船舶電工基礎(chǔ)知識精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的船舶電工基礎(chǔ)知識主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：船舶電工基礎(chǔ)知識范文

1．1確立人才培養(yǎng)模式經(jīng)過調(diào)研論證，學(xué)院確定了工學(xué)結(jié)合的人才培養(yǎng)模式:通過和神舟機(jī)械等合作企業(yè)的校企對接，在專業(yè)教學(xué)指導(dǎo)委員會建設(shè)、職業(yè)崗位典型工作任務(wù)提煉、人才培養(yǎng)方案優(yōu)化、專業(yè)課程體系構(gòu)建、專業(yè)核心課程標(biāo)準(zhǔn)制定、教學(xué)內(nèi)容和教學(xué)方法改革、專兼結(jié)合師資隊伍建設(shè)、校內(nèi)外實踐條件建設(shè)、定向或訂單學(xué)生的培養(yǎng)與管理等方面開展合作共建，最終實現(xiàn)學(xué)院船舶電子電氣技術(shù)專業(yè)“校企合作+學(xué)訓(xùn)交替、項目引導(dǎo)+雙證融合”工學(xué)結(jié)合的人才培養(yǎng)模式。

1．2精心設(shè)計基于學(xué)分制的“2+0．5+0．5”三段式人才培養(yǎng)方案根據(jù)調(diào)研結(jié)論，校企聯(lián)合進(jìn)行了以能力為本位的教學(xué)模式設(shè)計，精心設(shè)計基于學(xué)分制的“2+0．5+0．5”三段式人才培養(yǎng)方案，即前2年(四個學(xué)期)在校內(nèi)外完成基礎(chǔ)學(xué)習(xí)領(lǐng)域、專業(yè)學(xué)習(xí)領(lǐng)域、拓展學(xué)習(xí)領(lǐng)域和相應(yīng)的實踐教學(xué)內(nèi)容(包括合作企業(yè)見習(xí)2周)，實現(xiàn)基礎(chǔ)知識教學(xué)、專項技能培養(yǎng)和職業(yè)資格證書獲取(96學(xué)分);第一個0．5(第5學(xué)期，從七月至十二月)在合作企業(yè)實施工學(xué)結(jié)合實習(xí)，安排船體、輪機(jī)、船電三個崗位輪崗，主要以技術(shù)骨干為師傅，以師帶徒的方式對學(xué)生進(jìn)行專業(yè)技能強(qiáng)化和職業(yè)能力提升(20學(xué)分);第二個0．5(第6學(xué)期，從一月到六月)在合作企業(yè)實施頂崗(生產(chǎn)性)實習(xí)，有目的的安排實際生產(chǎn)任務(wù)對學(xué)生進(jìn)行鍛煉，提升學(xué)生的崗位能力和綜合能力(20學(xué)分)。在編制方案時理論教學(xué)(含一體化課程)按16－20學(xué)時為1學(xué)分，專周實踐環(huán)節(jié)按1周為1學(xué)分，各類教學(xué)環(huán)節(jié)合計安排了2652學(xué)時計140學(xué)分。畢業(yè)最低要求學(xué)分為128學(xué)分，同時需達(dá)到相應(yīng)職業(yè)資格證書要求。

2加強(qiáng)專業(yè)核心課程建設(shè)

2．1確定專業(yè)核心課程群，構(gòu)建課程體系學(xué)院結(jié)合職業(yè)資格標(biāo)準(zhǔn)和合作企業(yè)崗位對專業(yè)人才的具體要求，確立以船舶電工崗位為主要培養(yǎng)方向，設(shè)計船舶電工電子工藝安裝、船舶電力拖動系統(tǒng)安裝調(diào)試、船舶電站的構(gòu)建調(diào)試、機(jī)艙自動控制系統(tǒng)的安裝調(diào)試、船舶通訊導(dǎo)航設(shè)備的安裝調(diào)試等五門專業(yè)核心課程，按照以“校企合作+學(xué)訓(xùn)交替、項目引導(dǎo)+雙證融合”培養(yǎng)為主線的人才培養(yǎng)模式要求，組織教學(xué)模塊，構(gòu)建由專業(yè)基礎(chǔ)能力、職業(yè)崗位核心能力、職業(yè)綜合能力所組成的基于電子電氣設(shè)備安裝、調(diào)試、維修工藝流程的課程體系。

2．2校企合作實施核心課程建設(shè)與教學(xué)按照任務(wù)驅(qū)動、項目導(dǎo)向模式對船舶電站組建與調(diào)試等5門核心課程進(jìn)行教學(xué)情境設(shè)計，實施“做中學(xué)、學(xué)中做”的教學(xué)模式，重點解決教學(xué)過程中師資搭配、實踐保障、學(xué)情分析、過程考核等關(guān)鍵問題;制定出5門專業(yè)核心課程的課程標(biāo)準(zhǔn)，設(shè)計出課程教學(xué)實施方案，制作教學(xué)課件、編寫相應(yīng)教材(含實踐指導(dǎo)教材)和指導(dǎo)資料(含案例庫、技能測試題庫)。

3校企共建校內(nèi)外實踐教學(xué)基地

3．1合作共建以職業(yè)能力培養(yǎng)為主線的校內(nèi)仿真性船舶人才實驗實訓(xùn)基地根據(jù)當(dāng)前高等職業(yè)教育人才培養(yǎng)的改革趨勢和關(guān)鍵環(huán)節(jié)，以仿真性船舶儀器設(shè)備為對象，圍繞船舶電工職業(yè)資格標(biāo)準(zhǔn)和企業(yè)真實工作任務(wù)訓(xùn)練目標(biāo)，建設(shè)船舶電氣控制、船舶電工工藝兩個仿真性實訓(xùn)室，滿足一次承擔(dān)50名專業(yè)學(xué)生船舶電氣系統(tǒng)設(shè)計、制造、裝配、調(diào)試、故障診斷與維修等專項技能及綜合實訓(xùn)教學(xué)任務(wù)，每年可承擔(dān)50人以上的船舶維修電工崗位中級職業(yè)技能培訓(xùn)、崗前培訓(xùn)、崗位培訓(xùn)、轉(zhuǎn)崗培訓(xùn)等技術(shù)服務(wù)。

3．2建設(shè)蚌埠神舟“廠中校”式的實踐教學(xué)基地按照省船舶緊缺人才培養(yǎng)基地項目建設(shè)計劃，企校合作建立滿足30－50名學(xué)生現(xiàn)場見習(xí)、輪崗實習(xí)、頂崗實習(xí)和專業(yè)教師實踐培訓(xùn)需要的神舟機(jī)械“廠中校”式的實踐教學(xué)基地，共同制定科學(xué)合理的實踐教學(xué)計劃，配合企業(yè)完成見習(xí)－輪崗－頂崗的實踐教學(xué)過程，幫助企業(yè)提高輔導(dǎo)教師(師傅)表達(dá)能力和示范能力，配合企業(yè)完成“廠中?！笔降膶嵺`教學(xué)基地各項管理制度建設(shè)，校企共同完成實習(xí)實訓(xùn)考核等工作。

4校企合作進(jìn)行專業(yè)教學(xué)團(tuán)隊建設(shè)

學(xué)院高度重視專業(yè)教學(xué)團(tuán)隊建設(shè)，結(jié)合專業(yè)建設(shè)需要和專業(yè)教師發(fā)展方向，制定專業(yè)師資培養(yǎng)計劃。2011年9月遴選出1名專業(yè)帶頭人和2名專業(yè)骨干教師，專項資金支持實施培養(yǎng)。自2010年起連續(xù)3年安排6名專業(yè)教師到神舟機(jī)械實習(xí)鍛煉，每人不少于3個月，提升專業(yè)教師的工程實踐能力和職業(yè)教學(xué)能力。專業(yè)團(tuán)隊與2010年至今先后多次到蚌埠神舟機(jī)械公司、安陽船友自動化公司、武漢船舶職業(yè)技術(shù)學(xué)院、九江職業(yè)技術(shù)學(xué)院等企校學(xué)習(xí)、考察、交流，汲取經(jīng)驗、拓展視野。充分利用加入安徽船舶協(xié)會、造船工程學(xué)會、蕪湖船舶協(xié)會和蕪湖造船工程學(xué)會的契機(jī)，通過協(xié)會平臺，積極拓展校企合作伙伴，及時了解行業(yè)動態(tài)，更好地掌握船舶人才培養(yǎng)質(zhì)量要求，迅速響應(yīng)船舶人才需求，擴(kuò)大學(xué)院的影響。聘請新聯(lián)、神舟等合作企業(yè)專家組建了船舶專業(yè)教學(xué)指導(dǎo)委員會，組織開展了對人才培養(yǎng)方案、專業(yè)核心課程標(biāo)準(zhǔn)、實踐條件建設(shè)等核心問題的一系列論證會，確保了專業(yè)建設(shè)質(zhì)量。聘請行業(yè)企業(yè)工程技術(shù)人員和能工巧匠6人參加實踐教學(xué)，優(yōu)化師資隊伍結(jié)構(gòu)，形成一支專兼結(jié)合的“雙師”結(jié)構(gòu)教學(xué)團(tuán)隊。

5結(jié)束語

第2篇：船舶電工基礎(chǔ)知識范文

關(guān)鍵詞：船體修理；學(xué)員；任職教育；雙師型；教員建設(shè)

中國分類號：U672.1

船體修理是船艇裝備技術(shù)保障的一項重要組成部分。隨著海洋戰(zhàn)略地位的不斷提升，新形勢下對船體修理專業(yè)學(xué)員人才也提出了更高的任職要求，所以應(yīng)對船體修理專業(yè)學(xué)員的任職教育必須要緊跟形勢發(fā)展，積極探索崗位任職內(nèi)容，充分發(fā)揮院校和基層兩級培訓(xùn)的主渠道作用，切實為基層培養(yǎng)高素質(zhì)的船體修理專業(yè)人才。

一、船體修理專業(yè)學(xué)員任職教育的特點

1、專業(yè)課程具有較強(qiáng)的實踐性

船體修理專業(yè)學(xué)員的培養(yǎng)課程除了基礎(chǔ)課程外，專業(yè)課程都是從修造船的生產(chǎn)實踐中總結(jié)出來的，所以在學(xué)習(xí)課程理論知識的時，必須結(jié)合一定的實踐性教學(xué)，才能加強(qiáng)學(xué)員對知識的理解。而學(xué)員所學(xué)的理論知識也必須經(jīng)過實踐才能得到檢驗。所以培養(yǎng)課程具有較強(qiáng)的實踐性。

2.專業(yè)知識綜合性較強(qiáng)

根據(jù)教學(xué)培養(yǎng)計劃，船體修理專業(yè)學(xué)員任職教育包括有多門專業(yè)基礎(chǔ)理論課程，如高等數(shù)學(xué)、普通物理、普通化學(xué)、機(jī)械制圖、工程力學(xué)、金屬工藝學(xué)、電工學(xué)等。其今后的崗位任職所需技能也包括較強(qiáng)的綜合性，可能在維修的過程中會遇到如船體制圖、船舶原理、船舶強(qiáng)度與結(jié)構(gòu)設(shè)計、船舶設(shè)備與系統(tǒng)、船舶焊接等相關(guān)知識。

3.需與維修實情相結(jié)合

船體修理專業(yè)學(xué)員在學(xué)校中學(xué)習(xí)的是專業(yè)基礎(chǔ)知識，然而基層的船型較多，船隊規(guī)模大小不一，修理設(shè)備不同，會造成不同的維修方法。這些都需要學(xué)員具有較強(qiáng)的業(yè)務(wù)素質(zhì)，能夠?qū)⑺鶎W(xué)的知識的要領(lǐng)與基層實際相結(jié)合，發(fā)揮最大的保障效益。

二、發(fā)展船體修理專業(yè)學(xué)員任職教育必須要重視實踐性教學(xué)環(huán)節(jié)

船體修理學(xué)員任職教育的主要任務(wù)是面向基層培養(yǎng)技能型應(yīng)用人才，使其畢業(yè)后具有較強(qiáng)的崗位適應(yīng)能力。所以船體維修專業(yè)學(xué)員任職教育的課程體系應(yīng)該從該專業(yè)的任職特點和水平出發(fā)，堅持以基層需求為導(dǎo)向，堅持以服務(wù)船艇裝備為宗旨。課程體系不但要設(shè)置具有寬厚的科學(xué)文化素養(yǎng)和專業(yè)基礎(chǔ)知識，更應(yīng)該重視發(fā)展實踐性教學(xué)環(huán)節(jié)，加強(qiáng)學(xué)員實踐能力的培養(yǎng)。建立適于創(chuàng)新能力培養(yǎng)的實踐性教學(xué)基地，提供多種渠道、多種機(jī)會，培養(yǎng)學(xué)員的實際動手能力，分析問題和解決問題的能力。

同時，任職教育課程體系的建立也必須要注重全面發(fā)展，要將新知識、新技能、新裝備作為實踐性教學(xué)環(huán)節(jié)的重要訓(xùn)練內(nèi)容，強(qiáng)化學(xué)員要帶著問題去學(xué)，在實踐中去發(fā)現(xiàn)問題和解決問題。做到理論知識與維修實際相結(jié)合，專業(yè)知識同步更新。同時，也應(yīng)加強(qiáng)與一線維修單位的合作，如修船廠和修理所，安排學(xué)員有序進(jìn)入相關(guān)船艇實際維修操作。這樣，經(jīng)過大量的實踐性強(qiáng)化訓(xùn)練，讓學(xué)員提前進(jìn)入崗位角色，做到具備“一崗多通，一專多能”教育訓(xùn)練要求。

三、發(fā)展船體修理專業(yè)學(xué)員任職教育必須要強(qiáng)化學(xué)員的主體地位

目前，學(xué)員進(jìn)校前普遍文化程度不高，由此導(dǎo)致了學(xué)員學(xué)員的自信心、進(jìn)取心不強(qiáng)，自學(xué)能力和思維能力較差。傳統(tǒng)的教學(xué)方法強(qiáng)調(diào)“教”的多、強(qiáng)調(diào)“學(xué)”的少，在一定程度上制約了學(xué)員的主體意識，削弱了其主觀能動性的發(fā)揮。

任職教育中學(xué)員是教學(xué)的主體，我們必須要確立學(xué)員的主體地位。在教學(xué)活動中要將“學(xué)”作為教學(xué)內(nèi)容的根本出發(fā)點，通過學(xué)員學(xué)習(xí)方式的變革來推動“教”的改革和教學(xué)質(zhì)量的提高。在學(xué)員人才培養(yǎng)過程中，要充分發(fā)揮學(xué)員的主管能動性，教育理念要從“教員以教為本”轉(zhuǎn)變到“學(xué)員以學(xué)為本”上來，要鼓勵學(xué)員自我管理和自我調(diào)節(jié)。通過設(shè)立合理科學(xué)的培養(yǎng)模式，提高學(xué)員的任職能力。

例如，任職教育中較為注重對學(xué)員科研能力的發(fā)展和提高，而學(xué)員的科研能力培養(yǎng)更多的是要通過學(xué)員的自主學(xué)習(xí)來獲得。因此任職教育培養(yǎng)方案應(yīng)積極鼓勵學(xué)員參加科研工作，并為他們從事科研創(chuàng)造條件，同時通過提供各種指導(dǎo)和服務(wù)，幫助他們建立科研的基本方法和手段，培養(yǎng)他們的科學(xué)精神和創(chuàng)新精神。學(xué)員通過參與科研工作進(jìn)一步明確學(xué)習(xí)目的、提高學(xué)習(xí)興趣以及用專業(yè)知識創(chuàng)造性的解決問題的能力。

四、發(fā)展船體修理專業(yè)學(xué)員任職教育必須要加強(qiáng)“雙師型”教員隊伍的建設(shè)

構(gòu)建更加適應(yīng)任職教育的師資隊伍對于發(fā)展船體修理專業(yè)學(xué)員任職教育十分重要。教員要求不僅具備扎實的理論知識和豐富的教學(xué)經(jīng)驗，而且必須具有較強(qiáng)的實踐經(jīng)驗。建立“雙師型”教員隊伍是任職教育師資隊伍的特色，教員在教學(xué)過程中不僅是博學(xué)多才的講師，更應(yīng)該做到在實際中解決問題技能嫻熟的工程師。

任職教育“雙師型”教員隊伍的建設(shè)是一項系統(tǒng)工程，必須制定長遠(yuǎn)的教員人才培養(yǎng)計劃，可采取內(nèi)部培訓(xùn)、外部引進(jìn)、合作外聘等多種措施。對于一些基層經(jīng)驗薄弱的教員同志可以加強(qiáng)任職教育的培訓(xùn)。有計劃、有針對性的將他們放到基層或修船廠代職鍛煉。通過在實際生產(chǎn)中積累經(jīng)驗達(dá)到提高自身任職能力的目的。同時，通過人才的合理流動也可以從基層或修理廠等一線單位吸引一些既有工作經(jīng)驗有具備扎實理論基礎(chǔ)的高級技術(shù)人才。這些舉措都有利于改善任職教育中教員隊伍的結(jié)構(gòu)。

五、總結(jié)

總之，船體修理專業(yè)學(xué)員人才的培養(yǎng)關(guān)系到基層后勤保障體系發(fā)展，建立科學(xué)、合理的任職培養(yǎng)方案是一個長期、復(fù)雜的工程，這其中還有許多問題需要探索。我們應(yīng)充分借鑒其他專業(yè)任職培養(yǎng)的成功經(jīng)驗。研究、總結(jié)、探索出一套行之有效的培養(yǎng)模式，為培養(yǎng)出更多的船艇維修技術(shù)力量做出貢獻(xiàn)。

參考文獻(xiàn)

[1]金維宏.學(xué)員任職教育中創(chuàng)新人才培養(yǎng)模式探析[J].中國學(xué)員.2009，1

[2]李憲昌.搞好修理技術(shù)學(xué)員升級培訓(xùn)應(yīng)著力抓好“四個強(qiáng)化”[J].西北裝備.2005，5

第3篇：船舶電工基礎(chǔ)知識范文

關(guān)鍵詞：焊接 學(xué)習(xí)興趣 動手能力 產(chǎn)學(xué)結(jié)合

焊接技術(shù)目前已被廣泛應(yīng)用于機(jī)械、建筑、船舶、汽車生產(chǎn)、航空、軍事裝備等領(lǐng)域。社會急需高水平、高素質(zhì)的焊接專業(yè)技術(shù)人才。而傳統(tǒng)的教學(xué)模式無法培養(yǎng)具有良好動手能力的學(xué)生，對學(xué)生走上工作崗位適應(yīng)生產(chǎn)需求十分不利。為有效提高焊接實習(xí)教學(xué)效果，理論結(jié)合實踐，提高學(xué)生的動手能力，筆者提出以下幾點教學(xué)建議。

一、生動教學(xué)，激發(fā)學(xué)習(xí)興趣

為避免焊工專業(yè)教學(xué)出現(xiàn)照本宣科、抽象難懂的現(xiàn)象，將生動的生產(chǎn)操作與專業(yè)教學(xué)有機(jī)結(jié)合起來，筆者在學(xué)習(xí)初期，就組織學(xué)生到相關(guān)企業(yè)觀摩焊接結(jié)構(gòu)件生產(chǎn)過程，加強(qiáng)對焊接生產(chǎn)的感性認(rèn)識，了解焊接過程在生產(chǎn)中的重要性，提高學(xué)生的焊接質(zhì)量意識。由于焊接專業(yè)教學(xué)是一個循序漸進(jìn)的過程，學(xué)生的理解、領(lǐng)悟能力也在不斷提升。同時，教師結(jié)合理論知識和實際操作過程進(jìn)行詳細(xì)講解，耐心指導(dǎo)，還要在實習(xí)工廠讓低年級學(xué)生觀摩學(xué)長的技能訓(xùn)練，了解焊工常用設(shè)備、材料、基本操作過程等，并在學(xué)長操作時，聯(lián)系理論現(xiàn)場講解。組織學(xué)生觀看焊接方面的影像資料，進(jìn)一步加強(qiáng)感性認(rèn)識，將枯燥抽象的專業(yè)知識形象化、具體化，從而逐步提高學(xué)生的學(xué)習(xí)興趣，確保良好的教學(xué)效果。

二、與相關(guān)課程充分鏈接

焊接專業(yè)教學(xué)與許多課程聯(lián)系緊密。若僅從焊接單方面教學(xué)，知識不夠全面、思路不夠開闊，難以取得良好的教學(xué)效果。因此，教師要充分運用相關(guān)學(xué)科知識，配合焊接專業(yè)教學(xué)。在教學(xué)中的許多機(jī)械專業(yè)基礎(chǔ)課程與焊接專業(yè)教學(xué)聯(lián)系最為緊密，如金屬材料熱處理、機(jī)械制圖、電工等。焊接專業(yè)課程中的冶金反應(yīng)、焊接設(shè)備、工藝參數(shù)、識讀焊接圖等問題，都需要大量上述課程的知識作為補(bǔ)充。所以，在教學(xué)中除了正常的焊接專業(yè)教學(xué)外，還要與相關(guān)課程充分鏈接，夯實學(xué)生的專業(yè)基礎(chǔ)知識。

三、因材施教，培養(yǎng)動手能力

技工院校是為社會培養(yǎng)高技能人才的基地，學(xué)生的動手能力是衡量教學(xué)效果的重要標(biāo)準(zhǔn)。由于學(xué)生個體差異，很難用統(tǒng)一的實習(xí)教學(xué)模式和標(biāo)準(zhǔn)去要求，因此首先要分析學(xué)生的學(xué)習(xí)能力和動手能力，根據(jù)不同情況制訂相應(yīng)的實習(xí)教學(xué)計劃，真正做到因材施教。焊接技能訓(xùn)練采取遞進(jìn)方式，加強(qiáng)基本功訓(xùn)練。教師首先要現(xiàn)場演示，講解練習(xí)要領(lǐng)，明確學(xué)習(xí)目標(biāo);其次加強(qiáng)巡回檢查，及時發(fā)現(xiàn)學(xué)生練習(xí)中的問題并予以指正;最后要做好總結(jié)點評。為避免由于枯燥、反復(fù)訓(xùn)練導(dǎo)致厭學(xué)情緒，開展以小組為單位的學(xué)習(xí)競賽。每天根據(jù)訓(xùn)練課題制定相應(yīng)評分標(biāo)準(zhǔn)，讓學(xué)生在練習(xí)過程中做到目標(biāo)明確。訓(xùn)練結(jié)束根據(jù)評分標(biāo)準(zhǔn)給每位學(xué)生打分，合計小組總分，評選優(yōu)秀小組，給予不同形式的獎勵，以此激發(fā)學(xué)生的學(xué)習(xí)積極性，營造團(tuán)結(jié)協(xié)作、互幫互助、共同進(jìn)步的學(xué)習(xí)氛圍。

四、產(chǎn)學(xué)結(jié)合，提高焊接技能

為不斷提高學(xué)生的焊接技能，以適應(yīng)未來工作崗位的需求，可以將基本功訓(xùn)練與生產(chǎn)有機(jī)結(jié)合，承攬實習(xí)工廠焊接生產(chǎn)任務(wù)。選拔優(yōu)秀W生參與到生產(chǎn)當(dāng)中，同時鼓勵其他學(xué)生加強(qiáng)基本功訓(xùn)練，盡快加入到生產(chǎn)實踐中。從焊接圖紙的識讀到焊接材料的準(zhǔn)備及焊接坡口的加工、焊件的清理等前期準(zhǔn)備，再到焊接工裝的設(shè)計制作，最后到產(chǎn)品的焊接加工及焊接產(chǎn)品的自檢，讓學(xué)生在教師的指導(dǎo)幫助下一步步實踐整個工作流程，通過實戰(zhàn)讓學(xué)生將所學(xué)所練都得到檢驗，從而明確下一步技能提高的方向，找準(zhǔn)自身努力的目標(biāo)，有效提高焊接專業(yè)教學(xué)效果。

焊接專業(yè)教學(xué)還有待進(jìn)一步探索和改進(jìn)。只有與生產(chǎn)實踐和焊接技術(shù)的發(fā)展緊密聯(lián)系，不斷創(chuàng)新教學(xué)方法，提高學(xué)生動手能力，才能為社會培養(yǎng)出更多優(yōu)秀的實用型人才。

參考文獻(xiàn)：

[1]王長忠.電焊工技能訓(xùn)練[M].北京：中國勞動社會保障出版社，2005.

第4篇：船舶電工基礎(chǔ)知識范文

論文關(guān)鍵詞：高等職業(yè)教育；機(jī)電專業(yè)；職業(yè)能力；教學(xué)一體化

機(jī)電專業(yè)是機(jī)械、電氣、計算機(jī)控制等學(xué)科的高度融合，機(jī)電技術(shù)是各種高新技術(shù)的基礎(chǔ)，以其特有的技術(shù)優(yōu)勢與廣泛的應(yīng)用前景受到企業(yè)的高度重視，近年來，隨著國際間產(chǎn)業(yè)轉(zhuǎn)移，沿海地區(qū)航運、造修船等機(jī)電行業(yè)得到了突飛猛進(jìn)的發(fā)展，機(jī)電制造業(yè)迅速崛起，高新技術(shù)的應(yīng)用越來越廣泛，再加上勞動力成本越來越高，企業(yè)對所需人才的知識結(jié)構(gòu)和能力結(jié)構(gòu)提出了更高的要求。各高職院校必須盡快適應(yīng)高新技術(shù)產(chǎn)業(yè)的發(fā)展。深人了解現(xiàn)代機(jī)電產(chǎn)品的技術(shù)含量及企業(yè)對人才的知識技能需求，更新教育觀念，認(rèn)真進(jìn)行課程結(jié)構(gòu)和教學(xué)內(nèi)容及培養(yǎng)模式的變革。首先明確高職機(jī)電專業(yè)的培養(yǎng)目標(biāo)：為現(xiàn)代制造業(yè)輸送高素質(zhì)、高技能、具備良好職業(yè)道德的應(yīng)用型技術(shù)人才培養(yǎng)的人才類型是技術(shù)應(yīng)用型或操作型的高技能人才，但不能滿足于僅在第一線充當(dāng)勞動力，其工作范圍主要是從事技術(shù)、生產(chǎn)、管理、營銷、服務(wù)等。不是從事科學(xué)研究和開發(fā)設(shè)計工作。職業(yè)教育培養(yǎng)的是面向市場的高技能的職業(yè)人，不是面向考場的博學(xué)的讀書人。為了突出高職高專的教學(xué)特點，提高教學(xué)質(zhì)量。

本文探討了高職機(jī)電專業(yè)在課程體系設(shè)計、實踐環(huán)節(jié)、教學(xué)模式、考評方式等方面的問題。提出并試行了教學(xué)一體化培養(yǎng)模式。

一、高職機(jī)電一體化專業(yè)教學(xué)現(xiàn)狀分析

近年來，為適應(yīng)機(jī)電技術(shù)的迅猛發(fā)展，各高職院校紛紛對機(jī)電專業(yè)教學(xué)進(jìn)行了一定程度的改革，但這種改革是在原有機(jī)電專業(yè)教學(xué)框架下完成的， 即專科層次的教育只是將本科層次教育的專業(yè)課減少一些，并降低部分課程的難度，實踐教學(xué)沒有得到應(yīng)有的重視。實踐表明，現(xiàn)有機(jī)電專業(yè)教學(xué)模式的效果不是很理想，主要存在以下問題：

1．重理論輕實踐

實訓(xùn)教學(xué)從屬于理論教學(xué)，實訓(xùn)學(xué)時分散在各門課程之中，數(shù)量較少，在課程的成績考核中所占的比例極小，且不少實訓(xùn)缺乏合理、完善的考核辦法，期末以理論考試為主，導(dǎo)致學(xué)生對實訓(xùn)課很不重視。重理論輕實踐的思想依然普遍存在。

2．理論教學(xué)與實踐教學(xué)脫節(jié)

伴隨著機(jī)電技術(shù)的迅猛發(fā)展，產(chǎn)生了許多新技術(shù)、新工藝．理論教學(xué)中已及時增加了這些新的內(nèi)容，而實訓(xùn)教學(xué)卻嚴(yán)重滯后，實訓(xùn)內(nèi)容長期不變，內(nèi)容上以理論驗證為主要目的。有的則采用了集中一段時間進(jìn)行實訓(xùn)的方式，造成理論教學(xué)與實踐教學(xué)相脫節(jié)。教改之前，曾經(jīng)有學(xué)生反映：“進(jìn)?？煲荒炅耍依锏娜展鉄魤牧硕疾粫?。”

3．專業(yè)特色不明顯

各科實訓(xùn)之間的關(guān)聯(lián)性較差，未形成有機(jī)的聯(lián)系，尤其是缺少工程實際案例，無法形成專業(yè)特色。實訓(xùn)教學(xué)缺乏相對的獨立性與整體優(yōu)化。專業(yè)實驗的工程特征不明顯，不能有效地提高學(xué)生的職業(yè)能力。

二、高職機(jī)電一體化專業(yè)教學(xué)改革探討

1．以職業(yè)能力為本位，優(yōu)化課程體系設(shè)計

這里的“能力”不僅指操作技能，而且指以操作技能為中心的各種能力的綜合，是一種綜合的適應(yīng)社會需要的職業(yè)能力。高職院校應(yīng)結(jié)合本校學(xué)生實際，適應(yīng)市場的需要，在人才培養(yǎng)模式上、課程設(shè)置上處處體現(xiàn)以職業(yè)能力建設(shè)為核心。切實加強(qiáng)學(xué)生技能訓(xùn)練。這是因為，高等職業(yè)教育區(qū)別于普通高等教育。普通高等教育的專業(yè)教學(xué)是一種縱向為主的框架式教學(xué)體系．其核心要素是以學(xué)科知識結(jié)構(gòu)的完整性和系統(tǒng)性為依據(jù)，以培養(yǎng)學(xué)生具有深厚的專業(yè)理論基礎(chǔ)、寬廣的專業(yè)知識面、較強(qiáng)的科學(xué)創(chuàng)造潛力為目標(biāo)。但其畢業(yè)生出了校門并不能馬上獨立工作，需要一個見習(xí)期，有個師傅帶一帶才行。而高等職業(yè)教育的專業(yè)教學(xué)是一種橫向為主的模塊式教學(xué)體系。其核心要素是以職業(yè)崗位技能的專項性和操作性為依據(jù)。以培養(yǎng)學(xué)生具有扎實的職業(yè)技能、專深的崗位業(yè)務(wù)知識、較強(qiáng)的技術(shù)再現(xiàn)能力為目標(biāo)。其畢業(yè)生離開學(xué)校，只需一個短暫的適應(yīng)期，就能迅速上手，頂崗工作。機(jī)電專業(yè)課程設(shè)計應(yīng)根據(jù)行業(yè)的發(fā)展需要。以職業(yè)能力為本位，以崗位群需求為依據(jù)，以提高學(xué)生的職業(yè)素質(zhì)和社會需要的適應(yīng)能力為核心，采用核心技術(shù)課程設(shè)置一體化(以專業(yè)核心技術(shù)為中心設(shè)置相關(guān)課程)和“四層一貫穿”(四層：公共課、專業(yè)理論、實訓(xùn)模塊、崗位技能)的課程體系及“相互平行、融合交叉”的理論實踐教學(xué)體系．由基礎(chǔ)向?qū)I(yè)、專長到實際應(yīng)用方面的發(fā)展，把職業(yè)能力的培養(yǎng)貫穿始終。

以機(jī)電專業(yè)下的數(shù)控技術(shù)方向為例，來圖加工要求先看懂產(chǎn)品圖紙。來樣加工則需要進(jìn)行產(chǎn)品測繪、圖紙設(shè)計，接著進(jìn)行機(jī)械制造的工藝設(shè)計，再將毛坯通過數(shù)控機(jī)床的成產(chǎn)品，隨后進(jìn)行產(chǎn)品質(zhì)量檢測。為了保證這個生產(chǎn)過程的順利完成，應(yīng)該在產(chǎn)品設(shè)計環(huán)節(jié)開設(shè)機(jī)械設(shè)計基礎(chǔ)、模具設(shè)計及制造課程：在機(jī)械制造工藝環(huán)節(jié)開設(shè)機(jī)械制造基礎(chǔ)、數(shù)控加工工藝及應(yīng)用課程；在數(shù)控加工環(huán)節(jié)開設(shè)數(shù)控編程與加工、數(shù)控特種加工技術(shù)等課程；解決數(shù)控加工的操作與應(yīng)用的問題，在產(chǎn)品質(zhì)量檢測環(huán)節(jié)開設(shè)互換性與測量技術(shù)基礎(chǔ)等課程。大部分課程應(yīng)該在數(shù)控實訓(xùn)中心進(jìn)行，采用“教學(xué)一體化”培養(yǎng)模式，邊講邊做邊學(xué)，切實提高職業(yè)能力。

2．以學(xué)生為中心，采用靈活多樣的教學(xué)方法

高職院校機(jī)電專業(yè)以往主要沿襲普通高校傳統(tǒng)的教學(xué)模式，在這種模式下，教師是學(xué)習(xí)的主導(dǎo)，主要由教師講解相關(guān)知識，學(xué)生被動接受知識，缺乏實際的知識應(yīng)用能力和解決問題的能力。并且所授知識，存在理論與實踐相脫節(jié)的現(xiàn)象，圍繞一線生產(chǎn)和管理所需要的知識技能針對性不強(qiáng)。

靈活多樣的教學(xué)方法旨在使學(xué)生通過學(xué)習(xí)不僅具有專業(yè)技術(shù)能力，還具有職業(yè)關(guān)鍵能力并形成良好的職業(yè)道德素養(yǎng)。其基本特征是：以學(xué)生為中心，利用工作過程引導(dǎo)學(xué)習(xí)活動，側(cè)重于職業(yè)能力的培養(yǎng)，以真實工作任務(wù)及工作過程為依據(jù)．選擇和序化學(xué)習(xí)內(nèi)容，教學(xué)內(nèi)容針對性強(qiáng)，理論實踐一體化，學(xué)生在教師的引導(dǎo)下，利用必要的學(xué)習(xí)資料，完成各種項目任務(wù)。通過學(xué)習(xí)體會的方式獲得知識，教師是學(xué)習(xí)活動的幫助者和促進(jìn)者。而不單純是知識的傳授者與灌輸者。

教師和管理者要樹立新的觀念：把課程從教師講解為主，變成由教師積極引導(dǎo)和創(chuàng)造學(xué)習(xí)的環(huán)境條件為主；把學(xué)生由被動聽變成主動積極參與操作，主動積極參與新知識的探索；教師可以少講理論知識，但要帶學(xué)生做事，在做事的過程中學(xué)生自主探索到了知識，真正提高了能力，這就是好課。故而對老師也有了新的要求：既要能講又要會做。

在教學(xué)中主要采用“教學(xué)一體化”模式。靈活地采用以下幾種教學(xué)方法：

(1)行動導(dǎo)向教學(xué)法。先帶學(xué)生到相關(guān)企業(yè)做短期的認(rèn)識實習(xí)，由于高職生大多不是源自企業(yè)，感性認(rèn)識會對其今后的學(xué)習(xí)產(chǎn)生重要的影響。接著的課堂講授主要在設(shè)有實訓(xùn)設(shè)備的教室進(jìn)行．面對實物現(xiàn)場教學(xué)，加上多媒體課件輔助教學(xué)，做中學(xué)，主要進(jìn)行機(jī)械、電工電子以及微機(jī)控制基本原理、基礎(chǔ)知識等內(nèi)容的教學(xué)。這些知識通用性強(qiáng)。適用于裝備制造、汽車、船舶、飛機(jī)等各機(jī)電行業(yè)。為學(xué)生將來的持續(xù)發(fā)展，打下扎實的、系統(tǒng)的專業(yè)知識基礎(chǔ)。在“電機(jī)拖動”等課程采用這個方法之后。學(xué)生分析搭建典型控制電路時增強(qiáng)了自信，教學(xué)效果良好。

(2)項目教學(xué)法。課程具體授課內(nèi)容和訓(xùn)練項目都來自企業(yè)實際。比如機(jī)電專業(yè)船舶電氣方向，可采用電動液壓起貨機(jī)控制系統(tǒng)、電站并車解列等案例，先讓學(xué)生經(jīng)過思考，收集資料信息，并獨立進(jìn)行復(fù)雜回路的分析，同時在實訓(xùn)臺上進(jìn)行元器件的選取、回路的搭建、調(diào)試運行、故障分析等，學(xué)生通過收集信息、方案實施、自我評價和相互評價等環(huán)節(jié)，為今后獨立工作奠定了堅實的基礎(chǔ)。

(3)頂崗實習(xí)。到關(guān)系緊密的企業(yè)，在教師和企業(yè)師傅的指導(dǎo)下，學(xué)生參與實際產(chǎn)品的安裝調(diào)試，比如電控箱、船舶配電板等，在實習(xí)過程中發(fā)現(xiàn)并解決問題，提早了解企業(yè)生產(chǎn)實際，樹立質(zhì)量意識、安全意識、管理意識，學(xué)會與他人溝通協(xié)作、提高技術(shù)水平。

3．以職業(yè)技能鑒定為手段。改進(jìn)考評方式

高職機(jī)電專業(yè)教育是把具備高中文化水平的學(xué)生。培養(yǎng)成為生產(chǎn)、管理、服務(wù)第一線具備綜合職業(yè)能力和全面素質(zhì)的高級應(yīng)用型人才。高職院校機(jī)電專業(yè)畢業(yè)生不僅獲得的畢業(yè)證書應(yīng)達(dá)到這一標(biāo)準(zhǔn)，而且獲得的“雙證書”或“多證書”也應(yīng)達(dá)到與此相應(yīng)的標(biāo)準(zhǔn)。按照職業(yè)技能鑒定的要求，通過認(rèn)證的學(xué)生的成績可以當(dāng)作本專業(yè)相應(yīng)課程的學(xué)習(xí)成績，或者把某項國家認(rèn)證引入正常教學(xué)程序而取代相應(yīng)的學(xué)科教學(xué)。

在對學(xué)生學(xué)習(xí)課程的成績進(jìn)行評定時，應(yīng)避免以往一卷評終身的評分方式。分別從動手能力、知識目標(biāo)、方法能力、社會能力四個方面來考核學(xué)生的學(xué)習(xí)情況。以重視個性為指導(dǎo)原則，從重結(jié)果評價轉(zhuǎn)向重過程評價，重視學(xué)生的學(xué)習(xí)能力、獨立思考能力、解決問題的能力及創(chuàng)新思維能力的培養(yǎng)。

(1)動手能力方面，主要考核學(xué)生工作計劃制定、元件的安裝與調(diào)試工具的使用等方面的能力；

(2)對于知識目標(biāo)，著重考核學(xué)生對元件工作原理、控制電路工作原理等方面知識的理解和掌握程度：

(3)方法能力方面，主要考查學(xué)生在完成項目的過程中解決實際問題時所表現(xiàn)出來的工作和自我學(xué)習(xí)的能力；

(4)社會能力，則注重學(xué)生的合作精神、責(zé)任心以及與他人的交流溝通能力。

動手能力、解決問題的能力、社會能力的考查通過學(xué)生自我評價。同學(xué)互評以及教師對學(xué)生完成任務(wù)后遞交的報告作綜合評分，知識目標(biāo)方面則主要通過考試或通過回答教師給出的與項目相關(guān)的問題進(jìn)行考核。

4．以提高實際操作技能為重點。開展“工學(xué)結(jié)合”教育模式

突出實踐性課程教學(xué)是高職教育的重要特色．實踐能力的培養(yǎng)應(yīng)貫穿整個教學(xué)過程。通過校企合作充分發(fā)揮企業(yè)和院校的培養(yǎng)優(yōu)勢，揚長避短，明確校企分工合作雙方的職責(zé)、權(quán)利和義務(wù)，共同制定培訓(xùn)大綱、計劃和培訓(xùn)課程。學(xué)生在校內(nèi)進(jìn)行理論教學(xué)和基礎(chǔ)技能訓(xùn)練，在企業(yè)進(jìn)行崗位綜合能力培訓(xùn)和實踐，學(xué)校對教學(xué)質(zhì)量進(jìn)行過程監(jiān)控，企業(yè)對人才質(zhì)量進(jìn)行目標(biāo)評價；雙方實現(xiàn)設(shè)備設(shè)施技術(shù)信息與人才資源的共享，學(xué)校的教師到企業(yè)參加生產(chǎn)實踐，為企業(yè)提供員工培訓(xùn)、技術(shù)咨詢和智力支持，企業(yè)專業(yè)技術(shù)人員到學(xué)校舉辦專題講座擔(dān)任兼職教師或指導(dǎo)學(xué)生實訓(xùn)。

加強(qiáng)學(xué)校與企業(yè)的良好的合作教育，實踐教學(xué)的經(jīng)費、實習(xí)場地。乃至課程和畢業(yè)設(shè)計的題目等問題都能迎刃而解。學(xué)生能在真正的工作環(huán)境中學(xué)習(xí)和鍛煉，企業(yè)能對學(xué)校的建設(shè)提出良好的指導(dǎo)，有利于高職院?！半p師型”教師的培養(yǎng)，在學(xué)校改善了師資隊伍的同時。企業(yè)還能獲得充足的人力資源，促進(jìn)企業(yè)的發(fā)展和壯大。產(chǎn)學(xué)結(jié)合可解決高職教育實訓(xùn)室建設(shè)資金不足、設(shè)備更新淘汰快、實訓(xùn)教師不足等問題．又使高職院校有了造血功能。在實踐教學(xué)基地建設(shè)與發(fā)展中，注重開發(fā)和經(jīng)營，創(chuàng)辦與專業(yè)設(shè)置相聯(lián)系的經(jīng)濟(jì)實體和服務(wù)機(jī)構(gòu)，以充分發(fā)揮實踐教學(xué)基地的功能與作用，通過自身積累資金，改善辦學(xué)條件。創(chuàng)辦經(jīng)濟(jì)實體，學(xué)院可以采用靈活的資金政策和運行機(jī)制，鼓勵教師自己設(shè)計、制造與改造教學(xué)實訓(xùn)設(shè)備，加強(qiáng)研發(fā)能力，創(chuàng)造經(jīng)濟(jì)效益和社會效益。

第5篇：船舶電工基礎(chǔ)知識范文

關(guān)鍵詞：中職與高職 教育 銜接問題 研究

一、中高職教育銜接中存在的問題

我國高等職業(yè)教育迅速發(fā)展，隨著高職院校擴(kuò)招和終身教育體系的構(gòu)建，中職畢業(yè)生升入高職院校的人數(shù)持續(xù)增長，上海等地區(qū)中職學(xué)生的升學(xué)比例甚至超過30%，中高職教育銜接已成為培養(yǎng)高技能人才的重要途徑。而中高職銜接制的核心是課程的銜接，由于中職與高職的課程往往是各自獨立、相互分離，因此課程銜接中存在的問題凸現(xiàn)了出來。

1.非專業(yè)對口銜接，造成知識和技能錯位。

目前許多高職院校為了擴(kuò)大生源，并未嚴(yán)格按專業(yè)對口招收中職畢業(yè)生，有的地區(qū)只是分成文、理兩大類 “對口”招生。由于非專業(yè)對口銜接，學(xué)生在中職階段所學(xué)的專業(yè)知識和技能大部分無用，幾乎從零起點開始學(xué)習(xí)新專業(yè)，而文化基礎(chǔ)又不如普通高中畢業(yè)生，嚴(yán)重影響高職教育質(zhì)量。

2.非理實一體化設(shè)計的專業(yè)對口銜接，課程設(shè)置和教學(xué)內(nèi)容重復(fù)。

高職院校的招生對象有中職畢業(yè)生和普通高中畢業(yè)生，許多學(xué)校按普通高中畢業(yè)生設(shè)計教學(xué)計劃，這樣專業(yè)對口的中職畢業(yè)生進(jìn)入高職后，許多專業(yè)課程設(shè)置和教學(xué)內(nèi)容出現(xiàn)重復(fù)，有些專業(yè)重復(fù)率超過60%。以汽車運用與維修專業(yè)為例，根據(jù)2004年教育部的職業(yè)院校制造業(yè)和現(xiàn)代服務(wù)業(yè)技能型人才培養(yǎng)培訓(xùn)工程，分析比較三年制中職和兩年制高職汽車運用與維修專業(yè)（汽車電工方向）專業(yè)課程（見表1）。我們發(fā)現(xiàn)高職的三類專業(yè)課共開設(shè)15門，合計1460學(xué)時，其中有11門課程與中職出現(xiàn)重復(fù)，學(xué)時數(shù)超過1100學(xué)時，約占專業(yè)課總數(shù)的75%。

3.高職專業(yè)課程零起點，難以培養(yǎng)高技能人才。

高職與中職在人才培養(yǎng)的層次上理應(yīng)有明顯的差異，然而實際情況并非如此。由于高職專業(yè)課從零起點開始，而且專業(yè)課學(xué)時數(shù)少于中職。仍以上述汽車運用與維修專業(yè)為例，高職的專業(yè)課比中職少790學(xué)時，可能出現(xiàn)高職畢業(yè)生的專業(yè)知識和技能水而不如中職畢業(yè)生。如果不計最后一學(xué)期的企業(yè)實踐，高職生在校專業(yè)學(xué)習(xí)僅1100學(xué)時，顯然難以達(dá)到培養(yǎng)高技能人才的目標(biāo)。

二、中高職理實一體化課程結(jié)構(gòu)設(shè)計的基本思路

根據(jù)上述分析，實施中高職教育銜接，如果沒有理實一體化設(shè)計的教學(xué)計劃，無論是非對口銜接專業(yè)錯位，還是對口銜接課程與內(nèi)容重復(fù)，都存在很大損失，嚴(yán)重影響職業(yè)教育質(zhì)量。設(shè)計中高職銜接理實一體化課程結(jié)構(gòu)，實施理實一體化教學(xué)計劃，優(yōu)化高技能人才培養(yǎng)的途徑，已是當(dāng)務(wù)之急。

1.構(gòu)建整體職業(yè)教育人才培養(yǎng)體系

設(shè)計中高職理實一體化課程結(jié)構(gòu)的前提，是根據(jù)社會需要和職業(yè)崗位的要求，按照職業(yè)分類和職業(yè)標(biāo)準(zhǔn)，確定技能型人才從初級到高級的職業(yè)能力標(biāo)準(zhǔn)和層次結(jié)構(gòu)，構(gòu)建一個整體職業(yè)教育人才培養(yǎng)體系，明確中職培養(yǎng)技能型人才和高職培養(yǎng)高技能人才的目標(biāo)及其標(biāo)準(zhǔn)，避免中職、高職培養(yǎng)目標(biāo)出現(xiàn)職業(yè)能力水平和教育層次的重復(fù)和錯位。

2.實施中高職理實一體化教學(xué)計劃

要使中高職銜接達(dá)到最佳效果，關(guān)鍵是實現(xiàn)真正的專業(yè)對口銜接實施理實一體化教學(xué)計劃。應(yīng)由教育主管部門組織高職院校、中職學(xué)校、行業(yè)專家和職業(yè)教育專家，根據(jù)企業(yè)相關(guān)職業(yè)崗位的工作分析，按照相關(guān)國家（行業(yè)）職業(yè)標(biāo)準(zhǔn)和職業(yè)鑒定考核要求，制定相應(yīng)的職業(yè)能力標(biāo)準(zhǔn)，設(shè)計并實施理實一體化教學(xué)計劃，制定中職與高職的專業(yè)教學(xué)標(biāo)準(zhǔn)。

3.制定中高職銜接的接口標(biāo)準(zhǔn)

要確保中高職課程的高效銜接，關(guān)鍵是在理實一體化教學(xué)計劃的設(shè)計中，必須統(tǒng)一制定相應(yīng)的專業(yè)接口標(biāo)準(zhǔn)。根據(jù)目前實際情況，接口標(biāo)準(zhǔn)可分為專業(yè)、文化基礎(chǔ)兩部分。專業(yè)部分接口標(biāo)準(zhǔn)，可按照相關(guān)國家職業(yè)標(biāo)準(zhǔn)四級（中級工）和相應(yīng)的職業(yè)鑒定考核要求制定；文化基礎(chǔ)部分接口標(biāo)準(zhǔn)，與高職招收中職畢業(yè)生的考試要求一致。

4.構(gòu)建整體性的課程結(jié)構(gòu)體系

要培養(yǎng)適應(yīng)企業(yè)需要的人才，專業(yè)課程設(shè)置和教學(xué)內(nèi)容必須與企業(yè)的崗位要求相結(jié)合。應(yīng)根據(jù)企業(yè)職業(yè)活動，以工作過程為主線，按照工作任務(wù)和職業(yè)能力要求來設(shè)置課程和教學(xué)內(nèi)容，以職業(yè)能力為核心構(gòu)建整體課程結(jié)構(gòu)體系。這樣不僅能避免中、高職課程內(nèi)容的簡單重復(fù)，提高教學(xué)效果，而且能突出職業(yè)教育的特色，有利于造就高技能人才。

5.采用“3+2”學(xué)制模式實現(xiàn)課程銜接

目前實行中高職理實一體化銜接的學(xué)制主要是五年制高職，但這種模式對辦學(xué)主體和專業(yè)設(shè)置等條件有特殊要求而受到一定限制。根據(jù)教育部鼓勵發(fā)展兩年制高職的精神，考慮到現(xiàn)行的中職、高職學(xué)制，我們認(rèn)為采用“3+2”學(xué)制模式較合適，適用的范圍更廣。另外，借鑒德國的師傅培訓(xùn)模式，結(jié)合我國的情況，也可以考慮中職畢業(yè)生工作兩年后通過選拔再進(jìn)高職，這樣更加符合高技能人才的成才規(guī)律。

三、理實一體化課程結(jié)構(gòu)的基本框架

課程結(jié)構(gòu)是課程內(nèi)部各部分、各要素之間的內(nèi)在聯(lián)系和相互結(jié)合，具有一定功能的組織形式。中高職銜接理實一體化課程體系宏觀上采用“工”字形結(jié)構(gòu)，分為專門化方向課程、專業(yè)核心技術(shù)課程、大類專業(yè)基礎(chǔ)課程和公共基礎(chǔ)課程四個層次。下層以大類專業(yè)為基礎(chǔ)，學(xué)生的專業(yè)基礎(chǔ)知識涵蓋多個專業(yè)，專業(yè)基礎(chǔ)面寬，適應(yīng)性強(qiáng)；中間層以專業(yè)核心技術(shù)為支撐，專業(yè)穩(wěn)定性好；上層以企業(yè)的職業(yè)活動為基礎(chǔ)，每個專業(yè)對應(yīng)若干職業(yè)崗位，針對性強(qiáng)。這樣的課程設(shè)置和教學(xué)內(nèi)容，不僅能夠符合企業(yè)要求，也有利于學(xué)生的就業(yè)和未來發(fā)展。

1.專門化方向課程

即按照專業(yè)相關(guān)職業(yè)崗位的工作要求，根據(jù)工作任務(wù)和職業(yè)能力設(shè)置的課程。通常一個專業(yè)對應(yīng)若干個職業(yè)崗位，針對每個職業(yè)崗位要求設(shè)置專門化課程。課程教學(xué)內(nèi)容注重與企業(yè)實踐相結(jié)合，并涵蓋相應(yīng)的國家（行業(yè)）職業(yè)標(biāo)準(zhǔn)和職業(yè)技能鑒定考核的要求，與職業(yè)資格證書接軌。課程開發(fā)應(yīng)以企業(yè)的職業(yè)崗位工作分析為基礎(chǔ)，采用“項目任務(wù)分析”法，以工作過程為主線，按照工作規(guī)范、工作內(nèi)容和性質(zhì)確定工作項目、任務(wù)；然后分析完成每項任務(wù)所需的職業(yè)能力；根據(jù)工作任務(wù)、職業(yè)能力，按照工作性質(zhì)、邏輯關(guān)系和相關(guān)性，遵循教學(xué)規(guī)律，設(shè)置課程和確定教學(xué)內(nèi)容。專門化方向課程作為限選課程，學(xué)生可以根據(jù)市場需要，結(jié)合自己特點選擇其中1-2門。此類課程可采用項目教學(xué)，根據(jù)企業(yè)的工作項目和職業(yè)技能鑒定考核要求設(shè)計項目，每個項目作為相對獨立的單元，具有特定的教學(xué)目標(biāo)和功能。

2.專業(yè)核心技術(shù)課程

根據(jù)各專門化方向之間具有共同的職業(yè)能力，提煉能反映專業(yè)特性的技術(shù)，以此為基礎(chǔ)構(gòu)建專業(yè)核心技術(shù)課程。學(xué)校職業(yè)教育與崗位培訓(xùn)的不同，在于不僅要考慮當(dāng)前企業(yè)的需求和學(xué)生的就業(yè)問題，也要考慮學(xué)生和專業(yè)未來的發(fā)展。根據(jù)技術(shù)發(fā)展的生命周期理論研究，一般技術(shù)的生命周期較長，可達(dá)幾十年，而產(chǎn)品的生命周期較短，因此以技術(shù)為基礎(chǔ)構(gòu)建專業(yè)課程，專業(yè)的生命周期就比較長。而按照企業(yè)的工作任務(wù)設(shè)置的任務(wù)引領(lǐng)型課程，由于教學(xué)內(nèi)容緊密結(jié)合企業(yè)實踐，有利于提高學(xué)生的實際操作技能，但若所有專業(yè)課程都按照工作任務(wù)設(shè)置也會存在弊端：一是有些專業(yè)覆蓋面廣，涉及的職業(yè)崗位多，相應(yīng)的工作任務(wù)難以窮盡；二是由于技術(shù)進(jìn)步和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等，崗位變化大，畢業(yè)生實際就業(yè)崗位可能與所學(xué)不一致；三是各項工作任務(wù)分散獨立，難以形成有機(jī)的整體，不利于學(xué)生形成系統(tǒng)的職業(yè)能力。因此，有必要設(shè)置專業(yè)核心技術(shù)課程，培養(yǎng)學(xué)生掌握本專業(yè)的基本技術(shù)和方法，提高綜合職業(yè)能力。

3.大類專業(yè)基礎(chǔ)課程

大類專業(yè)是根據(jù)專業(yè)分類將相關(guān)的若干專業(yè)按照技術(shù)內(nèi)涵劃分的專業(yè)群。根據(jù)教育部頒布的專業(yè)目錄，總體上可歸納為建筑、制造技術(shù)、機(jī)電（理實一體化）技術(shù)、信息技術(shù)、商貿(mào)、財經(jīng)、醫(yī)藥衛(wèi)生、外語、美術(shù)、管理等各大類，比如將機(jī)電應(yīng)用技術(shù)、機(jī)電設(shè)備安裝與維修、電氣設(shè)備安裝、船舶機(jī)械裝置等專業(yè)歸為機(jī)電技術(shù)大類。

大類專業(yè)基礎(chǔ)課程也可稱為職業(yè)基礎(chǔ)課，是以大類專業(yè)共同的知識和技能為基礎(chǔ)構(gòu)建的課程。大類專業(yè)基礎(chǔ)課與學(xué)科性專業(yè)基礎(chǔ)課不同，主要教學(xué)內(nèi)容是相關(guān)職業(yè)領(lǐng)域的基礎(chǔ)知識和技能，注重實用性，如企業(yè)生產(chǎn)或服務(wù)的工作流程、基本的技術(shù)和方法等。像機(jī)械制造技術(shù)就可以壓縮機(jī)、汽車等典型的機(jī)械為例，闡述機(jī)器的組成結(jié)構(gòu)，包括驅(qū)動部分、傳動部分、工作部分、控制部分、輔助部分等，以及各部分的基本結(jié)構(gòu)和功能；典型零部件的制造工藝和材料選擇，包括鑄造、壓力加工、焊接、機(jī)加工、熱處理等；設(shè)備的裝配、調(diào)試、維修的技術(shù)。教學(xué)中可通過教學(xué)錄像，安排基本技能實訓(xùn)，將相關(guān)知識和技能整合為綜合課程。設(shè)置大類專業(yè)基礎(chǔ)課程可以拓展學(xué)生的知識面，提高適應(yīng)能力，有利于學(xué)生正確選擇專業(yè)和個性發(fā)展。由于中高職銜接學(xué)習(xí)周期長達(dá)5年，而學(xué)生入學(xué)時年齡較小且對專業(yè)知之甚少，選擇專業(yè)存在一定盲目性。故第一階段學(xué)習(xí)可不分專業(yè)，待學(xué)完大類專業(yè)基礎(chǔ)課后再分流，有助于他們選擇適合自己的專業(yè)學(xué)習(xí)。此外，根據(jù)現(xiàn)代心理學(xué)理論研究，學(xué)生原有認(rèn)知結(jié)構(gòu)對新的學(xué)習(xí)會產(chǎn)生影響，通過大類專業(yè)基礎(chǔ)課程學(xué)習(xí)，可拓寬學(xué)生掌握的知識、技能覆蓋面，增強(qiáng)適應(yīng)能力，有利于將來就業(yè)、轉(zhuǎn)崗學(xué)習(xí)新技術(shù)和終身學(xué)習(xí)。

4.公共基礎(chǔ)課程

按照國家教育主管部門的規(guī)定要求，各專業(yè)一般都應(yīng)設(shè)置包括德育、體育、文化基礎(chǔ)課等在內(nèi)的公共基礎(chǔ)課。但目前關(guān)于中職文化基礎(chǔ)課的設(shè)置存在較大爭議：是否一定要作為必修課？是否要制定統(tǒng)一課程標(biāo)準(zhǔn)？如何確定標(biāo)準(zhǔn)？等等。我們認(rèn)為，為提高學(xué)生的基本素質(zhì)和學(xué)習(xí)能力，并為專業(yè)學(xué)習(xí)打下基礎(chǔ)，有必要制定統(tǒng)一的文化基礎(chǔ)課程標(biāo)準(zhǔn)。

四、理實一體化課程結(jié)構(gòu)的技術(shù)設(shè)計

1.銜接層次結(jié)構(gòu)

根據(jù)技能型人才培養(yǎng)目標(biāo)的銜接，基本上可分為三種模式：一是縱向延伸，即學(xué)生在職業(yè)教育各階段都能獲得相同或相近工作領(lǐng)域的職業(yè)資格，高職獲得職業(yè)資格的層次高于中職；二是橫向擴(kuò)展，即學(xué)生在各階段獲得不同工作領(lǐng)域的職業(yè)資格，但高職獲得職業(yè)資格的層次并不一定高于中職，主要適用培養(yǎng)復(fù)合型人才；三是縱橫拓展，即學(xué)生在各階段獲得層次和工作領(lǐng)域不同的職業(yè)資格，如機(jī)電理實一體化技術(shù)人才培養(yǎng)。我們認(rèn)為根據(jù)我國目前情況，比較適合采用縱向延伸和縱橫延伸擴(kuò)展模式。而依據(jù)職業(yè)標(biāo)準(zhǔn)確定專業(yè)課程銜接的接口標(biāo)準(zhǔn)，是解決中高職銜接最有效的方法。 2.各類課程的比例結(jié)構(gòu)

不同的專業(yè)具體要求不同，專業(yè)技能訓(xùn)練的時間也可能有所不同。一般在“3+2”模式的課程銜接中，“公共基礎(chǔ)課1”約800-1000學(xué)時，“公共基礎(chǔ)課2”約400-600學(xué)時，“公共基礎(chǔ)課3”約400-500學(xué)時；“大類專業(yè)基礎(chǔ)課”約200-400學(xué)時，“專業(yè)核心技術(shù)課1”約300-400學(xué)時，“專業(yè)核心技術(shù)課2”約400-500學(xué)時；“專門化方向課1”約400-700學(xué)時，“專門化方向課2”約400-600學(xué)時；企業(yè)實習(xí)為18-20周。中高職的接口標(biāo)準(zhǔn)為學(xué)生學(xué)完公共基礎(chǔ)課1-2、大類專業(yè)基礎(chǔ)課、專門化方向課1，達(dá)到規(guī)定的要求，合計約2600-3000學(xué)時左右。

3.分層遞進(jìn)、分層教學(xué)

分層有兩層含義。在宏觀課程結(jié)構(gòu)上，按專業(yè)的進(jìn)程分為大類專業(yè)基礎(chǔ)課程、專業(yè)核心課程、專門化方向課程三層次，分層遞進(jìn)，專業(yè)知識和技能逐步深化，有利于學(xué)生的學(xué)習(xí)。在微觀課程結(jié)構(gòu)上，有些課程根據(jù)教學(xué)目標(biāo)和要求，也可分為基礎(chǔ)、提高兩個不同的層次，適用于不同基礎(chǔ)和有不同需求的學(xué)生。至于層次的劃分標(biāo)準(zhǔn)，專門化方向課、專業(yè)核心技術(shù)課、大類專業(yè)基礎(chǔ)課可參照國家職業(yè)標(biāo)準(zhǔn)和職業(yè)技能鑒定規(guī)范考核要求中相應(yīng)的要求確定。需要說明的是，分層主要是從課程結(jié)構(gòu)上分析，具體各階段的課程安排在時間上是可以相互交叉的。

4.課程綜合化、模塊化、學(xué)分制

根據(jù)教學(xué)內(nèi)容的有機(jī)融合，實現(xiàn)課程的綜合化，不僅可以避免教學(xué)內(nèi)容重疊，提高教學(xué)效益，而且有利于學(xué)生提高綜合能力。而課程的模塊化和學(xué)分制的實行，則使學(xué)生能夠根據(jù)需要選擇不同的模塊組合課程，實現(xiàn)不同的教學(xué)目標(biāo)。比如，若以中職畢業(yè)就業(yè)為目標(biāo)，就可選擇文化基礎(chǔ)課的基礎(chǔ)模塊，以及專業(yè)核心技術(shù)課程、專門化方向課程的提高模塊，從而達(dá)到中級工考核要求；若以升學(xué)為目標(biāo)，則可選擇專業(yè)核心課程的基礎(chǔ)模塊以達(dá)到初級工要求，同時選擇文化基礎(chǔ)課的提高模塊以達(dá)到高職的入學(xué)要求；若要獲得兩個職業(yè)資格證書，也可以在專門化方向課程、專業(yè)拓展課程中選擇兩個不同職業(yè)標(biāo)準(zhǔn)的相關(guān)課程。

參考文獻(xiàn)

[1] 蘆京昌. 淺談中高職銜接工作[J]. 中國職業(yè)技術(shù)教育， 2005， （07）.

[2] 高原. 我國中高職銜接研究綜述[J]. 中國職業(yè)技術(shù)教育， 2004， （05）. [3] 郭翠蘭. 中高職銜接基本問題與協(xié)調(diào)發(fā)展若干對策[J]. 職教論壇， 2007， （05）.

[4] 張家寰. 中高職銜接課程結(jié)構(gòu)一體化設(shè)計[J]. 中國職業(yè)技術(shù)教育， 2006， （31）.

第6篇：船舶電工基礎(chǔ)知識范文

摘要：顱腦病變的自動診斷是計算機(jī)輔助診斷領(lǐng)域研究的難點，本文的研究目的就是提出一種簡單的基于顱腦結(jié)構(gòu)對稱性的病變區(qū)域分割算法并對病變區(qū)域提取特征信息。病變分割算法首先將圖像分割為固定的感興趣區(qū)域，采用二階統(tǒng)計矩的差值作為特征判斷出病變區(qū)域，然后采用自適應(yīng)閾值分割算法分割出病灶。針對已分割出的病灶選擇平均灰度，二階統(tǒng)計矩，灰度共生矩陣的角二階矩，規(guī)則度等分別描述病變區(qū)域的紋理特征和形態(tài)特征。實驗結(jié)果表明，本文提出的分割算法對密度改變明顯的病灶可以自動地檢出并分割病變區(qū)域，并能提取病灶的特征信息，部分解決了顱腦病變的自動診斷難題。

關(guān)鍵字：顱腦病變分割；顱腦病變特征提取；計算機(jī)輔助診斷；Matlab

Research of automatic classification of CT brain

pathological changes

Abstract: The difficulty of the research about computer auxiliary diagnosis of medical image is how to automatically segment the brain and find the pathological region.The purpose of  this paper is to propose a simple segmentation method of brain which is based on the brain’s symmetry.After the segmentation the computer can automatically extract the pathological feature information.Image is segmented into fixed regions of interest The discrepancy of second order statistics is taken as description parameters to find out the pathological region.Then self-adapting threshold segmentation algorithm used to segment nidus. Characteristics like the average of gray scale,second order statistics and so on for the segmented nidus are selected to describe the texture feature and the morph feature of the pathological region.The experimental results showed that the segmentation algorithm could automatically segment pathology regions and could extract pathological information aboutpathology and partly be used to solve the problem of computer auxiliary diagnosis of medical image of brain.

Key words: brain pathological segmentation, brain pathological feature extraction, computer auxiliary diagnosis, matlab

目    錄

第1章 緒  論 1

1.1 研究目標(biāo) 1

1.2 研究的背景和意義 1

1.2.1 研究的背景 1

1.2.2 研究的意義 1

1.3 論文主要內(nèi)容 2

第2章 顱腦病變自動識別的整體方案設(shè)計 3

2.1 顱腦病變CT基礎(chǔ)知識 3

2.2 顱腦病變自動識別整體方案 3

2.3 顱腦病變區(qū)域的自動分割方案 4

2.4 顱腦病變區(qū)域特征提取方案 5

2.5小結(jié) 5

第3章 顱腦病變區(qū)域的自動分割 6

3.1 圖像預(yù)處理 6

3.1.1 中值濾波 6

3.1.2 直方圖均衡 6

3.2 顱腦病變區(qū)域自動檢出 7

3.2.1 顱腦圖片的分塊 7

3.2.2 分塊特征選擇 9

3.2.3 病變區(qū)域檢出 13

3.3顱腦病變區(qū)域的分割 14

3.4實驗及問題分析 19

3.4.1 實驗及問題分析 19

3.4.2 問題及分析 20

3.5 小結(jié) 21

第4章 顱腦病變區(qū)域的特征提取 22

4.1顱腦醫(yī)學(xué)診斷中的常用特征 22

4.2顱腦病變區(qū)域的特征提取 22

4.2.1 區(qū)域位置 23

4.2.2 面積 23

4.2.3 平均灰度 23

4.2.4 灰度對比度 24

4.2.5灰度共生矩陣 24

4.2.6 規(guī)則度 26

4.3小結(jié) 27

結(jié)  論 28

感  謝 30

參考文獻(xiàn) 31 

第1章 緒  論

1.1 研究目標(biāo)

本文的研究目標(biāo)為以下兩點：

1、尋找一種能夠自動識別出顱腦中病變區(qū)域的方法。

2、針對已經(jīng)識別出的顱腦病變區(qū)域?qū)ふ液线m的特征表示用于輔助診斷和識別病變類型。

1.2 研究的背景和意義

1.2.1 研究的背景

本文的研究從屬于基于醫(yī)學(xué)影像學(xué)的計算機(jī)輔助診斷，具體為顱腦病變的計算機(jī)輔助診斷。下面對基于影像學(xué)的計算機(jī)輔助診斷和其在顱腦方面的發(fā)展作一個簡要的介紹作為研究背景的闡述。

計算機(jī)輔助診斷簡稱CAD，其中D包含有Detection和Diagnosis兩個方面的含義，也即是發(fā)現(xiàn)病變區(qū)域和診斷病變種類這兩個主要的功能。上世紀(jì)50年代，美國學(xué)者首先將計算機(jī)應(yīng)用于醫(yī)學(xué)診斷。上世紀(jì)80年代，一方面基礎(chǔ)的數(shù)學(xué)和統(tǒng)計學(xué)理論方法上有所發(fā)展，另一方面計算機(jī)技術(shù)的進(jìn)步使得計算機(jī)輔助診斷在發(fā)達(dá)國家有了快速的發(fā)展。進(jìn)入90年代后，在數(shù)字圖像處理技術(shù)和模式識別理論等相關(guān)學(xué)科發(fā)展的帶動下，計算機(jī)輔助診斷技術(shù)有了更快的進(jìn)步，但是其依然處在一個不成熟的階段。

近年來基于影像學(xué)的計算機(jī)輔助診斷的發(fā)展?fàn)顩r是在肺結(jié)節(jié)性病變和乳腺癌早期診斷方面的研究比較成功，其中有一部份成果已經(jīng)通過了美國FDA認(rèn)證而應(yīng)用于臨床診斷，并對診斷起到了積極的作用。而我國的醫(yī)療設(shè)備制造商東軟的CT成像設(shè)備也具備對肺癌，冠狀動脈鈣化積分和結(jié)腸癌的早期檢測能力。但是，對顱腦病變的計算機(jī)輔助診斷的研究國內(nèi)外都處于一個起步階段。對于顱腦病變計算機(jī)輔助診斷的研究，現(xiàn)階段多集中于圖片的篩選即對圖片是否含有病變的判斷和對顱腦結(jié)構(gòu)的自動分割以及病變區(qū)域的自動劃分上，且尚無較好的方法。

1.2.2 研究的意義

對于顱腦計算機(jī)輔助診斷的研究主要有以下幾個方面的意義：

1、計算機(jī)有著精確，不會疲勞，速度快等等的優(yōu)勢，在診斷中可以起到良好的輔助作用。醫(yī)生診斷的一些問題具體表現(xiàn)為：（1）放射科醫(yī)生的診斷是主觀判斷過程，因而會受到醫(yī)生經(jīng)驗及知識水平的限制和影響；（2）醫(yī)生診斷時易于遺漏某些細(xì)微改變，如肺結(jié)節(jié)、乳腺內(nèi)的細(xì)微鈣化等；（3）不同醫(yī)師間及同一醫(yī)師不同狀態(tài)時的閱片差異的影響，而計算機(jī)對于糾正彌補(bǔ)這些錯誤和不足具有巨大的優(yōu)勢；（4）現(xiàn)代的影像設(shè)備所產(chǎn)生的圖片數(shù)量巨大，讀片醫(yī)生的工作量很大，利用計算機(jī)輔助可以從中篩選出需要閱讀的圖片從而大大提高工作效率。因此，計算機(jī)輔助診斷可以提高醫(yī)生診斷的準(zhǔn)確性，速度和對疾病解釋的一致性。

2、顱腦疾病是對人類健康有著巨大影響的疾病，其種類繁多如腦腫瘤，腦溢血等等，往往會危害病人的勞動能力，思維能力和精神狀態(tài)，嚴(yán)重時甚至?xí)＜安∪说纳?。而腦部疾病的診斷對醫(yī)生的要求較高，需要長時間的培養(yǎng)和實踐醫(yī)生才能滿足診斷需要。

3、顱腦病變的CAD研究在國內(nèi)外尚處于起步階段。但是，在其他病變部位如肺部的CAD已經(jīng)有商品問世。因此可見，隨著研究 的深入和技術(shù)的進(jìn)步，顱腦CAD領(lǐng)域終會有成熟的商品出現(xiàn)。現(xiàn)階段的研究在學(xué)術(shù)和經(jīng)濟(jì)意義上也都有一定的價值。

1.3 論文主要內(nèi)容

    本論文按照課題要求，首先將對顱腦病變自動診斷的流程做一個大體的論述。其次會對顱腦病變區(qū)域的自動識別和分割方法進(jìn)行論述，并給出相應(yīng)的實驗和問題分析。再次會對適合于所采用的分割算法的病變選擇利于診斷的特征，并簡單分析特征的效果。最后，對整個工作進(jìn)行總結(jié)，討論方法的不足和有待提高的算法。

    論文包含以下章節(jié)：第二章顱腦病變CAD系統(tǒng)的整體方案設(shè)計；第三章顱腦病變區(qū)域的自動分割；第四章顱腦病變區(qū)域的特征提??；總結(jié)。

第2章 顱腦病變自動識別的整體方案設(shè)計

2.1 顱腦病變CT基礎(chǔ)知識

對計算機(jī)輔助顱腦病變自動識別的研究，需要顱腦CT診斷學(xué)的知識。包括有顱腦的基本結(jié)構(gòu)、顱腦疾病分類知識和CT腦圖的有關(guān)知識。下面首先對以上基礎(chǔ)知識做一個簡要的介紹。

人的頭部從外到內(nèi)有以下幾層結(jié)構(gòu)：顱蓋軟組織、腦顱骨、腦膜及其間隙、腦。腦部疾病多發(fā)于腦，腦分為大腦，腦干，間腦和小腦。大腦分左右兩個半球，基本對稱。大腦半球以三個溝裂為標(biāo)記，分成四個葉和一個腦島。按Brodmann功能定位法，在CT圖像中進(jìn)行定位，主要有：額葉、頂葉、顳葉、枕葉和島葉。大腦半球內(nèi)部有側(cè)腦室、大腦半球內(nèi)部的神經(jīng)核團(tuán)、大腦半球的白質(zhì)等等。在CT圖片中，腦干、間腦、小腦較少被成像故不作介紹。

顱腦疾病種類相當(dāng)繁多，這也是造成顱腦CAD研究艱難的一個原因。顱腦疾病可大體分為以下幾類：腦先天性疾病、腦血管病、顱內(nèi)腫瘤性病變、顱內(nèi)感染性疾病和腦白質(zhì)病。其中，以顱內(nèi)腫瘤性病變最為常見，占顱腦疾病的絕大多數(shù)。腦瘤有神經(jīng)膠質(zhì)細(xì)胞瘤、腦膜瘤、垂體瘤、顱神經(jīng)瘤等等。其病變的表現(xiàn)多體現(xiàn)于密度變化、占位效應(yīng)、水腫、鈣化等等。

CT是在現(xiàn)代醫(yī)院影像科中被廣泛使用的成像設(shè)備。CT圖片是由X射線透射人體斷層，射線被人體組織衰減后投影成像。較先進(jìn)的有雙層螺旋CT，全身CT等等。顱腦CT圖片一般分為8層，最低層以聽眥線為基準(zhǔn)，層厚約10毫米。有顱底層、蝶鞍層、第三腦室前后層、側(cè)腦室層等等。掃描分平掃和增強(qiáng)掃描。平掃的病變特征一般以密度的改變?yōu)橹鳎鰪?qiáng)掃描則主要為強(qiáng)化的種類不同。除此以外腦室系統(tǒng)的變化如占位效應(yīng)，萎縮，梗阻等等也是醫(yī)生診斷時會注意的特征。

2.2 顱腦病變自動識別整體方案

本文研究顱腦病變自動識別方案的思路是首先研究醫(yī)生進(jìn)行病變診斷的流程。在總結(jié)醫(yī)生診斷過程的基礎(chǔ)上，利用計算機(jī)模擬診斷的各個步驟。研究每個環(huán)節(jié)的計算機(jī)自動實現(xiàn)，最終達(dá)到顱腦病變自動識別的目的。

醫(yī)生對疾病進(jìn)行診斷的基本流程可以概括為發(fā)現(xiàn)病灶、觀察分析病灶，最后根據(jù)觀察所得結(jié)合醫(yī)學(xué)理論和臨床表現(xiàn)確定疾病種類。發(fā)現(xiàn)病灶即是找出具體病變的區(qū)域，對于數(shù)字圖像就是分割問題。觀察分析病灶的目的是獲取病灶的表征其為區(qū)域特征提取問題。由特征來自動分類病變是模式識別問題。 綜上顱腦病變的自動識別方案如下圖所示。

圖2-1 顱腦病變識別過程

本文研究的重點是如何自動分割出病變區(qū)域以及對分割出的病變區(qū)域提取特征，下面將對這兩個模塊的方案進(jìn)行介紹。

2.3 顱腦病變區(qū)域的自動分割方案

    現(xiàn)在研究中比較常用的顱腦病變區(qū)域自動分割方案是：第一步先對顱腦CT圖像進(jìn)行分割，將整個顱腦包括病變在內(nèi)的所有結(jié)構(gòu)和組織都分割出。第二步或是利用基準(zhǔn)灰度模板或是利用結(jié)構(gòu)化的先驗知識，基于對照或是分布規(guī)則將病變區(qū)域識別出來。其流程如圖2-2。

圖 2-2 常規(guī)顱腦病變分割方案

針對顱腦結(jié)構(gòu)的分割算法很多，有基于統(tǒng)計學(xué)的算法、基于信息論的算法、基于神經(jīng)網(wǎng)絡(luò)的算法、基于小波變換的算法等等。較為常用的是閾值分割算法。其利用了顱腦不同結(jié)構(gòu)的CT值不同進(jìn)行分割。但是想獲得較好的效果則圖源必須為標(biāo)準(zhǔn)的DICOM格式圖片。

對比模板的建立同樣是建立在優(yōu)良的分割算法的基礎(chǔ)上的。而利用結(jié)構(gòu)化的判斷方法需要有關(guān)各個CT層的大量結(jié)構(gòu)先驗知識。同時，由于每個病人的顱腦結(jié)構(gòu)都有個體差異，所以在利用以上方法時還需要先進(jìn)行配準(zhǔn)，在初步判斷后再依據(jù)一個概率意義上的容錯譜解決個體差異問題。

    筆者缺少大量的醫(yī)學(xué)先驗知識，也沒有途徑獲得標(biāo)準(zhǔn)的CT圖源。通過對基礎(chǔ)醫(yī)學(xué)知識的學(xué)習(xí)，發(fā)現(xiàn)顱腦的結(jié)構(gòu)對所有正常人而言都是對稱的這一先驗知識是一個很好的立足點。多數(shù)情況下，病變區(qū)域與對稱側(cè)腦的同區(qū)域是有著明顯不同的。這一點和所處的CT圖層無關(guān)，只和病變的具體情況有關(guān)。通過這一點，可以發(fā)現(xiàn)病變區(qū)域而排除正常的灰度值有變化的結(jié)構(gòu)和組織。但是，在沒有進(jìn)行分割之前是無法知道病變區(qū)域的，也就無法進(jìn)行精確的基于對稱性的比較。

本文的思路如下：首先不對圖片進(jìn)行分割，而只進(jìn)行簡單的分塊。將顱腦CT圖片分為對稱矩形區(qū)域。其次對矩形區(qū)域選擇合適的特征并表達(dá)。根據(jù)特征和基于顱腦對稱性的先驗知識確定包含有病變的區(qū)域。將所有包含有病變的分塊進(jìn)行合并。最后，利用基于閾值的分割算法分割出具體的病變區(qū)域。

圖2-3 本文設(shè)計的病變分割方案

2.4 顱腦病變區(qū)域特征提取方案

顱腦病變區(qū)域特征提取的合適與否關(guān)系到之后的分類器的設(shè)計。因為顱腦病變的種類多樣，判斷依據(jù)的特征較多，分類器多采用非度量的結(jié)構(gòu)判斷，這也是符合醫(yī)生的判斷過程的。由此，特征的需要數(shù)量較多，選擇的標(biāo)準(zhǔn)應(yīng)以醫(yī)生判斷病變時的選擇為依據(jù)，這樣可以在后續(xù)分類器設(shè)計時盡可能利用大量的成熟的醫(yī)學(xué)先驗知識。同時，也可以輔助醫(yī)生進(jìn)行診斷。

通過學(xué)習(xí)相關(guān)的醫(yī)學(xué)理論，可以確定醫(yī)生在判斷時多會考察位置、邊緣、面積，灰度、病變區(qū)域內(nèi)部紋理等等的特征?？梢愿鶕?jù)數(shù)字圖像處理的相關(guān)理論量化這些特征。選取平均灰度，灰度對比度，灰度共生矩陣的矩等等作為分類特征。

2.5小結(jié)

   顱腦CT病變的自動識別整體方案包含三個步驟，其中病變區(qū)域自動分割，病變區(qū)域特征提取為本文關(guān)注的兩個核心模塊。病變區(qū)域自動分割首先利用顱腦結(jié)構(gòu)對稱的先驗知識和病變區(qū)域灰度變化明顯的特征確定病變的分塊區(qū)域，之后再利用常規(guī)的閾值分割算法分割出精確的病變區(qū)域。病變區(qū)域特征提取依據(jù)醫(yī)生判斷所考慮的特征，選取平均灰度，灰度對比度，灰度共生矩陣等作為分類特征。

第3章 顱腦病變區(qū)域的自動分割

3.1 圖像預(yù)處理

     本文中，圖像預(yù)處理 的目的有兩個。第一，濾除在圖片中的細(xì)小噪聲。第二，使所有圖像都能歸于一個標(biāo)準(zhǔn)統(tǒng)一的狀態(tài)，以利于后面的區(qū)域分割和特征提取取得良好的效果。

3.1.1 中值濾波

圖像中存在許多微小的噪點，其對后續(xù)處理的影響主要體現(xiàn)在對灰度對比度和紋理特征的計算上。會使灰度對比度增加和紋理的提取喪失一部份的規(guī)律性。對噪聲的處理采用空域平滑濾波，一般有中值濾波，自適應(yīng)濾波等等具體算法。對于微小的噪點，中值濾波的效果較好，實現(xiàn)簡單。中值濾波的示意效果如下：

 

圖3-1 中值濾波效果示意

    雖然會使顱腦圖像模糊，但是通過選取合適的區(qū)域尺寸可以使模糊效果處于可以接受的范圍內(nèi)。而且，后續(xù)的處理方法多基于灰度統(tǒng)計特征，對邊界的細(xì)微變化不敏感。

3.1.2 直方圖均衡

由于無法從醫(yī)院獲得標(biāo)準(zhǔn)圖片，本文所采用的圖像都系從網(wǎng)絡(luò)中的醫(yī)學(xué)圖片庫獲得。雖然這些圖片都是以標(biāo)準(zhǔn)圖片為母本，但是為了適應(yīng)網(wǎng)絡(luò)傳輸?shù)男枰浠叶扔兴兓?。而且，由于缺乏統(tǒng)一的標(biāo)準(zhǔn)不同圖像庫的圖片的灰度有一定的區(qū)別。這就對后續(xù)的病變區(qū)域的判斷閾值的確定造成了困難。使用直方圖均衡可以使不同圖源的灰度在直方圖意義上分布統(tǒng)一，從而方便處理。

            

            均衡前                                   均衡后

圖3-2 直方圖均衡效果圖

    但是，由圖可見其增大了全圖的灰度對比度，原本灰度對稱性很好地區(qū)域在處理后對比增加使得后續(xù)的分塊對稱計算特征效果變差。

3.2 顱腦病變區(qū)域自動檢出

顱腦病變區(qū)域自動分割是顱腦CAD的首要難題，其他研究者的思路是首先對顱腦區(qū)域進(jìn)行分割再根據(jù)有關(guān)顱腦分層結(jié)構(gòu)的先驗知識設(shè)計判斷算法。此類算法存在以下問題：（1）顱腦的分割算法不成熟且實現(xiàn)復(fù)雜；（2）不同人的顱腦結(jié)構(gòu)有其一定的特異性，尚沒有兼具標(biāo)準(zhǔn)性和適應(yīng)性的顱腦分層結(jié)構(gòu)模板；（3）本文關(guān)注的是病變區(qū)域的特征，在實現(xiàn)上沒有必要對顱腦的全部結(jié)構(gòu)進(jìn)行分割。

本文的思路是先找到病變的大體區(qū)域之后再對其進(jìn)行具體的分割。找到病變的流程為劃分區(qū)域，尋找分塊特征，識別包含病變分塊。下面分別就這三個方面加以討論。

3.2.1 顱腦圖片的分塊

顱腦圖片的分塊是一種非傳統(tǒng)意義的分割。其目的是為后續(xù)的特征提取確定一個適合的圖像層次，使得特征參數(shù)的提取對識別效果明顯。分塊是將圖片固定的分割為一定數(shù)量的感興趣的區(qū)域，這些區(qū)域關(guān)于顱腦的中心線對稱。

數(shù)字圖像的表達(dá)為f(x,y)，每組(x,y)代表了圖像的一個像素。設(shè)圖像的尺寸為M行、N列。需要將圖像分割為P*Q個矩形的方塊，其中水平方向上分割為P部分，垂直方向上分割為Q部分且Q必須為偶數(shù)。則有垂直和水平分割點分別為M/P、M*2/P、…M*(P-1)/P及N/P、N*2/P、…N*(P-1)/P。

對圖像分塊處理示意圖如下：

 

圖3-3 圖像分塊示意圖

在具體的處理中，由于圖片的來源的不統(tǒng)一以及在MATLAB中后續(xù)處理的方便，首先要統(tǒng)一轉(zhuǎn)換圖片為256階的灰度圖。同時，在分塊中要求Q為偶數(shù)且垂直方向上的分塊尺寸對稱，則必須使N為偶數(shù)。為了分塊劃分計算的方便，M也取偶數(shù)。實現(xiàn)方法為對奇數(shù)的M和N省略最后一行或列。在實際應(yīng)用中對后續(xù)特征提取效果沒有影響。實現(xiàn)在map_format函數(shù)中。

圖片的分塊實現(xiàn)需要用到MATLAB中的元胞數(shù)組。元胞數(shù)組的基本組成部分為元胞，其可以是任何類型和大小的數(shù)據(jù)。在MATLAB中，圖像的儲存為二維矩陣，利用元胞數(shù)組可以將指定尺寸的元素組合成元胞實現(xiàn)圖像的分塊。

在實際的處理中，還會有圖像尺寸無法被分割參數(shù)均分的問題。列如尺寸為300*310，劃分的參數(shù)為6*8。雖然尺寸和劃分參數(shù)都為偶數(shù)，但是無法實現(xiàn)均分。通過對CT圖像的觀察發(fā)現(xiàn)，CT圖片的邊緣都為不含任何信息的黑色區(qū)域，在分塊中雖然會將顱骨包含在內(nèi)，但是一般而言在顱骨附近的區(qū)域發(fā)生病變的可能性較小。因此，處理的方法是采用非均勻的劃分，在CT圖片的周邊一圈采用較大的分塊來解決無法均分的問題。對于對稱分塊的特征提取影響很小。分塊的實現(xiàn)在block函數(shù)中。

an = 2 * floor(an/2);   %行核心區(qū)域分割參數(shù)

bn = 2 * floor(bn/2);   %列核心區(qū)域分割參數(shù)

a1 = (x - (m - 2) * an) / 2;  %行邊界區(qū)域分割參數(shù)

b1 = (y - (n - 2) * bn) / 2;  %列邊界區(qū)域分割參數(shù)

a = zeros(1,m);    %行元胞分割數(shù)組

b = zeros(1,n);    %列元胞分割數(shù)組

元胞數(shù)組處理過后的分塊圖像使用subplot函數(shù)的多塊顯示即可。

 

圖3-4 待識別的顱腦CT圖

 

圖3-5 分塊后的顱腦CT圖

3.2.2 分塊特征選擇

     選擇分塊處理是出于顱腦結(jié)構(gòu)的對稱性考慮，這點前文已經(jīng)多次說明。在選擇分塊用于識別的特征時，有兩個方面的因素是考慮的基點。（1）顱腦結(jié)構(gòu)對稱性的具體表現(xiàn)。（2）有哪些可供考量的特征。在確定的備選的特征后，即需要對其的效果進(jìn)行評估。下面首先討論特征選擇的思路。

人的顱腦結(jié)構(gòu)是基本對稱的。在CT圖像中，顱腦結(jié)構(gòu)從聽眥線開始，從圖像處理的角度來看主要可以分為兩種結(jié)構(gòu)：骨結(jié)構(gòu)和組織結(jié)構(gòu)。前者的灰度穩(wěn)定，一般較高，后者情況復(fù)雜，依層次而定，一般為等密度。就對稱性來看，骨的形態(tài)對稱性較好，但是包裹腦的顱骨對稱性不佳。組織的形態(tài)對稱性一般，而且其邊界在CT圖片中常常模糊或彌散。但是其灰度的對稱性較好。

在數(shù)字圖像處理理論中，將區(qū)域的表示與描述大致分為兩類：邊界描繪子和區(qū)域描繪子。邊界描繪子主要針對圖像的邊界特征如邊界長度、形狀數(shù)等等進(jìn)行數(shù)字化的表示。區(qū)域描繪子則對如區(qū)域面積、連通區(qū)域、紋理等等特性給以表達(dá)。

前面已經(jīng)將圖片分割成了關(guān)于顱腦中線對稱的多個矩形區(qū)域，考慮特征選擇中的邊界描繪子和區(qū)域描繪子。因為前面的分塊是完全沒有引入顱腦結(jié)構(gòu)的先驗知識而計算機(jī)又不具備人類關(guān)于圖像的配準(zhǔn)能力，人的顱腦形狀結(jié)構(gòu)在空間上并非嚴(yán)格的結(jié)構(gòu)對稱而邊界描繪要求較為嚴(yán)格，如果在正常范圍內(nèi)顱腦結(jié)構(gòu)發(fā)生細(xì)微改變就會使得對稱效果變的極差。所以，沒有選擇邊界描繪子。在圖片的分塊中，必然會有一定量的圖片中的病變結(jié)構(gòu)被分割到多個分塊中，如果分塊大小選擇合適，一般不會出現(xiàn)某個分塊完全為病變的內(nèi)部的情況。而病變區(qū)域的密度亦即是像素的灰度相比正常組織結(jié)構(gòu)會偏高或偏低表現(xiàn)為高密度或低密度病變，因此區(qū)域的灰度平均值可以作為一個特征。同時考慮到分塊會造成病變結(jié)構(gòu)分割的不確定性和矩形分塊通常會包含一定量的正常結(jié)構(gòu)（很少有矩形的顱腦病變結(jié)構(gòu)）選擇區(qū)域 的二階統(tǒng)計矩即是灰度對比度作為另一個特征。

圖像的灰度平均值和灰度對比度都是圖像區(qū)域灰度直方圖的統(tǒng)計量。令Z為一個代表灰度級的隨機(jī)變量，則可得P(Zi)，i=0，1，2，……，L-1，為圖像的直方圖。L為處理圖像的灰度級，本文中一律為256級灰度。

圖像區(qū)域的第N階矩為：

          (3-1)

其中m是z 的均值亦即平均灰度級：

            (3-2)

從公式可見，m即是灰度平均值，二階統(tǒng)計矩即是灰度對比度。而三階和四階統(tǒng)計矩也有對應(yīng)的意義，為直方圖的偏斜度和相關(guān)平直度。在分塊的特征提取中，意義不明顯故未使用。

灰度平均值的實現(xiàn)簡單，可以直接對元胞數(shù)組中的元胞應(yīng)用函數(shù)mean。對于二階統(tǒng)計矩，元胞數(shù)組的元胞不支持直接使用函數(shù)var，故需要先將元胞中的元素轉(zhuǎn)賦給一個數(shù)組再用函數(shù)var即可?；叶绕骄档膶崿F(xiàn)在函數(shù)avr_gray中，二階統(tǒng)計矩的實現(xiàn)在函數(shù)d_gray中。下面為圖3-4所示圖像分塊后的特征提取效果。

 

圖3-6 分塊的灰度平均值

 

圖3-7 分塊的灰度對比度

從數(shù)據(jù)可見，灰度對比度的數(shù)值與正常區(qū)域的分離較為明顯，而灰度平均值的數(shù)值則有不穩(wěn)定性。其表現(xiàn)為在病變區(qū)域的數(shù)值變化較大。原因是分塊中可能包含不同比例的正常區(qū)域。通過一定量的樣本圖像的實驗，發(fā)現(xiàn)總體而言灰度對比度的效果要明顯好于灰度平均值。

但是在后續(xù)的分類判斷中，灰度對比度特征的判斷閾值難以選擇。原因有以下兩點：

（1）顱腦不同層次和同層次的不同結(jié)構(gòu)的灰度對比度情況較復(fù)雜，包含病變后的區(qū)域特征值會和包含有內(nèi)部骨結(jié)構(gòu)的分塊近似。

（2）采用的是固定的分塊，面對顱腦的復(fù)雜情況下無法保證對所有圖片的分塊中正常和非正常部分的比例相同。因此考慮將關(guān)于顱腦中線的對應(yīng)分塊的特征值做差值，再以差值作為識別的特征值。這樣，對顱腦CT圖像的任何區(qū)域和圖層都有適用性。在理論上，顱腦關(guān)于中線對稱的區(qū)域的灰度統(tǒng)計特性是相同的。雖然因為CT圖片中的噪聲干擾以及顱腦結(jié)構(gòu)個體差異會造成的一定的差別，但是如果區(qū)域的比較大時，灰度統(tǒng)計特性對此是不敏感的。之后，選擇合適的閾值就可以完成病變區(qū)域的識別。

分塊對應(yīng)的規(guī)則如下圖。

 

圖3-8 對稱區(qū)域差值計算示意圖

在實現(xiàn)中建立一個和元胞數(shù)組同尺寸的數(shù)組用于存放對稱區(qū)域的差值。區(qū)域的對稱規(guī)則如下圖。由函數(shù)diff_gray實現(xiàn)以上功能。其也適用于灰度平均值的計算。圖3-5圖片的特征提取效果如下。

 

圖3-9 灰度平均值差值

 

圖3-10 灰度對比度差值

從數(shù)據(jù)可見，灰度平均值差值和灰度對比度差值的分類效果比其自身更好。通過實驗可以確定，灰度對比度差值的分類準(zhǔn)確性和完全性效果仍然要好于灰度平均值差值。而且與病變種類的關(guān)聯(lián)較小。其能夠?qū)Υ蟛糠职∽儏^(qū)域的分塊給出明顯區(qū)別于正常分塊的數(shù)值。

3.2.3 病變區(qū)域檢出

根據(jù)前面特征提取的結(jié)論，灰度對比度差值可以作為一個良好的特征用于分塊是否包含病變區(qū)域的識別?？梢允褂媚Ｊ阶R別中的模糊聚類或者人工神經(jīng)網(wǎng)絡(luò)的方法，也可以使用簡單的閾值判斷的方法。通過實驗發(fā)現(xiàn)閾值判斷的效果基本符合要求而實現(xiàn)簡單故選擇閾值判斷識別包含病變區(qū)域的分塊。

閾值的確定是通過實驗的方法確定的。閾值選擇為20。實驗表明其效果對腦腫瘤等灰度變化明顯的高密度、低密度和混合密度病灶的識別效果較好。對于大小基本和一個分塊相同的病變區(qū)域識別效果較好，對于彌漫性的病變和病灶多且小的病變?nèi)缒X寄生蟲病的識別效果不佳。同時也發(fā)現(xiàn)邊緣的區(qū)域是假陽性誤判較多的，原因?qū)⒃诤笪姆治?。對于此的處理是?qiáng)制使所有邊緣默認(rèn)為非病變。其實現(xiàn)比使用模式識別理論構(gòu)建的分類器要簡單。由函數(shù)qypd實現(xiàn)初步的識別。

 

圖3-11 病變區(qū)域識別結(jié)果

3.3顱腦病變區(qū)域的分割

    在初步判斷出包含了病變的分塊區(qū)域后，就可以針對這些分塊區(qū)域使用分割算法找出真正病變病灶的區(qū)域。而后續(xù)的特征提取的工作，就是針對這個真正的病變區(qū)域，這樣才能保證特征提取的有效性。

在對分塊區(qū)域使用分割算法之前，必須對已經(jīng)判斷出的區(qū)域進(jìn)行一定的預(yù)處理。這樣，可以保證分割算法的有效執(zhí)行。預(yù)處理包括分塊的補(bǔ)全融合及病變對稱區(qū)域的濾除。

對分塊進(jìn)行補(bǔ)全，以使得全部的分塊可以融合為一個矩形。原因有以下兩點：（1）分割算法的要求使得被分割的圖像輸入必須為矩形；（2）在加入了包含病變區(qū)域的分塊后，從融合后的圖片區(qū)域的整體灰度統(tǒng)計特性來看，雙峰的特征會得到一定程度的加強(qiáng)。這是有利于分割算法的實現(xiàn)和獲得更好的分割效果的。

因為前面的包含病變區(qū)域的判斷算法的原因，在判斷出的區(qū)域中，出現(xiàn)非矩形的區(qū)域情況很常見。例如：三角形、十字形等等。補(bǔ)全的目標(biāo)是找到一個最小的包含非矩形病變區(qū)域的矩形。實現(xiàn)的思路很簡單，平掃整個圖像至第一個標(biāo)記為病變的區(qū)域，對此區(qū)域的四個對角元胞進(jìn)行是否為標(biāo)記的判斷，如果被標(biāo)記，則將以此元胞和中心的矩形區(qū)域都標(biāo)記。如此往復(fù)，直至圖片的最后一個點。

 

圖3-12 區(qū)域補(bǔ)全前識別效果

 

圖3-13 區(qū)域補(bǔ)全后識別效果

從前面閾值判斷可知，包含有病變區(qū)域的分塊的對稱分塊。這樣在病變區(qū)域的分割中需要多處理一倍的數(shù)據(jù)，而且就結(jié)果而言其應(yīng)該被視為假陽性。本方案暫時采用的處理方法為分別計算兩區(qū)域的灰度平均值和二階統(tǒng)計矩，再與圖像中正常區(qū)域的灰度均值和灰度對比度對比，如果有任何一值與正常值偏離較大則判定為包含病變區(qū)域。此方法的效果如下。

 

圖3-14 假陽性處理效果

通過實驗，發(fā)現(xiàn)此處理方法的效果不佳。表現(xiàn)在對含有一定正常腦灰度變化結(jié)構(gòu)的分塊無法被濾除。但是，假陽性區(qū)域是可以接受的、其影響即是會降低后續(xù)處理的效率。在輔助診斷結(jié)果中出現(xiàn)一定的正常區(qū)域?qū)υ\斷結(jié)論沒有危害。

 

圖3-15 分割處理源圖

在完成了以上的工作后，即可使用分割算法，應(yīng)用區(qū)域為標(biāo)記的元胞。

如第二章所述，應(yīng)用于醫(yī)學(xué)圖像的分割算法很多，其中很多如基于神經(jīng)網(wǎng)絡(luò)的分割、基于模糊聚類的分割，其算法復(fù)雜，實現(xiàn)困難。常用的分割算法是基于統(tǒng)計學(xué)的分割。本文也采用基于統(tǒng)計學(xué)的算法。具體的原因如下：（1）本文所提取的病變區(qū)域有很明顯的灰度對比度，其統(tǒng)計直方圖的雙峰較為明顯，如下圖；（2）基于統(tǒng)計學(xué)的分割算法實現(xiàn)相對簡單，分割速度比上文提及的分割算法有明顯的優(yōu)勢。

在分割中，圖像可以認(rèn)為有對象和背景兩部分構(gòu)成。對象和背 景的灰度級是可以被分為兩組不同的支配模式。因此，從背景中提取對象的一種很直觀的思路是選擇一個合適的門限值，對全圖根據(jù)門限值進(jìn)行判斷就可以將兩中模式分開。當(dāng)圖像是更為一般的情況時，模式的種類更多則可以使用多門限處理的方式。

從以上敘述可見，應(yīng)用此種算法的關(guān)鍵是尋找合適的門限值。為了保證算法可以適應(yīng)不同密度變化的病變和不同層次的CT圖像，門限值最好是自適應(yīng)的。下面將討論自適應(yīng)門限值的確定。

如前文的定義，數(shù)字圖像為f(x,y)其尺寸為P*Q。若在圖像中灰度級i出現(xiàn)的次數(shù)為n,則有灰度級i的概率為：

                            且 ，                       (3-3)

在本文中是分割為兩類，背景類S1和目標(biāo)類S2。以t為閾值。因為在顱腦病變中存在高于和低于正?；叶鹊牟≡?，因此以分塊圖像的邊界點的灰度值與閾值t的關(guān)系來確定背景類和目標(biāo)類與閾值t的大于小于關(guān)系?，F(xiàn)本文假定背景類灰度值i<t，目標(biāo)類灰度值i>t。則可得背景類和目標(biāo)類的出現(xiàn)概率分別為：

                                (3-4)

                                       (3-5)

對于一幅圖像的閾值的自適應(yīng)確定，本方法有以下兩點需要考慮：（1）兩個類的類間距，類間距越大則分割的效果越好；（2）兩個類中的內(nèi)聚性，內(nèi)聚性越高則表示每個類的分散度越小同時分割的效果越好。

對于類的類間距的度量，首先需要得出類的類內(nèi)中心。定義為：

          (3-6)

         (3-7)

則類間距被定義為：

         (3-8)

對于類的內(nèi)聚性可以用類中的每一個像素到類內(nèi)中心的距離來定義：

         (3-9)

                    (3-10)

自適應(yīng)的最佳閾值要能夠同時使得類間距最大而類的內(nèi)聚性最小。此時的分割是最佳的。綜合考慮這兩個要素，可以定義分類的判別函數(shù)：

        (3-11)

明顯，使得H(t)取最大值的灰度值t為自適應(yīng)的最佳閾值。以此閾值進(jìn)行分割得到S1和S2有：

 且        (3-12)

在此情況下，背景類和目標(biāo)類的分割效果最好。

實現(xiàn)過程即是首先獲得圖片的灰度直方圖，根據(jù)上文所述對每個灰度級計算其判別函數(shù)的值，選擇使判別函數(shù)值最大的灰度做為分割閾值對圖像進(jìn)行二值化。

 

圖3-16 分割所得目標(biāo)區(qū)域標(biāo)記圖

分割后可以獲得一個二值圖像，以此二值圖像中的目標(biāo)區(qū)域為標(biāo)記結(jié)合原始圖像進(jìn)行針對區(qū)域的特征處理。

3.4實驗及問題分析

3.4.1 實驗及問題分析

本實驗所采用的測試圖片都系從網(wǎng)絡(luò)上的醫(yī)學(xué)圖片庫中獲得。雖然和醫(yī)院所使用的標(biāo)準(zhǔn)的DICOM格式的圖源質(zhì)量無法比較，但是作者認(rèn)為其基本符合驗證算法的需要。因為圖片所包含的信息基本不變，而且前文也對此類圖片做了相應(yīng)的預(yù)處理以保證其符合算法的需要。

實驗的流程如前所述，首先做預(yù)處理；其次分別進(jìn)行分塊、提取特征、識別分塊區(qū)域；最后對識別及融合后的圖片進(jìn)行分割。實驗結(jié)果的評定為是否正確找出病變區(qū)域及對病變區(qū)域分割的準(zhǔn)確度也即是否找出了完整的病變區(qū)域。病變區(qū)域的評定標(biāo)準(zhǔn)為網(wǎng)上醫(yī)學(xué)圖片庫中的醫(yī)生意見。部份實驗結(jié)果如下表：

表3-1 實驗結(jié)果

病灶類型 病灶大小 正確性 準(zhǔn)確性

低密度 大于分塊 正確 全部找出

低密度 近似等于分塊 正確 全部找出

高密度 大于分塊 正確 未全部找出

低密度 小于分塊 正確 全部找出

高密度 近似等于分塊 正確 全部找出

高密度 大于分塊 正確 全部找出

高密度 近似等于分塊 正確 未全部找出

混合密度 大于分塊 正確 未全部找出

混合密度 大于分塊 正確 未全部找出

高密度 大于分塊 正確 未全部找出

從上表中可以得出以下結(jié)論：（1）本文所采用的方法對密度表現(xiàn)為高密度和低密度、大小為等于或稍小于圖片每一分塊面積的病灶的識別分割效果較好。（2）分割的準(zhǔn)確度有待提高，往往會出現(xiàn)無法找出完整區(qū)域的問題?；究梢哉J(rèn)為，算法有其一定的適應(yīng)病變表現(xiàn)。在先驗知識大大減少的情況下可以分割出病灶，但是分割的準(zhǔn)確性不高。

對于結(jié)論（1），因為所采用的特征為灰度對比度，所以對于密度變化較大的高密度和低密度病灶的識別效果較好。在合適的分塊大小下其特征表現(xiàn)極為明顯。而因為提取特征的層次為每個分塊，因此，當(dāng)病灶的大小與分塊大小基本相同或稍小時，其灰度對比度的值也較高。但是，當(dāng)某個分塊完全為病灶的內(nèi)部時，其灰度對比度很低，特征不明顯。關(guān)于結(jié)論（2）將在問題分析中討論。

以上所有的處理在matlab7.0.1中實現(xiàn)，在主頻為1.4GHz的閃龍2500處理器、448MB內(nèi)存的環(huán)境下，處理一幅400*400大小的圖片用時少于20秒。如果進(jìn)一步優(yōu)化完善算法，并使用VC實現(xiàn)則處理速度還可以有所提高。

3.4.2 問題及分析

本文的算法在設(shè)計和實現(xiàn)上存在以下的問題：

1、分塊的大小的確定。本文中所使用的分塊系數(shù)為6*6。依據(jù)前文所述，分塊大小的選擇對別病灶的大小的影響是很大的。在6*6的系數(shù)下，對如腦寄生蟲病之類的病灶較小的病變的識別效果不佳?？梢?，如果想拓寬本算法的使用范圍則分塊系數(shù)的確定必須為自適應(yīng)的，其可根據(jù)預(yù)先對圖片的某一特征如紋理的計算來有針對性的選擇分塊系數(shù)。如果是使用醫(yī)院的標(biāo)準(zhǔn)圖源，則可以考慮引入一定的先驗知識，如顱腦CT的分層來估計可能病變從而根據(jù)經(jīng)驗大小確定分塊系數(shù)。

2、顱骨的影響。在本文中，對圖片的周邊一圈的包含顱骨分塊的區(qū)域是默認(rèn)為無病變。因為人的顱骨有其一定的不對稱性，而這種不對稱性從實驗結(jié)果看常常會影響特征的有效性，從而使分類識別有假陽性。筆者尚未找到較好的解決辦法。

3、對稱區(qū)域的影響。從前文的效果可見，對于病變區(qū)域的對稱區(qū)域其也被標(biāo)記而所采用的濾除方法效果不佳。因為特征為灰度對比度的絕對差值。如果想將此對稱的假陽性區(qū)域去除則需要加入灰度平均值。因為病灶的灰度平均值與周圍區(qū)域是不同的。初步的思路是構(gòu)造一個結(jié)合灰度對比度絕對差值和區(qū)域與周圍分塊的灰度平均值對比的算子用于分類器的判斷。但是，此時灰度平均值對比的效果決定于病灶大小與分塊大小的關(guān)系。分塊近似等于病灶大小并恰好包含是理想狀況。

4、分割的遺漏部分問題。這個問題也是由分塊造成的。因為分塊會造成病灶的割裂。而一些包含病灶小部分的分塊不會被識別出，也不一定會被補(bǔ)全。這樣在分割時會遺漏此部分。解決的思路是對已經(jīng)分割好的區(qū)域，再在全部分塊上采用區(qū)域生長的方法再次進(jìn)行分割。生長的起點選擇為已分割區(qū)域的邊緣。

綜上可見，本算法的多數(shù)問題都是由分塊這種處理方法造成的。分塊方法在大大降低分割算法難度和對先驗知識的要求上有上佳表現(xiàn)，但是也表現(xiàn)出了一些問題。

3.5 小結(jié)

本章介紹了病變區(qū)域自動分 割的流程和采用的算法。其首先進(jìn)行必要的預(yù)處理；其次運用分塊和顱腦的對稱性確定出病變的大體區(qū)域；最后，使用自適應(yīng)的分割算法找出精確的病灶區(qū)域。通過實驗和分析，發(fā)現(xiàn)此算法有一定的適用性，判斷的正確率在某些類型的病變中較高，但是分割的準(zhǔn)確性有待提高。本章最后對一些問題如分塊系數(shù)的選擇等提出了大致的解決思路。

第4章 顱腦病變區(qū)域的特征提取

與一般的某種特定類型疾病的自動識別不同，顱腦病變自動診斷的目標(biāo)是自動獲得病變種類信息。一般的某種類型疾病特征提取的要求是找出與此疾病最相關(guān)的特征用于疾病的識別。而本文特征提取的目的是尋找足夠的、合適的特征以輔助醫(yī)生進(jìn)行疾病類型的診斷和作為疾病分類器的輸入。關(guān)鍵在于疾病種類是未知的，僅僅知道病灶的區(qū)域。因此特征的選取一方面要考慮到醫(yī)生診斷時會注意的特征，另一方面要全面的描述病變區(qū)域的情況。下面首先介紹診斷中常用的特征，再以此為基礎(chǔ)尋找合適的特征描述。

4.1顱腦醫(yī)學(xué)診斷中的常用特征

醫(yī)生在進(jìn)行診斷時所綜合考慮的信息包括：病人的臨床表現(xiàn)、病人的病史、CT腦圖的表現(xiàn)和輔助檢查結(jié)果等等。在CT腦圖的閱片中，根據(jù)圖像的成像方式是普通的平掃還是增強(qiáng)掃描具體關(guān)注的重點略有不同。而不同種類的病變其擁有的特征表現(xiàn)也是不同的。

1、考慮普通的平掃中的一般通用的特征。對于病灶而言，其特征可大體分為病灶內(nèi)的特征如紋理、密度的對比度等等和病灶的形態(tài)特征如形狀、邊緣的清晰程度等等。除此之外，還有一些物理信息可用于診斷，如病灶的位置、面積等。

2、對于增強(qiáng)掃描而言，最重要的特征是增強(qiáng)的類型。有均勻性強(qiáng)化、非均勻性強(qiáng)化、環(huán)狀強(qiáng)化和無強(qiáng)化。強(qiáng)化是指在靜脈注射含碘的造影劑后，腦的某些結(jié)構(gòu)有成像加強(qiáng)的效果。

3、是一些含有醫(yī)學(xué)意義的特征表現(xiàn)。這些表現(xiàn)較為復(fù)雜，很難用數(shù)字圖像中的已有特征描述子描述。但是其對病變的診斷有著重要的意義。因為這些特征的組合往往能夠大體確定病灶屬于哪幾類病變。這些特征有：占位效應(yīng)、水腫、鈣化、梗阻、交通、囊變和膿腫等等。在這些特征中，如占位效應(yīng)和移位等等的特征的提取還需要一定的關(guān)于被處理圖像的正常結(jié)構(gòu)表現(xiàn)的先驗圖譜。

4.2顱腦病變區(qū)域的特征提取

根據(jù)上文所述，可以將需要的特征大體分為三類：（1）如病灶所在的位置、面積、周長等等基本信息，這些無須再為其選擇特征描述子；（2）病變區(qū)域的區(qū)域特征如密度、密度混合程度、紋理等等，可以考慮應(yīng)用區(qū)域描述子如平均灰度、統(tǒng)計矩等描述；（3）病灶的形狀特征、邊緣特征等形態(tài)特征，需要在邊界描述子中選擇合適的特征。

本文選擇面積、位置、平均灰度、二階統(tǒng)計矩、灰度共生矩陣的統(tǒng)計量和規(guī)則度作為特征簡單描述病變區(qū)域。

4.2.1 區(qū)域位置

   在診斷中病變位置是重要的信息，許多疾病都有其較為固定的多發(fā)位置。確定了位置可以縮小疾病可選種類，具體方法為為每一CT層的區(qū)域建立該位置可能發(fā)生疾病種類的數(shù)據(jù)庫。數(shù)據(jù)庫可以通過醫(yī)學(xué)理論得出，其可以使后續(xù)識別速度和精度大大增加。

   利用本文的分塊方法很容易確定位置，只需要得到包含病灶的元胞數(shù)組的坐標(biāo)，再分別對橫軸縱軸歸一化，最后根據(jù)歸一化的值進(jìn)行判斷即可。

4.2.2 面積

病變的面積也是診斷是判斷疾病發(fā)展程度和分期的重要依據(jù)。利用在分割時得到的二值圖像標(biāo)記可以計算病變的面積。對標(biāo)記的區(qū)域記數(shù)即得面積。對病灶面積的提取如下表，其面積數(shù)字代表病灶點的數(shù)量，具體面積的計算還需要聯(lián)系設(shè)備參數(shù)，確定每個像素點所代表的面積。

表4-1 病灶面積

圖片 1 2 3 4 5 6 7 8 9 10

病灶面積 11940 10213 9784 3091 19615 16552 13652 10021 4426 18265

4.2.3 平均灰度

   平均灰度是簡單的區(qū)域特征，它是區(qū)域的統(tǒng)計特征。定義為；

               (4-1)

   如上所述，在顱腦CT的平掃中，關(guān)于灰度的變化中有四種。平均灰度對于低密度和高密度病變而言是重要良好的特征，可以直接進(jìn)行判斷。但是對于等密度和混合密度病變而言，其值區(qū)別不大。

   在matlab 中可以用mean函數(shù)對區(qū)域計算即可。從下表可見，灰度對高密度和低密度的病變其特征值距離較大，可初步用于分類

表4-2 平均灰度表

圖片 1 2 3 4 5

病灶類型 低密度 高密度 低密度 高密度 高密度

平均灰度 94.1244 183.0749 110.8837 215.8641 223.4328

圖片 6 7 8 9 10

病灶類型 高密度 高密度 混合密度 混合密度 高密度

平均灰度 199.6623 226.3612 134.2215 164.0129 231.6241

4.2.4 灰度對比度

灰度對比度為圖像的二階統(tǒng)計矩，它可以用于描述區(qū)域的紋理特征，但是在這里則主要是用于等密度和混合密度病變的判斷。定義為：

        (4-2)

雖然灰度平均值無法區(qū)分等密度和混合密度病變，但是混合密度病變內(nèi)部為低密度和高密度組織的混雜，其灰度對比度遠(yuǎn)大于等密度病變的在0附近的低值。

在matlab中的實現(xiàn)可以參考在第三章中分塊的特征提取。從下表可見，混合密度病灶的灰度對比度值與其它病變種類此值距離較大，可用于識別混合密度病灶。而有部份的高密度病灶的對比度較高，其原因是在子圖的分割中存在和病灶類似的小區(qū)域，其灰度略低但也被分割入病灶區(qū)。

表4-3 灰度對比度表

圖片 1 2 3 4 5

病灶類型 低密度 高密度 低密度 高密度 高密度

灰度對比度 79.1311 103.8946 84.0401 64.7789 128.0430

圖片 6 7 8 9 10

病灶類型 高密度 高密度 混合密度 混合密度 高密度

灰度對比度 205.3641 66.7496 469.3216 349.1668 135.1564

4.2.5灰度共生矩陣

灰度共生矩陣實際上是圖像中呈一定位置關(guān)系的兩像素點間的聯(lián)合灰度直方圖。其作用類似于灰度直方圖。同是在生成之后，根據(jù)需要在其上計算紋理特征系數(shù)。其類似于的統(tǒng)計矩即上文所使用的特征。

紋理通常被定義為“任何事物構(gòu)成成分的分布或特征，尤其是涉及外觀或處決的品質(zhì)”，圖像紋理反映了物體表面顏色和灰度的某種變化，紋理特征是從圖像中計算出的一個值，它對物體內(nèi)部灰度級的變化性質(zhì)進(jìn)行量化。通常，紋理特征與物體的位置、走向、尺寸、形狀有關(guān)，但與平均灰度級（亮度）無關(guān)。

灰度共生矩陣p(a,d)的定義：圖像中灰度為i的點離開某個固定位置的點上灰度為j的概率。d為兩像素點的相隔距離，a為兩像素間的方位。d值的選取由實際應(yīng)用決定，a的取值通常為0°、45°、90°、135°?；叶裙采仃嚾缦聢D所示。

 

圖4-1 灰度共生矩陣示意圖

灰度共生矩陣p(i ，j | d, a)反映了圖像灰度分布關(guān)于方向、局部鄰域和變化幅度的綜合信息，比較常用的紋理特征系數(shù)有五種：角二階矩（能量）、慣性矩（對比度）、相關(guān)性、熵、局部均勻性（逆差矩）。

其中角二階矩和局部均勻性從理論上看對本文有一定意義。

角二階矩（能量）：角二階矩是圖像灰度分布均勻的度量，是灰度共生矩陣元素值平方和，也稱為能量。當(dāng)灰度共生矩陣中的元素分布較集中于主對角線時，說明從局部區(qū)域觀察圖像的灰度分布是較均勻的。從圖像整體來觀察，紋理較粗，此時 E ( d，a) 較大，即粗紋理含有較多的能量；反之，細(xì)紋理則E ( d，a)較小。

            (4-3)

局部均勻性（逆差矩）：用于均衡對比度程度，對比度較高的像素被賦予較低權(quán)重，對比度較低的像素被賦予較高權(quán)重。

                 (4-4)

角二階矩可以反映病變區(qū)域的內(nèi)部的紋理的粗細(xì)程度。逆差矩可以反映病變區(qū)域內(nèi)部的紋理對比度情況。

在matlab中可以利用graycomatrix生成灰度共生矩陣、graycoprops從灰度共生矩陣中提取紋理特征。函數(shù)的輸入為包含病變區(qū)域的最小分塊。其改變函數(shù)graycoprops中參數(shù)可以提取不同的紋理特征。

從下表可見，有少量紋理時，角二階矩較大，一般在紋理不明顯時，兩個統(tǒng)計矩都體現(xiàn)了一定的規(guī)律性。但是，由于分割效果不佳，當(dāng)有干擾時，特征的效果極差，完全偏離正常數(shù)值。

表4-4 灰度共生矩陣的矩

圖片 1 2 3 4 5

紋理 不明顯 不明顯 有干擾 不明顯 不明顯

角二階矩 0.2309 0.2256 0.4308 0.3749 0.2425

逆差矩 0.9487 0.9571 0.9560 0.9638 0.9455

圖片 6 7 8 9 10

紋理 少量 少量 不明顯 不明顯 有干擾

角二階矩 0.4757 0.5001 0.2367 0.3325 0.3356

逆差矩 0.9716 0.9695 0.9512 0.9579 0.9713

4.2.6 規(guī)則度

設(shè)CS為病灶區(qū)域面積，Cl為病灶區(qū)域周長，Cr為區(qū)域的規(guī)則度。Cs通過累加區(qū)域內(nèi)所有點，Cl等于病變區(qū)域邊界象素的總和。區(qū)域的規(guī)則度定義如下：

                       (4-5)

規(guī)則度可以用于衡量一個區(qū)域的致密性。其為無量綱的量且對方向性不敏感?？芍獔A形的致密性最小，在一定程度上，特征規(guī)則度可以反映病變區(qū)域的形狀。

因為具體病灶的區(qū)域已經(jīng)提取出，故面積的計算直接對標(biāo)記為病變的點進(jìn)行記數(shù)即可。周長的計算需要得出其邊界。算法思路如下：第一步對包含病變區(qū)域的分塊進(jìn)行掃描、檢出第一個邊界象素P0（i0，j0）則轉(zhuǎn)第二步執(zhí)行；第二步對檢出的象素點的八領(lǐng)域進(jìn)行考察、以逆時針為順序。將其中第一次出現(xiàn)的邊界點記為P1，存儲其坐標(biāo)當(dāng)標(biāo)記點數(shù)等于周長時轉(zhuǎn)第三步執(zhí)行。第三步逆時針方向從Pk-1的后一點像素開始考慮Pk的八領(lǐng)域像素，最先檢出的區(qū)域內(nèi)像素記為Pk+1，存儲其坐標(biāo)并將此點賦為檢測點，轉(zhuǎn)入第四步。第四步判斷檢測點和初始點是否相同，相同則結(jié)束，不同則回第三步繼續(xù)。得出邊界后對邊界點記數(shù)即得到周長。

由下表可見，在一定程度上，規(guī)則度可以反映病灶的形狀特征如是圓形或者不規(guī)則。其可用于后續(xù)對病灶形態(tài)的分類從而診斷病變。

表4-5 規(guī)則度

圖片 1 2 3 4 5

形狀 近似圓形 不規(guī)則 不規(guī)則 近似橢圓 不規(guī)則

規(guī)則度 0.1527 0.1291 0.0135 0.1633 0.1257

圖片 6 7 8 9 10

形狀 不規(guī)則 不規(guī)則 不規(guī)則 近似圓形 不規(guī)則

規(guī)則度 0.1186 0.1023 0.1235 0.1556 0.1211

4.3小結(jié)

本章是針對已經(jīng)提取出的病變區(qū)域選擇并提取合適的特征參數(shù)。其目的是獲得可用于描述病灶以輔助醫(yī)生診斷和后續(xù)分類器設(shè)計的特征信息。根據(jù)醫(yī)生在診斷中的需求和數(shù)字圖像處理的相關(guān)理論，選取了平均灰度、灰度對比度和基于灰度共生矩陣的紋理特征用于病灶內(nèi)部的特征描述。其反映了病灶的密度、密度構(gòu)成和紋理的情況。選取了規(guī)則度用于描述病灶的形狀特征，其可以反映出病灶形狀的整體信息。

結(jié)  論

    顱腦病變的計算機(jī)輔助診斷研究在國內(nèi)外尚處于起步階段，其研究的難度較高。簡而言之，顱腦病變的復(fù)雜性多樣性和相關(guān)數(shù)字圖像處理技術(shù)的不成熟是研究的困難所在。本文作者通過一定的學(xué)習(xí)和思考，對此問題尤其是病變區(qū)域的自動分割做了一些研究?，F(xiàn)總結(jié)和分析如下。

1、本文的工作包括如下幾個方面：

（1）研究了自動分割病變區(qū)域的方法。此方法的核心思想是利用顱腦結(jié)構(gòu)的對稱性進(jìn)行病變區(qū)域的預(yù)先識別，對判斷出的大區(qū)域再使用分割算法確定出病灶。此方法所需要的顱腦先驗知識較其他方法少，同時因為無須對全腦分割故使用的分割算法也要簡單的多。但是由于圖源的問題，測試的病變較少。

（2）針對分割出的病灶區(qū)域，研究了提取何種特征用于計算機(jī)輔助診斷。根據(jù)醫(yī)生的判斷經(jīng)驗和理論，具體選取了描述區(qū)域內(nèi)部關(guān)于密度和紋理的特征以及描述病灶外部形態(tài)特征的規(guī)則性等。

2、本文存在以下問題：

（1）由上文第3章所述可見，對于自動分割病變區(qū)域的方法存在的最主要問題在于分塊的自適應(yīng)性問題無法解決。分塊的固定化無法適應(yīng)某些病變，而基于顱腦對稱的分塊在用于判斷的特征上僅僅使用灰度對比度的差值也是無法適應(yīng)更多病變的原因之一。

（2）對于特征的提取上，問題在于所使用的特征過于基本，使得特征的作用限于輔助診斷。而對于病變的診斷相當(dāng)重要的醫(yī)學(xué)特征的提取較為困難。其原因為以下兩點：首先部分特征的提取需要全腦的信息和標(biāo)準(zhǔn)的醫(yī)學(xué)先驗知識，例如占位效應(yīng)、萎縮等等；其次特征沒有合適的數(shù)字圖像描述子表達(dá)。

（3）在研究過程中：首先前期的準(zhǔn)備工作略顯單薄，體現(xiàn)在CT診斷學(xué)的學(xué)習(xí)不夠充分，沒有能夠更多的發(fā)現(xiàn)顱腦疾病的復(fù)雜性使得后續(xù)的算法在適用性上存在硬傷。而對疾病診斷特征理解不深刻，難以找出對應(yīng)的數(shù)字表達(dá)。在分塊判斷上可以采用模式識別的方法，但因為搜集的圖源非標(biāo)準(zhǔn)而放棄。其次在論文的閱讀上多集中于國內(nèi)，較少涉及外文文獻(xiàn)尤其是IEEE文獻(xiàn)使得思路不夠開闊。最后在實驗數(shù)據(jù)的分析上，隨意性較大，沒有很好的依據(jù)科學(xué)規(guī)范和理論，造成對研究效果和存在問題認(rèn)識不足。

3、對于后續(xù)的工作，還有以下需要完善和深入研究的：

（1）要解決圖源的問題。需要獲得標(biāo)準(zhǔn)的DICOM格式的圖片，其灰度、位置和附加信息都標(biāo)準(zhǔn)化故對于后續(xù)的處理有著重要的意義。

（2）對于分塊系數(shù)的確定，考慮引入含有一定的顱腦先驗知識和自適應(yīng)性的分割系數(shù)。分塊系數(shù)的改進(jìn)可以提高之后特征提取的效率。

（3）進(jìn)一步學(xué)習(xí)顱腦CT診斷學(xué)的內(nèi)容，考慮在分割和特征提取的過程中可以更多的加入醫(yī)學(xué)先驗知識，例如引入正常顱腦灰度分布圖用于病變區(qū)域 的提取。更多的背景知識對于優(yōu)化算法和設(shè)計更好的整體識別流程有積極作用。

（4）對于如鈣化、水腫等重要的特征的數(shù)字表示加以研究。考慮組合多種基本的數(shù)字描述子加以表達(dá)。

感  謝

在論文完成之際，首先，衷心感謝我的導(dǎo)師蔡波老師。在半年多的學(xué)習(xí)中，我都得到了蔡老師的悉心指導(dǎo)和鼓勵。蔡老師淵博的學(xué)術(shù)知識、嚴(yán)謹(jǐn)?shù)闹螌W(xué)作風(fēng)、忘我的工作熱情、一絲不茍的工作態(tài)度以及對學(xué)科前沿發(fā)展的敏銳洞察力給我留下了深刻的印象，使我受益匪淺。蔡老師給我樹立了良好的榜樣，對我以后的學(xué)習(xí)和工作將產(chǎn)生深遠(yuǎn)的影響，在此，我要向他表示最誠摯的感謝。

在具體的做畢業(yè)設(shè)計過程中，我還得到了韓雪梅老師的細(xì)心指導(dǎo)，在這個過程中給予我的幫助和支持，在此非常感謝她。

同時，我還要感謝所有對本論文提出過寶貴意見的老師和同學(xué)以及將要評審該論文的各位專家們。

最后，我要感謝我的父母和朋友。沒有他們的理解、關(guān)心和支持，要順利地完成該論文是難以想象的。特別是我的父母給予了我大量的理解和支持，使我能夠?qū)Ｗ⒂诋厴I(yè)設(shè)計工作，借此機(jī)會向他們表示深深的謝意。

參考文獻(xiàn)

[1] 樊尚春，周游.醫(yī)學(xué)圖像處理技術(shù)概述[R].北京：北京航空航天大學(xué)儀器科學(xué)與光電工程學(xué)院，2004.

[2] 劉俊敏，黃忠全等.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，2005，26(12)：25-26.

[3] 邵 虹，崔文成等.基于圖像內(nèi)容的顱腦病變自動分析[J].計算機(jī)工程，2003，29(12)：35-36.

[4] 邵 虹，崔文成等.一種基于形狀特征的顱骨圖像檢索方法[J].計算機(jī)工程，2003，29(08)：3-4.

[5] 邵 虹，崔文成等.遺傳算法在基于內(nèi)容的圖像檢索中的應(yīng)用[J].計算機(jī)工程，2003，16(08)：21-22.

[6] 趙志峰，張尤賽. 醫(yī)學(xué)圖像分割綜述[J].華東船舶工業(yè)學(xué)院學(xué)報(自然科學(xué)版)，2003，17(03)：

43-47.

[7] 李傳富，周康源等.基于先驗知識的顱腦CT圖像自動化分割[J].中國醫(yī)療器械新志，2004，

28（03）：34-39.

[8] 包尚聯(lián)，謝耀欽等.基于醫(yī)學(xué)影像計算機(jī)輔助診斷的分割方法[J].中國醫(yī)學(xué)物理學(xué)雜志，2003，

20（03）：83-86.

[9] 李傳富,周康源等.序列顱腦CT圖像的顱腔內(nèi)結(jié)構(gòu)自動化分割[J].中國科學(xué)技術(shù)大學(xué)學(xué)報，2006，

36（02）：148-152.

[10] 樊養(yǎng)余，薛耿劍等.一種基于分層Mumford－Shah模型的顱腦圖像分割方法[J].計算機(jī)應(yīng)用，

2006，26(01)：112－113.

[11] 于 水，馬范援.一種基于數(shù)據(jù)融合的醫(yī)學(xué)圖像分割方法[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，

2001，13(12)：1073-1076.

[12] 李傳富，周康源等.基于配準(zhǔn)方法的顱腦CT圖像病變信息自動提取算法[J].中國生物醫(yī)學(xué)工程學(xué)報，2006，25(01)：19-24.

[13] 王華峰，任青青.一種醫(yī)學(xué)圖像幾何特征的自動檢測[J]. 北京生物醫(yī)學(xué)工程，2001，20(03)：

175-177.

. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, vol. 22, no.1,

pp.85-106.

. Computer Methods and Programs in Biomedicine, 1990, vol.33, pp.221-239.

. IEEE Transactions on Medical Imaging, 1993, vol.12, pp.740-750.