目的:构建循环生成对抗网络(CycleGAN)对模糊、曝光不足、曝光过度等低质量眼底图像进行质量提升，并对其效果进行评估。方法:从EyePACS数据集中分别选取700张高质量和700张低质量眼底图像作为本研究的数据集。对数据集图像进行裁剪并统一缩放至512×512分辨率。采用2个生成模型和2个判别模型构建CycleGAN，生成模型根据输入的低/高质量眼底图像生成匹配的高/低质量图像，判别模型判别原始图像和生成图像。将本研究提出的算法与限制对比度自适应直方图均衡化(CLAHE)、动态直方图均衡化(DHE)、带色彩恢复的多尺度Retinex(MSRCR)3种图像增强算法的结果进行视觉定性评估，并采用清晰度、BRISQUE、色度、饱和度作为定量指标进行评估。应用糖尿病视网膜病变(DR)诊断网络对原图及不同算法增强图像进行诊断；并比较其准确度和特异度。结果:CycleGAN算法对模糊、曝光不足、曝光过度3类低质量眼底图像的增强均取得最优效果，增强后的眼底图像对比度高、色彩丰富，视盘、血管结构清晰。CycleGAN算法增强的图像清晰度仅次于CLAHE算法；BRISQUE质量分数为0.571，比CLAHE、DHE和MSRCR算法分别高出10.2%、7.3%和10.0%；色度和饱和度分别为103.03、123.24，均高于其他算法；该算法增强100张图像仅需35 s，仅次于CLAHE算法，在速度上具有明显优势。CycleGAN算法增强的图像在DR诊断中的准确率和特异度分别为96.75%和99.60%，均较原图有所提高。结论:CycleGAN可有效提升模糊、曝光不足、曝光过度眼底图像的质量，并有效提高计算机辅助DR诊断系统的准确率，可能在眼科临床诊断中有很大的应用价值。

目的:基于卷积神经网络开发头影测量自动定点模型，以期为智能识别头颅侧位X线片上缺失的标志点并高精度实现头影测量自动定点提供参考。方法:收集2015年1月至2021年1月于首都医科大学口腔医学院正畸科就诊的错 畸形患者的481张头颅侧位X线片，其中男性240张，女性241张，年龄（24.5±5.6）岁。以5名正畸专业研究生为标注人员，手动定位481张头颅侧位X线片中的61个头影测量标志点；以2名正畸主治医师为审核人员，进行定点校准；以2名正畸主任医师为仲裁人员，作出最终决策。建立数据集：其中341张作为训练集，40张作为验证集，100张作为测试集。研发一种基于卷积神经网络（CNN）的自动定点模型CephaNET，通过将原始图像输入特征提取模块和卷积姿态机模块，使用深监督技术，训练CephaNET模型高精度定位标志点；将训练集通过直方图均衡化、裁剪、调节亮度，增强为1 684张，训练模型对比网络输出的高斯热力图与设置的阈值，以识别标志点缺失情况。测试集100张头颅侧位X线片用于检测模型的准确性。评价标准使用缺失标志点［颈点（Cv点）和Bolton点］识别成功率、平均径向误差（MRE）以及2.0、2.5、3.0、3.5和4.0 mm范围内成功检测率（SDR）。 结果:针对1张头影测量X线片，CephaNET模型平均在0.13 s内识别并定位61个常用标志点；Cv点识别成功率为92.7%（38/41），Bolton点识别成功率为94.3%（50/53），平均为93.5%。测试集MRE为（1.19±0.91）mm，2.0、2.5、3.0、3.5和4.0 mm范围内SDR分别为85.4%、90.2%、93.5%、95.4%、97.0%。结论:本项研究研发的自动定点模型可适应头颅侧位X线片标志点缺失的情况，并高精度定位61个常用的头影测量标志点，满足不同头影测量分析要求。

目的:构建并验证轻量级卷积神经网络模型，探讨其在筛查煤工尘肺早期阶段（小阴影密集度达到0/1级与尘肺壹期）中的应用价值。方法:收集2018年10月至2021年3月在安徽省某职业病防治院进行职业健康检查的煤矿工人（共1 225例）数字化X射线胸片进行研究。所有胸片经过3名具有诊断资质的影像医生集体诊断并给出诊断结果。其中，圆形及不规则小阴影密集度为0/-或0/0级的胸片692例，0/1级至尘肺叁期的胸片533例。对原始胸片进行不同的预处理生成4个数据集，即16位灰度原始图像集（Origin16）、8位灰度原始图像集（Origin 8）、16位灰度直方图均衡图像集（HE16）和8位灰度直方图均衡图像集（HE8）。应用轻量级卷积神经网络ShuffleNet对4个数据集分别训练生成预测模型，使用受试者工作特征（ROC）曲线、准确率、灵敏度、特异度以及约登指数等指标在包含130例胸片的测试集上对4个模型的尘肺预测性能进行评估。采用Kappa一致性检验对模型预测结果与医生诊断尘肺结果进行一致性比较。结果:Origin16模型预测尘肺获得了最高的ROC曲线下面积（AUC=0.958）、准确率（92.3%）、特异度（92.9%）和约登指数（0.845 2），灵敏度为91.7%；Origin16模型的预测结果与医生诊断结果的一致性最高（Kappa值为0.845，95% CI：0.753~0.937， P<0.001）。HE16模型的灵敏度最高（98.3%）。 结论:轻量级卷积神经网络ShuffleNet模型可以高效地识别煤工尘肺的早期阶段，将其应用于煤工尘肺的早期筛查中可以有效地提高医生的工作效率。

针对"新医科"背景下医学图像处理课程所面临的形势和教学现状,开发了与其教学过程高度契合的医学图像处理教学软件,该教学软件可实现医学图像的线性灰度变换、开窗显示、缩放、旋转、镜像、中值滤波、微分锐化、边缘检测、直方图获取和直方图均衡,并可在一定范围内调节线性灰度变换、开窗显示、缩放、旋转、中值滤波、微分锐化、边缘检测的参数,同时用不同算法实现了医学图像的缩放功能.该教学软件用于包头医学院医学图像处理课程理论与实验教学中,可提高学生学习的主动性和积极性,能强化学生对放射技师考点知识的理解,为后续课程的学习打下坚实基础,最终实现"新医科"背景下包头医学院医学影像技术专业"医工"、"医理"的深度交叉融合.

目的 为了改善采集到的手掌静脉图像质量,提高静脉识别的准确性,提出一种基于Gabor滤波和Scharr边缘检测算子的手掌静脉图像增强方法.方法 首先对原始手掌静脉图像截取感兴趣区域(region of interest,ROI)后进行滤波去噪,其次通过自适应直方图均衡化提高图像对比度,然后采用 6个方向的Gabor滤波器提取手掌静脉纹路,并通过Scharr算子实现静脉纹路增强.采用全参考和无参考相结合的图像定量质量评价指标峰值信噪比(peak signal to noise ratio,PSNR)、均方误差(mean squared error,MSE)、灰度标准差、图像清晰度(no reference structural sharpness,NRSS)进行评估.结果 本文方法PSNR为 29.460,MSN为73.619,图像灰度标准差 87.715、NRSS为 0.341,结果表明图像失真程度最小,静脉纹路得到有效增强.结论 本文方法能够有效增强手掌静脉纹路的对比度,改善图像质量.

河道边缘的识别是河流相储层精细描述的重点.受河道叠置、交叉,砂体厚度薄,地震信噪比、分辨率低等因素影响,传统的切片解释、相干技术难以满足精细勘探的需求,新发展的基于算子处理的边缘检测仍存在应用误区.本文以分析河道边缘的几何特征为切入点,明确一阶导数、模值及二阶导数的物理含义;建立具有不同速度特征的三维河道模型,并通过模型与实际资料相干属性的提取,指出该项技术在河道精细描述中存在的问题.针对该问题以Sobel算子为例,图解说明使用此项技术处理后河道边缘的标志性特征,提出采用直方图均衡化与模糊集理论的河道边缘相干增强技术,并取得较好的应用效果.该方法技术对深化河道边缘特征的认识,提高河流相储层识别能力,有一定的借鉴作用.

目的 设计一款基于MATLAB的眼底血管造影成像处理系统,以达到处理眼底血管造影成像的目的.方法 利用MATLAB软件图像处理工具箱和交互式GUI控件设计眼底血管造影成像处理系统.结果 提出了一种基于MATLAB的眼底血管造影成像处理系统,重点分析了灰度变换法、直方图均衡化、直方图规定化以及边缘检测的算法.结论 通过MATLAB眼底血管造影成像处理系统,将眼底血管造影图像的对比度提高、噪声干扰降低,以达到有效改善眼底血管造影图像质量的效果,为眼科医生的临床诊断提供可靠依据.

眼底彩色图像存在亮度低、对比度差、局部细节丢失等问题,分析已有Retinex图像增强方法存在的问题,在此基础上提出一种改进的基于Retinex理论的眼底彩色图像增强方法.首先提取亮度分量,对亮度通道进行多尺度Retinex增强,改进将图像映射到显示器上的gain/offset算法以及颜色恢复方法,最后对具有亮度信息的红色通道进行恢复.为验证方法的有效性,以DIARETDB0眼底图像数据库为研究对象,并与多尺度Retinex(MSR)、带色彩恢复的多尺度Retinex(MSRCR)、直方图均衡化(HE)、对比度受限自适应直方图均衡化(CLAHE)4种经典增强算法进行比较.结果表明,所处理的图像在色彩保护、血管对比度的提升以及图像细节的增强方面比其他图像增强方法有更好的效果,信息熵提高5％ ～7％,峰值信噪比(PSNR)比传统方法提高1～2倍,客观评价指标明显优于当前常用的眼底图像增强方法,对进一步眼底图像的识别具有重要的意义.

目的 舌苔、舌质分离对后续肿瘤患者舌象的客观化辨证具有重要的意义.常用的算法是基于颜色空间通道舌图像的K-means聚类算法.CIELAB颜色空间的a?通道舌图像相较于其他颜色空间通道的舌图像分割结果稳定,常用于后续的分割.对于部分舌图像,a?通道舌图像的舌苔、舌质虽然具有一定的区分度,但二者的区分度并不是十分明显,影响后续的分割结果.因此,本文提出一种基于直方图均衡化的伽马校正和K-means聚类的舌苔、舌质分离方法.方法 采用200幅肿瘤患者的舌图像作为实验样本.首先将舌图像从RGB颜色空间转换到CIELAB颜色空间,对a?通道舌图像进行直方图均衡化增强以及伽马校正,然后利用K-means聚类方法对增强后的舌图像舌苔、舌质分离,得到直方图均衡化以及伽马校正后的a?通道舌图像和分割后的舌苔、舌质图像.为了验证算法的可行性,请5位专业中医医生对200例肿瘤患者的舌图像舌苔、舌质分割效果进行辨析.结果 进行直方图均衡化以及伽马校正后的a?通道舌图像舌苔、舌质分割结果明显强于未经处理的a?通道舌图像分割结果.经辨析,分割合格率为97％.结论该方法可以很好地实现舌苔、舌质分离,具有一定的应用价值.

目的 探讨计算机辅助检测算法在乳腺X线摄影钙化检测诊断中的应用.资料与方法 回顾性分析经乳腺X线摄影检测且经病理学证实的病例样本316例,其中钙化病变样本112例、无钙化病灶样本204例.利用多尺度滤波去噪和自适应局部直方图均衡化预处理增强乳腺X线图像的对比度.通过K-means算法进行乳腺组织的多阈值迭代腺体分割.利用局部二值模式和灰度共生矩阵2个纹理特征进行乳腺钙化性病变真假阳性检测.比较计算机自动诊断结果与2名放射学专业医师诊断结果.结果 利用支持向量机、随机森林和自适应增强算法自动分类结果的精确率分别达到90.0％、81.5％和87.5％.从事乳腺X线诊断工作约1年的低年资住院医师诊断准确率为80.0％,从事乳腺X线诊断工作约5年的低年资主治医师诊断准确率为85.0％.结论 计算机自动支持向量机分类检测算法优于放射科医师的经验诊断结果.计算机辅助乳腺X线钙化病变检测算法具有较高的准确率,可为乳腺X线摄影放射科医师提供良好的第二观感.