3、医学影像处理的分布式方案与低剂量 CT 图像增强技术

医学影像处理的分布式方案与低剂量 CT 图像增强技术

1. 医学影像分割的分布式方案

1.1 引言

医学成像方法为人体内部提供了非侵入性的观察途径，在临床和研究实践中是极其宝贵的信息来源。随着成像技术的不断进步，对更精确、高效的图像分析算法的需求也日益增长，其中图像分割是一项重要任务，它将图像划分为不同区域，以提取特定组织、病理变化或整个器官。

然而，分割方法的设计和实现阶段通常需要大量的时间和资源，因为测试算法的各种变体需要在许多不同的数据集上进行持续评估。现代计算机的多核特性使得利用并行化工具来减轻计算负担成为可能，因此，开发一种分布式平台来加速可变形模型的医学图像分割方法具有重要意义。

1.2 背景知识

可变形模型是一类基于变形形状的分割方法，形状通常表示为 2D 轮廓或 3D 表面，在外部和内部力的作用下发生变形。外部力将形状吸引到分割的图像特征上，内部力控制其平滑度和连续性。传统的可变形模型，如 2D “蛇” 算法和 3D 活动表面算法，经过了不断的改进和扩展。

近年来，许多分布式计算工具被应用于医学图像分析，如 Apache Hadoop、Globus Toolkit 和 JPPF 等。

1.3 基于 Web 的分割框架

开发了一个基于 Web 的平台用于设计和评估可变形模型的生物医学图像分割方法。该系统采用客户端 - 服务器架构，客户端以 Java applet 的形式提供，计算和数据存储在服务器上进行。

客户端具备开发、评估和可视化分割方法的工具，以及远程图像数据存储库和用户配置文件系统。分割框架基于可扩展的模板系统构建二维和三维方法