计算机辅助诊断在医学影像诊断中的基本原理和应用进展

董伊

摘要：在医学影像诊断治疗过程中，应用计算机辅助诊断技术可以自动提取病症图像中的特征，并运用高效的机器学习算法针对病变部位进行诊断。目前时期，该项技术主要被应用于多种临床疾病的多模态影像诊断分析过程中，对于医学影像诊断检查质量的提升具有重要的促进作用。鉴于此，文中对计算机辅助诊断在医学影像诊断中的基本原理和应用进展进行了一系列的分析，首先对该项技术的基本原理进行了阐述，包括数据处理原理、图像分割原理、样本采集原理等，随后对其应用进展进行了研究，包括在肺结节诊断、乳腺癌诊断、CT结肠癌等临床病症诊断中的应用，旨在提升计算机辅助诊断在医学影像诊断中的应用价值。

关键词：计算机辅助诊断技术；医学影像诊断；人工智能

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）15-0170-01

伴随着我国影像技术的不断发展进步，在医疗领域中，越来越多的利用到了X线、超声等影像技术医学病症诊断。1966年，计算机辅助诊断技术概念首次被提及，但是由于受到当时计算机技术发展水平的影响，之后对于该方面的研究越发受到限制。直至20世纪末，相关计算机应用技术、数学算法等发展的完善，才使得计算机辅助诊断技术在医学影像诊断领域中得以快速发展进步。另一方面，根据输出结果的不同，该项技术的被划分为两种类别，其一是计算机辅助检出。其二是计算机辅助诊断，将会针对后者深入探讨，对于医学影像诊断质量提升具有一定现实意义。

1计算机辅助诊断在医学影像诊断中的基本原理

1.1数据处理原理

在医学影像诊断中应用计算机辅助诊断技术进行诊断时，首先需要在系统中输入相应的诊断参数完成预处理，降低图像的噪声、矫正图像灰度不均匀性[1]。此类操作的执行，目的在于将诊断数据中不同的类型或者来源不同造成的差异弥补掉。虽然该项操作并不是辅助技术的必要构成部分，但是如果未提前进行将会引起最终的诊断误差。

1.2 图像分割原理

在计算机辅助诊断技术中，图像分割的原理在于将诊断图像分割为不同的解剖区域，然后对图像中的特定目标进行病灶特征的识别和提取，提升诊断精确性[2]。具体而言，图像分割方法主要包括两种，一种是自动分割，另一种是人工分割，与前者相比，后者存在主观性大、重复性低、三维分割效率低的缺陷，所以自动分割的应用频率比较高。自动分割主要包括四种类型的分割方法，其分割条件分别为区域条件、边缘检测条件、阈值选取条件、特定理论条件。

1.3 样本采集原理

在进行计算机辅助诊断技术的样本采集原理分析时，应该专门针对该项技术的研究区域进行有效的识别和采样，该研究区域主要包括肿瘤疾病的可疑癌灶、结肠息肉等[3]。另一方面，样本采集对计算机辅助诊断技术应用的要求点为必须具备较高的敏感性，但是对于特异性的要求则比较低，需要后续进行相应的改进研究。

1.4 图像特征提取原理

通常情况下，计算机辅助诊断系统需要对采集样本开展进一步的研究与分析，换言之，就是对前一步骤中所采集到的样本数据进行分析。通常情况下，比较常用的图像特征主要有以下几点，其一是信号强弱程度的相关统计量，其二是边缘特征，其三是纹理特征。该部分特征都可以用于反馈图像的信号强度等内容。此间需要注意一点是，图像特征的提取工作是计算机辅助诊断技术应用中的重点内容，并不是越多检出效能越高，而是应该选择性的缩短技术运用时间，提升病灶检出率。

2计算机辅助诊断在医学影像诊断中的应用进展

2.1计算机辅助诊断技术在肺结节诊断中的应用

胸片影像是计算机辅助诊断技术进行最早的一个领域，但是，由于受到人体胸片上支气管血管束以及人体肋骨的解剖结构重叠的影响，致使该该项技术在进行早期的小结节灶以及早期肺癌病变的诊断中经常出现漏诊的问题[4]。同期证实，早期肺癌的检出工作多数依赖医生的经验开展，所以针对胸部进行低剂量肺癌检查的肺结节计算机辅助诊断就成为其在医学影像诊断中的热门内容。另一方面，由于癌症部分实性结节难度依旧较高，所以我国现阶段的计算机辅助诊断技术在肺结节的医学影像诊断中的应用范围主要集中在实性肺结节的筛查工作中，为后续的诊断预测奠定坚实的基础。

2.2 计算机辅助诊断技术在乳腺癌诊断中的应用

现阶段，计算机辅助诊断技术在基于钼靶的乳腺癌医学影像诊断中的应用频率最高，其研究的重点主要集中在肿块、钙化灶的检出数据精准性提升方面，此时乳腺腺体类型与肿瘤的组织学类型成为对检出效能质量影响的关键因素。在进行具体的乳腺癌诊断过程中，计算机辅助诊断技术对于微钙化灶的检出效能最佳，敏感度的参数范畴有效控制在86-99%之间，由于受到乳腺腺体密度的影响，肿块的检出率比较低，一般控制在84-91%之间，具有一定的提升空间[5]。

2.3 计算机辅助诊断技术在CT结肠癌诊断中的应用

经过相关调查研究表明，想要有效减低结肠癌症的发病率，在患病早期及时将结肠息肉进行手术切除具有重要作用，此时，在结肠癌早期时间内进行结肠息肉检测就成为重要医疗检测内容。最初阶段首选的无创性结肠息肉检查手段是CT结肠成像技术，但经过长时间的应用过后发现，该种技术的检出效果并不理想，原因在于CT结肠成像检查期间大量的图像数据影响了检出效能。而应用新型的计算机辅助诊断技术后，能够充分解决CT结肠成像期间的图像数据过多的效能影响，缩短分析时间，提升检测敏感性。

2.4 计算机辅助诊断技术在前列腺癌诊断中的应用

与上述领域中计算机辅助诊断技术应用相比较，其在前列腺癌领域中的应用时间比较短，主要通过对诸如年龄、直肠指诊或血清等前列腺特异性抗原指标进行初步性的预测。目前时期，我国在前列腺癌症的灵床研究筛查与后期评估工作的开展期间，仍旧处于缺少解决方案的困境，随着机器算法的不断更新，计算机辅助诊断技术的研发为上述问题解决创设了新的解决条件，进一步弥补了原有癌症筛查手段的不足之处，构建出了全新的前列腺癌症预后预测模型，继而为前列腺癌症的治疗质量提升奠定基础。

3总结

综上所述，近几年来，机器学习理论得到了高度完善，使得计算机学习算法取得了更有效的发展进步，计算机辅助诊断技术在这一背景下不断得到优化，为更多的临床问题解决开辟了新的研究路径，同时，该项技术还具有定量精确、重复性高的优势，对于医学预测模型的构建质量提升起到了重要的促进作用。但是，从宏观角度而言我国的计算机辅助诊断技术依旧处于临床初步应用过程中，对于病症的治疗方面并未深入涉及，同期检测和预测效能也有待提升。由于受到多种因素的影响，文中的内容并不全面，有待补充，希望其中的部分内容能够为后续关于本课题的研究提供参考。

参考文献：

[1] 闫红华，牟云森.医学影像技术在医学影像诊断中的临床应用分析[J].影像研究与医学应用，2018，21（2）：179-180.

[2] 戴輝，刘衡，李邦国，等.PBL教学联合PPT方式在医学影像诊断学教学中的应用[J].现代医药卫生，2016，32（12）：1939-1941.

[3] 周靖宇，成官迅.基于MRI的乳腺癌计算机辅助检测与诊断系统的应用和进展[J].功能与分子医学影像学（电子版），2017，26（4）：1349-1353.

[4] 张德义.医学影像技术在医学影像诊断中的临床应用分析[J].临床医药文献电子杂志，2017，4（43）：8417-8417.

[5] 张璋，张宁男楠.“三明治”教学法在留学生医学影像诊断学教学中的应用初探[J].教育教学论坛，2016，18（27）：164-166.