醫學影象腫塊的檢測、分割、分類
1.醫學影象處理的基本流程是：影象的預處理（去噪、二值化等）特徵提取、特徵選擇、分類
2.主要是利用影象處理技術，對醫學影象的進一步處理獲得形狀、顏色、紋理以及與周圍組織的關係等資料資訊來對影象進行準確的分析。已達到檢測、分割、分類的目的
3.研究的難點：不同模式下的醫學影象因其成像原理不同，存在對比度低和解析度低的問題；成像的裝置以及患者的移動、形狀的多變等
4.特徵提取：是對腫塊區域固有不變的性質特徵進行測量並將所得到的結果量化 ，形成特徵向量等的過程。
5.醫學影象的特點：

                       1. 多模態性（CT、MRI、超聲、X線）
                       2. 灰度上的模糊性（噪聲的干擾以及內部組織在成像過程中的相似性）
                       3. 區域性效應
                       4. 不確定性特點
         6 .醫學影象的特徵：顏色、紋理、形狀.醫學影象的特徵：顏色、紋理、形狀
        7.形狀特徵：基於邊界利用形狀的外部邊緣（傅立葉描述子、鏈碼、邊界距）基於邊界的特徵提取：一階微分Robert、Prewitt、Sobel運算元；二階微分Laplacian邊緣檢測運算元；基於最優方法運算元Canny
 

基於區域的特徵提取：似圓度（C=P^2/4∏A目標物體的周長平方和其面積之比，描述物體的形狀和圓的近似度，C值越大，目標物體的形狀越複雜）轉動慣量NMI；幾何矩(利用目標所佔區域的矩作為形狀描述引數)
8.紋理特徵：紋理能夠對視覺影象中不同區域的結構、方向、粒度和規則性的差異進行有效的描述，符合人類的視覺特性。紋理不僅包含了物體表面性質或特徵，還在一定程度上反映他們和環境的關係，因此，紋理特徵在表述灰度統計資訊之餘，還能夠體現出結構資訊和空間分佈。
紋理可以分為兩類：a反覆出現，方向性明確的結構性紋理，這種紋理的基元排列比較規則
B隨機性紋理，通過統計特徵給出。
方法：統計(一階統計量一階灰度直方圖，在實際應用中，取整個直方圖作為紋理特徵是沒有必要的，通常提取幾個重要特徵，主要包括關於原點的r階矩、關於均值的r階中心矩、扭曲度、峰度、熵；二階統計量灰度共生矩陣,是考慮處於幾何位置的一對對畫素的灰度相關性並以這一對對畫素出像某種灰度的條件概率來表徵紋理，可以定量的描述特徵，能量、熵、慣性矩、相關、區域性平穩)和結構；灰度共生矩陣和小波變換