当医学影像遇上深度学习 | 影像数据类型一览


点击上方“小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

当医学影像遇上深度学习 | 影像数据类型一览_第1张图片

写在前面

 

随着医学成像技术的发展与进步,图像处理在医学研究与临床医学中的应用越来越广泛。然而,与自然图像相比较,医学影像处理有其特殊性和不同的侧重点。例如,对于一般的自然图像,其维度往往是二维的,并且通常情况下具有RGB三个颜色通道。但是对于医学影像,其维度通道一般根据其医学数据的类型的改变而改变。例如,对于PET-CT数据,一般情况下为二维单通道灰度图,而MRI数据一般为三维四通道灰度图。在这篇文章中我们会介绍几种常见的医学数据类型,为接下来更深入的医学影像分析做好准备。

医学数字成像与通信 

医学影像学(Medical Imaging),是研究借助于某种介质(如X射线、电磁场、超声波等)与人体相互作用,把人体内部组织器官结构、密度以影像方式表现出来,供诊断医师根据影像提供的信息进行判断,从而对人体健康状况进行评价的一门科学。

在医学影像学中,医学数字成像与通信(DICOM)作为医学影像和相关信息的国际标准,被广泛应用于放射医疗,心血管成像以及放射诊疗诊断设备(X射线,CT,核磁共振,超声等),并且在眼科和牙科等其它医学领域得到越来越深入的应用。

所有患者的医学图像会以 DICOM 文件格式进行存储。在实际的应用中,利用CT,核磁共振,超声等围绕人体的某一部位作一个接一个的断面扫描后,我们可以得到多层的图像,接下来把一层层的图像在z轴上堆叠起来就可以形成三维图像,其中每一层的图像我们都可以存在单个DICOM文件中。

X光 

X光(X-Ray),即平片检查,也就是用X光给整个身体拍了一张照片的检查方式,所以 X 光也叫拍片子。X光肉眼是看不到的,它对物体的穿透力很强,人体构造中密度较高的部分,如骨骼,能够吸收较多的X光,所以会在感光底片上留下阴影。所以由于人体组织密度的不同,会在感光底片上留下深浅不一的阴影。X光在人体因为折射率非常接近1,因此X光在人体内只走直线不会偏射。目前,X光在牙科、骨科、胸腔科的检查使用频繁。

当医学影像遇上深度学习 | 影像数据类型一览_第2张图片

超声 

超声,也被称为B超,是一种发出超声波,然后用反射的回声来画像的检查方式。所谓超声波,即利用声波频率的差异进行造影。声波在体内不同的介质中进行传播,当声波经过两个不同阻抗形成的界面时,部分音波会反射回来,通过计算反射波成像来显示病灶情况,这些不同反射的声波经过数字化处理可以形成影像。

对于B超检查,操作比较简单,也不会对人体造成损伤,对人体组织的探测以及血管内血流情况有很好的诊断效果,所以在怀疑心脏、肝脏、脾脏、胰腺、肾脏以及盆腔等器官发生病变时,多选用B超检查。

当医学影像遇上深度学习 | 影像数据类型一览_第3张图片

CT 

电脑断层扫描(Computed Tomography,CT),是一种利用精确准直的X线束、γ射线、超声波等,与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描。后续可以利用电脑将数据结合成身体横切面的图像,这些横切面的影像可以根据需要再进一步重组成精细的3D立体影像或不同层厚的切片。

相比于X光,CT的辐射量还是比较高的,可比X光的辐射量高达数十倍,甚至上百倍,这主要和CT机性能、扫描部位、成像的清晰度有关。并且,随着医学技术的提升,现在的CT设备中的X线管的数据参数是可调节的。对于CT,也分为平扫CT和增强CT。增强CT指的是在CT平扫基础上,对发现的可疑部位,在静脉注射造影剂后有重点的进行检查,从而提高诊断准确率的一种手段。

当医学影像遇上深度学习 | 影像数据类型一览_第4张图片

PET-CT 

PET-CT将PET与CT完美融为一体,由PET提供病灶详尽的功能与代谢等分子信息,而CT提供病灶的精确解剖定位,一次显像可获得全身各方位的断层图像,具有灵敏、准确、特异及定位精确等特点。从而可以一目了然的了解全身整体状况,达到早期发现病灶和诊断疾病的目的。PET-CT的出现是医学影像学的又一次革命,受到了医学界的公认和广泛关注。PET-CT是最高档PET扫描仪和先进螺旋CT设备功能的一体化完美融合,临床主要应用于肿瘤、脑和心脏等领域重大疾病的早期发现和诊断。

当医学影像遇上深度学习 | 影像数据类型一览_第5张图片

核磁共振 

核磁共振是利用磁场原理,激发人体组织内的氢原子核从而进行成像。具体地,由于人体内的许多分子都含有氢原子核,若使用仪器改变体内氢原子核的旋转排列方向,原子核就会释放吸收的能量,而该能量激发后放出电磁波信号,经由电脑分析组合成影像,即为核磁共振成像(MRI)。

MRI具有多方位及多参数成像方式和高软组织分辨率及无辐射等优势,已成为癌症术前分期的重要方法。由于肿瘤位置相对固定,并且周围有良好的组织衬托等优势,MRI能更好的显示肿瘤周围的各层结构和肿瘤的解剖结构,使之成为肿瘤术前分期的首选检查。并且基于MRI的图像具有不同模态的特性,使其可以在不同的模态之间进行对比分析。与PET-CT技术成像比较,MRI有着较好的图像分辨率,使得组织各层的结构显示得更为清晰。

当医学影像遇上深度学习 | 影像数据类型一览_第6张图片

病理诊断 

病理诊断指的是对手术切下的肿瘤标本,固定染色后在显微镜下进行组织学检查,从而诊断疾病。在临床上,病理分析是诊断、预后分析和指导癌症治疗的“金标准”,作为医疗链条中的关键环节,对患者进行病理诊断,是医生判断肿瘤性质的重要依据。该诊断结果也是医生对患者“对症下药”和后续治疗的基石。因此提升病理诊断的效率与准确性,对发展精准医疗至关重要。与同为医疗影像的CT和X光等相比,一张病理图像的像素大小,约为CT影像的一千倍,X光片的一万倍。

当医学影像遇上深度学习 | 影像数据类型一览_第7张图片

写在最后 

在这篇文章中,我们对医学影像常用的数据类型进行了介绍。人工智能尤其是深度学习的出现,给各种不同数据类型的医学影像的处理提供了更好的解决方案。在后续的文章中,我们会进一步介绍医学影像处理中常用的影像数据集及各种预处理的方式。

好消息!

小白学视觉知识星球

开始面向外开放啦


当医学影像遇上深度学习 | 影像数据类型一览_第8张图片

下载1:OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复:扩展模块中文教程,即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2:Python视觉实战项目52讲
在「小白学视觉」公众号后台回复:Python视觉实战项目,即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。


下载3:OpenCV实战项目20讲
在「小白学视觉」公众号后台回复:OpenCV实战项目20讲,即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~

你可能感兴趣的:(人工智能,python,机器学习,编程语言,计算机视觉)