视觉注意模型在医学领域的应用

提出一种基于视觉注意机制的医学图像感兴趣区域提取方法。受生物学启发，该方法模仿人类自下而上的视觉选择性注意过程，通过计算图像中每个像素的全局对比度，构造相应的显著图，并根据显著图，检测出图像中的显著区域。利用多幅医学图像对本方法进行评估，结果表明，该方法能够快速、精确地提取图像中的感 兴趣区域，在提取结果和运算速度上均取得了令人满意的效果。

关键字：视觉注意； 医学图像处理； 显著区域； 感兴趣区域

1绪论
1.1 课题的背景及意义
随着医学图像在诊断和处理中的广泛应用，医学图像处理 变得越来越重要。感兴趣区域（ROI）提取的是医学图像处理中的重点和难点之一医学图像中感兴趣区域一般是病灶 区，如肿瘤区域和钙化点等。感兴趣区域形状和大小的确定能够给后续的医学诊断和处理提供可靠的帮助。
现有的方法在自然图像处理中取得了很好的效果，其中以Itti的显著图模型最具有代表性.但是因为医学图像对比度低、比较模糊等特点,这些方法不适合医学图像感兴趣区域提取。

1.2研究现状
近几年来已有 一些用于医学图像感兴趣区域提取的方法，如基于阈值分割的方法、基于分水岭的方法、基于区域增长和曲线进化的感 兴趣区域提取算法等，但是这些方法中相关参数的确定比 较麻烦，而且需要多次迭代，计算速度较慢，不利于实时处理。
1.3论文的研究内容
该方法模仿人类自下而上的视觉选择性注意过程，通过计算图像中每个像素的全局对比度，构造相应的显著图，并根据显著图，检测出图像中的显著区域。利用多幅医学图像对本方法进行评估。
2模型
模型中共包含三个模块，即预处理、生成显著图和感兴趣区域提取。首先将原始图像进行预处理，包括滤波、图像尺寸调整和颜色空间转换；然后计算图像中