數(shù)據(jù)融合技術(shù)及其在醫(yī)學(xué)領(lǐng)域的應(yīng)用

于曉青，曹慧，魏德健

山東中醫(yī)藥大學(xué) 理工學(xué)院，山東濟(jì)南 250355

數(shù)據(jù)融合技術(shù)及其在醫(yī)學(xué)領(lǐng)域的應(yīng)用

于曉青，曹慧，魏德健

山東中醫(yī)藥大學(xué) 理工學(xué)院，山東濟(jì)南 250355

數(shù)據(jù)融合技術(shù)作為一種高效率、高準(zhǔn)確率的信息處理技術(shù)正越來(lái)越受到重視。隨著醫(yī)療衛(wèi)生事業(yè)的發(fā)展，越來(lái)越多不同類型的傳感器被用于醫(yī)療診斷設(shè)備，為了綜合處理眾多數(shù)據(jù)信息，需最大化利用多傳感器協(xié)同工作原理，利用數(shù)據(jù)融合技術(shù)進(jìn)行數(shù)據(jù)處理。本文就數(shù)據(jù)融合進(jìn)行概念總結(jié)，根據(jù)不同的抽象層次將其分成數(shù)據(jù)級(jí)融合、特征級(jí)融合、決策級(jí)融合3類。醫(yī)學(xué)圖像融合及醫(yī)療監(jiān)護(hù)系統(tǒng)是數(shù)據(jù)融合技術(shù)在醫(yī)學(xué)領(lǐng)域中的重要應(yīng)用，文中著重分析基于數(shù)據(jù)級(jí)融合的醫(yī)學(xué)圖像融合技術(shù)及基于特征級(jí)與決策級(jí)融合的醫(yī)療監(jiān)護(hù)系統(tǒng)。數(shù)據(jù)融合技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用，正積極推動(dòng)醫(yī)療衛(wèi)生事業(yè)的發(fā)展，使病癥診斷和臨床治療更加及時(shí)、準(zhǔn)確、有效。

數(shù)據(jù)融合；特征提??；醫(yī)學(xué)圖像融合；醫(yī)療監(jiān)護(hù)系統(tǒng)；傳感器

引言

醫(yī)療檢測(cè)系統(tǒng)中單一指標(biāo)通常不能準(zhǔn)確判定受測(cè)者的健康情況，需分別采集受測(cè)者的不同生理指標(biāo)來(lái)確診某一病癥，因此體檢時(shí)通常設(shè)置多個(gè)傳感器用于采集受測(cè)者血氧、脈率、體溫、心電等[1]。受測(cè)過(guò)程中每一個(gè)傳感器所反饋的信息可以是在不同時(shí)刻采集的不同單位量參數(shù)，必須將這些傳感器信息進(jìn)行數(shù)據(jù)融合，綜合多個(gè)檢測(cè)指標(biāo)確定受測(cè)者健康狀況。隨著醫(yī)療衛(wèi)生事業(yè)的發(fā)展，越來(lái)越多不同類型的傳感器被用于醫(yī)療診斷設(shè)備，為了綜合處理眾多數(shù)據(jù)信息，需最大化利用多傳感器協(xié)同工作原理，充分發(fā)揮其在病癥診斷、醫(yī)療監(jiān)護(hù)、社區(qū)醫(yī)療服務(wù)等諸多應(yīng)用環(huán)境中所具有的獨(dú)特優(yōu)勢(shì)，使得傳感器系統(tǒng)在醫(yī)學(xué)領(lǐng)域的智能化使用方面取得飛速發(fā)展[2-4]。

1 數(shù)據(jù)融合概念及原理

來(lái)自于多傳感器系統(tǒng)的數(shù)據(jù)源信息可能具有不同的空間與時(shí)間特性，數(shù)據(jù)融合技術(shù)類似于腦組織收集并綜合處理各類信息的過(guò)程，它將按照一定準(zhǔn)則綜合分析、處理來(lái)自于多個(gè)傳感器的數(shù)據(jù)源信息，從而獲得對(duì)被檢測(cè)對(duì)象的一致性解釋與描述，使系統(tǒng)獲得比其各個(gè)組成部分都更為充分、準(zhǔn)確的信息，在全面信息的基礎(chǔ)上進(jìn)行相應(yīng)決策與估計(jì)，進(jìn)而得到更為精準(zhǔn)、可靠的結(jié)論[5]。

由單一傳感器支持的工作系統(tǒng)通常難以保證較高的數(shù)據(jù)精確度，數(shù)據(jù)融合技術(shù)在多傳感器環(huán)境中的使用可以在很大程度上提高信息的準(zhǔn)確度，從而提升系統(tǒng)可靠性。為節(jié)省節(jié)點(diǎn)能量，在中心節(jié)點(diǎn)向目標(biāo)節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)之前進(jìn)行相應(yīng)的數(shù)據(jù)分析操作，該過(guò)程中將處理掉大量冗余信息，從而減少數(shù)據(jù)傳輸量[6-7]。

2 數(shù)據(jù)融合層次描述

不同于單傳感器低水平層次上的處理與模仿，多傳感器能有效的將不同種類傳感器信息資源進(jìn)行融合利用?，F(xiàn)階段的多傳感器數(shù)據(jù)源信息與單傳感器信息相比具有更為繁雜的結(jié)構(gòu)與更為多樣化的形式。故此，相較于諸多經(jīng)典信號(hào)處理方法，只有具有更加復(fù)雜操作過(guò)程且能在不相同信息層次中使用的多傳感器信息融合技術(shù)才能滿足當(dāng)前的信息通信需求[8]。根據(jù)數(shù)據(jù)抽象的不同層次對(duì)數(shù)據(jù)融合系統(tǒng)中進(jìn)行分類，可將其定義為數(shù)據(jù)級(jí)融合、特征級(jí)融合、決策級(jí)融合3種類型[9]。

2.1 數(shù)據(jù)級(jí)融合

數(shù)據(jù)級(jí)融合為最低層次的融合，它是不經(jīng)過(guò)預(yù)處理而在采集原始數(shù)據(jù)時(shí)直接進(jìn)行相應(yīng)的融合操作。該種融合中，原始多源數(shù)據(jù)在經(jīng)過(guò)分析、融合后，需進(jìn)一步提取該融合結(jié)果中的特征向量，基于所得的特征提取信息采取相對(duì)應(yīng)的決策判斷。數(shù)據(jù)級(jí)融合示意圖，見(jiàn)圖1[10]。

圖1 數(shù)據(jù)級(jí)融合

數(shù)據(jù)級(jí)融合方式中，所有數(shù)據(jù)源信息來(lái)自于同類型傳感器是確保融合操作正常進(jìn)行的基礎(chǔ)。由于是在系統(tǒng)最底層直接融合原始數(shù)據(jù)信息，在給上層結(jié)構(gòu)提供詳細(xì)信息的同時(shí)，還需盡量減小傳感器傳輸數(shù)據(jù)過(guò)程中的損失，因此在數(shù)據(jù)處理及傳輸過(guò)程中對(duì)數(shù)據(jù)級(jí)融合的精確度及系統(tǒng)的糾錯(cuò)處理能力要求較高。此外，由于數(shù)據(jù)級(jí)融合的最終結(jié)果受傳感器類型影響較大，且系統(tǒng)需處理大量數(shù)據(jù)信息，使得該種融合方法存在處理時(shí)間長(zhǎng)、處理代價(jià)大、抗干擾能力差、冗余度高、實(shí)時(shí)性差等缺點(diǎn)。

2.2 特征級(jí)融合

特征是對(duì)觀察對(duì)象的性能、行為、功能等方面的一致性描述，以便區(qū)別于其他觀察對(duì)象或得到不同觀察對(duì)象的共通之處。不同于數(shù)據(jù)級(jí)層面上的融合，特征級(jí)融合是以特征向量為目標(biāo)的融合操作，即在融合操作前需先提取多傳感器原始數(shù)據(jù)信息中的特征數(shù)據(jù)，將特征信息融合后，以此為依據(jù)進(jìn)行相應(yīng)決策判斷。特征級(jí)融合示意圖，見(jiàn)圖2[10]。

特征級(jí)融合是中間層次的融合。所謂特征提取就是要對(duì)多傳感器信息進(jìn)行適當(dāng)?shù)膲嚎s，在降低數(shù)據(jù)量與計(jì)算量的情況下，減少能耗與數(shù)據(jù)通信需求，提高系統(tǒng)實(shí)時(shí)處理效率。但從原始數(shù)據(jù)中提取特征向量必然會(huì)引起部分信息損失，導(dǎo)致結(jié)果不夠精確。

圖2 特征級(jí)融合

2.3 決策級(jí)融合

決策級(jí)融合是最高層次的融合，且融合操作的可行性不受傳感器類型的限制[11]。該種融合中需先將來(lái)自不同類型傳感器的數(shù)據(jù)信息進(jìn)行預(yù)處理，使每個(gè)被測(cè)目標(biāo)都得到基于自身特征的分析決策，隨后將目標(biāo)間相互獨(dú)立的分析決策進(jìn)行融合，進(jìn)而得到一致性較好的最終決策結(jié)果。決策級(jí)融合示意圖，見(jiàn)圖3[10]。

圖3 決策級(jí)融合

決策級(jí)融合通常從決策問(wèn)題的具體需求出發(fā)，能有效反映多樣化環(huán)境及目標(biāo)對(duì)象各個(gè)側(cè)面的不同種類信息，具有較高的靈活性。該種融合具有較高的抗干擾能力與較高的容錯(cuò)性，在一個(gè)甚至多個(gè)傳感器同時(shí)出現(xiàn)錯(cuò)誤時(shí)，通過(guò)信息的適當(dāng)融合，系統(tǒng)仍能得到正確的決策結(jié)果。此外，決策級(jí)融合具有較高的系統(tǒng)穩(wěn)定性，融合中心處理時(shí)間相對(duì)較短，處理代價(jià)低。

3 醫(yī)學(xué)圖像融合技術(shù)

隨著影像工程學(xué)的發(fā)展，醫(yī)學(xué)領(lǐng)域里不斷更新的影像成像設(shè)備在豐富圖像模態(tài)形式的同時(shí)也在極大程度上提高了圖像顯示的精確性，使臨床病癥的診斷更加可靠。諸如超聲、CT、MRI、電子內(nèi)窺鏡、數(shù)字減影等醫(yī)學(xué)成像圖像，都可針對(duì)人體某一特定部位提供直觀圖像信息，但是由于在成像原理和成像設(shè)備的差異，這些圖像所具備的特征也各不相同。例如為了給病灶部位提供較為精確的定位參照，CT圖像的密度分辨率較高，使得由計(jì)算機(jī)重建的圖像可不與臨近體層的影像重疊，進(jìn)而得到清晰的骨骼圖像，但在軟組織成像方面CT所成圖像的對(duì)比度較低。在不同的成像技術(shù)中，MRI圖像的組織分辨率較高，可清晰分辨心肌、心內(nèi)膜等組織器官，使心腔與血流、心肌之間形成良好的組織對(duì)比度，但其存在所成圖像鈣化點(diǎn)不敏感的問(wèn)題，且在受到磁干擾后極易出現(xiàn)幾何失真現(xiàn)象[12]。由此可見(jiàn)，不同成像技術(shù)的優(yōu)缺點(diǎn)各不相同，同一解剖結(jié)構(gòu)所得的多種醫(yī)學(xué)圖像在形態(tài)功能上的描述有較大差異。因此，為使病理研究與診斷更加嚴(yán)謹(jǐn)，需充分利用不同成像技術(shù)的優(yōu)勢(shì)，將各種影像信息集成融合，以保證臨床病癥診斷與疾病治療的正確性。

單一圖像在光譜、幾何和空間分辨率等方面存在差異，圖像融合可以有效克服局限性，提高所成圖像的質(zhì)量，使事件和物理現(xiàn)象的識(shí)別、定位與解釋更為精準(zhǔn)，因此需盡可能保留原始圖像信息。醫(yī)學(xué)圖像的融合一般采用數(shù)據(jù)級(jí)融合方法，分3個(gè)主要步驟完成[13]。

首先，需先對(duì)圖像源信息進(jìn)行去噪聲、增強(qiáng)對(duì)比度或分割區(qū)域等預(yù)處理操作，預(yù)處理過(guò)程中針對(duì)不同種類應(yīng)用所采用的處理方法也不盡相同，一般是分割目標(biāo)或者將目標(biāo)對(duì)象進(jìn)行視覺(jué)增強(qiáng)處理，用以進(jìn)一步突出目標(biāo)細(xì)節(jié)。

其次，進(jìn)行圖像配準(zhǔn)操作[14]。不同的圖像源信息需要在位置關(guān)系上找到相互對(duì)應(yīng)的點(diǎn)，使圖像源信息在空間上達(dá)到一致，然后進(jìn)行信息的融合與顯示處理。在當(dāng)前研究領(lǐng)域，基于互信息的配準(zhǔn)法是醫(yī)學(xué)圖像融合的常用方法，即以充分利用目標(biāo)圖像之間最大化的互信息量為配準(zhǔn)原則。由于在頻域和時(shí)域上有著各自的突出特點(diǎn)，基于小波的方法在圖像融合[15-16]方面得到了廣泛應(yīng)用，使用小波技術(shù)實(shí)現(xiàn)了配準(zhǔn)圖像在高分辨率模型和低分辨率模型中的快速匹配。像素匹配是數(shù)據(jù)級(jí)融合的重要前提條件，其精準(zhǔn)度將直接影響融合結(jié)果。

再次，進(jìn)行醫(yī)學(xué)圖像的融合。圖像融合的目的是分析眾多不同成像技術(shù)所產(chǎn)生的圖像特征信息，將圖像各自的特征信息予以保留并做加強(qiáng)處理。醫(yī)學(xué)圖像融合過(guò)程中，把經(jīng)過(guò)配準(zhǔn)處理的圖像進(jìn)行加權(quán)疊加是最為簡(jiǎn)單的融合方法[17]。

利用圖像融合技術(shù)，將不同成像模式下產(chǎn)生的醫(yī)學(xué)圖像源信息融合處理成為一個(gè)新影像模式，從而提高圖像質(zhì)量，增加目標(biāo)部位的可視性，其在臨床病癥診斷、放射治療、術(shù)后觀察過(guò)程中起到極其重要的作用[18]。

4 基于數(shù)據(jù)融合的醫(yī)療監(jiān)護(hù)系統(tǒng)

重癥監(jiān)護(hù)病房（Intensive Care Unit，ICU）作為重危病人的搶救中心，為提供及時(shí)、準(zhǔn)確的病人體征信息，ICU病房里配備了床邊監(jiān)護(hù)儀、中心監(jiān)護(hù)儀、心電圖機(jī)等多種檢測(cè)治療輔助設(shè)備。隨著科學(xué)技術(shù)領(lǐng)域里創(chuàng)新成果的不斷更新，新式的醫(yī)療儀器設(shè)備正不斷進(jìn)入監(jiān)護(hù)領(lǐng)域。各項(xiàng)檢測(cè)指標(biāo)的局限性與制約因素都有可能影響到最終結(jié)果，為得到全面、合理的檢測(cè)結(jié)論，需充分考慮不同系統(tǒng)間和同系統(tǒng)不同指標(biāo)間的聯(lián)系。當(dāng)前的ICU監(jiān)護(hù)病房配備了先進(jìn)的監(jiān)測(cè)儀器，能定量且動(dòng)態(tài)的監(jiān)測(cè)患者的各項(xiàng)生理功能并捕捉瞬間的變化，及時(shí)反饋信息以便采取恰當(dāng)?shù)闹委煕Q策[19]。監(jiān)測(cè)過(guò)程中，各項(xiàng)設(shè)備依據(jù)生命體征信息得到相應(yīng)數(shù)據(jù)流，但是由于數(shù)據(jù)量過(guò)大，在數(shù)據(jù)傳輸及處理的過(guò)程中極易出現(xiàn)信息擁塞、冗余現(xiàn)象，導(dǎo)致無(wú)法使監(jiān)測(cè)信息的利用達(dá)到最優(yōu)狀態(tài)。因此，為快速獲得監(jiān)測(cè)信息，使醫(yī)生能及時(shí)采取相應(yīng)救治措施，建立一個(gè)集成智能型的監(jiān)測(cè)系統(tǒng)成為提高診斷質(zhì)量與應(yīng)急水平的迫切需求[20]。

醫(yī)療監(jiān)護(hù)系統(tǒng)中充分利用了基于特征級(jí)融合與基于決策級(jí)融合的數(shù)據(jù)融合技術(shù)。用于檢測(cè)病人體征信息的醫(yī)療監(jiān)護(hù)儀一般內(nèi)置多種傳感器，特征級(jí)融合要分別分析各種傳感器監(jiān)護(hù)信息，如心電信號(hào)等，從所得信息中提取時(shí)域或頻域特征，綜合病人的監(jiān)測(cè)數(shù)據(jù)，根據(jù)正常及異常時(shí)的特征數(shù)據(jù)建立適當(dāng)?shù)谋O(jiān)護(hù)模型[21]。當(dāng)建立監(jiān)護(hù)報(bào)警的決策判別樹(shù)或神經(jīng)網(wǎng)分類器后，利用監(jiān)護(hù)模型進(jìn)行分類及判別，然后在決策級(jí)數(shù)據(jù)融合層面上進(jìn)行相應(yīng)決策。最簡(jiǎn)單的決策級(jí)融合方法是：如果決策判別樹(shù)或者神經(jīng)網(wǎng)分類器其一或全部判別病人出現(xiàn)異常，在傳送監(jiān)測(cè)數(shù)據(jù)的同時(shí)，立即向醫(yī)療監(jiān)護(hù)中心報(bào)警。目前國(guó)內(nèi)外在心臟預(yù)測(cè)方面的研究已逐漸轉(zhuǎn)為對(duì)病人多生理源信息融合的提取及綜合預(yù)測(cè)評(píng)估。

5 總結(jié)與展望

近年來(lái)，圖像融合技術(shù)發(fā)展迅速。醫(yī)療領(lǐng)域中，其在影像診斷、可視化手術(shù)、腫瘤放射治療等臨床應(yīng)用中起到了極好的輔助作用。目前，對(duì)圖像融合方面的研究主要集中在提高融合精準(zhǔn)度與三維重建顯示技術(shù)的發(fā)展與應(yīng)用[22]。其中，三維重建顯示技術(shù)是根據(jù)CT、MRI等二維圖像中獲得的人體信息在虛擬現(xiàn)實(shí)環(huán)境中構(gòu)建人體立體仿真模型，醫(yī)生可從計(jì)算機(jī)顯示屏上直接觀察病灶部位與病變特征，并可通過(guò)旋轉(zhuǎn)、平剖等操作模擬手術(shù)過(guò)程。另外，圖像融合中將越來(lái)越多的融入神經(jīng)網(wǎng)絡(luò)與人工智能技術(shù)，利用人工智能對(duì)圖像源信息進(jìn)行自動(dòng)分割與融合處理，這也是融合技術(shù)研究的一個(gè)全新方向[23]。

醫(yī)療監(jiān)護(hù)系統(tǒng)方面，大規(guī)模集成電路的使用正逐漸取代晶體管在醫(yī)療系統(tǒng)中的作用。高能型有源電極以及電磁耦合、光耦合等方法的應(yīng)用，使監(jiān)護(hù)儀不再受操作空間的限制，其中小型化及微型化的攜帶式和植入式監(jiān)護(hù)儀通過(guò)功能檢測(cè)后，將逐步面向市場(chǎng)。另外，在智能化識(shí)別及快速處理方面的深入研究，也將進(jìn)一步提高監(jiān)護(hù)系統(tǒng)的有效性與及時(shí)性[24-25]。

6 小結(jié)

本文對(duì)數(shù)據(jù)融合技術(shù)及其在醫(yī)學(xué)領(lǐng)域的應(yīng)用進(jìn)行了介紹，并對(duì)融合技術(shù)的研究趨勢(shì)進(jìn)行總結(jié)展望。隨著計(jì)算機(jī)相關(guān)技術(shù)的不斷進(jìn)步，數(shù)據(jù)融合將向著愈加高速、可靠的方向不斷完善，基于此的醫(yī)學(xué)圖像融合與醫(yī)療監(jiān)護(hù)系統(tǒng)將在信息處理技術(shù)不斷完善的過(guò)程中以更高速、精準(zhǔn)的形式融入到醫(yī)用領(lǐng)域，將為醫(yī)療事業(yè)的進(jìn)步提供更多的信息支持，為臨床診斷、遠(yuǎn)程監(jiān)護(hù)、可視化手術(shù)等提供更加豐富且精確的信息。

[1] 李逸明,李斌,錢明理,等.無(wú)線傳感器網(wǎng)絡(luò)及其在醫(yī)療領(lǐng)域的應(yīng)用[J].中國(guó)醫(yī)療器械雜志,2013,37(5):351-354.

[2] 何友,王國(guó)宏,彭應(yīng)寧.多傳感器信息融合及應(yīng)用[M].北京:電子工業(yè)出版社,2000.

[3] 楊碩.多傳感器信息融合技術(shù)在遠(yuǎn)程醫(yī)療監(jiān)護(hù)系統(tǒng)中的應(yīng)用[D].保定:河北大學(xué),2014.

[4] 孫振華,孫立寧.腕帶式多參數(shù)健康監(jiān)護(hù)系統(tǒng)的研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2007.

[5] LeBlanc K,Saffiotti A.Multi-robot Object Localization: A Fuzzy Fusion Approach[J].IEEE Trans Syst Man Cybern B Cybern,2009,39(5):1259-1276.

[6] 潘良勇.無(wú)線傳感網(wǎng)絡(luò)下的數(shù)據(jù)融合技術(shù)研究[D].武漢:武漢理工大學(xué),2012.

[7] 丁仁偉.無(wú)線傳感器網(wǎng)絡(luò)中能量收集節(jié)點(diǎn)的研究與實(shí)現(xiàn)[D].北京:北京交通大學(xué),2014.

[8] 姜延吉.多傳感器數(shù)據(jù)融合關(guān)鍵技術(shù)研究[D].哈爾濱:哈爾濱工程大學(xué),2010.

[9] 黃漫國(guó),樊尚春,鄭德智,等.多傳感器數(shù)據(jù)融合技術(shù)研究進(jìn)展[J].傳感器與微系統(tǒng),2010,29(3):5-8.

[10] 黃惠寧,劉源璋,梁昭陽(yáng).多傳感器數(shù)據(jù)融合技術(shù)概述[J].科技信息,2010,72-73.

[11] 劉桐歡.無(wú)線傳感器網(wǎng)絡(luò)多源數(shù)據(jù)融合技術(shù)研究[D].北京:北京交通大學(xué),2014.

[12] 王國(guó)棟,李業(yè)芹,秦紅勇.信息融合技術(shù)及其在醫(yī)學(xué)領(lǐng)域中的應(yīng)用[J].中國(guó)醫(yī)療設(shè)備,2012,27(9):131-132.

[13] 肖利華.無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)的研究與實(shí)現(xiàn)[D].廣州:華南理工大學(xué),2011.

[14] 李斌.基于多尺度角點(diǎn)特征檢測(cè)的圖像配準(zhǔn)技術(shù)研究[D].汕頭:汕頭大學(xué),2009.

[15] 王幫元.一種小波變換的醫(yī)學(xué)圖像融合方法[J].電腦知識(shí)與技術(shù),2015,11(14):171-172.

[16] 付亞男.醫(yī)學(xué)圖像融合方法研究[D].保定:河北大學(xué),2011.

[17] 姚汝,丁雪.灰度值加權(quán)醫(yī)學(xué)圖像融合方法[J].電腦編程技巧與維護(hù),2015,(8):90-92.

[18] 劉碩明,陸敏,陳軍.醫(yī)學(xué)圖像融合技術(shù)淺談[J].黑龍江科技信息,2012,(36):11.

[19] 宋愛(ài)娟.基于無(wú)線傳感器網(wǎng)絡(luò)遠(yuǎn)程醫(yī)療監(jiān)護(hù)系統(tǒng)研究[D].秦皇島:燕山大學(xué),2013.

[20] 頓文濤,盧高飛,左秀生,等.無(wú)線傳感器網(wǎng)絡(luò)在遠(yuǎn)程醫(yī)療監(jiān)護(hù)系統(tǒng)中的應(yīng)用[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2014,(2):43-46.

[21] 張偉強(qiáng).胎兒心電遠(yuǎn)程監(jiān)護(hù)系統(tǒng)設(shè)計(jì)[D].廣州:華南理工大學(xué),2013.

[22] 郝利國(guó),劉志鵬.醫(yī)學(xué)影像圖像融合技術(shù)研究[J].齊齊哈爾醫(yī)學(xué)院學(xué)報(bào),2010,31(1):74-76.

[23] 孟慶明.醫(yī)學(xué)圖像融合與三維重建研究[D].吉林:吉林大學(xué),2015.

[24] 牟嵐,金新政.遠(yuǎn)程醫(yī)療發(fā)展現(xiàn)狀綜述[J].衛(wèi)生軟科學(xué),2012,26(6):506-509.

[25] 徐玉炎,明軒,張瑞,等.基于WSN的醫(yī)療監(jiān)護(hù)系統(tǒng)的設(shè)計(jì)[J].電子設(shè)計(jì)工程,2015,23(2):1-4.

本文編輯 劉峰

Data Fusion Technology and Its Application in Medical Field

YU Xiao-qing, CAO Hui, WEI De-jian
School of Science and Engineering, Shandong University of Traditional Chinese Medicine, Jinan Shandong 250355, China

Data fusion technology, as an information processing technology of high efficiency and high accuracy, is getting increasing attention. With the development of medical and health services, more various types of sensors are used in medical diagnostic equipments. In order to comprehensively process mass data information, it is necessary to adopt multisensory coordinated working principle and data fusion technology to process data. This article summarized the conceptual data fusion, and divided it into data-level fusion, feature-level fusion and decision-level fusion depending on different levels of abstraction. Medical image fusion and medical monitoring system are important applications of data fusion technology in the medical field. This article mainly analyzed the medical image fusion technology based on data-level fusion and medical monitoring system based on feature-level and decision-level fusion. The application of data fusion technology in medical field is promoting the development of medical and health services, which makes clinical diagnosis and treatment more timely, accurate and effective.

data fusion; feature extraction; medical image fusion; medical monitoring system; sensor

TP274；TH774

A

10.3969/j.issn.1674-1633.2017.03.027

1674-1633(2017)03-0099-04

2016-05-06

國(guó)家自然科學(xué)基金（81473708）；山東高?？蒲邪l(fā)展計(jì)劃（J15LN21）。

作者郵箱：yuxiaoqing2012@163.com