内蒙古自治区模式识别与智能图像处理重点实验室依托内蒙古科技大学信息工程学院，将结合国家卫生信息化发展规划、医学信息学科发展趋势以及控制科学与工程学科、计算机科学技术与学科和专业发展的需要，重点开展针对医疗行业中模式识别与智能图像处理系统的构建与集成等核心技术及其应用推广方面的研究工作，并协同合作单位--内蒙古科技大学第一附属医院共同进行相关研究成果转化。实验室的设立，将进一步聚集相关学科人才形成稳定的团队，提升模式识别与智能图像处理技术及医学影像诊疗支持平台相关研究工作和成果转化水平，为促进医疗数字化的发展水平，打破国外技术的垄断做出贡献。目前，实验室的主要研究工作为以下4个方向：

    1、智能图像处理系统

    利用计算机断层成像、正电子放射层析成像、单光子辐射断层摄像、磁共振成像、超声成像及其它医学影像设备所获得的图像被广泛应用于医疗诊断、组织容积定量分析、病变组织定位、解剖结构学习、治疗规划、功能成像数据的局部体效应校正、计算机指导手术和术后监测等各个环节。实验室目前进行的模式识别研究主要集中于医学图像分割、配准与融合技术，基于特征的图像检索技术以及医学图像的三维重建技术等方向。

    不同形式的探测器（如MRI，CT，PET，SPECT等）被广泛用于医学图像采集，医护人员通过这些图像采集设备和技术得到影像，而并不易得到和利用各信源的综合信息，对同一病患医护人员可能需要使用不同设备采集多次信息，这增加了看病成本，也不利于信息共享的实现。为了综合使用多种成像模式以提供更全面的信息，根据多种成像模式提供的信息的互补性，医学图像处理技术可以通过配准使多幅图像在空间域中达到几何位置的完全对应，并通过融合将配准后图像整合后显示给用户。医学图像融合是根据需要综合处理多源通道的信息，为有效提高图像信息的利用率、系统对目标探测识别的可靠性及系统的自动化程度，利用图像处理和计算机技术等综合多源信道所采集到的关于同一目标的图像数据，消除多元信道信息之间的冗余和矛盾，增强影像中信息透明度，改善解译的精度、可靠性等，以完整、准确地描述目标信息。

    目前研究团队已经在医学图像非刚性配准、融合，医学图像的三维重建，结合时间的心脏影像四维重建技术，相关的虚拟内窥镜技术以及基于三维重建的三维分割与三维配准技术方面有了一定的研究积累。实验室根据智能图像处理领域的发展趋势，规划该方向主要研究内容：着力提高医学图像处理技术的应用水平，使之适用临床诊疗，在三维重建技术进一步发展完善基础上，开发支持临床的实用系统；研究海量背景下的图像检索技术和图像的分析、理解技术。

    2、模式识别技术及其应用

    自20世纪60年代以来，模式识别迅速发展并成为一门新学科，成为信息科学和人工智能的重要组成部分，其研究主要集中在两方面，一是研究生物体(包括人)是如何感知对象的，属于认识科学的范畴，二是在给定的任务下，如何用计算机实现模式识别的理论和方法。随着计算机技术的发展，模式识别可以通过计算机用数学技术方法来研究复杂的信息处理过程，特别是对于生物医学信号这类强噪声背景下的低频微弱信号的采集处理和理解这类信号处理领域的热点问题，根据其的特点对所采集到的生物医学信号，如体温、血压、呼吸、血流量、脉搏、心音等一维信号以及细胞图像、脑电图、心电图、肌电图、X光片、超声图片、CT图片、核磁共振(MR)图像等二维信号，利用模式识别技术进行分析、解释、分类、显示、存贮和传输，可提高对生物体系结构与功能的理解，并对临床的病理生理学研究提供协助，帮助对疾病进行诊断和治疗。

    实验室研究团队将通过采集人体细胞形态、神经电生理、脑血流动力学信息和语音听觉信号等生物医学信号出发，综合运用模式识别研究方法，分析疾病、认知和外加刺激或微波等因素对于中枢神经系统和其他人体系统的影响，试图在系统水平上揭示更多人体的病理生理学特征，从而为深入理解人体病理生理学过程，提高诊断和治疗奠定科学依据。实验室目前进行的模式识别研究主要集中于视觉假体、微波热疗、图像理解识别人体细胞、语音信号识别、脑与认知等方向，并已经有了一定的积累。

    其中视觉假体是利用大多数盲人仅有视觉通路的某一部分发生病变，而其余部分神经组织的结构和功能尚且完好，通过对视觉通路（视网膜、视神经以及初级视皮层等）的完好部位施加特定的人工电刺激而诱发出“光幻视”，使盲人产生视觉感受。而微波热疗则是利用不同频率微波以辐射形式通过组织时的热效应，探讨治疗各种疾病，特别是肿瘤的疗效。同时为了避免医生在用肉眼观看细胞涂片或切片时的误差和繁琐，团队还采用新的图像理解的智能识别过程，以模式识别的手段，结合人工智能理论以及知识学习理论和推理技术，探索自动准确智能识别人体细胞的方法。另外团队还在语音信号识别，即用声学方法研究语言的产生、传递、接受和转换的方向上有了很好的推进。而在脑与认知方向，实验室研究团队开展了功能磁共振成像、认知神经科学与人脑电信号分析的研究工作。采用多种模态的神经影像技术（结构、扩散和功能磁共振成像以及脑电），结合信号处理、计算机科学与临床疾病相关的问题。在认知神经科学研究领域，目前主要从事青少年网络与吸烟成瘾的神经机制研究；在临床科学研究领域，主要从事慢性疼痛的中枢机制研究以及临床干预效果评价；在生理信号分析领域，主要从事脑电信号分析，及其脑电信号与磁共振的融合问题研究。

    3、医疗信息系统的构建与集成

    医疗信息系统的集成兴起于上世纪80 年代，国外很多科研机构和医疗系统开发商提出了很多卓有成效的方案。其中医疗数据交换标准HL7 (Health Level Seven)和DICOM (Digital Imaging and Communications in Medicine)的制定和推广大大促进了医疗信息的共享。1998年，为强化DICOM和HL7之间的协同工作，北美放射学会(RSNA)和美国医疗信息与管理系统协会(HIMSS)联合发起了医疗机构集成(Integrating Healthcare Enterprise，IHE)项目。IHE基于DICOM和HL7等互联标准，建立一套规范的工作流程集成模式。迄今，IHE定义并发布了十多个与医学影像学工作流相关的集成方案(Integration Profile)，其中最先发展的预约工作流(Scheduled Workflow Integration Profile，SWF)集成方案是整个IHE 技术框架信息模式的基础。

    与预约工作流集成方案相关的信息系统主要有：医学图像归档和通信系统(PACS)、放射信息系统(RIS)和数字化成像设备(Digital Imaging Modality)。它们的功能和任务分别为：PACS 的主要任务是归档、传输、显示和处理这些图像；而RIS 的主要任务是管理放射科内的文本数据，如患者人口数据、诊断报告等；成像设备产生医学图像及与图像有关的其他数据。预约工作流集成方案主要依托DICOM3.0标准下的基本工作列表管理服务(Basic Worklist Management Service)类，来实现医学图像归档和通信系统(PACS)、放射信息系统(RIS)和数字化成像设备(Digital Imaging Modality)之间的预约工作流信息的流动。

    目前，实验室研发的智能医学图像处理平台及相关的医疗信息系统主要面向综合性地区中心医院。系统可直接向专科医生提供数字化影像及相关信息，最大限度地支持疾病诊治及治疗，从而提升中心医院诊疗和信息处理和利用水平，智能医学图像处理平台是大型医院必备的基本设备要件，它不断深刻地改变着医院的运转和医学图像处理方式，对医疗单位向更高水平发展提供强大推进力。

    4、电子病历及其数据挖掘

    电子病历作为数字化医院的一个重要组成部分，它是将传统的纸质病历电子化，并超越纸质病历的管理模式，提供查询、统计分析、信息交换等功能，但随着电子病历数据库中病历数据量以指数级急剧增长，如何从海量的数据中发现有价值的信息或知识已经成为目前电子病历系统研究的热点。电子病历挖掘就是为顺应这种需要而产生和发展起来的一个新的研究方向，它可以发现电子病历系统中隐含的医学诊断规则和模式，从而为医生进行疾病诊断治疗提供辅助决策。

    目前，实验室研究团队已经在多维度电子病历系统构建、电子病历数据挖掘、医学信息传输与共享以及基于SOA区域医疗信息系统集成等关键核心技术进行了深入的研究，并取得显著的研究成果，其中电子病历数据挖掘技术研究工作逐渐形成特色。研究团队通过与计算机科学、数学、统计学和人工智能以及诊疗医师等不同领域工作者的协作，在信息的多方融合、算法的高效性、获取知识准确性等关键技术上取得了重大突破。随着研究团队对数据挖掘技术进行更加卓有成效的研究，研究团队必将为推动电子病历数据挖掘在我国医学领域更为广泛和深入的应用，从而带来更显著的社会和经济效益。