序論：好文章的創(chuàng)作是一個(gè)不斷探索和完善的過(guò)程，我們?yōu)槟扑]十篇初一數(shù)學(xué)論文例文范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來(lái)更深刻的閱讀感受。

篇（1）

1．引言

近20多年來(lái)，醫(yī)學(xué)影像已成為醫(yī)學(xué)技術(shù)中發(fā)展最快的領(lǐng)域之一，其結(jié)果使臨床醫(yī)生對(duì)人體內(nèi)部病變部位的觀察更直接、更清晰，確診率也更高。20世紀(jì)70年代初，X-CT的發(fā)明曾引發(fā)了醫(yī)學(xué)影像領(lǐng)域的一場(chǎng)革命，與此同時(shí)，核磁共振成像象(MRI:MagneticResonanceImaging)、超聲成像、數(shù)字射線照相術(shù)、發(fā)射型計(jì)算機(jī)成像和核素成像等也逐步發(fā)展。計(jì)算機(jī)和醫(yī)學(xué)圖像處理技術(shù)作為這些成像技術(shù)的發(fā)展基礎(chǔ)，帶動(dòng)著現(xiàn)代醫(yī)學(xué)診斷正產(chǎn)生著深刻的變革。各種新的醫(yī)學(xué)成像方法的臨床應(yīng)用，使醫(yī)學(xué)診斷和治療技術(shù)取得了很大的進(jìn)展，同時(shí)將各種成像技術(shù)得到的信息進(jìn)行互補(bǔ)，也為臨床診斷及生物醫(yī)學(xué)研究提供了有力的科學(xué)依據(jù)。

在目前的影像醫(yī)療診斷中,主要是通過(guò)觀察一組二維切片圖象去發(fā)現(xiàn)病變體,往往需要借助醫(yī)生的經(jīng)驗(yàn)來(lái)判定。至于準(zhǔn)確的確定病變體的空間位置、大小、幾何形狀及與周?chē)锝M織的空間關(guān)系,僅通過(guò)觀察二維切片圖象是很難實(shí)現(xiàn)的。因此,利用計(jì)算機(jī)圖象處理技術(shù)對(duì)二維切片圖象進(jìn)行分析和處理,實(shí)現(xiàn)對(duì)人體器官、軟組織和病變體的分割提取、三維重建和三維顯示,可以輔助醫(yī)生對(duì)病變體及其它感興趣的區(qū)域進(jìn)行定性甚至定量的分析,可以大大提高醫(yī)療診斷的準(zhǔn)確性和可靠性。此外,它在醫(yī)療教學(xué)、手術(shù)規(guī)劃、手術(shù)仿真及各種醫(yī)學(xué)研究中也能起重要的輔助作用。

本文對(duì)醫(yī)學(xué)圖像處理技術(shù)中的圖像分割、紋理分析、圖像配準(zhǔn)和圖像融合技術(shù)的現(xiàn)狀及其發(fā)展進(jìn)行了綜述。

2．醫(yī)學(xué)圖像三維可視化技術(shù)

2.1三維可視化概述

醫(yī)學(xué)圖像的三維可視化的方法很多，但基本步驟大體相同，如圖.。從#$/&’(或超聲等成像系統(tǒng)獲得二維斷層圖像，然后需要將圖像格式（如0(#1&）轉(zhuǎn)化成計(jì)算機(jī)方便處理的格式。通過(guò)二維濾波，減少圖像的噪聲影響，提高信噪比和消除圖像的尾跡。采取圖像插值方法，對(duì)醫(yī)學(xué)關(guān)鍵部位進(jìn)行各向同性處理，獲得體數(shù)據(jù)。經(jīng)過(guò)三維濾波后，不同組織器官需要進(jìn)行分割和歸類，對(duì)同一部位的不同圖像進(jìn)行配準(zhǔn)和融合，以利于進(jìn)一步對(duì)某感興趣部位的操作。根據(jù)不同的三維可視化要求和系統(tǒng)平臺(tái)的能力，選擇不同的方法進(jìn)行三維體繪制，實(shí)現(xiàn)三維重構(gòu)。

2.2關(guān)鍵技術(shù)：

圖像分割是三維重構(gòu)的基礎(chǔ)，分割效果直接影像三維重構(gòu)的精確度。圖像分割是將圖像分割成有意義的子區(qū)域，由于醫(yī)學(xué)圖像的各區(qū)域沒(méi)有清楚的邊界，為了解決在醫(yī)學(xué)圖像分割中遇到不確定性的問(wèn)題，引入模糊理論的模糊閥值、模糊邊界和模糊聚類等概念?？焖贉?zhǔn)確的分離出解剖結(jié)構(gòu)和定位區(qū)域位置和形狀，自動(dòng)或半自動(dòng)的圖像分割方法是非常重要的。在實(shí)際應(yīng)用中有聚類法、統(tǒng)計(jì)學(xué)模型、彈性模型、區(qū)域生長(zhǎng)、神經(jīng)網(wǎng)絡(luò)等適用于醫(yī)學(xué)圖像分割的具體方法。

由于可以對(duì)同一部位用不同的成像儀器多次成像，或用同一臺(tái)儀器多次成像，這樣產(chǎn)生了多模態(tài)圖像。多模態(tài)圖像提供的信息經(jīng)常相互覆蓋和具有互補(bǔ)性，為了綜合使用多種成像模式以提供更全面的信息，需要對(duì)各個(gè)模態(tài)的原始圖像進(jìn)行配準(zhǔn)和數(shù)據(jù)融合，其整個(gè)過(guò)程稱為數(shù)據(jù)整合。整合的第一步是將多個(gè)醫(yī)學(xué)圖像的信息轉(zhuǎn)換到一個(gè)公共的坐標(biāo)框架內(nèi)的研究，使多幅圖像在空間域中達(dá)到幾何位置的完全對(duì)應(yīng)，稱為三維醫(yī)學(xué)圖像的配準(zhǔn)問(wèn)題。建立配準(zhǔn)關(guān)系后，將多個(gè)圖像的數(shù)據(jù)合成表示的過(guò)程，稱為融合。在醫(yī)學(xué)應(yīng)用中，不同模態(tài)的圖像還提供了不互相覆蓋的結(jié)構(gòu)互補(bǔ)信息，比如，當(dāng)CT提供的是骨信息，MRI提供的關(guān)于軟組織的信息，所以可以用邏輯運(yùn)算的方法來(lái)實(shí)現(xiàn)它們圖像的合成。

當(dāng)分割歸類或數(shù)據(jù)整合結(jié)束后，對(duì)體數(shù)據(jù)進(jìn)行體繪制。體繪制一般分為直接體繪制和間接體繪制，由于三維醫(yī)學(xué)圖像數(shù)據(jù)量很大，采用直接體繪制方法，計(jì)算量過(guò)重，特別在遠(yuǎn)程應(yīng)用和交互操作中，所以一般多采用間接體繪制。在圖形工作站上可以進(jìn)行直接體繪制，近來(lái)隨著計(jì)算機(jī)硬件快速發(fā)展，新的算法，如三維紋理映射技術(shù)，考慮了計(jì)算機(jī)圖形硬件的特定功能及體繪制過(guò)程中的各種優(yōu)化方法，從而大大地提高了直接體繪制的速度。體繪制根據(jù)所用的投影算法不同加以分類，分為以對(duì)象空間為序的算法（又稱為體素投影法）和以圖像空間為序的算法!又稱為光線投射法"，一般來(lái)說(shuō)，體素投影法繪制的速度比光線投射法快。由于三維醫(yī)學(xué)圖像的繪制目的在于看見(jiàn)內(nèi)部組織的細(xì)節(jié)，真實(shí)感并不是最重要的，所以在醫(yī)學(xué)應(yīng)用中的繪制要突出特定診斷所需要的信息，而忽略無(wú)關(guān)信息。另外，高度的可交互性是三維醫(yī)學(xué)圖像繪制的另一個(gè)要求，即要求一些常見(jiàn)操作，如旋轉(zhuǎn)，放大，移動(dòng)，具有很好的實(shí)時(shí)性，或至少是在一個(gè)可以忍受的響應(yīng)時(shí)間內(nèi)完成。這意味著在醫(yī)學(xué)圖像繪制中，繪制時(shí)間短的可視化方法更為實(shí)用。

未來(lái)的三維可視化技術(shù)將與虛擬現(xiàn)實(shí)技術(shù)相結(jié)合，不僅僅是獲得體數(shù)據(jù)的工具，更主要的是能創(chuàng)造一個(gè)虛擬環(huán)境。

3．醫(yī)學(xué)圖像分割

醫(yī)學(xué)圖像分割就是一個(gè)根據(jù)區(qū)域間的相似或不同把圖像分割成若干區(qū)域的過(guò)程。目前,主要以各種細(xì)胞、組織與器官的圖像作為處理的對(duì)象，圖像分割技術(shù)主要基于以下幾種理論方法。

3.1基于統(tǒng)計(jì)學(xué)的方法

統(tǒng)計(jì)方法是近年來(lái)比較流行的醫(yī)學(xué)圖像分割方法。從統(tǒng)計(jì)學(xué)出發(fā)的圖像分割方法把圖像中各個(gè)像素點(diǎn)的灰度值看作是具有一定概率分布的隨機(jī)變量,觀察到的圖像是對(duì)實(shí)際物體做了某種變換并加入噪聲的結(jié)果,因而要正確分割圖像,從統(tǒng)計(jì)學(xué)的角度來(lái)看,就是要找出以最大的概率得到該圖像的物體組合。用吉布斯（Gibbs）分布表示的Markov隨機(jī)場(chǎng)(MRF)模型,能夠簡(jiǎn)單地通過(guò)勢(shì)能形式表示圖像像素之間的相互關(guān)系,因此周剛慧等結(jié)合人腦MR圖像的空間關(guān)系定義Markov隨機(jī)場(chǎng)的能量形式,然后通過(guò)最大后驗(yàn)概率(MAP)方法估計(jì)Markov隨機(jī)場(chǎng)的參數(shù),并通過(guò)迭代方法求解。層次MRF采用基于直方圖的DAEM算法估計(jì)標(biāo)準(zhǔn)有限正交混合(SFNM)參數(shù)的全局最優(yōu)值,并基于MRF先驗(yàn)參數(shù)的實(shí)際意義,采用一種近似的方法來(lái)簡(jiǎn)化這些參數(shù)的估計(jì)。林亞忠等采用的混合金字塔Gibbs隨機(jī)場(chǎng)模型,有效地解決了傳統(tǒng)最大后驗(yàn)估計(jì)計(jì)算量龐大和Gibbs隨機(jī)場(chǎng)模型參數(shù)無(wú)監(jiān)督及估計(jì)難等問(wèn)題,使分割結(jié)果更為可靠。

3.2基于模糊集理論的方法

醫(yī)學(xué)圖像一般較為復(fù)雜，有許多不確定性和不精確性，也即模糊性。所以有人將模糊理論引入到圖像處理與分析中，其中包括用模糊理論來(lái)解決分割問(wèn)題。基于模糊理論的圖形分割方法包括模糊閾值分割方法、模糊聚類分割方法等。模糊閾值分割技術(shù)利用不同的S型隸屬函數(shù)來(lái)定義模糊目標(biāo)，通過(guò)優(yōu)化過(guò)程最后選擇一個(gè)具有最小不確定性的S函數(shù)，用該函數(shù)表示目標(biāo)像素之間的關(guān)系。這種方法的難點(diǎn)在于隸屬函數(shù)的選擇。模糊C均值聚類分割方法通過(guò)優(yōu)化表示圖像像素點(diǎn)與C各類中心之間的相似性的目標(biāo)函數(shù)來(lái)獲得局部極大值，從而得到最優(yōu)聚類。Venkateswarlu等[改進(jìn)計(jì)算過(guò)程，提出了一種快速的聚類算法。

3.2.1基于模糊理論的方法

模糊分割技術(shù)是在模糊集合理論基礎(chǔ)上發(fā)展起來(lái)的,它可以很好地處理MR圖像內(nèi)在的模糊性和不確定性,而且對(duì)噪聲不敏感。模糊分割技術(shù)主要有模糊閾值、模糊聚類、模糊邊緣檢測(cè)等。在各種模糊分割技術(shù)中,近年來(lái)模糊聚類技術(shù),特別是模糊C-均值(FCM)聚類技術(shù)的應(yīng)用最為廣泛。FCM是一種非監(jiān)督模糊聚類后的標(biāo)定過(guò)程,非常適合存在不確定性和模糊性特點(diǎn)的MR圖像。然而,FCM算法本質(zhì)上是一種局部搜索尋優(yōu)技術(shù),它的迭代過(guò)程采用爬山技術(shù)來(lái)尋找最優(yōu)解,因此容易陷入局部極小值,而得不到全局最優(yōu)解。近年來(lái)相繼出現(xiàn)了許多改進(jìn)的FCM分割算法,其中快速模糊分割(FFCM)是最近模糊分割的研究熱點(diǎn)。FFCM算法對(duì)傳統(tǒng)FCM算法的初始化進(jìn)行了改進(jìn),用K-均值聚類的結(jié)果作為模糊聚類中心的初值,通過(guò)減少FCM的迭代次數(shù)來(lái)提高模糊聚類的速度。它實(shí)際上是兩次尋優(yōu)的迭代過(guò)程,首先由K-均值聚類得到聚類中心的次最優(yōu)解,再由FCM進(jìn)行模糊聚類,最終得到圖像的最優(yōu)模糊分割。

3.2.2基于神經(jīng)網(wǎng)絡(luò)的方法

按拓?fù)錂C(jī)構(gòu)來(lái)分,神經(jīng)網(wǎng)絡(luò)技術(shù)可分為前向神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)和自組織映射神經(jīng)網(wǎng)絡(luò)。目前已有各種類型的神經(jīng)網(wǎng)絡(luò)應(yīng)用于醫(yī)學(xué)圖像分割,如江寶釧等利用MRI多回波性,采用有指導(dǎo)的BP神經(jīng)網(wǎng)絡(luò)作為分類器,對(duì)腦部MR圖像進(jìn)行自動(dòng)分割。而Ahmed和Farag則是用自組織Kohenen網(wǎng)絡(luò)對(duì)CT/MRI腦切片圖像進(jìn)行分割和標(biāo)注,并將具有幾何不變性的圖像特征以模式的形式輸入到Kohenen網(wǎng)絡(luò),進(jìn)行無(wú)指導(dǎo)的體素聚類,以得到感興趣區(qū)域。模糊神經(jīng)網(wǎng)絡(luò)(FNN)分割技術(shù)越來(lái)越多地得到學(xué)者們的青睞,黃永鋒等提出了一種基于FNN的顱腦MRI半自動(dòng)分割技術(shù),僅對(duì)神經(jīng)網(wǎng)絡(luò)處理前和處理后的數(shù)據(jù)進(jìn)行模糊化和去模糊化,其分割結(jié)果表明FNN分割技術(shù)的抗噪和抗模糊能力更強(qiáng)。

3.2.3基于小波分析的分割方法

小波變換是近年來(lái)得到廣泛應(yīng)用的一種數(shù)學(xué)工具，由于它具有良好的時(shí)一頻局部化特征、尺度變化特征和方向特征，因此在圖像處理上得到了廣泛的應(yīng)用。

小波變換和分析作為一種多尺度多通道分析工具，比較適合對(duì)圖像進(jìn)行多尺度的邊緣檢測(cè)，典型的有如Mallat小波模極大值邊緣檢測(cè)算法[6

3.3基于知識(shí)的方法

基于知識(shí)的分割方法主要包括兩方面的內(nèi)容:(1)知識(shí)的獲取,即歸納提取相關(guān)知識(shí),建立知識(shí)庫(kù)；(2)知識(shí)的應(yīng)用,即有效地利用知識(shí)實(shí)現(xiàn)圖像的自動(dòng)分割。其知識(shí)來(lái)源主要有:(1)臨床知識(shí),即某種疾病的癥狀及它們所處的位置；(2)解剖學(xué)知識(shí),即某器官的解剖學(xué)和形態(tài)學(xué)信息,及其幾何學(xué)與拓?fù)鋵W(xué)的關(guān)系,這種知識(shí)通常用圖譜表示；(3)成像知識(shí),這類知識(shí)與成像方法和具體設(shè)備有關(guān)；(4)統(tǒng)計(jì)知識(shí),如MI的質(zhì)子密度(PD)、T1和T2統(tǒng)計(jì)數(shù)據(jù)。Costin等提出了一種基于知識(shí)的模糊分割技術(shù),首先對(duì)圖像進(jìn)行模糊化處理,然后利用相應(yīng)的知識(shí)對(duì)各組織進(jìn)行模糊邊緣檢測(cè)。而謝逢等則提出了一種基于知識(shí)的人腦三維醫(yī)學(xué)圖像分割顯示的方法。首先,以框架為主要表示方法,建立完整的人腦三維知識(shí)模型,包含腦組織幾何形態(tài)、生理功能、圖像灰度三方面的信息；然后,采用“智能光線跟蹤”方法,在模型知識(shí)指導(dǎo)下直接從體積數(shù)據(jù)中提取并顯示各組織器官的表面。

3.4基于模型的方法

該方法根據(jù)圖像的先驗(yàn)知識(shí)建立模型,有動(dòng)態(tài)輪廓模型(ActiveContourModel,又稱Snake)、組合優(yōu)化模型等,其中Snake最為常用。Snake算法的能量函數(shù)采用積分運(yùn)算,具有較好的抗噪性,對(duì)目標(biāo)的局部模糊也不敏感,但其結(jié)果常依賴于參數(shù)初始化,不具有足夠的拓?fù)溥m應(yīng)性,因此很多學(xué)者將Snake與其它方法結(jié)合起來(lái)使用,如王蓓等利用圖像的先驗(yàn)知識(shí)與Snake結(jié)合的方法,避開(kāi)圖像的一些局部極小點(diǎn),克服了Snake方法的一些不足。Raquel等將徑向基網(wǎng)絡(luò)(RBFNNcc)與Snake相結(jié)合建立了一種混合模型,該模型具有以下特點(diǎn):(1)該混合模型是靜態(tài)網(wǎng)絡(luò)和動(dòng)態(tài)模型的有機(jī)結(jié)合；(2)Snake的初始化輪廓由RBFNNcc提供；(3)Snake的初始化輪廓給出了最佳的控制點(diǎn)；(4)Snake的能量方程中包含了圖像的多譜信息。Luo等提出了一種將livewire算法與Snake相結(jié)合的醫(yī)學(xué)圖像序列的交互式分割算法,該算法的特點(diǎn)是在少數(shù)用戶交互的基礎(chǔ)上,可以快速可靠地得到一個(gè)醫(yī)學(xué)圖像序列的分割結(jié)果。

由于醫(yī)學(xué)圖像分割問(wèn)題本身的困難性，目前的方法都是針對(duì)某個(gè)具體任務(wù)而言的，還沒(méi)有一個(gè)通用的解決方法。綜觀近幾年圖像分割領(lǐng)域的文獻(xiàn)，可見(jiàn)醫(yī)學(xué)圖像分割方法研究的幾個(gè)顯著特點(diǎn)：（1）學(xué)者們逐漸認(rèn)識(shí)到現(xiàn)有任何一種單獨(dú)的圖像分割算法都難以對(duì)一般圖像取得比較滿意的結(jié)果，因而更加注重多種分割算法的有效結(jié)合；（2）在目前無(wú)法完全由計(jì)算機(jī)來(lái)完成圖像分割任務(wù)的情況下，半自動(dòng)的分割方法引起了人們的廣泛注意，如何才能充分利用計(jì)算機(jī)的運(yùn)算能力，使人僅在必要的時(shí)候進(jìn)行必不可少的干預(yù)，從而得到滿意的分割結(jié)果是交互式分割方法的核心問(wèn)題；（3）新的分割方法的研究主要以自動(dòng)、精確、快速、自適應(yīng)和魯棒性等幾個(gè)方向作為研究目標(biāo)，經(jīng)典分割技術(shù)與現(xiàn)代分割技術(shù)的綜合利用（集成技術(shù)）是今后醫(yī)學(xué)圖像分割技術(shù)的發(fā)展方向。

4．醫(yī)學(xué)圖像配準(zhǔn)和融合

醫(yī)學(xué)圖像可以分為解剖圖像和功能圖像2個(gè)部分。解剖圖像主要描述人體形態(tài)信息，功能圖像主要描述人體代謝信息。為了綜合使用多種成像模式以提供更全面的信息，常常需要將有效信息進(jìn)行整合。整合的第一步就是使多幅圖像在空間域中達(dá)到幾何位置的完全對(duì)應(yīng)，這一步驟稱為“配準(zhǔn)”。整合的第二步就是將配準(zhǔn)后圖像進(jìn)行信息的整合顯示，這一步驟稱為“融合”。

在臨床診斷上，醫(yī)生常常需要各種醫(yī)學(xué)圖像的支持，如CT、MRI、PET、SPECT以及超聲圖像等，但無(wú)論哪一類的醫(yī)學(xué)圖像往往都難以提供全面的信息，這就需要將患者的各種圖像信息綜合研究19]，而要做到這一點(diǎn)，首先必須解決圖像的配準(zhǔn)(或叫匹配)和融合問(wèn)題。醫(yī)學(xué)圖像配準(zhǔn)是確定兩幅或多幅醫(yī)學(xué)圖像像素的空間對(duì)應(yīng)關(guān)系；而融合是指將不同形式的醫(yī)學(xué)圖像中的信息綜合到一起，形成新的圖像的過(guò)程。圖像配準(zhǔn)是圖像融合必需的預(yù)處理技術(shù)，反過(guò)來(lái)，圖像融合是圖像配準(zhǔn)的一個(gè)目的。

4.1醫(yī)學(xué)圖像配準(zhǔn)

醫(yī)學(xué)圖像配準(zhǔn)包括圖像的定位和轉(zhuǎn)換，即通過(guò)尋找一種空間變換使兩幅圖像對(duì)應(yīng)點(diǎn)達(dá)到空間位置上的配準(zhǔn)，配準(zhǔn)的結(jié)果應(yīng)使兩幅圖像上所有關(guān)鍵的解剖點(diǎn)或感興趣的關(guān)鍵點(diǎn)達(dá)到匹配。20世紀(jì)90年代以來(lái)，醫(yī)學(xué)圖像配準(zhǔn)的研究受到了國(guó)內(nèi)外醫(yī)學(xué)界和工程界的高度重視，1993年P(guān)etra等]綜述了二維圖像的配準(zhǔn)方法，并根據(jù)配準(zhǔn)基準(zhǔn)的特性，將圖像配準(zhǔn)的方法分為兩大類：基于外部特征（有框架）的圖像配準(zhǔn)和基于內(nèi)部特征（無(wú)框架）的圖像配準(zhǔn)?；谕獠刻卣鞯姆椒òⅢw定位框架法、面膜法及皮膚標(biāo)記法等?；谕獠刻卣鞯膱D像配準(zhǔn)，簡(jiǎn)單易行，易實(shí)現(xiàn)自動(dòng)化，能夠獲得較高的精度，可以作為評(píng)估無(wú)框架配準(zhǔn)算法的標(biāo)準(zhǔn)。但對(duì)標(biāo)記物的放置要求高，只能用于同一患者不同影像模式之間的配準(zhǔn)，不適用于患者之間和患者圖像與圖譜之間的配準(zhǔn)，不能對(duì)歷史圖像做回溯性研究。基于內(nèi)部特征的方法是根據(jù)一些用戶能識(shí)別出的解剖點(diǎn)、醫(yī)學(xué)圖像中相對(duì)運(yùn)動(dòng)較小的結(jié)構(gòu)及圖像內(nèi)部體素的灰度信息進(jìn)行配準(zhǔn)?；趦?nèi)部特征的方法包括手工交互法、對(duì)應(yīng)點(diǎn)配準(zhǔn)法、結(jié)構(gòu)配準(zhǔn)法、矩配準(zhǔn)法及相關(guān)配準(zhǔn)法?；趦?nèi)部特征的圖像配準(zhǔn)是一種交互性方法，可以進(jìn)行回顧性研究，不會(huì)造成患者不適，故基于內(nèi)部特征的圖像配準(zhǔn)成為研究的重點(diǎn)。

近年來(lái)，醫(yī)學(xué)圖像配準(zhǔn)技術(shù)有了新的進(jìn)展，在配準(zhǔn)方法上應(yīng)用了信息學(xué)的理論和方法，例如應(yīng)用最大化的互信息量作為配準(zhǔn)準(zhǔn)則進(jìn)行圖像的配準(zhǔn)，在配準(zhǔn)對(duì)象方面從二維圖像發(fā)展到三維多模醫(yī)學(xué)圖像的配準(zhǔn)。例如Luo等利用最大互信息法對(duì)CT-MR和MR-PET三維全腦數(shù)據(jù)進(jìn)行了配準(zhǔn)，結(jié)果全部達(dá)到亞像素級(jí)配準(zhǔn)精度。在醫(yī)學(xué)圖像配準(zhǔn)技術(shù)方面引入信號(hào)處理技術(shù)，例如傅氏變換和小波變換。小波技術(shù)在空間和頻域上具有良好的局部特性，在空間和頻域都具有較高的分辨率，應(yīng)用小波技術(shù)多分辨地描述圖像細(xì)貌，使圖像由粗到細(xì)的分級(jí)快速匹配，是近年來(lái)醫(yī)學(xué)圖像配準(zhǔn)的發(fā)展之一。國(guó)內(nèi)外學(xué)者在這方面作了大量的工作，如Sharman等提出了一種基于小波變換的自動(dòng)配準(zhǔn)剛體圖像方法，使用小波變換獲得多模圖像特征點(diǎn)然后進(jìn)行圖像配準(zhǔn)，提高了配準(zhǔn)的準(zhǔn)確性。另外，非線性配準(zhǔn)也是近年來(lái)研究的熱點(diǎn)，它對(duì)于非剛性對(duì)象的圖像配準(zhǔn)更加適用，配準(zhǔn)結(jié)果更加準(zhǔn)確。

目前許多醫(yī)學(xué)圖像配準(zhǔn)技術(shù)主要是針對(duì)剛性體的配準(zhǔn)，非剛性圖像的配準(zhǔn)雖然已經(jīng)提出一些解決的方法，但同剛性圖像相比還不成熟。另外，醫(yī)學(xué)圖像配準(zhǔn)缺少實(shí)時(shí)性和準(zhǔn)確性及有效的全自動(dòng)的配準(zhǔn)策略。向快速和準(zhǔn)確方面改進(jìn)算法，使用最優(yōu)化策略改進(jìn)圖像配準(zhǔn)以及對(duì)非剛性圖像配準(zhǔn)的研究是今后醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的發(fā)展方向。

4.2醫(yī)學(xué)圖像融合

圖像融合的主要目的是通過(guò)對(duì)多幅圖像間的冗余數(shù)據(jù)的處理來(lái)提高圖像的可讀性,對(duì)多幅圖像間的互補(bǔ)信息的處理來(lái)提高圖像的清晰度。不同的醫(yī)學(xué)影像設(shè)備獲取的影像反映了不同的信息：功能圖像（SPECT、PET等）分辨率較差，但它提供的臟器功能代謝和血液流動(dòng)信息是解剖圖像所不能替代的；解剖圖像（CT、MRI、B超等）以較高的分辨率提供了臟器的解剖形態(tài)信息，其中CT有利于更致密的組織的探測(cè)，而MRI能夠提供軟組織的更多信息。多模態(tài)醫(yī)學(xué)圖像的融合把有價(jià)值的生理功能信息與精確的解剖結(jié)構(gòu)結(jié)合在一起，可以為臨床提供更加全面和準(zhǔn)確的資料。

醫(yī)學(xué)圖像的融合可分為圖像融合的基礎(chǔ)和融合圖像的顯示。（1）圖像融合的基礎(chǔ)：目前的圖像融合技術(shù)可以分為2大類，一類是以圖像像素為基礎(chǔ)的融合法；另一類是以圖像特征為基礎(chǔ)的融合方法。以圖像像素為基礎(chǔ)的融合法模型可以表示為：

其中，為融合圖像，為源圖像，為相應(yīng)的權(quán)重。以圖像特征為基礎(chǔ)的融合方法在原理上不夠直觀且算法復(fù)雜，但是其實(shí)現(xiàn)效果較好。圖像融合的步驟一般為：①將源圖像分別變換至一定變換域上；②在變換域上設(shè)計(jì)一定特征選擇規(guī)則；③根據(jù)選取的規(guī)則在變換域上創(chuàng)建融合圖像；④逆變換重建融合圖像。（2）融合圖像的顯示：融合圖像的顯示方法可分成2種：空間維顯示和時(shí)間維顯示。

目前，醫(yī)學(xué)圖像融合技術(shù)中還存在較多困難與不足。首先，基本的理論框架和有效的廣義融合模型尚未形成。以致現(xiàn)有的技術(shù)方法還只是針對(duì)具體病癥、具體問(wèn)題發(fā)揮作用，通用性相對(duì)較弱。研究的圖像以CT、MRI、核醫(yī)學(xué)圖像為主，超聲等成本較低的圖像研究較少且研究主要集中于大腦、腫瘤成像等；其次，由于成像系統(tǒng)的成像原理的差異，其圖像采集方式、格式以及圖像的大小、質(zhì)量、空間與時(shí)間特性等差異大，因此研究穩(wěn)定且精度較高的全自動(dòng)醫(yī)學(xué)圖像配準(zhǔn)與融合方法是圖像融合技術(shù)的難點(diǎn)之一；最后，缺乏能夠客觀評(píng)價(jià)不同融合方法融合效果優(yōu)劣的標(biāo)準(zhǔn)，通常用目測(cè)的方法比較融合效果，有時(shí)還需要利用到醫(yī)生的經(jīng)驗(yàn)。

在圖像融合技術(shù)研究中，不斷有新的方法出現(xiàn)，其中小波變換在圖像融合中的應(yīng)用，基于有限元分析的非線性配準(zhǔn)以及人工智能技術(shù)在圖像融合中的應(yīng)用將是今后圖像融合研究的熱點(diǎn)與方向。隨著三維重建顯示技術(shù)的發(fā)展，三維圖像融合技術(shù)的研究也越來(lái)越受到重視，三維圖像的融合和信息表達(dá)，也將是圖像融合研究的一個(gè)重點(diǎn)。

5．醫(yī)學(xué)圖像紋理分析

一般認(rèn)為圖像的紋理特征描述物體表面灰度或顏色的變化,這種變化與物體自身屬性有關(guān),是某種紋理基元的重復(fù)。Sklansky早在1978年給出了一個(gè)較為適合于醫(yī)學(xué)圖像的紋理定義:“如果圖像的一系列固有的統(tǒng)計(jì)特性或其它的特性是穩(wěn)定的、緩慢變化的或者是近似周期的,那么則認(rèn)為圖像的區(qū)域具有不變的紋理”。紋理的不變性即指紋理圖像的分析結(jié)果不會(huì)受到旋轉(zhuǎn)、平移、以及其它幾何處理的影響。目前從圖像像素之間的關(guān)系角度,紋理分析方法主要包括以下幾種。

5.1統(tǒng)計(jì)法

統(tǒng)計(jì)分析方法主要是基于圖像像素的灰度值的分布與相互關(guān)系,找出反映這些關(guān)系的特征。基本原理是選擇不同的統(tǒng)計(jì)量對(duì)紋理圖像的統(tǒng)計(jì)特征進(jìn)行提取。這類方法一般原理簡(jiǎn)單,較易實(shí)現(xiàn),但適用范圍受到限制。該方法主要適合醫(yī)學(xué)圖像中那些沒(méi)有明顯規(guī)則性的結(jié)構(gòu)圖像,特別適合于具有隨機(jī)的、非均勻性的結(jié)構(gòu)。統(tǒng)計(jì)分析方法中,最常用的是共生矩陣法,其中有灰度共生矩陣(graylevelco-occurrencematrix,GLCM)和灰度—梯度共生矩陣。杜克大學(xué)的R.Voracek等使用GLCM對(duì)肋間周邊區(qū)提取的興趣區(qū)(regionofinterest,ROI)進(jìn)行計(jì)算,測(cè)出了有意義的紋理參數(shù)。另外,還有長(zhǎng)游程法(runlengthmatrix,RLM),其紋理特征包括短游程優(yōu)勢(shì)、長(zhǎng)游程優(yōu)勢(shì)、灰度非均勻化、游程非均勻化、游程百分比等,長(zhǎng)游程法是對(duì)圖像灰度關(guān)系的高階統(tǒng)計(jì),對(duì)于給定的灰度游程,粗的紋理具有較大的游程長(zhǎng)度,而細(xì)的紋理具有較小的游程長(zhǎng)度。

5.2結(jié)構(gòu)法

結(jié)構(gòu)分析方法是分析紋理圖像的結(jié)構(gòu),從中獲取結(jié)構(gòu)特征。結(jié)構(gòu)分析法首先將紋理看成是有許多紋理基元按照一定的位置規(guī)則組成的,然后分兩個(gè)步驟處理（1）提取紋理基元；（2）推論紋理基元位置規(guī)律。目前主要用數(shù)學(xué)形態(tài)學(xué)方法處理紋理圖像,該方法適合于規(guī)則和周期性紋理,但由于醫(yī)學(xué)圖像紋理通常不是很規(guī)則,因此該方法的應(yīng)用也受到限制,實(shí)際中較少采用。

5.3模型法

模型分析方法認(rèn)為一個(gè)像素與其鄰域像素存在某種相互關(guān)系,這種關(guān)系可以是線性的,也可以是符合某種概率關(guān)系的。模型法通常有自回歸模型、馬爾科夫隨機(jī)場(chǎng)模型、Gibbs隨機(jī)場(chǎng)模型、分形模型,這些方法都是用模型系數(shù)來(lái)表征紋理圖像,其關(guān)鍵在于首先要對(duì)紋理圖像的結(jié)構(gòu)進(jìn)行分析以選擇到最適合的模型,其次為如何估計(jì)這些模型系數(shù)。如何通過(guò)求模型參數(shù)來(lái)提取紋理特征,進(jìn)行紋理分析,這類方法存在著計(jì)算量大,自然紋理很難用單一模型表達(dá)的缺點(diǎn)。

5.4頻譜法

頻譜分析方法主要基于濾波器理論，包括傅立葉變換法、Gabor變換法和小波變換法。

1973年Bajcsy使用傅立葉濾波器方法分析紋理。Indhal等利用2-D快速傅立葉變換對(duì)紋理圖像進(jìn)行頻譜分析,從而獲得紋理特征。該方法只能完成圖像的頻率分解,因而獲得的信息不是很充分。1980年Laws對(duì)圖像進(jìn)行傅氏變換,得出圖像的功率譜,從而提取紋理特征進(jìn)行分析。

Gabor函數(shù)可以捕捉到相當(dāng)多的紋理信息,且具有極佳的空間/頻域聯(lián)合分辨率,因此在實(shí)際中獲得了較廣泛的應(yīng)用。小波變換法大體分金子塔形小波變換法和樹(shù)形小波變換法(小波包法)。

小波變換在紋理分析中的應(yīng)用是Mallat在1989年首先提出的,主要用二值小波變換(DiscreteWaveletTransform,DWT),之后各種小波變換被用于抽取紋理特征。傳統(tǒng)的金字塔小波變換在各分解級(jí)僅對(duì)低頻部分進(jìn)行分解,所以利用金字塔小波變換進(jìn)行紋理特征提取是僅利用了紋理圖像低頻子帶的信息,但對(duì)某些紋理,其中高頻子帶仍含有有關(guān)紋理的重要特征信息(如對(duì)具有明顯的不規(guī)則紋理的圖像,即其高頻子帶仍含有有關(guān)紋理的重要特征)得不到利用。使用在每個(gè)分解級(jí)對(duì)所有的頻率通道均進(jìn)行分解的完全樹(shù)結(jié)構(gòu)小波變換提取特征,能夠較全面地提取有關(guān)紋理特征。

由于醫(yī)學(xué)圖像及其紋理的復(fù)雜性，目前還不存在通用的適合各類醫(yī)學(xué)圖像進(jìn)行紋理分析的方法，因而對(duì)于各類不同特點(diǎn)的醫(yī)學(xué)圖像就必須采取有針對(duì)性地最適合的紋理分析技術(shù)。另外，在應(yīng)用某一種紋理分析方法對(duì)圖像進(jìn)行分析時(shí)，尋求最優(yōu)的紋理特征與紋理參數(shù)也是目前醫(yī)學(xué)圖像紋理分析中的重點(diǎn)和難點(diǎn)。

6．總結(jié)

隨著遠(yuǎn)程醫(yī)療技術(shù)的蓬勃發(fā)展，對(duì)醫(yī)學(xué)圖像處理提出的要求也越來(lái)越高。醫(yī)學(xué)圖像處理技術(shù)發(fā)展至今，各個(gè)學(xué)科的交叉滲透已是發(fā)展的必然趨勢(shì)，其中還有很多亟待解決的問(wèn)題。有效地提高醫(yī)學(xué)圖像處理技術(shù)的水平，與多學(xué)科理論的交叉融合、醫(yī)務(wù)人員和理論技術(shù)人員之間的交流就顯得越來(lái)越重要。多維、多參數(shù)以及多模式圖像在臨床診斷（包括病灶檢測(cè)、定性，臟器功能評(píng)估，血流估計(jì)等）與治療（包括三維定位、體積計(jì)算、外科手術(shù)規(guī)劃等）中將發(fā)揮更大的作用。

參考文獻(xiàn)

[1]P.Suetens.FundamentalsofMedicalImaging[M].CambridgeUniversityPress，2002．

[2]劉俊敏，黃忠全，王世耕，張穎.醫(yī)學(xué)圖像處理技術(shù)的現(xiàn)狀及發(fā)展方向[J].醫(yī)療衛(wèi)生設(shè)備，2005，Vol26

（12）：25-26.

[3]田婭，饒妮妮，蒲立新.國(guó)內(nèi)醫(yī)學(xué)圖像處理技術(shù)的最新動(dòng)態(tài)[J].電子科技大學(xué)學(xué)報(bào)，2002，Vol31（5）：

485-489.

[4]周剛慧，施鵬飛．磁共振圖像的隨機(jī)場(chǎng)分割方法[J]．上海交通大學(xué)學(xué)報(bào)，2001，Vol35（11）：1655．

[5]ZhangHM，YuanZJ，CaiZM.SegmentationofMRIusinghierarchicalmarkovrandomfield[J].Journalof

Software，2002，Vol13（9）：1779.

[6]林亞忠，陳武凡，楊豐.基于混合金字塔吉布斯隨機(jī)場(chǎng)模型的圖像分割[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，

2004，Vol23（1）：79.

[7]聶生東，陳瑛，顧順德．磁共振顱腦圖像快速模糊聚類分割算法研究[J]．中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，2001，

Vol20（2）：104．

[8]江寶釧，張鈞良．基于BP神經(jīng)網(wǎng)絡(luò)的MRI分割[J].微機(jī)發(fā)展，2000，Vol1：67.

[9]AhmedMN，F(xiàn)aragA.Two-stageneuralnetworkforvolumesegmentationofmedicalimages[J].Proceedings

ofIEEEInternationalConferenceonNeuralNetworks，1997，Vol28（3）：1373.

[10]黃永峰，岑康，司京玉等.模糊神經(jīng)網(wǎng)絡(luò)在顱腦磁共振圖像分割中的應(yīng)用研究[J].中國(guó)生物醫(yī)學(xué)工程

學(xué)報(bào)，2003，Vol22（6）：508.

[11]CostinH，RotariuCR.Knowledge-basedcontourdetectioninmedicalimagingusingfuzzylogic[J].

InternationalSymposiumonSCS’03，2003，1：273.

[12]謝逢，羅立民，田雪琴.基于知識(shí)的人腦三維醫(yī)學(xué)圖像分割顯示方法[J].生物醫(yī)學(xué)工程學(xué)雜志，1997，

Vol14（2）：124.

[13]王蓓，張立明.利用圖像先驗(yàn)知識(shí)與Snake結(jié)合對(duì)心臟序列圖像的分割[J].復(fù)旦大學(xué)學(xué)報(bào)（自然科學(xué)

版），2003，Vol42（1）：81.

[14]RaquelVC，VeronicaMB，OscarYS.Couplingofradial-basisnetworkandactivecontourmodelformulti

spectralbrainMRIsegmentation[J].IEEETransactionsonBiomedicalEngineering，2004，Vol51（3）：459.

[15]LuoXP，TianJ，LinY.Analgorithmforsegmentationofmedicalimageseriesbasedonactivecontour

model[J].JournalofSoftware，2002，Vol13（6）：1050.

[16]HallpikeL，HawkesDJ.Medicalimageregistration:Anoverview[J].BrInstituteRadiol，2004，Vol14（6）：

455-463.

[17]PetraA，ElsenV.MedicalImagemaching:Areviewwithclassification[J].IEEETransMedImage，1993，

Vol12（3）：26-39.

[18]LuoShuo-qian，LiXiang.Implementationofmutualinformationbasedmulti-modalitymedicalimage

registration[A].EngMedBillSocProc22ndAnnIntConfIEEE[C].NavyPierConventionCenterChicago，

Illinois，USA：TheInstituteofElectricalandElectricalandElectronicsEngineers，Ind，2000，2：1447-1450.

[19]SharmanR，TylerJM，PianykhOL，etal.Afastandaccuratetomethodtoregistermedicalimagesusing

waveletmodulusmaxima[J].PattRecogLett，2000，21：447-462.

[20]LesterH，ArridgeSR.ASurveyofhierarchiclnon-linearmedicalimageregistration[J].PatternRecognition，

1999，32：129-149.

[21]盧健，胡志忠，楊如乃.醫(yī)學(xué)圖像融合技術(shù)的研究[J].上海生物醫(yī)學(xué)工程，2006，Vol27（3）：163-167.

[22]王新成.高級(jí)圖像處理技術(shù)[M].北京：中國(guó)科學(xué)技術(shù)出版社，2001.

[23]RVoracek，HPMcAdams，puterAidedDiagnosisofInterstitialLungDisease:aTexture

篇（2）

初中教師面對(duì)的是12～16歲的青少年。歷史課堂上，他們?cè)敢饴?tīng)、樂(lè)于記形象性強(qiáng)的人物事跡和故事。教師授課時(shí)就應(yīng)緊緊抓住這一特點(diǎn)，因勢(shì)利導(dǎo)。講歷史事件，要力求渲染氣氛，要講得有聲有色，要把簡(jiǎn)單枯燥的文字變成生動(dòng)具體的場(chǎng)面；講歷史人物，則應(yīng)突出人物鮮明而富有特色的個(gè)性，使人物形象栩栩如生，鮮明、突出。如講《》一節(jié)，可這樣敘述：“侵略者焚燒圓明園的大火，延續(xù)了三天。黑色的云團(tuán)長(zhǎng)達(dá)50多公里，久久不散，飄蕩在整個(gè)北京上空。大大小小的灰星落滿了大街小巷，到處是一片天昏地暗，就像發(fā)生了日食一樣……圓明園，這座被稱為‘萬(wàn)園之園’的藝術(shù)杰作，這座中國(guó)歷史上最宏偉、最精美的皇家園林，就這樣被這群野蠻的侵略者燒毀了。”這里，有對(duì)具體情景的描述，有對(duì)精美無(wú)比的圓明園被燒毀的嘆惜，更有對(duì)侵略強(qiáng)盜野蠻行徑的控訴。像這樣有聲有色的敘述，學(xué)生怎能不受到強(qiáng)烈的感染呢？

其次，歷史課堂教學(xué)要注重關(guān)聯(lián)，講清發(fā)展，突出結(jié)構(gòu)，理清條理。

篇（3）

1.結(jié)合生活現(xiàn)象設(shè)計(jì)問(wèn)題

教育首先是一種生活，一種健康的、純真的、充滿智慧與詩(shī)意的生活。讓教育回歸生活，學(xué)生才能學(xué)以致用。生活中有不少現(xiàn)象，平時(shí)習(xí)以為常，一旦提到課堂上，情況就大不一樣了。例如：“雨后彩虹為什么這么美麗？”（月全食后）月兒為什么這么紅？”“旋轉(zhuǎn)的傘上的雨水為什么能脫離雨傘而飛出去？”“為什么拔下電源插頭時(shí)，帶有電火花產(chǎn)生？”這樣有助于提高學(xué)生的學(xué)習(xí)興趣和實(shí)驗(yàn)熱情，使他們懂得物理學(xué)就在我們的生活中，我們的生活中充滿著樂(lè)趣和無(wú)窮奧妙，有助于學(xué)生形成從客觀事物的感性認(rèn)識(shí)入手來(lái)探索物理知識(shí)的好習(xí)慣。

2.結(jié)合舊課的復(fù)習(xí)設(shè)計(jì)問(wèn)題，層層深入

提問(wèn)是為了啟發(fā)學(xué)生思考，不能啟發(fā)學(xué)生思考的提問(wèn)是拙劣的提問(wèn)。教學(xué)中，課前教師總習(xí)慣提問(wèn)舊課內(nèi)容，可對(duì)于學(xué)生來(lái)說(shuō)，他們視野日益開(kāi)闊，知識(shí)日益豐富，吸引他們的不再是課文中現(xiàn)成答案的問(wèn)題，而是通過(guò)分析、比較、推理才能得出結(jié)論的問(wèn)題。因此，復(fù)習(xí)提問(wèn)切忌簡(jiǎn)單化，而應(yīng)設(shè)計(jì)能啟發(fā)思維的、富有智能訓(xùn)練價(jià)值的問(wèn)題。例：“重力”導(dǎo)入新課的提問(wèn)方法提問(wèn)一：什么叫力？力的作用效果是什么？提問(wèn)二：踢足球，足球離開(kāi)腳后，在空中運(yùn)動(dòng)的過(guò)程中，受到向前的推力、重力和空氣的阻力等，這種說(shuō)法對(duì)嗎？為什么？提問(wèn)三：豎直向上拋出一小球，其速度越來(lái)越小，這主要是因?yàn)樾∏蚴艿搅丝諝獾淖枇Γ@種說(shuō)法對(duì)嗎？為什么？（抽查學(xué)生回答后，板書(shū)課題“重力”）“提問(wèn)一”是為復(fù)習(xí)以前的力學(xué)知識(shí)；“提問(wèn)二”制造了懸念，引導(dǎo)學(xué)生注意常犯的錯(cuò)誤——受到向前的推力，為以后物體的受力分析和牛頓定律的理解打下基礎(chǔ)；“提問(wèn)三”啟發(fā)學(xué)生直覺(jué)思維，把注意力引導(dǎo)到“重力”上來(lái)。三個(gè)問(wèn)題前后串聯(lián)，搭配得當(dāng)，不斷激發(fā)學(xué)生的好奇心、求知欲。

二、講究因人施問(wèn)

每個(gè)人都有一種自我實(shí)現(xiàn)、獲取承認(rèn)、取得成功的愿望和需要。成功時(shí)，會(huì)情緒高昂、興趣倍增，多次努力仍然失敗時(shí)，就會(huì)產(chǎn)生畏難情緒，影響積極性。其實(shí)，中學(xué)生感到學(xué)物理難并不都是學(xué)生的智力問(wèn)題，相比之下，非智力因素的影響更大。因此，給學(xué)生創(chuàng)造一個(gè)成功的機(jī)會(huì)，是提高學(xué)生學(xué)習(xí)情緒的一種有效方法。在物理課堂教學(xué)中，多數(shù)情況下提問(wèn)后要停頓一會(huì)兒。有經(jīng)驗(yàn)的教師常在提問(wèn)后環(huán)顧全班，一些非語(yǔ)言的暗示也可告訴教師學(xué)生對(duì)問(wèn)題的反應(yīng)，如學(xué)生舉手則表明他想回答這個(gè)問(wèn)題。每當(dāng)一個(gè)學(xué)生準(zhǔn)備回答問(wèn)題時(shí)，他便會(huì)嘴微張，身體稍前傾，眼睛也睜得更大一些，或許會(huì)抬起頭微笑，這表明他對(duì)回答這個(gè)問(wèn)題比較有把握。而對(duì)聽(tīng)到問(wèn)題后低頭或躲避教師目光的學(xué)生，可能對(duì)這一問(wèn)題不會(huì)。因此，在教師提出問(wèn)題后停頓期間，要尋找這些表現(xiàn)。當(dāng)學(xué)生對(duì)問(wèn)題不能正確回答時(shí)，提示與探詢是必要手段。對(duì)學(xué)生答案中出現(xiàn)的錯(cuò)誤或不確切的內(nèi)容，或者思維方法上的不足，要及時(shí)提示。要善于運(yùn)用探詢的方法幫助學(xué)生更深入地思考，給出更完整的答案，要運(yùn)用追問(wèn)、解釋等幫助學(xué)生回答，創(chuàng)設(shè)更多的條件讓每個(gè)學(xué)生都能取得學(xué)習(xí)上的成功，使他們獲得心理上的滿足。調(diào)動(dòng)每一個(gè)學(xué)生的積極性，使他們充滿熱情地投入到物理學(xué)習(xí)中來(lái)。

篇（4）

該書(shū)共50萬(wàn)字，分為序言、祝辭、論文選粹、學(xué)術(shù)年表、媒體報(bào)道摘編等五部分，集中反映了沈德立先生50年學(xué)術(shù)生涯的具體成就。

已故著名心理學(xué)家、中國(guó)心理學(xué)會(huì)第五屆理事會(huì)理事長(zhǎng)、北京大學(xué)王教授和天津師范大學(xué)靳潤(rùn)成校長(zhǎng)分別作序。我國(guó)著名心理學(xué)家朱祖祥、車(chē)文博、楊治良、林崇德、歐陽(yáng)侖等先生分別寫(xiě)了祝辭。

這本論文選集著重反映了改革開(kāi)放以來(lái)，沈先生為中國(guó)心理學(xué)發(fā)展所做的三件重要工作：

第一，為了解決高校心理學(xué)教材內(nèi)容陳舊和脫離中國(guó)實(shí)際的問(wèn)題，他與他的老師張述祖先生接受了國(guó)家教委下達(dá)的編寫(xiě)全國(guó)統(tǒng)編教材的任務(wù)，于1987年出版《基礎(chǔ)心理學(xué)》一書(shū)。該書(shū)受到同行專家的高度評(píng)價(jià)，認(rèn)為具有“時(shí)代氣息”和“中國(guó)特色”，并于1992年獲得“國(guó)家級(jí)優(yōu)秀教材獎(jiǎng)”。1995年，他們又出版了《基礎(chǔ)心理學(xué)新編》，對(duì)《基礎(chǔ)心理學(xué)》予以豐富和發(fā)展。

第二，為了心理學(xué)教學(xué)能夠理論聯(lián)系實(shí)際，并使心理學(xué)研究工作建立在科學(xué)的基礎(chǔ)上，他主持研制并生產(chǎn)了第一代國(guó)產(chǎn)10種認(rèn)知系列心理學(xué)儀器和第二代國(guó)產(chǎn)心理學(xué)儀器――心理實(shí)驗(yàn)臺(tái)，供應(yīng)全國(guó)29個(gè)省市自治區(qū)的高校和科研單位使用，并于1989年獲得“國(guó)家級(jí)優(yōu)秀教學(xué)成果獎(jiǎng)”。

第三，他在一所心理學(xué)基礎(chǔ)非常薄弱的地方高校，創(chuàng)建了一個(gè)高水平的心理學(xué)科。具體表現(xiàn)為：培養(yǎng)了一批年輕人；爭(zhēng)取了世界銀行貸款，從國(guó)外引進(jìn)了一批大型的先進(jìn)心理學(xué)儀器設(shè)備，率先在國(guó)內(nèi)建立現(xiàn)代化的心理學(xué)實(shí)驗(yàn)室；爭(zhēng)取成為天津市重點(diǎn)學(xué)科和教育部人文社會(huì)科學(xué)重點(diǎn)研究基地，承擔(dān)大量國(guó)家和省市部委級(jí)重點(diǎn)課題；發(fā)表了一批有學(xué)術(shù)價(jià)值的論文和出版了一系列學(xué)術(shù)專著；先后被國(guó)務(wù)院學(xué)位委員會(huì)批準(zhǔn)為博士點(diǎn)和一級(jí)學(xué)科博士學(xué)位授予權(quán)，以及被國(guó)家人事部批準(zhǔn)為博士后科研流動(dòng)站。這些在教育部重點(diǎn)院?；蛟S算不上什么，但對(duì)于一個(gè)普通地方院校來(lái)說(shuō)，確實(shí)是非常不容易的。這對(duì)我國(guó)許多地方高校的學(xué)科建設(shè)有很好的示范作用。

沈先生以“愛(ài)國(guó)、尊師、勤奮、認(rèn)真”這八個(gè)字作為自己的人生信條，按照“人以德立”的行為規(guī)范在心理學(xué)這塊沃土上默默耕耘了五十年，反映出他對(duì)心理學(xué)事業(yè)執(zhí)著追求的精神。

書(shū)中精選沈先生從1957年到2003年間在國(guó)內(nèi)學(xué)術(shù)刊物上發(fā)表的40余篇論文。

該書(shū)收集資料內(nèi)容翔實(shí)、全面，圖文并茂，從另一側(cè)面反映了中國(guó)老中青三代心理學(xué)工作者為發(fā)展中國(guó)心理學(xué)事業(yè)的艱苦歷程和所取得的成就。書(shū)中還介紹了沈先生先輩的愛(ài)國(guó)事跡，這些都是他一生成長(zhǎng)及其半個(gè)世紀(jì)學(xué)術(shù)生涯的堅(jiān)實(shí)思想基礎(chǔ)。