type
status
date
slug
summary
tags
category
icon
password
第一章 绪论
本章主要讲授医学成像系统的历史、基本原理和作用，数字图像的基本概念，图像处理与 分析技术涵盖的基本内容，以及生物医学图像处理技术在生物医学中的应用实例。要求了解生物 医学图像处理在生物医学中的重要地位，医学成像系统的发展历史，医学图像处理与分析中的挑 战，理解医学成像系统的原理，掌握数字图像的基本概念，生物医学图像处理的基本研究内容。
第二章 生物医学图像去噪（重点）
本章主要讲授生物医学图像在获取过程中，主要引入的噪声类型，针对这些噪声，可采用 的滤波方法。要求了解生物医学图像的噪声类型，理解最优滤波与自适应滤波的基本思想，掌握 空间域滤波的基本思想、常用的滤波方法，频率域滤波的基本思想、常用的滤波方法，去除噪声 方法的评价。
1．生物医学图像噪声来源
各种随机噪声的类型，高斯分布、均匀分布、泊松分布、拉普拉斯分布、瑞利分布，斑点 噪声，椒盐噪声
2．空间域滤波
空间域滤波的基本思想，均值滤波、中值滤波、秩统计滤波
3．频率域滤波
频率域滤波的基本思想，理想低通滤波器，Butterworth 低通滤波器，去除周期性噪声
4．最优滤波与自适应滤波
维纳滤波的基本思想和原理，自适应滤波的基本思想，自适应邻域滤波器
5．去噪方法评价（扩展内容）
采用均方根误差，对不同类型的图像噪声用不同的滤波方法处理后的结果进行评价
第三章 生物医学图像增强 （重点）
本章主要讲授生物医学图像增强的定义，其应用领域，以及常用的图像增强方法的基本原 理和算法实现。要求了解生物医学图像增强的基本思想，理解对比度增强和边缘增强的基本思想， 掌握图像对比度增强的灰度变换法、直方图增强、自适应对比度增强法，边缘增强的空间域一阶 二阶微分算子，频域的高通滤波，和同态滤波方法的基本思想及其实现算法。
1．数字减影
在成像获取过程中，采用数字减影技术，获得组织的增强图像
2．对比度增强
增强图像对比度的基本方法，灰度变换法、直方图变换法、自适应对比度增强
3．边缘增强
空间域的高频补偿滤波器， 一阶微分算子和二阶微分算子，频率域的理想高通滤波器、 Butterworth 高通滤波器、高斯高通滤波器
4．同态滤波增强
同态滤波器的基本思想，及算法实现
- 其它增强方法（扩展内容）
傅里叶变换法的基本概念，阅读和讨论相关的经典文献
6．增强方法评价（扩展内容）
定量计算图像的对比度，客观评价和主观评价结合
第四章 生物医学图像分割 （重点）
本章主要讲授生物医学图像分割的概念，常用的图像分割方法的基本思想和算法实现。要 求了解图像分割方法大体的分类，理解不同分割方法的基本思想，掌握阈值分割法，区域分割法， 形变模型方法，数学形态学方法的算法实现及应用背景。
1．图像分割、边缘提取与感兴趣区域提取
医学图像分割的基本概念，与边缘提取、感兴趣区域提取的区别与联系，图像分割的基本 思路,基本策略，以及图像分割方法大体的分类
2．基于边界的分割方法
边界的定义，点的检测、线的检测、一阶导数边缘检测、二阶导数边缘检测、高斯拉普拉 斯算子、Canny 算子，边缘连接的意义、以及局部处理法和 Hough 变换方法的基本思想和算法实 现
3．基于阈值的分割方法
阈值分割法的基本思想，获取阈值的不同方法及优缺点
4．基于区域的分割方法
区域生长法、区域分裂与合并方法、登山算法的基本思想和算法实现
5．基于数学形态学的分割方法（扩展内容）
数学形态学的基本概念，四种基本运算的定义、算法实现和效果分析
6．其它分割方法（扩展内容）
聚类分割法、分水岭方法的基本思想及算法实现，形变模型方法的基本思想，主动轮廓模 型方法，阅读和讨论相关的最新文献
7．分割方法评价（扩展内容）
常用的图像分割效果评价的定量与定性方法
第五章 生物医学图像特征提取（重点）
本章主要讲授进行生物医学图像分析所需要的特征表示与描述的基本概念，常用的描述算 子的定义。要求了解特征表示与描述在生物医学图像处理中的重要作用，理解特征表示法的设计 原则，掌握边界描述、形态描述和纹理特征描述的定义。
1．特征表示与描述
特征表示与描述问题的提出和基本定义，表示法的设计原则，链码、多边形逼近、外形特 征、边界分段法的基本思想
2．边界特征
简单描述子，形状数，傅立叶描述子，矩量的基本定义
3．区域特征
形状描述子、简单描述子、拓扑描述子的基本定义和算法实现
4．纹理特征
纹理的定义及描述的生物医学意义，二阶矩，灰度共生矩阵的定义
5、几何矩特征
不变矩的基本思想以及在图像处理的应用
第六章 生物医学图像分类与识别（重点）
本章主要讲授对生物医学图像内容进行理解所需要的分类与识别技术。要求了解分类与识 别技术的基本概念，理解模式及模式类的定义，深度学习模型分类的基本思想，掌握分类器的设 计和训练的原则，最小距离分类器和相关匹配分类器的基本思想和算法实现，分类方法评价的常 用指标。
1．图像分类与识别
图像分类的目标，以及图像分类与识别的基本概念和基本方法
2．特征选择
特征选择的准则及基本思路，维数灾难的基本思想
3．分类器设计与实现
分类器的设计和训练，决策函数的基本概念，最小距离分类器，相关匹配分类器的基本思 想和算法实现
- 无监督分类方法
聚类方法的基本思想，及算法实现
- 概率模型分类方法
贝叶斯分类器的基本思想，及算法实现
6．分类性能评价
分类器性能评价指标的设计
第七章 生物医学图像配准与手术导航
本章主要讲授生物医学图像配准与融合的基本概念，完成图像配准的基本要素以及主要的 配准与融合算法的基本思想，图像配准技术在手术导航的实际应用。要求了解图像配准与融合的 基本实现途径，理解图像配准在生物医学图像分析中重要作用，掌握基本的空间变换类型，基于 基准点的配准方法，基于特征的图像配准方法，常用的图像融合技术的基本思想，手术导航的基 本概念，图像配准在手术导航的应用背景。
1．图像配准技术
图像配准的基本概念，基本类型，基本要素和主要的配准方法，图像融合的基本概念
2．基本空间变换模型
刚体变换，全局尺度变换，9 参数仿射变换，非线性空间变换的定义
3．基于基准点的配准方法
基准点的提取方法，基于基准点的配准方法的基本思想、及算法实现
4．基于特征的配准方法
角点特征的提取，基于角点特征的配准方法的设计、及算法实现
5．基于最大互信息的配准方法
基于最大互信息的配准方法的基本概论和基本思想、及算法实现
6．图像融合方法 （扩展内容）
图像融合的基本思想，图像融合方法的设计、及算法实现
- 配准方法在手术导航的应用
手术导航的基本概念、基本类型、主要内容，配准方法在手术导航的实例介绍
第八章 PACS 系统与远程医疗
本章主要讲授医院在进行图像文件归档时所用的 PACS 系统的基本框架和作用，以及远程 医疗的基本定义和应用实例。要求了解 PACS 系统在医院信息系统的重要作用，远程医疗系统的 特点，理解 PACS 系统的基本功能，远程医疗平台框架结构，掌握 DICOM 标准的定义，PACS 系统
的定义及作用，远程医疗系统的主要内容和功能。
PACS 和 DICOM 标准的定义
PACS 系统的定义及作用，DICOM 标准的内容
PACS 系统的硬件构成和各部分的主要功能
PACS系统的实施条件
影像设备条件,信息系统条件,技术条件,经费条件
远程医疗的定义和系统结构
远程医疗的定义，平台框架结构及相关功能
远程医疗的特点及应用实例
远程医疗技术的特点，远程会诊系统组成和功能，步骤；远程数字病理系统工作流程，远 程医学影像系统工作流程；远程医学培训系统流程；远程专家库系统实施例
图像分类与识别
参考多个特征，如乳腺癌可以参考形状边缘纹理等
分类其实都会遇到边界模糊性的问题
数据集的均衡性会很大的影响结果，若不均衡会有bias（偏差）
如何设计血管狭窄分级系统？——需要查一查
本质的工作是特征与结果的联系
模式/模式类/模式识别
模式
模式特征向量，用特征向量表示
通过比较特征向量可以分类的功用
良好的特征
维数灾难
分类器设计
模式类 相似类函数（阈值规则） 无法确定情况
有监督学习
最小距离分类器：通过与类的各种距离获取
很多时候通过求解模式向量来比较
特异性就是诊断出没病的人里面真正没病的人，如果特异性低，诊断出的没病里面有病的多
就是很多没病的，但是里面其实有很多有病的——特异性是
灵敏度是指诊断出有病的里面 真正有病的多，也就是说，灵敏度低的时候，诊断出有病的人里面，没病的人多。
相对来说，前者的后果更为严重吧。
六月考试 医学图像处理
五月需要完成复习，6月5日 周四，晚上7点——9点
考试样题会上传，需要下载，例题不会考（大纲不一样了）
字多有分，一共 8道—10道，看点给分
有80分的题目在红色标记的考点里面
复习ppt，课堂强调的重点
1 简答题 若干个小问题，一定要分点作答，尽量多写字
2 计算题，上课提到过的各种计算，如果不会算，就只能将各类公式和理论写上去
