医学影像处理是将影像处理技术应用于医学领域而产生的交叉学科，具有较强的理论性和实践性，具有知识面广、理论难度大、实验内容深的特点[1]。 在医学院校开设医学影像处理课程，不仅要教授医学生医学影像处理的基本原理、方法及编程技术等，还要培养医学生应用所学知识的能力。
医学影像处理教学需要课堂教授，更需要加强实践教学环节[2-3]。 虽然由于课时和实验条件的限制，传统课堂教学有时难以满足教学要求，但虚拟实验可以弥补这一方面的局限性[4] :通过将MATLAB仿真技术和GUI界面设计引入教学，实现可视化医学图像处理在取得理想教学效果的同时，能够培养医学生自主学习能力、医学生自主学习能力的医学生通过图像处理仿真熟悉各种医学图像处理方法的原理，通过调整参数，了解参数变化对医学图像处理效果的影响。
1实验台的结构
医学影像处理虚拟实验平台的设计思想结合医学影像处理的基本理论，通过虚拟实验的方法强化医学影像处理的基本思想和核心概念，有助于医学生的理解和应用[6]。
GUI界面允许医学生选择任何感兴趣的项目或教师指定的项目进行模拟[7]。 实验平台还提供医学图像处理相关课件、图像处理Matlab编程教学视频、仿真实验指导书、实验问题拓展等资料，医学生可以利用GUI界面随时调入进行自学。
另外，实验平台还提供了脑肿瘤的fmri处理实例，该实例被选择用于临床影像三维显示的实际应用，帮助医学生了解如何将自己学到的影像处理知识应用于工作实践，提高医学生的综合素质。
根据教学计划要求，医学影像处理虚拟实验平台包括医学影像处理教学内容中的所有典型实验项目，具体内容如下：
)1)图像插值实验。 主要分析最近邻插值、双线性插值、双立方插值原理[8]和Matlab编码
(2)图像清晰化实验。 主要分析Roberts算子、Prewitt算子和Sobel算子的原理和Matlab编码，比较原图像、直接梯度输出图像、阈值判断图像、边缘规定图像、背景规定图像和二值图像各边缘检测算法对应的6个结果。
)3)图像去噪实验。 主要分析均值滤波、中值滤波、psdcs等图像平滑处理算法[9]的原理和Matlab编码。
)4)图像融合实验。 主要分析像素灰度最大/最小融合法、加权平均融合法、傅立叶变换法的原理[10]和Matlab码。
)5)图像分割实验。 主要分析全局阈值法、大津阈值法、迭代法、最大熵分割法和局部阈值法等图像分割方法[11]的原理和Matlab编码。
(6)头动校正实验。 主要研究投影[12]配准技术的原理和Matlab码，展示投影校正头动后的效果。
(7)三维可视化实验。 主要研究基于体绘制的三维重建算法[13]的原理和Matlab代码。
例如，在图像噪声去除实验中，用户可以输入添加噪声的参数。 对于噪声图像，医学生可以选择不同的平滑算法，自行设置模板参数进行图像去噪处理。 通过观察去噪效果，比较各种平滑算法处理后的结果，医学生可以熟悉平滑算法处理的目的、参数取值范围和实验结果，达到教学目的(具体操作过程见第三部分)。
2实验平台的设计
使用Matlab图形用户界面开发环境(matlabgraphicaluserinterfacedevelopmentenvironment，GUIDE )创建GUI图形界面通常是一种方法医学图像处理虚拟实验平台的GUI接口主要有虚拟实验平台的主接口、课件接口、实验名称接口、各实验项目接口、教学视频接口、脑肿瘤fmri
医学影像处理虚拟实验平台主界面的主要控制是7个按钮(Push Button )。 按钮具有多个功能，如调用函数、接口之间的跳转等。 将所需控件移动到GUI界面，对每个控件按程序要求进行属性编辑，修改完成后，单击GUI界面工具栏上的运行按钮，即可运行设计完成的GUI界面，并在MMS
在设计实验台时，考虑到医学影像处理的理论知识较多，以及医学生自学的要求，将课件和教学视频按难度顺序排列。 根据课程要求，设置7个医学影像处理实验。 由于每个实验都有实验目的、实验原理、实验内容、实验结果和分析等项目，设置实验目的、实验原理、实验内容、实验结果和分析与返回5个按钮，以图像去噪实验为例。
如图1所示，可以通过“实验结果和分析”按钮进入模拟界面进行模拟分析。 通过选择适当的文件，输入适当的参数，点击对应的按钮，可以对图像进行去噪处理，直接观察比较处理结果。
为了培养医学生应用所学图像处理知识的能力，实验平台设计了脑肿瘤磁共振成像处理样品板。 其内容是对头颅磁共振成像原始数据进行预处理、放大、图像分割、体重构建等操作，使大脑三维可视化[14]。 颅脑MRI影像三维显示是指用一系列二维颅脑MRI影像重建三维影像模型进行定性定量分析的技术。 通过三维重建实现科学、准确
地重建出被检物体，避免传统方法中临床医生通过自己大?X想象的不确定因素[15]。医学生只有亲自对脑部fmri原始数据进行读入、预处理、分割、重建等操作才能得到如图2所示的脑部轮廓三维图，从而初步认识自己所学图像处理技能的组合应用，明确医学图像处理对临床诊断与治疗规划的意义，达到学以致用的效果。 3 仿真实例分析每个实验项目都提供仿真演示示例。以图像去噪实验为例，如图3所示。首先加入方差为0.02的高斯噪声，修改完参数后，点击加入噪声按钮就能得到噪声图像，如果均值参数修改为除0以外的任何数，则不会显示任何图像。然后针对生成的噪声图像，对其进行中值滤波处理、均值滤波处理和psdcs处理。每次进行处理前，都需要输入模板尺寸，模板尺寸越大，去噪效果越明显，但是图像丢失信息也会更加严重。医学生可通过反复修改模板尺寸，比对每次处理结果，选出最佳的模板参数。进行三种滤波处理后，医学生可根据三种滤波处理后的结果来总结每种滤波处理的特点与效果。最后，医学生如果有学习或者校验代码的需要，可以点开对应的主要代码查看按钮进行代码查看。
4 虚拟实验平台的使用与评价
医学图像处理虚拟实验平台的Matlab文件编译完毕后，生成的可执行文件需要Matlab运行环境的支持，如果要将此软件发布到其他没有Matlab运行环境的机器，还需要进行一项工作，即打包Matlab组件运行环境(Matlab Component Runtime，MCR)[16]。建议采用专业的安装包制作软件Setup Factory将MCR与软件一起打包，设置代码使得安装包解压完毕后，自动安装MCR。安装完成后，点击编译的Matlab可执行程序，即可运行医学图像处理虚拟实验平台。
经过医学图像处理选修课投入使用后，医学生的学习积极性显著提高。除课堂授课外，大多数医学生在课后通过虚拟实验平台进行理论自学和题目自测，使得总体考核成绩明显上升，教学质量显著提高。
5 结 语
医学生可通过观察平台实验在不同方法不同参数下的实验结果并进行分析，验证图像处理的基本理论。由于医学图像处理虚拟实验平台软件的可移植性强，所以医学生可以不受时间和地点的限制，在课程学习阶段、复习阶段均可充分利用虚拟实验平台提供的功能，不断巩固所学的图像处理知识，提高自主学习能力与思维能力。