联影医学图像算法

‘壹’ 医学图像算法工程师好不好

好，因为首先1.计算机、图形图像、电子工程、应用数学、生物医学工程等专业硕士或以上学历；
2.具有较强的编程能力，精银枣纳通Python或C++；
3.扎实的数学功底，精通岩汪图像处理算法；
4.有深度锋没学习（熟悉Tensorflow/Pytorch）开发经验者优先，；
5.有医学图像算法开发经验者优先

‘贰’ 医学图像配准的医学图像配准方法

（1)点法 ( Point Method): 又分内部点( Intrinsic points)及外部点 ( Extrinsic points)。内部点是从与病人相关的图像性质中得到的 ,如解剖标志点 ( anatomical landmarkpoints)。解剖标志点必须是在三维空间定义的 ,并在两种扫描模式的图像中可见。
原则上外部点法可用于配准任何模式的图像 ,而且外部点在医学图像中要比内部点好识别得多 ,通过比较图像中记号的位置对配准结果也易于视觉检测;缺点是在使用这些记号时 ,受试者都要在扫描装置内严格保持不动 ,有些还是介入性的。
( 2)曲线法 ( Curve Method): Batler 对二维投影放射照片首先用人工的方法在两幅图像中寻找对应的开曲线 ( Open curve) ,再耐销在两条曲线局部曲率最佳拟合的线段用相同的采样率找出一组对应点来 ,以后继续用点氏亩模法匹配两幅图像
( 3)表面法 ( Surface Method): 基于表面的配准技术典型的例子是Pelizzari 和Chen 研究的“头帽法”。从一幅图像轮廓提取的点集称作帽子 (`hat’ ) ,从另一幅图像轮廓提取的表面模型叫作头 (`head’ )。 一般用体积较大的病人图像 ,或在图像体积大小差不多时用分辨较高的图像来产生头表面模型。
( 4)矩和主轴法 ( Moment and PrincipalAx es M ethod): 借用经典力学中物体质量分布的概念 ,计算两幅图像像素点的质心和主轴 ,再通过平移和旋转使两幅图像的质心和主轴对齐 ,从而达到配准的目的 。
( 5)相关法 ( Correlatiom Method): 对于同一物体由于图像获取条件的差异或物体自身发生的小的改变而产生的图像序列 ,采用使图像间相似性最大化的原理实现图像间的配准 ,
( 6)最大互信息配准法 ( Maximizatio n ofMutual Info rmatio n): 互信息是信息论的一个基本概念 ,是两个随机变量统计相关性的测度。 Woods 使用给出参考像后测试图像的条件熵作为配准的测度。他研究的 AIR是一种广泛应用于 PET到 MR图像配准的算法 ,
( 7)图谱法 ( Atlas Method)与非线性变换 技术: 不同人脑图像的配准远比同一个人的不同模式图像的配准困难得多 ,这是因为每个人脑的形状、尺寸都有很大的差异。如果我们将脑图像作一定的尺度变换 ,并对深度内部结构适歼缓当取向后 ,就会发现不同人脑的解剖结构的大小和形状方面还是具有一定的共性的。 这就使我们有可能构造一个解剖图谱 ,其前提是受试者间脑的拓扑结构具有不变性。 由于在脑图谱构建过程中有神经解剖学专家直接参与 ,利用脑图谱进行配准 ,就可以利用图谱所包含的先验知识来对病人或其他人的图像自动识别和正确地分割。

‘叁’ 医学图像处理是对什么成像方法及图像处理方法的研究

MRI

MRI 核磁共振成像技术作为二十世纪医学影像成像领域最重要的进展之一，在医学临床诊断中的应用日益广泛,因此研究磁共振成像及其图像处理方法具有很广泛的现实意义。

论文对MRI医学成像和图像处理方法的几个主要方面进行了相关研究。主要涉及三个子课题:基于化学位移的扩展两点Dixon水和脂肪分离算法研究，该算法同时包含特定成像脉冲序列设计和图像后处理;

基于非线性滤波的图像增强、去噪以及高分辨率图像重建算法研究;基于整数小波变换和改进零树编码的医学图像渐进无损压缩算法研究。

在文章中，作者首先系统回顾了MRI 磁共振成像的物理学基本原理，并在此基余镇础上对基于化学位移的扩展两点Dixon水和脂肪分离算法进行了研究,提出使用低通滤波代替多项式拟合迭代进行两维相位去卷绕,改进算法能够降低分离处理的计算复杂度和改善了水和脂肪的分离结果。

为改善MRI医学图像质量，论文对线性增强算法和非线性禅者滤波外推图像增强算法进行研究分析，指出整幅图像增强时导致马太效应的原因所在。

进而提出一种新的剪切策略包络阈值剪切策略改进非线性滤波算法，使得改进后的算法在外推新的高频分量进行图像增强时显着优于原有算法。运用改进的非线性滤波算法结合低通滤波对医学图像进行去噪处理，能有效消除高频噪声同时尽可能保留有用高频信号。

最后将改进的非线性滤波方法应用于高分辨率图像重建，获得了比线性插值更为理想的高分辨率重建图像。

论文对整数小波变换和 EZW零树编码算法做了简单回顾，研究了EZW零树编码策略应用于无损图像压竖袭粗缩时的缺点,提出基于整数小波变换和改进零树编码的医学图像渐进无损压缩框架。

对医学图像的无损压缩实验取得了较高的压缩比，有损渐进解码恢复时，较低的码率得到了较好的图像信噪比，同时良好的渐进解码特性，能够满足远程医疗等基于信道传输的图像解压缩应用。

‘肆’ 武汉精密测量物理创新研究院博士可以进联影吗

可以。
有医学图像后处理算法开发经验者优先，硕士及以上学余桐历，竖蠢坦博士优先，可接受实习生。所以博档轿士是完全有资格进入联影的。

‘伍’ 联影ct采用什么重建算法

反投影重建算法。联影ct的重建算法模拟CT从角度0~360度的祥棚局重建，角度越多，最后谨让图像的还和启原度越高，但是图像相对模糊，对比度低，边界不够清晰。

‘陆’ 医学图像配准

图像配准时指对一幅图进行一定的的几何变换映射到另一幅图中，使得两幅图像中的相关点达到空间上的一致。
将施加变换的图像定义为浮动图像F，另一幅不动的图像定义为参考图像R，图像配准的本质是寻找一个空间变换T，使得

一般配准的步骤如下：

特征空间
特征空间指从参考图像和浮动图像中提取可用于配准的特征。根据特征可以归纳出两种方法：

搜索空间
搜索空间是指在配准过程中对图像进行变换的范围和方式。

搜索算法
图像配准要蚂橡在给定搜索空间上寻求相似性测度函数的最优解，搜索算法包括：

相似性度量

传统的基于强度的相似性度量包括平方和距离（sum-of-square distance，SSD）、均方距离（mean square distance， MSD）、归一化互相关（normalized cross correlation，NCC）和互信息（mutual information，MI）。

变换

常用的医学图像配准方法
基于互信息的图像配准

基于傅里叶变换的图像配准
傅里叶变换用于配准的原理：图像的平移不影响傅里叶变换的幅值，旋转相遇对其傅里叶变换做相同的旋转。

基于小波变换的图像配准
对两幅图像的伸缩、旋转、平移等转化为对其作小波分解后，两幅图近似分量的伸缩、旋转、平移。

基于深度学习的图像配准方法可以大致分为以下三类：深度相似性度量+迭代配准、有监督的变换估计和无监督的变换估计。

通过深度学习估计移动图片和基准图片的相似性度量，这个相似性度量会被插入到传统的配准框架内，进行迭代优化。

也有一些方法是基于强化学习方法，让一个被训练过的 agent 来代替优化算法进行配准。基于强化学习的配准通常用于适合刚性变换的模型。

有监督学习需要提供真实的变形场，也就是ground truth，网络输入为图像，输出为变换的参数。流程可以总结如下图。

对于有监督的学习，重要的是对用于网络训练的标签。许多人提出了用于生成变换的数据增强技术，大致可以分为三类：

Miao等人首先提出使用深度学习来预测刚性变换参数。他们使用 CNN 来预测 2D/3D 刚性配准的变换矩阵。他们提出了分层回归，其中六个变换参数被划分为三组，分别为平面内参数（ ）闷埋旁，平面外旋转参数（ ）， 平面外平移参数（ ）。网络输入为预定大小的ROI，网络结构是一个包括了卷积和全连接操作的回归器。训练期间要最小化的目标函数是欧几里得损失。

刚性变换需要6个参数来表示，而自由变形需要一个密集的变形向量场。

无监督学习可以很好的解决配准缺少有标签（有已知变换）图像的问题。

2015 年，Jaderberg 等人提出了空间变换网络 (spatial transformer network，STN)，它允许在网络内对数据进行空间操作，而且STN是一个可微分模块，可以插入到现有的 CNN 架构中。 STN 的发布启发了许多无监督的图像配准方法，因为 STN 可以在训练过程中进行图像相似度损失计算。

典型的 DIR（deformation image registration） 无监督变换预测网络以图像对作为输入，直接输出密集 DVF，STN 使用液族该 DVF 对运动图像进行变换曲。然后将扭曲的图像与固定图像进行比较以计算图像相似度损失。 DVF 平滑约束通常用于正则化预测的 DVF。

利用 GAN 的 discriminator 来进行相似性度量也近些年的一个思路[4]。

GAN 在医学图像配准中的使用通常可以分为两类：

‘柒’ 医学图像处理

图像分割是前期的工作重点，主要使用了现成的软件来完成图像分割任务：3DMed（中国科学院自动化医学图像处理研究所）。

该软件集成了6种分割算法插件，按照官方文档的说法，区域生长算法特别适合于分割小的结构如肿瘤和伤疤，下面是使用3DMed加载的原始29189000016.dcm图像：

下面是使用区域生长算法对肿瘤的分割结果：

其中Different Value和Change Value为控制区域增长的两个参数，通过实验发现选取2和10效果较好。

下面是分割后的保存结果：

3DMed中会自动将结果文件名保存为29189000016_segmented.dcm。

但是该算法需要人工交互获得种子节点，自动化程度不高。同时区域增长算法对噪声敏感，导致抽取出的区域有空洞或者无法正确抽取出感兴趣区域。

特征提取就是从分割的区域中提取出描述该区域特征的一些数据，这一步的工作使用了两种方法进行探索。

使用MATLAB进行常用的基本统计特征的提取，该方法可以提取出 一阶统计特征 （描述感兴趣区域内各提速参数的分布，通常是基于直方图进行分析），在MATLAB中简单的区域描绘如下：

l 周长：区域边界的长度， 即位于区域边界上的像素数目．

l 面积：， 区域中的像素总数．

l 致密性：（周长） 2/面积．

l 区域的质心．

l 灰度均值： 区域中所有像素的平均值．

l 灰度中值： 区域中所有像素的排序中值．

l 包含区域的最小矩形．

l 最小或最大灰度级．

l 大于或小于均值的像素数．

l 欧拉数： 区域中的对象数减去这些对象的孔洞数。

MATLAB中的regionprops(L, properties)函数可以用来计算区域描绘特征：首先使用bwlabel(I, n)对图像I进行n（4或者8）连通标号，然后使用regionprops()进行统计计算。

Mazda是一个图像纹理分析的工具，可以自动对图像进行特征提取。下面是使用Mazda加载分割好的结果：

下面是对分割结果进行特征提取的结果：

对于Feature name的表示现在还没有完全搞明白，正在研究。

Mazda还可以进行 高阶统计量 的提取（就是进一步加入了过滤器），小波分析就是高阶统计量的一种，下面是小波分析的结果：

同时可以手动对Features进行feature selection，然后保存选择的结果。

‘捌’ 医学图像分割及应用

截至目前，我们已经学习了很多关于图像分割的相关算法，就此，对图像的分割算法做以下总结：

基于能量的分割 方法，有一些显着的缺点，如：

水平集算法的提出可以有效解决上述缺点，所谓水平，即指同一高度的一些像素点，将水平集的算法引入到图像分析的领域，水平集算此氏法提出了一个更高的维度来表达这些曲线。

水平集算法对图像的活动轮廓分割有一些新的术语表达：
contour front
contour energy forces
image energy speed function

为了避免3D 轮廓计算的复杂性，提出一个 零水平集（zero level set）的概念，并且提出了一个动态的坐标平面 表达front的演化，如下图所示，我们总能带链总结出当前 时刻的水平面，根据曲面的函数表达，总能总能计算出下一时刻的轮廓演化。与图像能量表达的轮廓不同，水平集算法多了一个平面的维度对轮廓施加影响。

水平集算法通过零水平集的设置和初始轮廓的约束求解偏微分方程的方式实现。

如下图所示，形象地表示了一个水平集算法的原理示意图，在front里面的点小于0，而front外面的点大于0，零水平面所对应的点设为0

不需要移动轮廓，仅仅通过改变图片中的一些值就可以很容易地实现图像地分割。

水平集算法的运算流程如下：

水平集算法的一个重要概念是速度函数（speed function）,而对速度函数
有以下三个概念：

front通过迭代实现繁衍，而迭代的过程必有一个停止条件，此条件是由森行散图像本身的性质决定的，gradient函数来表示这一停止条件，如 ,有以下三种常用的函数：

而

水平集算法的扩展可以从两个方向进行:

为了改进水平，提出了一个快速行进算法（Fast Marching）

Fast Marching 算法使得front朝着一个方向前进，要么扩展，要么收缩，避免了分割轮廓的抖动，提高了算法的运行速度，同时，为了避免轮廓的碰撞，每个网路与轮廓点只交叉一次。

在实际的算法应用中，通常将Fast Marching算法和 水平集算法结合来完成图像的分割，用Fast Marching 算法高效的实现轮廓线的行进，完成一个粗分割，当算法趋向于收敛时，用水平集算法完成更为精准的分割。

如下图所示，任意一个时刻点轮廓线网格点交叉的坐标 ,并且在任意高度处，表面会给出在 时刻所到达点的集合。

‘玖’ 医学图像处理有哪些方法

医学图像处理的方法有DSA、MRI等。

DSA是数字减影血管造影（Digital subtraction angiography）的简称，即血管造影的影像通过数嫌厅字化处理，把不需要的组织影像删除掉，只保留血管影像，便于医生诊治，这种技术就叫做数芹扮隐字减影技术。

其特点是图像清晰，分辨率高，对观察血管病变，血管狭窄的定位测量，诊断及介入治疗提供真实的立体图像，为各种介入治疗提供必备条件。主要适用于全身血管性疾病及肿瘤的检查、治疗。DSA实现了在介入手术室内实时的采集病人二维或三维血管影像。

医学影像学的培养目标是培养具有基础医学、临床医学、医学影像学的基本理论知识及能力，能在医疗卫生单位从事医学影像诊断、介入放射学和医学成像技术等方面工作的高素质医疗卫生专门人才。