科技论文写作格式

按照国家制定的科技论文格式标准，特制定投稿论文的写作格式如下，请您逐条对照您的论文格式，不符合要求之处请自行参照修改，谢谢！

1．关于题名

1） 文章题名一般不要超过20字；

2） 题名中避免使用非公知公用的缩略语、字符或公式；

3） 文章题名中的“浅谈”、“浅析”、“研究”请考虑慎用。

2． 关于摘要（国标GB6447-86，请见附页的文摘范例）

1） 摘要应具备 “目的、方法、结果、结论”四个基本要素，排除本学科中常识性内容，着重反映文章的新意和作者特别强调的观点；

2） 取消“本文”、“笔者”“我(们)”等第一人称语气，用第三者语气介绍；

3） 取消自行评价语（如“意义重大”，“具有极高应用价值”等）；

4） 提供相应的英文摘要，中英文内容基本相对应。

3． 关于关键词（参考国标GB/T3860—1995）

1） 关键词不少于3个，5个为宜；

2） 尽量使用专业领域的规范词；不要使用未共知共用的英文缩略词；

3） 表达新科学、新理论、新技术、新材料等新事物时，可使用自由词；来自英文则直接采用（“自由词”指各专业叙词表中尚未纳入的新术语）。

4． 关于正文

1） 学术/技术论文一般不要超过8000字，综述类文章一般不要超过10000字；

2） 引言不可太长，只用小段文字简要说明该项研究的理论基础、目的、相关领域的前人已做的工作、预期结果或意义等。言简意赅，不要与摘要雷同；一般性常识不必赘述;

2） 文章的章节层次要清楚；引言不占章节号，章节级数不要超过四级；

3） 正文的文字不要重复描述图中或表中内容。

5． 关于公式

1） 使用公式编辑器写公式，标准字体（斜体）；

2） 正文中公式与独立公式的字体字号要一致；

3） 独立公式要编序号，序号在公式右侧。

6． 关于图和表

1） 图应具有“自明性”，须有简明的题名；题名置于图下方；应有图序号，仅有一幅图也应标“图1；”

2） 图和图字不要过大，以免占版面太多，图字以6号字为宜；

4）曲线图的纵横坐标必须标注“量、标准规定符号、单位”；

5）扫描的照片图必须清晰，黑白反差适中，便于制版；

5）表应具有自明性，有简明的题名，题名置于表上方；应有表序号，仅有一表也标明“表1”；

6）表中项目由左至右横排，相同物理量的数据依序竖列；表中数据小数点对齐。

7． 关于参考文献

1） 参考文献应在正文中引用的地方用上标标注；

2） 参考文献不得少于5条；

3） 参考文献的著录格式请严格按国标（GB7714—2005）执行，参见附录标准范例。

8． 关于作者

1） 作者署名应执行国标GB7713：署名是人该项研究的直接参与者、主要贡献人、对内容负责的人；不要搞虚

假署名；

2）作者简介的详简程度如下：

第一作者稍详：刘思亮（1978-），男，江苏南京人，博士研究生，研究方向为现场总线和数据总线设计应用。 其他作者从简：董志荣（1937-），男，研究员，博士生导师。

作者联系方式：详细通信地址；联系电话；（请一定提供手机号，编辑部在稿件处理的各环节需用短信联系） 9． 关于基金项目

提供基金项目名称，资金来源和项目编号。

文摘写法及范例

文摘的定义：以提供文献内容梗概为目的，不加评论和解释，简明记述文献主要内容的短文。 文摘的写法：通常要求具备四个要素（国标GB6447-86）

1） 目的——研究的前提、目的和任务，所涉及的主题范围。

2） 方法——所用的原理、理论、条件、材料、工艺、装备、程序等。

3） 结果——研究的结果、被确定的关系、得到的效果、性能等。

4） 结论——结果的分析、比较、评价、应用；提出的问题；今后的假设、启发、建议、预测等。

例1 基于模糊推理的机动目标自适应多模型跟踪算法

[目的]针对当前空中来袭目标的主要特点，运用模糊理论和多模型理论探索空中机动目标跟踪问题。[方法]设计了一种模糊自适应多模型算法，该算法采用5个基本模型，以加速度估值作为模糊推理系统的输入，经模糊推理融合，[结果]得到系统状态和方差的估计值以及下一时刻的滤波模型（最多3个）。经蒙特卡罗仿真研究，与IMM算法相比较，[结论]该算法不仅在目标弱机动或不机动条件下，而且在复杂机动时能更稳定、精确地跟踪目标，较好地满足了海上对空防御作战中跟踪机动目标的需求。

（例1是报道性摘要，四个要素齐全，适用于学术/技术类论文，200-300字为宜。）

例2： 潜艇隐蔽攻击研究学术贡献与团队分析

探讨了美、俄、法等主要军事强国在潜艇隐蔽攻击研究领域的发展状况，详细阐述了60多年来潜艇隐蔽攻击研究历史及主要大国的研究成果。介绍了5位知名学者在该领域的研究历程和重要学术贡献，也指出了几位学者的局限性。提供了英、德、意等其它重要国家进行潜艇隐蔽攻击学术研究的具体单位。也介绍了中国在该领域的学术研究状况。最后对该领域研究的趋势和发展前景作了展望，特别指出了其未来新途径的三个方面。

（例2是指示性摘要，适用于综述类文章。只列举所涉及的主题范围。200字左右为宜）

参考文献格式

著作：[1]周宏仁，敬忠良，王培德. 机动目标跟踪原理[M]. 第2版. 北京：国防工业出版社，1991.

[2]Edward W. 信息战原理与实践[M]. 吴汉平,译. 北京：电子工业出版社，2004.

[3]Ryan T P. Statistical Method for Quality Improvement[M].Wiley, New York,1989.

期刊：[4]罗来科,朱训慧,蒋宝堂.坦克武器系统作战能力评价模型[J].火力与指挥控制, 2003,28(4):68-70.

[5]Blom H P, Bar-Shalom Y. The Interacting Multiple Model Algorithm for Systems with Markovian Switching

Co-efficients[J].IEEE Transactions on Automatic Control,1988,33(8):780-783.

会议文集：[6]董志荣. C3I系统理论体系与范畴[C]//火力与指挥控制20xx年学术会议论文集. 连云港：中国船舶重工集团

公司第716研究所，2002.

[7]Colorni A，Dorigo M，Maniezzo V. An Investigation of some Properties of an Ant Algorithm[C].In: Proc of the Parallel Problem Solving from Nature Conference(PPSN ?92)，Brussels，Belgium: Elsevier Publishing，1992:509-520.

学位论文：[8] 何海波. 高精度GPS动态测量及质量控制[D].郑州：中国人民解放军信息工程大学，2002.

电子文献：[9]Online Computer Library Center.Inc.History of OCLC[EB/OL].[2000-01-08]./oclo/menu/history.htm.

常用文献类型代码

著作 [M] Monograph

期刊 [J] Journal

学位论文 [D] Diploma

会议文集 [C] Colloquia

报告 [R] Report

标准 [S] Standard 专利文献 [P] Patent 数据库 [DB] Data Base 计算机程序 [CP] Computer Program 报纸文章 [N] Newspaper 网上期刊 [J/OL] Journal/On Line 网上电子公告[EB/OL]EB/On Line

第二篇：科技论文写作格式范例

医学图像处理技术

XXX

((华中科技大学 生命科学与技术学院 湖北 武汉 430074) )

摘要随着医学成像和计算机辅助技术的发展，从二维医学图像到三维可视化技术成为研究的热点，本文介绍了医学图像处理技术的发展动态，对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域中应用的基础上，提出了医学图像处理技术发展所面临的相关问题及其发展方向。

关键词 医学图像处理

引言 图像分割 图像配准 图像融合

近20 多年来，医学影像已成为医学技术中发展最快的领域之一，其结果使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率也更高。20 世纪70 年代初，X-CT 的发明曾引发了医学影像领域的一场革命，与此同时，核磁共振成像象(MRI :Magnetic Resonance Imaging)、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。计算机和医学图像处理技术作为这些成像技术的发展基础，带动着现代医学诊断正产生着深刻的变革。各种新的医学成像方法的临床应用，使医学诊断和治疗技术取得了很大的进展，同时将各种成像技术得到的信息进行互补，也为临床诊断及生物医学研究提供了有力的科学依据。

在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系,仅通过观察二维切片图象是很难实现的。因此,利用计算机图象处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析,可以大大提高医疗诊断的准确性和可靠性。此外,它在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。

本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。

1. 医学图像三维可视化技术

1.1. 三维可视化概述

医学图像三维重建是一个多学科交叉的研究领域,它涉及数字图像处理、计算机图形学以及医学领域的相关知识。医学图像三维重建在诊断医学、手术规划及模拟仿真、整形及假肢外科、放射治疗规划、解剖教学等方面都有重要应用。因此,对医学图像三维重建的研究,具有重要的学术意义和应用价值。现代医疗影像设备所获得的医学体数据量越来越多,以及医学图像本身的复杂性,使得三维重建所需处理的数据量巨大,因此提高医学图像分割的准确性、优化绘制算法、提高处理速度变得十分重要。本文主要对基于序列CT二维图像的三维可视化各个步骤的算法进行了研究。论文在分析了CT图像的成像原理的基础上,得出了CT图像的特点,介绍了CT图像预处理的几何变换和滤波处理算法。然后,对CT图像的基于区域和基于边缘的两类分割算法进行了介绍。最后,详细描述了CT图像三维重建的两种基本算法的基本原理,即传统的面绘制算法和体绘制算法,分析了它们的优缺点,并分别针对这两种算法提出了以下两种改进的算法: (1) 针对传统的面绘制算法中的拓扑不一致、计算效率低、输出网格数量巨大的不足,提出了基于面绘制的面跟踪算法。通过单层表面跟踪、数据缓冲和三角带生成三个步骤,来完成面绘制算法的三维数据的快速生成。(2) 针对传统体绘制中数据量巨大、绘制速度慢的缺点,提出了基于分割的体绘制算法。通过阈值来对体数据进行大致的分割,这样进行体绘制的数据量减少了,从而加快了

绘制的速度。论文以此为基础,在PC 上,基于Windows 操作系统,利用Visual C++开发工具,运用计算机图形学和图像处理技术,实现了三维体数据的输入;二维CT 图像数据的显示和预处理;通过阈值对CT 数据进行了分割;运用改进后的算法分别对分割后的数据进行了面绘制和体绘制;对绘制后的数据在屏幕上形象逼真地进行了显示;对显示的数据进行交互式的观察,如旋转、放大、缩小。这样形成了一个三维重建的系统,为后续开发提供了软件平台。论文还对今后进一步的工作进行了展望。

1.2. 关键技术

图像分割是三维重构的基础，分割效果直接影像三维重构的精确度。图像分割是将图像分割成有意义的子区域，由于医学图像的各区域没有清楚的边界，为了解决在医学图像分割中遇到不确定性的问题，引入模糊理论的模糊阀值、模糊边界和模糊聚类等概念。快速准确的分离出解剖结构和定位区域位置和形状，自动或半自动的图像分割方法是非常重要的。在实际应用中有聚类法、统计学模型、弹性模型、区域生长、神经网络等适用于医学图像分割的具体方法。

由于可以对同一部位用不同的成像仪器多次成像，或用同一台仪器多次成像，这样产生了多模态图像。多模态图像提供的信息经常相互覆盖和具有互补性，为了综合使用多种成像模式以提供更全面的信息，需要对各个模态的原始图像进行配准和数据融合，其整个过程称为数据整合。整合的第一步是将多个医学图像的信息转换到一个公共的坐标框架内的研究，使多幅图像在空间域中达到几何位置的完全对应，称为三维医学图像的配准问题。建立配准关系后，将多个图像的数据合成表示的过程，称为融合。在医学应用中，不同模态的图像还提供了不互相覆盖的结构互补信息，比如，当CT提供的是骨信息，MRI提供的关于软组织的信息，所以可以用逻辑运算的方法来实现它们图像的合成。

当分割归类或数据整合结束后，对体数据进行体绘制。体绘制一般分为直接体绘制和间接体绘制，由于三维医学图像数据量很大，采用直接体绘制方法，计算量过重，特别在远程应用和交互操作中，所以一般多采用间接体绘制。在图形工作站上可以进行直接体绘制，近来随着计算机硬件快速发展，新的算法，如三维纹理映射技术，考虑了计算机图形硬件的特定功能及体绘制过程中的各种优化方法，从而大大地提高了直接体绘制的速度。体绘制根据所用的投影算法不同加以分类，分为以对象空间为序的算法（又称为体素投影法）和以图像空间为序的算法!又称为光线投射法"，一般来说，体素投影法绘制的速度比光线投射法快。由于三维医学图像的绘制目的在于看见内部组织的细节，真实感并不是最重要的，所以在医学应用中的绘制要突出特定诊断所需要的信息，而忽略无关信息。另外，高度的可交互性是三维医学图像绘制的另一个要求，即要求一些常见操作，如旋转，放大，移动，具有很好的实时性，或至少是在一个可以忍受的响应时间内完成。这意味着在医学图像绘制中，绘制时间短的可视化方法更为实用。

未来的三维可视化技术将与虚拟现实技术相结合，不仅仅是获得体数据的工具，更主要的是能创造一个虚拟环境。

2. 医学图像分割

基于图论的图像分割技术是近年来国际上图像分割领域的一个新的研究热点。该方法将图像映射为带权无向图，把像素视作节点。利用最小剪切准则得到图像的最佳分割 该方法本质上将图像分割问题转化为最优化问题。是一种点对聚类方法。对数据聚类也具有很好的应用前景。但由于其涉及的理论知识较多，应用也还处在初级阶段。因此国内这方面的研究报道并不多见，本文将对图论方法用于图像分割的基本理论进行简要介绍，并对当前图论方法用于图像分割的最新研究进展进行综述，并着重介绍基于等周图割的图像分割的方法。

2.1. 基于统计学的方法

统计方法是近年来比较流行的医学图像分割方法。从统计学出发的图像分割方法把图像中各个像素点的灰度值看作是具有一定概率分布的随机变量,观察到的图像是对实际物体做了某种变换并加入噪声的结果,因而要正确分割图像,从统计学的角度来看,就是要找出以最大的概率得到该图像的物体组合。用吉布斯（Gibbs）分布表示的Markov随机场(MRF)模型,能够简单地通过势能形式表示图像像素之间的相互关系,因此周刚慧等结合人脑MR图像的空间关系定义Markov随机场的能量形式,然后通过最大后验概率(MAP)方法估计Markov随机场的参数,并通过迭代方法求解。层次MRF采用基于直方图的DAEM算法估计标准有限正交混合(SFNM)参数的全局最优值,并基于MRF先验参数的实际意义,采用一种近似的方法来简化这些参数的估计。林亚忠等采用的混合金字塔Gibbs随机场模型,有效地解决了传统最大后验估计计算量庞大和Gibbs 随机场模型参数无监督及估计难等问题,使分割结果更为可靠。

2.2. 基于模糊集理论的方法

医学图像一般较为复杂，有许多不确定性和不精确性，也即模糊性。所以有人将模糊理论引入到图像处理与分析中，其中包括用模糊理论来解决分割问题。基于模糊理论的图形分割方法包括模糊阈值分割方法、模糊聚类分割方法等。模糊阈值分割技术利用不同的S型隶属函数来定义模糊目标，通过优化过程最后选择一个具有最小不确定性的S函数，用该函数表示目标像素之间的关系。这种方法的难点在于隶属函数的选择。模糊C均值聚类分割方法通过优化表示图像像素点与C各类中心之间的相似性的目标函数来获得局部极大值，从而得到最优聚类。Venkateswarlu等[改进计算过程，提出了一种快速的聚类算法。

2.2.1. 基于模糊理论的方法

模糊分割技术是在模糊集合理论基础上发展起来的,它可以很好地处理MR图像内在的模糊性和不确定性,而且对噪声不敏感。模糊分割技术主要有模糊阈值、模糊聚类、模糊边缘检测等。 在各种模糊分割技术中,近年来模糊聚类技术,特别是模糊C-均值(FCM)聚类技术的应用最为广泛。FCM是一种非监督模糊聚类后的标定过程,非常适合存在不确定性和模糊性特点的MR图像。然而,FCM算法本质上是一种局部搜索寻优技术,它的迭代过程采用爬山技术来寻找最优解,因此容易陷入局部极小值,而得不到全局最优解。近年来相继出现了许多改进的FCM分割算法,其中快速模糊分割(FFCM)是最近模糊分割的研究热点。FFCM算法对传统FCM算法的初始化进行了改进,用K-均值聚类的结果作为模糊聚类中心的初值,通过减少FCM的迭代次数来提高模糊聚类的速度。它实际上是两次寻优的迭代过程,首先由K-均值聚类得到聚类中心的次最优解,再由FCM进行模糊聚类,最终得到图像的最优模糊分割。

2.2.2. 基于神经网络的方法

按拓扑机构来分,神经网络技术可分为前向神经网络、反馈神经网络和自组织映射神经网络。目前已有各种类型的神经网络应用于医学图像分割,如江宝钏等利用MRI多回波性,采用有指导的BP神经网络作为分类器,对脑部MR图像进行自动分割。而Ahmed和Farag则是用自组织Kohenen网络对CT/MRI脑切片图像进行分割和标注,并将具有几何不变性的图像特征以模式的形式输入到Kohenen网络,进行无指导的体素聚类,以得到感兴趣区域。模糊神经网络(FNN)分割技术越来越多地得到学者们的青睐,黄永锋等提出了一种基于FNN的颅脑MRI半自动分割技术,仅对神经网络处理前和处理后的数据进行模糊化和去模糊化,其分割结果表明FNN分割技术的抗噪和抗模糊能力更强。

2.2.3. 基于小波分析的分割方法

小波变换是近年来得到广泛应用的一种数学工具，由于它具有良好的时一频局部化特征、尺度变化特征和方向特征，因此在图像处理上得到了广泛的应用。

小波变换和分析作为一种多尺度多通道分析工具，比较适合对图像进行多尺度的边缘检测，典型的有如Mallat小波模极大值边缘检测算法

2.3. 基于知识的方法

基于知识的分割方法主要包括两方面的内容:

(1)知识的获取,即归纳提取相关知识,建立知识库；

(2)知识的应用,即有效地利用知识实现图像的自动分割。

其知识来源主要有:

(1)临床知识,即某种疾病的症状及它们所处的位置；

(2)解剖学知识,即某器官的解剖学和形态学信息,及其几何学与拓扑学的关系,这种知识通常用图谱表示；

(3)成像知识,这类知识与成像方法和具体设备有关；

(4)统计知识,如M I的质子密度(PD)、T1和T2统计数据。

Costin等提出了一种基于知识的模糊分割技术,首先对图像进行模糊化处理,然后利用相应的知识对各组织进行模糊边缘检测。而谢逢等则提出了一种基于知识的人脑三维医学图像分割显示的方法。首先,以框架为主要表示方法,建立完整的人脑三维知识模型,包含脑组织几何形态、生理功能、图像灰度三方面的信息；然后,采用“智能光线跟踪”方法,在模型知识指导下直接从体积数据中提取并显示各组织器官的表面。

2.4. 基于模型的方法

该方法根据图像的先验知识建立模型,有动态轮廓模型(Active Contour Model,又称Snake)、组合优化模型等,其中Snake最为常用。Snake算法的能量函数采用积分运算,具有较好的抗噪性,对目标的局部模糊也不敏感,但其结果常依赖于参数初始化,不具有足够的拓扑适应性,因此很多学者将Snake与其它方法结合起来使用,如王蓓等利用图像的先验知识与Snake结合的方法,避开图像的一些局部极小点,克服了Snake方法的一些不足。Raquel等将径向基网络(RBFNN cc)与Snake相结合建立了一种混合模型,该模型具有以下特点:

(1) 该混合模型是静态网络和动态模型的有机结合；

(2) Snake的初始化轮廓由RBFNN cc提供；

(3) Snake的初始化轮廓给出了最佳的控制点；

(4) Snake的能量方程中包含了图像的多谱信息。

Luo等提出了一种将live wire算法与Snake相结合的医学图像序列的交互式分割算法,该算法的特点是在少数用户交互的基础上,可以快速可靠地得到一个医学图像序列的分割结果。

由于医学图像分割问题本身的困难性，目前的方法都是针对某个具体任务而言的，还没有一个通用的解决方法。综观近几年图像分割领域的文献，可见医学图像分割方法研究的几个显著特点：（1）学者们逐渐认识到现有任何一种单独的图像分割算法都难以对一般图像取得比较满意的结果，因而更加注重多种分割算法的有效结合；（2）在目前无法完全由计算机来完成图像分割任务的情况下，半自动的分割方法引起了人们的广泛注意，如何才能充分利用计算机的运算能力，使人仅在必要的时候进行必不可少的干预，从而得到满意的分割结果是

交互式分割方法的核心问题；（3）新的分割方法的研究主要以自动、精确、快速、自适应和鲁棒性等几个方向作为研究目标，经典分割技术与现代分割技术的综合利用（集成技术）是今后医学图像分割技术的发展方向。 3. 医学图像配准和融合

医学图像可以分为解剖图像和功能图像2 个部分。解剖图像主要描述人体形态信息，功能图像主要描述人体代谢信息。为了综合使用多种成像模式以提供更全面的信息，常常需要将有效信息进行整合。整合的第一步就是使多幅图像在空间域中达到几何位置的完全对应，这一步骤称为“配准”。整合的第二步就是将配准后图像进行信息的整合显示，这一步骤称为“融合”。

在临床诊断上，医生常常需要各种医学图像的支持，如CT、MRI、PET、SPECT以及超声图像等，但无论哪一类的医学图像往往都难以提供全面的信息，这就需要将患者的各种图像信息综合研究19]，而要做到这一点，首先必须解决图像的配准(或叫匹配)和融合问题。医学图像配准是确定两幅或多幅医学图像像素的空间对应关系；而融合是指将不同形式的医学图像中的信息综合到一起，形成新的图像的过程。图像配准是图像融合必需的预处理技术，反过来，图像融合是图像配准的一个目的。

3.1. 医学图像配准

医学图像配准包括图像的定位和转换，即通过寻找一种空间变换使两幅图像对应点达到空间位置上的配准，配准的结果应使两幅图像上所有关键的解剖点或感兴趣的关键点达到匹配。20世纪90年代以来，医学图像配准的研究受到了国内外医学界和工程界的高度重视，19xx年Petra等]综述了二维图像的配准方法，并根据配准基准的特性，将图像配准的方法分为两大类：基于外部特征（有框架）的图像配准和基于内部特征（无框架）的图像配准。基于外部特征的方法包括立体定位框架法、面膜法及皮肤标记法等。基于外部特征的图像配准，简单易行，易实现自动化，能够获得较高的精度，可以作为评估无框架配准算法的标准。但对标记物的放置要求高，只能用于同一患者不同影像模式之间的配准，不适用于患者之间和患者图像与图谱之间的配准，不能对历史图像做回溯性研究。基于内部特征的方法是根据一些用户能识别出的解剖点、医学图像中相对运动较小的结构及图像内部体素的灰度信息进行配准。基于内部特征的方法包括手工交互法、对应点配准法、结构配准法、矩配准法及相关配准法。基于内部特征的图像配准是一种交互性方法，可以进行回顾性研究，不会造成患者不适，故基于内部特征的图像配准成为研究的重点。近年来，医学图像配准技术有了新的进展，在配准方法上应用了信息学的理论和方法，例如应用最大化的互信息量作为配准准则进行图像的配准，在配准对象方面从二维图像发展到三维多模医学图像的配准。例如Luo等利用最大互信息法对CT-MR和MR-PET三维全脑数据进行了配准，结果全部达到亚像素级配准精度。在医学图像配准技术方面引入信号处理技术，例如傅氏变换和小波变换。小波技术在空间和频域上具有良好的局部特性，在空间和频域都具有较高的分辨率，应用小波技术多分辨地描述图像细貌，使图像由粗到细的分级快速匹配，是近年来医学图像配准的发展之一。国内外学者在这方面作了大量的工作，如Sharman等提出了一种基于小波变换的自动配准刚体图像方法，使用小波变换获得多模图像特征点然后进行图像配准，提高了配准的准确性。另外，非线性配准也是近年来研究的热点，它对于非刚性对象的图像配准更加适用，配准结果更加准确。

目前许多医学图像配准技术主要是针对刚性体的配准，非刚性图像的配准虽然已经提出一些解决的方法，但同刚性图像相比还不成熟。另外，医学图像配准缺少实时性和准确性及有效的全自动的配准策略。向快速和准确方面改进算法，使用最优化策略改进图像配准以及对非刚性图像配准的研究是今后医学图像配准技术的发展方向。

3.2. 医学图像融合

图像融合的主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可读性,对多幅图像间的互补信息的处理来提高图像的清晰度。不同的医学影像设备获取的影像反映了不同的信息：功能图像（SPECT、PET 等）分辨率较差，但它提供的脏器功能代谢和血液流动信息是解剖图像所不能替代的；解剖图像（CT、MRI、B 超等）以较高的分辨率提供了脏器的解剖形态信息，其中CT 有利于更致密的组织的探测，而MRI能够提供软组织的更多信息。多模态医学图像的融合把有价值的生理功能信息与精确的解剖结构结合在一起，可以为临床提供更加全面和准确的资料。

目前，医学图像融合技术中还存在较多困难与不足。首先，基本的理论框架和有效的广义融合模型尚未形成。以致现有的技术方法还只是针对具体病症、具体问题发挥作用，通用性相对较弱。研究的图像以CT、MRI、核医学图像为主，超声等成本较低的图像研究较少且研究主要集中于大脑、肿瘤成像等；其次，由于成像系统的成像原理的差异，其图像采集方式、格式以及图像的大小、质量、空间与时间特性等差异大，因此研究稳定且精度较高的全自动医学图像配准与融合方法是图像融合技术的难点之一；最后，缺乏能够客观评价不同融合方法融合效果优劣的标准，通常用目测的方法比较融合效果，有时还需要利用到医生的经验。

在图像融合技术研究中，不断有新的方法出现，其中小波变换在图像融合中的应用，基于有限元分析的非线性配准以及人工智能技术在图像融合中的应用将是今后图像融合研究的热点与方向。随着三维重建显示技术的发展，三维图像融合技术的研究也越来越受到重视，三维图像的融合和信息表达，也将是图像融合研究的一个重点。

结语

随着远程医疗技术的蓬勃发展，对医学图像处理提出的要求也越来越高。医学图像处理技术发展至今，各个学科的交叉渗透已是发展的必然趋势，其中还有很多亟待解决的问题。有效地提高医学图像处理技术的水平，与多学科理论的交叉融合、医务人员和理论技术人员之间的交流就显得越来越重要。多维、多参数以及多模式图像在临床诊断（包括病灶检测、定性，脏器功能评估，血流估计等）与治疗（包括三维定位、体积计算、外科手术规划等）中将发挥更大的作用。

参考文献

1.百度百科

2.维基百科

3.刘俊敏，黄忠全，王世耕，张颖. 医学图像处理技术的现状及发展方向[J]. 医疗卫生设备，2005，Vol26

4. 田娅，饶妮妮，蒲立新. 国内医学图像处理技术的最新动态[J]. 电子科技大学学报，2002，Vol31（5）： 485-489.

5. 周刚慧，施鹏飞．磁共振图像的随机场分割方法[J]．上海交通大学学报，2001，Vol35（11）：1655．

6．林亚忠，陈武凡，杨丰. 基于混合金字塔吉布斯随机场模型的图像分割[J]. 中国生物医学工程学报，2004，Vol23（1）：79.

7. 聂生东，陈瑛，顾顺德．磁共振颅脑图像快速模糊聚类分割算法研究[J]．中国生物医学工程学报，2001，Vol20

（2）：104．

8. 江宝钏，张钧良．基于BP 神经网络的MRI 分割[J]. 微机发展，2000，Vol1：67.

9. 黄永峰，岑康，司京玉等. 模糊神经网络在颅脑磁共振图像分割中的应用研究[J]. 中国生物医学工程学报，2003，Vol22（6）：508.

10. 谢逢，罗立民，田雪琴. 基于知识的人脑三维医学图像分割显示方法[J]. 生物医学工程学杂志，1997，Vol14

（2）：124.

11. 王蓓，张立明. 利用图像先验知识与Snake 结合对心脏序列图像的分割[J]. 复旦大学学报（自然科学版），2003，Vol42（1）：81.

12. 卢健，胡志忠，杨如乃. 医学图像融合技术的研究[J]. 上海生物医学工程，2006，Vol27（3）：163-167.