视觉关注区域保持的医学影像重建问题研究

With the increasing importance of medical image processing technology in computer-aided diagnosis, if the technology which can help observe the microstructure and provide other details adjunct lesions can be provided, the accuracy of disease diagnosis will be greatly improved. This project focuses on reconstruction of medical images with visual attention region constraint, which can help feature preserving of lesion region when image enlarged. The main research contents include: the tissues classification of medical images with anti-noise constraint; the saliency calculation with tissue classification and visual attention regions extracting of medical images; medical images reconstruction and scaling based on visual attention region constraint. Contents of this research are also the joint key problems of computer graphics, computer vision and scientific visualization. Accomplishment of this study can provide new theories and techniques to resolve the problems of interest region extraction of medical images and data reconstruction. It also can provide a series of simple, efficient and robust techniques for computer-aided diagnosis which has a great theoretical significance and application value.

医学影像处理技术在计算机辅助诊断中发挥着越来越重要的作用，能提供观察微观结构和病灶细节等的辅助手段将极大提高临床医生对疾病诊断的准确率。本项研究视觉关注区域保持的医学影像重建，实现对影像放大时能很好地保持病灶区域的特征。主要研究内容包括：抗噪声的医学影像组织分类；基于组织分类的显著性计算以及医学影像视觉关注区域提取方法；视觉关注区域约束的医学影像曲面重建及缩放。所研究的内容也是计算机图形学、计算机视觉和科学计算可视化等领域中的共性关键问题。项目的完成将为解决医学影像数据的感兴趣区域提取及数据重建问题提供新理论和方法，为医学临床诊断中的计算机辅助诊断提供一系列简单、高效和鲁棒的技术，具有很好的理论意义和应用价值。

在计算机辅助诊断中自动准确的感兴趣区域（如病灶）提取是医生能够进行确切诊断的必要前提，清晰锐化的影像显示则是辅助医生对病灶细节进行仔细观察的有效手段。围绕实现这些辅助手段的关键技术，本项目的主要研究内容包括：1）图像数据的相关性以及基于相关性的图像数据聚类方法。2）图像视觉关注区域的显著性检测和提取。3）视觉关注下的医学图像曲面重建及应用。4）其他相关图像处理及建模问题研究。如图像修补、图像去噪、网格化及点云重建等问题。项目的研究范围涉及理论与方法、技术和原型系统，其目标是为解决医学影像的感兴趣区域提取及数据重建问题提供新理论和方法。. 项目取得的重要成果有：1）提出了基于近似测地距离和边界加权的重心Voronoi图划分能量模型，可有效实现图像抗噪聚类。2）提出了基于超像素聚类和立体视差的以及基于概率估计的显著性检测方法，并提出基于显著性检测和区域生长的目标提取方法，可准确、自动的提取视觉关注和感兴趣目标区域。3）提出了一系列基于有理函数或特征约束的图像重建算法，实现了边界特征保持的图像放缩技术。包括基于边界约束的图像重建、基于参数优化的有理函数图像插值算法、自适应图像有理插值算法等。基于这些模型重建的图像细节信息丰富、边界清晰。4）提出了简单的低秩图像修补方法、图像去噪方法以及拓扑保持的三角形重新网格化算法等，为医学图像的处理及建模提供了思路。. 基于研究成果项目组实现了重建、分割和放缩技术的程序模块，为计算机辅助诊断提供简单、准确高效和鲁棒的技术，具有重要的理论意义和应用价值，有较好的成果转化前景。项目执行期间共在国内外重要期刊和学术会议上发表论文21篇，申请国家发明专利4项，获软件著作权5项，获山东高等学校优秀科研成果奖2项，校级成果奖1项。