观察细胞，细胞学的建立推动了形态学的发展；20世纪30年代以来电子显微镜的应用使形态学的研究进入超微结构的水平。随着组织化学和免疫组织化学的发展，使细胞学的研究进入生物化学和免疫学的领域，而分子生物学的发展，使形态学的研究又进入了分子生物学的领域。随着计算机和电视技术的发展，图像处理技术填补了这一缺憾，能对形态进行定量分析。医学图像处理就是将数字图像处理技术应用于医学领域，运用图像处理技术进行图像的分析和处理。图像处理主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息。
二、现状
自上世纪90年代起，随着图像分析技术的发展，并且图像处理技术也慢慢渗入到医学领域中，一个新的交叉学科形成即医学图像处理。图像处理技术和医学分析法相结合，由形态定性向形态定量方面发展，是一种全新的分析方法，可以让测量更精确和更高效快速。计算机技术和医学的交叉和融合，对医学科研的研究及临床实践的作用日益增大，使医学对诊断更加直接、更清晰，确认率也更高。因此，国内外有关专家一直对医学图像处理技术高度重视，近几年来特别是在显微图像技术方面得到高速发展。
现在通用的图像处理分析系统不论从硬件、软件构成到体系结构都对显微图像分析技术要求严格，在医学图像处理技术中，国内亦有学者应用计算机图像处理技术对免疫组化图像进行分析研究，使免疫组化图像实现数字化处理开始许多人应用图像处理技术。应用图像处理对细胞核DNA含量进行定量分析，发现能较好地反映病理图像与DNA量的关系。国外也有学者应用图像处理技术进行DNA倍体分析，能较好地反映病理图像与DNA量的关系，发现的结果与流式细胞仪测定的结果非常接近，所以图像处理技术慢慢的在医学中盛行。如核磁共振成像、X线计算机断层成像、正电子发射体断层成像、单光子发射体断层成像、病理学以及细胞学所应用的显微医学图像或细胞图像。图像处理系统既可用于病理诊断，又可用于基础研究。图像处理应用于病理诊断可以提高诊断质量，而免疫组化作为常规病理方法很难判断的肿瘤的性质分期的辅助方法，对于诊断结果非常重要。由于免疫组化染色需是通过病理切片的着色情况来判定结果，而人眼对相同强度单色光的主观感觉不同，必将会影响对结果的判定。应用计算机进行图像处理，则可避免这种主观感觉的偏差。国外Figueido RJ等在研究脑组织血管病变中淀粉样蛋白沉积的免疫组化染色时应用计算机图像分析技术进行染色的着色分析和形状分析，取得了很好的效果。
国内也有学者通过计算机图像处理技术对医学图像处理进行研究。医学图像处理就是将数字图像处理技术应用于医学领域，运用图像处理技术进行图像的分析和处理。图像分析主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息。图像分析技术主要包括图像分割、形态学和图像融合等。图像分割是指把图像分成各具特征的区域并提取出感兴趣的目标的技术。图像分割是从图像处理到图像分析的关键步骤，也是进一步进行图像理解的基础，分割的好坏直接影响到后续图像分析的结果。通过图像分割可以提取出图像中用户关心的目标并为以后的图像分析提供必要的数据。目前许多新的方法如模糊理论、遗传算法在图像理论中的应用，使阈值法有了新的发展。如Kittle J等人提出极大化模糊度散度来进行阈值的选取；Huang LK等人提出通过极小化某种模糊测度决定灰度阈值的方法，其模糊测度包括熵和Yager测度；盛国芳提出了基于遗传算法的最佳熵阈值的分割方法，大大缩短了寻找阈值的时间，特别是当搜索空间越大时，遗传算法越有效。基于边缘的分割依赖于由边缘检测子找到的图像边缘，常用的边缘检测子很多，对于医学图像来说，由于其本身所具有的特点，常用的算子有：Roberts梯度算子、Sobel梯度算子、Canny算子和Log算子等。基于动态规划的边缘检测，以图像中某一起始点到某一目标点的累积代价作为目标函数，像素边的代价值作为变量，最优值就是使目标点的累积代价值最小。多为分为五类：基于像素属性法；基于变形模板法；基于数学形、态学法；基于代价函数法；基于边缘流法。动态规划用于边缘检测，同时利用局部信息和全局边缘累积代价信息，因而可以获得全局最优解，从而得到较分明边缘图像。基于区域的区域增长方法主要包括区域归并、区域分裂、分裂和归并。结合特殊技术的分割方法：包括数学形态学、小波变换、遗传算法等引入到图像分割算法的改进，新技术的运用也就大大发展了分割算法。近年来新兴的基于分形的图像分割、分水岭分割等方法在医学图像分析方面显得越来越重要。在进行医学图像的分割时，往往用单一的方法不能得到令人满意的结果，常常采用综合的方法进行图像的分割。纵观国内外关于医学图像分割的研究，医学图像的分割仍是一个世界性难题，没有一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。
三、结束语
所以采用图像处理软件对免疫组化图像进行处理，从而实现对细胞进行识别、分类和定量测定，为诊断提供理论基础和可靠而有效的方法，为病理诊断、分型分级、预后判断，及病因、发病机制探讨等方面创造条件。图像处理系统具有精确可靠、重复性好、高效快速等优点，因此在免疫组化甚至医学图像处理有着非常广阔的前景。
【参考文献】
[1]司京玉，聂生东，陈瑛.免疫组织化学显微图像分析技术进展[J].国外医学.2002，25（3）：117-121.
[2]周洲，张军锋，陈建.Photoshop软件在免疫组化图像分析中的应用[J].安徽农业科学.2012，40（24）：11963-11965.
[3]杨智英，段贤斌，黄河.HCC及其癌旁组织中BMPs的免疫组化定量分析[J].实用预防医学.2002，9（4）：323-324.
[4]邓巍，丁为民，张浩.Mathb在图像处理和分析中的应用[J].农机化研究，2006，（6）：194-198.
[5]黄云开，郑政，杨柳.基于MATLAB的三维超声成像及图像处理技术[J].仪器仪表学报.2009，30（4）：840-847
[6]MlTRA V，PEDERSEN P C，DEY J.Boundary detection in 3D ultrasound reconstruction using nearest neighbor map[C].Medical Imaging 2006：Ultrasonic Imaging and Signal Processing.Proceedings of the SPIE，2006，6147：57-67.
[7]Milan Sonka，Vaclav Hlavac，Roger Boyle，Image Processing，analysis and Machine Vision，2003，39-40.