用于分析生物医学成像系统应用的图像处理算法和措施

由于工程创新的进步，医疗行业在过去的十年里发生了巨大的变化。传统上，医生仅仅依靠他们的训练和经验来诊断和解释通过各种成像技术捕获的医疗条件。通常，这些图像是由CAT扫描仪、MRI或x射线产生的。

今天，计算机辅助技术被设计用来提高生物医学图像的视觉质量，以更好地帮助人类区分感兴趣的区域，例如癌症的存在。由于这些增强图像旨在帮助医疗专业人员进行诊断或跟踪治疗进展，因此重要的是，图像中呈现的异常是真实的物体，而不是增强过程中可能导致不准确诊断的伪影。

过多的信息可能会分散观众的注意力，而太少的信息可能会对病人造成灾难性的影响，如果一个危及生命的异常被忽略或过滤掉的话。因此，难题在于回答这个问题:“最好的形象是什么?”

答案总是主观的，这是由于观察者的视角以及什么构成了需要被探测的目标对象。例如，一些医生在看扫描时可能对肿块感兴趣;另一位医生可能会关注钙化，甚至是血管。

在本期特刊中，我们将介绍一些针对不同生物医学图像处理应用程序的文章来解决这个问题。介绍了几种新颖的量化评价方法，可以根据人眼的视觉感知对处理后的图像质量进行排序。这些指标与人类评估人员使用“平均意见分数”(MOS)以及其他标准标杆技术获得的评价进行严格比较。

本期刊提出的创新方法必将引领生物医学图像处理领域超越“辅助技术”，成为一种可用于远距离和机器人视觉应用的可靠、准确的自主技术。实现这些目标将开辟新的突破性道路，惠及世界偏远地区的人口并为他们提供服务。

感谢我的合作编辑Sos Agaian博士、Jean-Charles Pinoli博士和周一聪博士，感谢他们的贡献和对课题的专家见解。

凯伦·帕内塔
Sos Agaian
租用Pinoli
Yicong周

国际生物医学影像杂志