隨著時代的進步，影像處理技術應用在醫學上的情況越來越普遍，但是如今的醫療輔助診斷系統還是有很多不足的地方。舉例來說像是操作程序過於複雜、處理時間太久、輔助結果不夠人性化以及所分割定位出的結果並不夠準確，這些通通是現在醫學影像上的研究重點。基於以上這些理由，因此在這邊提供一個完善的醫學輔助系統。首先，可以先對所得到的醫學影像做些型態影像學的去雜點以及加強明暗對比，之後再藉由Sobel Filter的分割法將所感興趣的影像找出來;並且在一連串的影像中設立定位模組，更能夠對整個系列的圖像產生定位化的效果;再來可以由醫療人員針對所想要觀察的部位來做影像的設定及分析，觀察其體積變化以及能量強度的反應;最後再針對這些結果其所定位出來的部位定不同之門檻值並轉換以影像呈現，藉由轉換後之影像資料，來做為醫師診斷之輔助資訊。由於不需要額外的輔助工具或是消耗過多的資源，因此這個系統可以節省大量的時間。最後將這些功能通通應用在網路上，達到只要有網路就可以隨手取用的功能，可以提供一個無形又便利的輔助工具。

As time goes by, it becomes common that some technologies of image processing applied on medical purposes. There are still shortages and disadvantages of current medical aid system. Complex operation procedures, long processing time, unfriendly and inaccurate results, these topics are popular issues on research of medical image processing. Based on these reasons above, we proposed a complete medical aid system to remove noises and enhance contrast from the source medical image. Then the regions of interest are divided by Sobel Filter and positioning models are established in a set of continuous frames to locate regions in a series of images. We can change the settings of medical image analysis according to users’ requirements and observe the volume variation and intensity of energy to present target images by different thresholds in cases. Theses processed image information can be referenced by doctors. There is no necessary for using additional tools and resources, so diagnosis time can be saved by using this system. Finally we integrated this system to a web component, users can access this system via network, we just develop a convenient and efficient tool.

目   錄
第一章、緒論	1
		1.1 研究動機	1
		1.2 研究目的	3
		1.3 論文組織架構	6

第二章、相關研究	7
		2.1 醫學影像概述	7
		2.2 醫學影像造影技術	9
		  2.2.1投影式造影技術	11
		  2.2.2斷層影像重組	12
		2.3 PACS系統概述	19
		2.4 DICOM概述	22
		  2.4.1醫學影像的特徵	22
		  2.4.2 DICOM優點	28
		  2.4.3 DICOM與影像分析	28
		  2.4.4 DICOM Message	29
		  2.4.5 DICOM File Format	29
		  2.4.6 DICOM檔案的讀取	30
		  2.4.7 DICOM Data Element	30
		  2.4.8 DICOM與影像處理相關之重要標籤	32
		  2.4.9 DICOM檔案的其他特性	33
		2.5國內相關研究	34
		2.6國外相關研究	34

第三章、研究方法	36
		3.1 理論基礎	36
		3.2 色彩空間概述	36
		  3.2.1 RGB色彩空間	37
		  3.2.2 HIS色彩空間	38
		  3.2.3 YUV、YIQ、YCbCr色彩空間	40
		  3.2.4 CIELab色彩空間	41
		3.3 灰階化處理	42
		3.4 Median filter	42
		3.5 ActiveX	43
		  3.5.1 使用ActiveX之目的	43
		  3.5.2 ActiveX的分類	44
		  3.5.3 ActiveX Control架構	45
		3.6研究方法概述	46
		3.7影像瀏覽	46
		  3.7.1亮度對比度的變化	47
		  3.7.2放大的效果	47
		  3.7.3灰階圖像轉為能量圖像	47
		3.8影像分割(定位)	48
		3.9對比增強動作	49
		3.10 Sobel Filter(索貝爾濾波法)	51
		3.11 影像分析	53
		  3.11.1影像強度分析概述	53
		  3.11.2分析值的意義	54
		  3.11.3分析值的應用	55
		  3.12 Lαβ 色彩空間	55

第四章、實驗與成果展示	58
		4.1診斷系統頁面	58
		4.2圖像瀏覽器	61
		4.3器官分割系統	65
		4.4數值分析與曲線輸出	70

第五章、結論與未來研究方向	79
		5.1 結論	79
		5.2 未來展望	79
參考文獻	82

 
圖目錄
圖1目前影像醫學所採用之診斷方法	2
圖2 本系統為醫療人員所提供系統之後改善的成果圖	5
圖3各種影像造影(a) X-RAY (b) CT Image (c) MRI Image	10
圖4 X光系統架構	11
圖5 X光成像系統	11
圖6 超導體導體	16
圖7 原子基本結構	17
圖8 原子核的旋轉	17
圖9人體內磁場	18
圖10 MRI所提供的三種切面空間	19
圖11參考至依田漥醫院PACS系統架構	21
圖12 DICOM Message範例	29
圖13 DICOM元素之基本結構	30
圖14 不同Window Level與 Window Width值對影像的影響	33
圖15 RGB色立方體	38
圖16 (a) HSI, (b) HLS and (c) HSV	40
圖17 CIE光源曲線示意圖	41
圖18 由 X、Y、Z三個軸向所構成的 CIE XYZ 色彩空間	42
圖19 ActiveX開放式整合平台的互動性	44
圖20 ActiveX Control 處理過程	46
圖21 能量色階	47
圖22 門檻識別圖	48
圖23模糊不清、雜訊、影像遺失的器官	49
圖24 作對比增強之前Pixel値所散佈的位置	50
圖25 作對比增強之後Pixel値所散佈的位置	51
圖26 強度分析圖(此圖為SOI值)	55
圖27 R、G、B任兩軸之點分布	57
圖28 L、α、β任兩軸之點分布圖	57
圖29 出現下載ActiveX元件畫面	59
圖30診斷系統介面	60
圖31(A)DICOM瀏覽器	61
圖31(B)瀏覽器的簡易功能	62
圖32原圖與能量階層圖	63
圖33檔頭資訊	64
圖34局部區域放大效果	64
圖35分割系統介面	65
圖36 DICOM檔案讀取區	66
圖37 簡易DICOM瀏覽器	66
圖38 處理功能表	67
圖39 Sobel Filter	68
圖40 原圖前處理區	68
圖41 ROI選取功能	69
圖42 取出ROI後之結果	70
圖43多重區域選取	70
圖44 系統首頁介面	70
圖45 讀取DICOM檔案	71
圖46 選取分析選單	72
圖47 選取ROI	73
圖48 手動選取ROI區塊	74
圖49 自動選取ROI區塊	74
圖50 ROI分析結果(Peak%)	75
圖51 由異常曲線找出點的位置	76
圖52 由點的位置找出曲線走向	77
圖53 對整個系列圖檔做強度分析的動作	78

 
表目錄
表一 醫學影像檢測分類 	8
表二 成影種類及項目 	9
表三 HIS系統簡介 	22
表四 各式醫學影像之大小 	28
表五 Z1,Z2,…,Z9。的位置 	52
表六Gx遮罩 	52
表七 Gy遮罩 	53

公式目錄

公式 1	39
公式 2	40
公式 3	41
公式 4	51
公式 5	52
公式 6	57
公式 7	57

[1] http://medical.nema.org/

[2]http://www.isu.edu.tw/sunjy/dist/schoolyear87/%A4W%BD%D2%B1%D0%A7%F787%A4U/880428/ 

[3] The DICOM Standard Miloš Šrámek Viskom, Austrian Academy of Sciences

[4] "Digital Imaging and Communications in Medicine (DICOM) Part 12: Media Formats and Physical Media for Media Interchange
National Electrical Manufacturers Association", 2003 by the National Electrical Manufacturers Association.

[5] F. Ding, W. K. Leow, S.-C. Wang. “Segmentation of 3D CT Volume Images Using a Single 2D Atlas”, LNCS 3765, Springer, 2005, pp. 459-468.

[6] Y. Chen, X. Ee, W. K. Leow, T. S. Howe. “Automatic Extraction of Femur Contours from Hip X-ray Images”. In Proc. First International Workshop on Computer Vision for Biomedical Image Applications (CVBIA 2005) (in conjunction with Int. Conf. on Computer Vision, 2005). Y. Liu, T. Jiang, C. Zhang (Eds.), LNCS 3765, Springer, 2005, pp. 200-209.

[7] Juan I. Pastore, Emilce G. Moler, Virginia.,“Segmentation of brain magnetic resonance through morphological operators geodesic distance”, Mar del Plata, Available online 4 January 2005

[8] P.A. Bromiley, N.A. Thacker, M.L.J. Scott, M. Pokri_c,A.J. Lacey, and T.F. Cootes, "Bayesian and Non-Bayesian Probabilistic Models for Medical Image Analysis", Image and Vision Computing, 21/10 pp. 851-864,2003.

[9] Brian Parker "Three-Dimensional Medical Image Segmentation Using a Graph-Theoretic Energy-Minimisation Approach" Australia 2002, Australian Computer Society.

[10] MOREL, J., SOLIMINI, S. (1995): “Variational Methods
in Image Segmentation”. Boston, Birkhauser.

[11] Song Wang, Weiyu Zhu and Zhi-Pei Liang “Shape Deformation: SVM Regression and Application to Medical Image Segmentation”, IL 61801, U.S.A., iccv01a

 [12] A statistically based flow for image segmentation
Eric Pichon a,*, Allen Tannenbaum a, Ron Kikinis b, MA, USA 2004 Elsevier B.V.

[13] T. P. Tian, “Detection of Femur Fractures in X-Ray Images”, M.Sc. Thesis, Dept. of Computer Science, School of Computing, National University of Singapore, 2002.

[14] Matei Mancas, “Bernard Gosselin Towards an automatic tumor segmentation using iterative watersheds” SPIE2004

[15] F. Mendels, C. Heneghan, J.P. Thiran“Identification of the Optic Disk Boundary in Retinal Images Using Active Contours”IMVIP'99 8th - 9th September 1999. 

[16] Wei Wang; Aidong Zhang; Yuqing Song, “Identification of objects from image regions”,Multimedia and Expo, 2003. ICME ’03. Proceedings. 2003 International  Conference, Volume 1,6-9 July 2003 pp253-256.

[17] McAuliffe, M.J.; Lalonde, F.M.; McGarry, D.;Gandler, W.;Csaky, K.; Trus, B.L.; ”Medical Image Processing, Analysis and Visualization in clinical research ”, Computer-Based Medical Systems, 2001. CBMS 2001. Procedings 14th IEEE Symposium,26-27 July 2001 pp381-386.

[18] X. Wang, D. Feng and H. Hong, “Novel Elastic Registration for 2-D Medical and Gel Protein Images”, Asia-Pacific Bioinformatics Conference 2003(APBC2003), Adelaide, Australia, 4-7 Feb 2003, pp223-226.
[19] Shih, T. K., Liang-Chen Lu, Ying-Hong Wang, Rong-Chi Chang, “Multi-resolution image inpainting.” Processidings on 2003 International Conference Multimedia and Expo, 2003. ICME ‘03., Vol.1,6-9 July 2003,pp.485-488

[20]Chi Zhang; Wang,P.,”A new method of color image segmentation based on intensity and hue clustering,” Pattern Recognition, 2000. Proceedings.15th International Conference on Vol,3, 3-7 Sept. 2000,pp.613-616