基于Matlab GUI的医学图像处理课程虚拟实验平台设计

　　医学图像处理是图像处理技术应用到医学领域所产生的交叉学科，具有很强的理论性和实践性，也具有知识面广、理论难度大、实验内容深的特点[1]。在医学院校开设医学图像处理课程，不仅教授医学生医学图像处理的基本原理、方法及编程技术等，更重要的是培养医学生应用所学知识的能力。

　　医学图像处理教学需要课堂教授，更需要加强实践性教学环节[2-3]，但由于课时和实验条件的限制，传统授课有时难以达到教学要求，而虚拟实验则可弥补这方面的局限[4]：通过将Matlab仿真技术与GUI界面设计引入到教学中，开发可视化的医学图像处理虚拟实验平台，既取得理想的教学效果，也可培养医学生的自主学习能力、独立思考能力和综合应用能力[5]。医学生通过图像处理仿真熟悉各种医学图像处理方法的原理，并通过调整参数，了解参数变化对医学图像处理效果的影响。

　　1 实验平台的结构

　　医学图像处理虚拟实验平台的设计思想是结合医学图像处理的基本理论，通过虚拟实验的方法强化医学图像处理的基本思想与核心概念，为医学生的理解和应用提供帮助[6]。

　　通过GUI界面，医学生可选择任意感兴趣的项目或教师指定的项目进行仿真实验[7]。实验平台还提供医学图像处理相关课件、图像处理Matlab编程的教学视频、仿真实验指导书、拓展实验题等资料，医学生可利用GUI界面随时调入进行自学。

　　同时，实验平台还提供脑肿瘤fmri处理示例，此示例选取于临床影像三维显示的实际应用，帮助医学生了解如何将自己所学的图像处理知识应用到工作实践中，从而提高医学生的综合素质。

　　根据教学计划的要求，医学图像处理虚拟实验平台包含医学图像处理教学内容中所有典型的实验项目，具体内容如下：

　　（1）图像插值实验。主要分析最近邻插值（Nearest Interpolation）、双线性插值（Bilinear Interpolation）和双三次插值（Bicubic Interpolation）的原理[8]和Matlab编码。

　　（2）图像锐化实验。主要分析Roberts算子、Prewitt算子和Sobel算子的原理和Matlab编码，并且比较每种边缘检测算法对应的6个结果，包括原图、直接梯度输出图像、门槛判断图像、边缘规定图像、背景规定图像和二值图像。

　　（3）图像去噪实验。主要分析均值滤波、中值滤波、维纳滤波等图像平滑处理算法[9]的原理和Matlab编码。

　　（4）图像融合实验。主要分析像素灰度值极大/极小融合法、加权平均融合法、傅里叶变换法的原理[10]和Matlab编码。

　　（5）图像分割实验。主要分析全局阈值法、大津阈值法、迭代法、最大熵分割法和局部阈值法等图像分割方法[11]的原理和Matlab编码。

　　（6）头动校正实验。主要研究投影法[12]配准技术的原理与Matlab编码，并且展示投影法头动校正后的效果。

　　（7）三维可视化实验。主要研究基于体绘制的三维重建算法[13]原理与Matlab编码。

　　例如，在图像去噪实验中，加入噪声的参数可由用户自己输入。针对噪声图像，医学生可以选用不同的平滑算法，自行设置模板参数，进行图像去噪处理。通过观察加噪效果及比较各种平滑处理算法处理后的结果，医学生对平滑算法处理的针对性、参数取值范围和实验结果都会比较熟悉，从而达到教学目的（具体操作过程见第3部分）。

　　2 实验平台的设计

　　使用Matlab图形用户界面开发环境（Matlab Graphical User Interface Development Environment，GUIDE）创建GUI图形界面是常用创建Matlab GUI的方法，该方法简单易学，能方便实现图形控件的各种功能。医学图像处理虚拟实验平台的GUI界面主要包括虚拟实验平台主界面、课件界面、实验名称界面、各实验项目界面、教学视频界面、脑肿瘤fmri处理示例界面等。

　　医学图像处理虚拟实验平台主界面的主要控件为7个按钮（Push Button）。按钮有多个功能，如函数的调入、界面之间的跳转等。将所需控件移入GUI界面，再对各控件按照程序要求进行属性编辑，修改完成后，点击GUI界面工具栏中的运行按钮，即可运行设计完成的GUI界面，Matlab系统会自动生成相应的M文件。

　　设计实验平台时，考虑到医学图像处理的理论知识较多，同时考虑到医学生自学的要求，将课件与教学视频按照由易到难的顺序排列。按照教学要求，设置7项医学图像处理实验，而每个实验都有实验目的、实验原理、实验内容、实验结果与分析等项目，因此设置成实验目的、实验原理、实验内容、实验结果与分析和返回5个按钮，以图像去噪实验为例。

　　通过“实验结果与分析”按钮就可进入仿真界面，进行仿真分析，如图1所示。选取相应的文件，输入相应的参数，点击对应按钮，即可对图片进行加噪去噪处理，并能直接观察比较处理结果。

　　为培养医学生应用所学图像处理知识的能力，实验平台设计脑肿瘤fmri处理示例板块。其内容是对脑部fmri原始数据进行预处理、放大、图像分割、体重建等操作，对脑部进行三维可视化[14]。脑部MRI图像的三维显示就是指利用一系列的二维脑部MRI图像重建三维图像模型并进行定性定量分析的技术。通过三维重建可以科学、准确地重建出被检物体，避免传统方法中临床医生通过自己大?X想象的不确定因素[15]。医学生只有亲自对脑部fmri原始数据进行读入、预处理、分割、重建等操作才能得到如图2所示的脑部轮廓三维图，从而初步认识自己所学图像处理技能的组合应用，明确医学图像处理对临床诊断与治疗规划的意义，达到学以致用的效果。 　　3 仿真实例分析

　　每个实验项目都提供仿真演示示例。以图像去噪实验为例，如图3所示。首先加入方差为0.02的高斯噪声，修改完参数后，点击加入噪声按钮就能得到噪声图像，如果均值参数修改为除0以外的任何数，则不会显示任何图像。然后针对生成的噪声图像，对其进行中值滤波处理、均值滤波处理和维纳滤波处理。每次进行处理前，都需要输入模板尺寸，模板尺寸越大，去噪效果越明显，但是图像丢失信息也会更加严重。医学生可通过反复修改模板尺寸，比对每次处理结果，选出最佳的模板参数。进行三种滤波处理后，医学生可根据三种滤波处理后的结果来总结每种滤波处理的特点与效果。最后，医学生如果有学习或者校验代码的需要，可以点开对应的主要代码查看按钮进行代码查看。

　　4 虚拟实验平台的使用与评价

　　医学图像处理虚拟实验平台的Matlab文件编译完毕后，生成的可执行文件需要Matlab运行环境的支持，如果要将此软件发布到其他没有Matlab运行环境的机器，还需要进行一项工作，即打包Matlab组件运行环境（Matlab Component Runtime，MCR）[16]。建议采用专业的安装包制作软件Setup Factory将MCR与软件一起打包，设置代码使得安装包解压完毕后，自动安装MCR。安装完成后，点击编译的Matlab可执行程序，即可运行医学图像处理虚拟实验平台。

　　经过医学图像处理选修课投入使用后，医学生的学习积极性显著提高。除课堂授课外，大多数医学生在课后通过虚拟实验平台进行理论自学和题目自测，使得总体考核成绩明显上升，教学质量显著提高。

　　5 结 语

　　医学生可通过观察平台实验在不同方法不同参数下的实验结果并进行分析，验证图像处理的基本理论。由于医学图像处理虚拟实验平台软件的可移植性强，所以医学生可以不受时间和地点的限制，在课程学习阶段、复习阶段均可充分利用虚拟实验平台提供的功能，不断巩固所学的图像处理知识，提高自主学习能力与思维能力。

本文链接：http://www.qk112.com/lwfw/yxlw/yxhl/149499.html