序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇醫學圖像論文范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

目前，生物醫學圖像信息技術主要包括生物醫學圖像傳輸、圖像管理、圖像分析、圖像處理幾方面。這些技術同以前的圖像技術、醫學影像技術都有一定的聯系，其在涵蓋以往圖像技術、醫學影像技術的同時，也具有自身的特點，與傳統的圖像和醫學影像技術相比，生物醫學圖像信息技術更加強調在醫學圖像信息收集、處理等過程中應用計算機信息技術。

1.1圖像成像

從本質上來看，生物醫學圖像成像技術（下文簡稱“圖像成像技術”）與醫學影像技術的區別并不大，僅僅是人們更習慣將其表達為醫學影像。生物醫學圖像成像技術的研究內容為：利用染色方法和光學原理，清晰地表達出機體內的相關信息，并將其轉變為可視圖像。圖像成像技術研究的圖像對象有：人體的標本攝影圖像、觀察手繪圖像、斷層圖像（如ECT、CT、B超、紅外線、X光）、臟器內窺鏡圖像、激光共聚焦顯微鏡圖像、活細胞顯微鏡圖像、熒光顯微鏡圖像、組織細胞學光學顯微鏡圖像、基因芯片、核酸、電泳等顯色信息圖像、納米原子力顯微鏡圖像、超微結構的電子顯微鏡圖像等等。

圖像成像技術主要包括2個部分：現代數字成像和傳統攝影成像。通常可采用掃描儀、內窺鏡數碼相機、采集卡、數字攝像機等進行數字圖像采集；顯微圖像采集則可應用光學顯微鏡成像設備及超微結構電子顯微鏡成像設備；特殊光源采集可應用超聲成像儀器、核磁共振成像儀器及X光成像設備。目前，各種醫學圖像技術的發展都十分迅速，特別是MRI、CT、X線、超聲圖像等技術。在醫學圖像成像技術方面，如何提高成像分辨力、成像速度、拓展成像功能，尤其是在生理功能及人體化學成分檢測方面，已經引起了相關領域的重視。

1.2圖像處理

生物醫學圖像處理技術，是指應用計算機軟硬件對醫學圖像進行數字化處理后，進行數字圖像采集、存儲、顯示、傳輸、加工等操作的技術。圖像處理是對獲取的醫學圖像進行識別、分析、解釋、分割、分類、顯示、三維重建等處理，以提取或增強特征信息。目前，醫學領域所應用的圖像處理技術種類較多，統計學知識、成像技術知識、解剖學知識、臨床知識等的圖像處理均得到了較快的發展。另外，人工神經網絡、模糊處理等技術也引起了圖像處理研究領域的廣泛重視。

1.3圖像分析及圖像傳輸

生物醫學圖像分析技術，是指測量和標定醫學圖像中的感興趣目標，以獲取感興趣目標的客觀信息，建立相應的數據描述。通過計算測定的圖像數據，可揭示機體功能及形態，推斷損傷或疾病的性質及其與其他組織的關系，進而為臨床診斷、治療提供可靠依據。生物醫學圖像傳輸技術，是指應用網絡技術，在互聯網上開展醫學圖像信息的查詢與檢索。通過網上傳輸圖像，在異地間進行圖像信息交流，可實現遠程診斷。同時，在院內通過PACS（數字醫學系統—醫學影像存檔與通信系統），也能在醫院內部實現醫學圖像的網絡傳遞。

2總結

篇(2)

關鍵詞： 法學基礎理論教育 法律認知科學 實驗 教學步驟

法學基礎理論教育是法學教育的基石，由于其所涉及的理論問題眾多，與其他人文社會學科的交叉較多；長期以來，深受哲學、政治學、社會學和歷史學的影響；最近一二十年又受到了經濟學的重大影響，因此，傳統法學教育以講授、探討為主，后來受到社會科學的影響，加入了社會調查和經濟分析演算的模式。但是，法學教育與自然科學存在一定交叉，也能進行一些實驗課程，典型就是犯罪學、偵查學方面的實驗研究。在法律心理學方面，不僅能夠進行法律心理學的社會研究，還能夠進行生理、心理學方面的實驗研究，典型的就是從事“法律與認知科學”交叉問題的實驗研究。本文以“法律認知科學”（法律認知心理）實驗為例，對法律實驗問題進行探討。

法律屬于社會科學，作為法律基本理論的法哲學問題則既屬于社會科學問題，又屬于哲學問題。所以，法哲學屬于人文社會科學。法律認知科學是指運用認知科學的一些理論和方法對法哲學的基本問題進行研究；法律認知科學是運用自然科學的方法研究人文社科的法哲學問題，其屬于人文社會科學與自然科學的銜接。

與傳統的法哲學講授、討論的方法不同，法律認知科學也可以采用實驗的教學研究方法。但是，法律認知科學實驗與自然科學（醫學和生物學）實驗有本質區別。一般的醫學和生物學實驗是研究生命體的生理狀況和病變的醫治問題，而法律認知科學的實驗則是運用醫學或生物學的手段，研究法律決策中生理心理過程，研究人文社科問題的生理基礎。

法律認知科學實驗的教學步驟如下。

一、實驗之前的課程講授

1.相關法哲學理論的講授。法哲學理論的講授，主要是介紹現有的一些法哲學流派和主要的法哲學觀點爭議，這為日后提出問題奠定了基礎。法律認知科學的實驗設計主要是運用生理實驗解決法哲學問題或者部門法的主要問題，所以人文社科問題是實驗的目的之所在。很多法律認知科學的生理實驗流程大同小異，運用的設備相差無幾，但是其所解決的法哲學問題卻大相徑庭，所以，相關的法哲學理論的基礎必須夯實，否則實驗就是無的放矢。

為了進行“法律認知科學”的實驗，就必須讓學生選修“法哲學”、“西方法律思想史”和各個部分法的法哲學課程（如“民法哲學”、“刑法哲學”、“訴訟法基礎理論”等課程）。為此，我們開設了“西方法理學”和“法哲學”等課程。通過相關法哲學課程的講授，并組織學生對部分重點問題、爭議問題進行詳細分析，提煉出核心爭議之所在，由此設想日后可以進行實驗的粗略方案。這一點也是體現“認知研究”與“治療研究”之間的區別，體現我們研究的人文社科的目的指向（而非一般的自然科學或醫學意義）。此外，我們還為法學碩士生開設了“神經元法學”和“法律認知科學”等課程，對此類問題的探討更為專業、細致。

2.聯系醫院的醫生前來講課。由于課程具有跨學科性質，這種課程需要其他學科的知識。而本學科的教師雖然具有一定的跨學科知識背景，但畢竟其主導學科還是法學或法理學，在其他學科方面的學識顯然不如這個領域的專家。所以，邀請其他學科的教師或研究人員前來授課就顯得很有必要。而對于法律心理實驗課程而言，這方面主要是請醫院的醫生前來上課。這里包含了以下三類，一類是神經科專業的醫生，其為我們講解腦神經系統的相關知識。部分高學歷的醫生由于擁有系統的碩士、博士乃至博士后的教育和科研知識，甚至還可能從事過“認知”領域的生理研究，就能夠從“生理心理學”的“認知”角度為我們講解實驗設計的方案、流程等對實驗特別有意義的問題。

3.帶領學生前往實驗室參觀。由于法學專業學生對工科和醫科的實驗室一般都比較陌生，如果他們對醫療設備或者醫學實驗室沒有相關的認識，就不可能設計出好的實驗方案，因此，非常有必要讓他們參觀實驗室或者醫療設備。在參觀的過程中，由醫務和實驗人員進行相關知識的講解，其中包括儀器、操作流程和儀器軟件的介紹。老師和學生甚至可以進一步接觸機器，如進入密封的磁共振室，躺入磁共振儀器內模擬作為實驗的受試者。這樣，他們能夠親身體會到躺在儀器內接受檢查或實驗者的境況，設計出更加切實可行的實驗方案。

從事“法律認知科學”實驗的儀器設備與“醫學治療和檢查”的實驗設備雖然相同，但是依舊存在一些差別。如磁共振機器，一般醫學治療目的進行的檢查往往只需要運用“1.5T”級別的機器；雖然這種級別的機器也能運用于“法律認知科學”實驗，但是相關實驗對儀器的要求往往更高，通常要求是“3.0T”級，此級別儀器在普通醫學檢查中的運用就比較少；認知科學實驗的磁共振儀器甚至使用到高達“12T”級別。

二、帶領學生進行實驗工作

1.通讀實驗報告。法律認知科學相關的實驗論文很多，必須進行大范圍的選題篩選。粗略篩選之后的論文，由任課教師組織學生進行研讀。研讀的目的有兩個，一是看看研究現狀，知道他人的研究進程、重點、熱點和難點。通過這些研讀，我們就能夠根據現有的研究進度，選擇尚未研究（發表的）而又可能比較重要的一些問題，這些問題就是日后實驗選題的大致范圍。

二是參考他們的研究手段、流程，對他們的研究方法進行借鑒。現在發表的論文，一般都會大致介紹實驗的流程。然而，學術論文畢竟不是實驗報告，其更多側重于問題的提出、解決和分析，流程的介紹往往比較粗糙。當然，部分學術論文也有比較詳細的實驗流程，對此類論文的仔細研習，就能對實驗設計產生比較大的影響。①

2.對主題進行社會科學的探討。在進行文獻研讀的基礎上，我們能夠得出大致的可能的研究“主題”，這時返回法律社會科學領域，以法哲學的視角重新進行審閱，才能更好地獲得“生理心理學”和“人文社會科學”之間的自然銜接。在生理自然科學領域可能可以從事實驗研究的“主題”，還必須獲得“法哲學”、“法社會科學”上的意義。因為，有的問題雖然在自然科學上具有很大的研究價值，然而從人文社會科學的角度看，其意義可能就會大打折扣（或者意義就不那么直接）。此類論文的價值更多是在“治療性”而非“認知性”。很多人文社會科學（法哲學）的問題雖然意義重大，但從自然科學（生理心理學）的角度看，在現階段卻還缺乏研究該問題的“方法”和“設備”。所以，必須獲得二者的協調和平衡。

主題的選定是法律認知科學實驗的第一個難點。這個難點意指“我們要解決什么主題”，其既涉及“什么主題十分重要”，又指“對該主題的研究到什么程度”，還指“現在已經具備研究該主題的手段或方法”。

3.組織實驗設計。從法律認知科學實驗的角度看，組織實驗設計的第一步是設計實驗方案，這是最重要的一步。設計何種方案、設計何種場景、設計何種問題，以及何種音像、問卷材料，都關系到實驗結果的真實與否。這也是法律認知科學實驗的第二個難點。我們要設計出一些“場景”或者“問題”，讓受試者在這種環境下能更真實地思考或者表達情緒，從而得出比較真實的實驗結果。

西方國家在以往的研究中，存在比較巧妙的實驗設計，例如對于道德中不公正問題的容忍情況，研究者在最后通牒實驗中，部分受試者拒絕接受不公平的分配方案，這是其情緒化的表現。該實驗設計如下②：19名（方案接受者，“responder”）接受磁共振掃描，共進行了30輪游戲，對手（方案的提出者，“offer”）部分是人，部分是計算機。每次都涉及10美元的瓜分。對手所提出的方案中，一半是公平的（對半開），剩下的為2次“9比1”，2次“8比2”，1次“7比3”；在這些方案中，方案提出者的分配比例較大，而接受者的比例較小。結果是，對于公平的方案，方案接受者都接受了；越不公平的方案，則參與者的接受率越低，“7比3方案”至“對半開方案”的所有方案（即“5∶ 5”，“6∶ 4”，“7∶ 3”）都被接受了。在“9比1”和“8比2”兩種方案中，如果“方案提出者是人”，則其方案的接受率低于“方案的提出者是計算機”。這就意味著方案接受者對于不公平方案存有情感性反應。這種不公平引發的腦區為：兩側前腦島（bilateral anterior insula）、背外側前額葉皮層（dorsolateral prefrontal cortex，DLPFC）、前扣帶回（anterior cingulate cortex）。這證明了兩側前腦島（bilateral anterior insula）厭惡不公平，作為負面情感的腦區，其反映出了對于不公平方案的厭惡。諸如此類實驗設計非常巧妙，就能夠為我們進行相關實驗提供設計上的參考或模仿。

4.進行預實驗。在實驗設計之后，有必要進行預實驗，檢驗實驗的可實施程度。這種預實驗，可以提升實驗者的信心，也可以作為申請相關課題的依據。更為重要的是，預實驗還可以檢測實驗的可行性，對可能出現的問題或缺陷進行適當的修正。

在預實驗之后，還必須進行志愿者的招募和篩選。

三、實驗操作

實驗操作是實驗的核心狀態。法律認知科學的實驗流程具有自己的特殊性，其與醫學實驗相比通常更簡單。其運用的儀器設備有核磁共振（FMRI）、眼動儀和腦電圖等，其中核磁共振最為典型。該儀器不僅運用于醫學治療和研究，現在還廣泛運用于認知科學的各類研究。核磁共振運用于法律認知科學的研究，主要優點在于其定位非常準確（雖然時間上稍有遲滯）。

由于實驗的磁共振儀器操作是高度專業化工作（而且機器極為昂貴），只能由專業的實驗技術人員進行操作，因此法學教師和學生不能從事，在此不做詳細介紹。

四、實驗之后的分析總結

實驗之后的分析總結屬于實驗的后期工作，主要是數據、圖像分析，以及人文社會科學分析總結。

1.數據、圖像分析。數據分析具有客觀性，需要專業的實驗工作人員進行數據和圖像的分析。法律認知科學實驗主要運用核磁共振儀器，對于腦區圖像的要求比較高，還需要比較好的核磁共振配套分析軟件，對此進行精細的分析。此類軟件一般只有磁共振專業技術人員才會使用，由他們進行相關數據圖像分析比較科學。如果涉及大量的數據分析和必須建立數據模型，則還需要數學專業人士進行相關的工作。

此外，除了實驗工作人員和數學人才外，還需要神經科專業醫師或者認知神經學專家對此類數據和圖像進行“認知神經心理”方面的分析。這種分析就是我們后期進行人文社會分析和理論化的基礎。

2.進行相關的人文社會科學分析總結。與前一步工作的科學性和客觀性相比，對實驗結果進行人文社會科學的分析總結則具有一定的主觀性質。我們需要從已有的數據和圖像，根據我們需要解決的人文社科（法哲學）主題進行解讀。這種解讀是人文社科的解讀，是運用實驗數據和圖像得出人文社科的結論。所以，一定的主觀性是原有的實驗設計思路和人文社科理論基礎的延續。現有實驗的理論分析，如道德的情感性實驗，就需要根據道德哲學理論進行分析；“先天犯罪人”問題的實驗，這就需要根據刑法哲學理論進行相關探討。

五、注意事項

1.“主題的選定”、“實驗設計”和“理論性總結”這三點是整個流程的重中之重。這三點工作如果沒有做好，整個實驗就是失敗的實驗。這三點如果做好了，實驗獲得成功的概率就非常大。

2.法律認知科學的實驗需要人文社會科學（法律基礎理論）和醫學兩個大領域（兩大領域內還有各個小專業）的工作者進行跨學科的合作，尤其需要強烈的團隊合作精神。因為隨著知識分工越來越精細，知識總量的迅速膨脹，此類合作需要跨越多個傳統學科。一方面，我們跨越的知識領域非常大，另一方面，在各種細微領域卻依舊要求保持原有的嚴謹性（否則就違背科學的客觀性）。所以，很難有一個人在多個領域內同時保有各個領域的專業技術水平。因此，為了在多個學科領域內的合作能夠維系原有各個學科的嚴密性，我們只能求助于多學科專業人士之間的合作。這是完成此類工作的最佳模式，所以我們必須組建緊密團結的團隊。

注釋：

①在認知科學領域，例如以下論文：M.R.DELGADO,H.M.LOCKE,V.A.STENGER,J.A.FIEZ.Dorsal striatum responses to reward and punishment:Effects of valence and magnitude manipulations.Cognitive,Affective& Behavioral Neuroscience，2003，3（1）：27-38.

②Fiery Cushman,Liane Young,Marc Hauser.The Role of Conscious Reasoning and Intuition in Moral Judgment.PSYCHOLOGICAL SCIENCE，2006，（17）：1082-1089.

篇(3)

【關鍵詞】 DR醫學圖像;變換域;局部增強;直方圖均衡;Retinex

Abstract：In order to enhance the image contrast as well as to represent the image details， we propose a new multi-scale contrast enhancement algorithm which separates the low frequency signals and the high frequency signals of the image in logarithmic domain， processes them separately by using HE method and local contrast enhancement. This method integrates HE and local contrast enhancement and finally produces a visually comfortable result image.

Key words：Medical image;Ttransform domain; Local enhancement;Histogram equalization; Retinex

1 引 言

數字X線攝影(DR)圖像在醫學診斷中有著廣泛應用，能夠幫助醫生發現病灶、提高診斷正確率。但由于人體結構和組織的復雜性，以及數字X線成像系統中X線散射、電器噪聲、光量子噪聲等各種不利因素的影響，使得DR圖像成像效果不盡如人意，影響醫學診斷的正確性。因此，對DR圖像進行處理是必不可少的。[1]

未經處理的DR圖像有如下特點：信息量大，對比度低，細節豐富但湮沒不可分辨。另外，圖像常常伴有較為明顯的椒鹽噪聲。因此，對于DR圖像的圖像增強算法，要求能夠在提高圖像的動態范圍、增強對比度的同時，盡可能抑制噪聲的放大。

直方圖均衡是圖像增強處理最為常用的方法之一，是將給定圖像的直方圖分布映射成為均勻分布的直方圖，從而提高圖像的動態范圍，增強圖像對比度。但直方圖均衡存在一些缺陷，例如當圖像灰度集中于某個灰度值時，經過直方圖均衡的圖像會出現“洗白”的效果，見圖1。另外，基于直方圖的圖像增強方法利用的是圖像的灰度統計信息，并未考慮到圖像灰度在空間上相關性。

局部對比度增強方法，能夠顯著提高圖像局部的對比度，但同時對于噪聲有放大作用，且對全局對比度的提高沒有顯著作用。

綜合以上考慮，我們提出一個結合局部增強和全局直方圖均衡的算法。主要原理是在不同尺度上提取圖像細節予以增強[2-3]，并根據Retinex理論對圖像照明分量用直方圖均衡方法進行處理，最后對上述高低頻分量進行混合，使之在圖像動態范圍得以改善的同時也能增強局部對比度，最終得到較好的視覺效果。

2 算法與分析

2.1 Retinex模型

按照Retinex圖像理論[4-5]，一般自然景物的圖像f(i，j)可以用照明函數I(i，j)和反射函數R(i，j)的乘積來表示，照明函數描述景物照明，與景物無關;反射函數R(i，j)包含景物的細節，與照明無關。基于該模型，定義理想的圖像f(i，j)為：

f(i，j)=R(i，j)×I(i，j)

利用對數函數，可以將兩者分開，同時也符合人眼主觀亮度近似為客觀亮度的對數這一視覺特性。

ln〔f(i，j)〕=ln〔R(i，j)〕+ln〔I(i，j)〕

一般認為，照明分量的頻譜落在空間低頻區域，通常具有變化緩慢的特性;而反射分量的頻譜落在空間高頻區域，隨著圖像細節不同在空間上迅速變化。若物體受到照明度明暗不均時，圖像上對應照度暗的部分，其細節就較難分辨。

2.2 局部增強技術

醫學X光圖像大多存在對比度不足的缺陷，但僅僅利用全局信息的增強技術往往不能夠達到很好的對比度增強效果。

局部增強技術是解決該問題的途徑之一。一般認為，窗口中心的像素灰階與窗口鄰域中所有的像素灰度值相關[6]。本研究利用局部窗口中像素灰度均值作為基準，計算窗口中心像素灰度與均值的差，并按照一定的拉伸函數對差值進行拉伸，從而增強局部對比度。

y(m，n)=u(m，n)+A(x(m，n)-u(m，n));

其中，u(m，n)表示局部均值，A表示增益系數。增益系數的選擇對于圖像處理效果也有較大影響。若選擇常數作為增益因子，在灰度陡然變化的邊緣部分往往會出現偽影，且無法控制噪聲的放大。所以，一般將增益因子看成是關于原始圖像的函數，找到合適的增益函數較為困難[7]。

經過多次實驗，我們采用了冪函數形式的增益函數y=bxa，見圖2。

圖2 歸一化增益函數圖像

Fig 2 Normalized gain function figure

通過對a值的選擇，可以按不同的曲線對歸一化差值進行拉伸。選擇a=0.8的曲線(圖中紅色曲線所示)，使差值較小的部分拉伸幅度較大，而差值較大部分拉伸幅度較小。利用這樣的增益函數，使許多被湮沒的細節得以顯現。

2.3 算法思路與基本步驟

本研究的主要思路，在對數域上[8]對圖像在大、中、小三個尺度下進行高頻/低頻信息的分離，使原圖中各個尺寸的結構和細節顯現在不同尺度下，并在不同尺度下實行局部對比度拉伸，從而凸顯細節。

在此基礎上，結合Retinex理論，將最大尺寸下分離出的低頻圖像看成是原圖像的照明分量，對該部分圖像進行直方圖均衡，使其有較為均衡的灰度分布。

最后對各個尺度下的分量進行混合，映射到灰階域。基本步驟如下：

(1)對圖像進行一次中值濾波，旨在消除圖像中明顯的椒鹽噪聲。

(2)利用對數變換ln(·)將原圖像x(i，j)轉換到對數域T(i，j)。

T(i，j)=ln〔x(i，j)+1〕;

(3)在對數域上，利用均值濾波器實現低通濾波，得到圖像的低頻部分。

LPL{T(i，j)｝=1L×L∑i+L2m=i-L2∑j+L2n=j-L2T(m，n)

相應的，得到圖像高頻分量：

HPL{T(i，j)｝=T(i，j)-LPL{T(i，j)｝

高頻分量往往體現了圖像的細節。考慮到醫學DR圖像中信息豐富、結構復雜，通過控制濾波窗口大小，分別在大、中、小三個尺度上提取圖像細節，并按一定增益系數進行局部對比度增強，以凸顯不同尺度的細節。

T′(i，j)=LPL{T(i，j)｝+AL×HPL{T(i，j)｝+

LPM{T(i，j)｝+AM×HPM{T(i，j)｝+

LPS{T(i，j)｝+AS×HPS{T(i，j)｝

(4)結合Retinex理論，可以將大窗口濾波下的低頻分量看成是濾去圖像細節的照明部分，對這一部分進行修正——直方圖均衡，使圖像照明分量有更為均衡的灰度分布，則

T″(i，j)=LP″L+AL×HPL{T(i，j)｝+

LPM{T(i，j)｝+AM×HPM{T(i，j)｝+

LPS{T(i，j)｝+AS×HPS{T(i，j)｝

(5)對這三通道增強結果平均，最后利用指數變換將結果變換到灰階域，得到最終的增強結果。

流程見圖3。

圖3 算法整體流程圖

Fig 3 Flow chart of the algorithm

3 實驗結果與分析

圖4所示是人體側脊DR圖像在不同處理方法下的效果圖。圖4(a)為原始圖像;4(b)為基于直方圖均衡方法處理后的效果圖;4(c)為多尺度的局部增強算法處理后的效果圖;4(d)是本研究論述的算法處理后的效果圖。可以看出，基于直方圖均衡方法處理后的圖像有明顯的動態范圍增大，但細節丟失嚴重，有“洗白”現象發生，無法清晰看到側脊形態和細節，不利于醫生診斷。而圖4(c)中多尺度局部增強算法的使用，明顯增強了圖像局部對比度，對于細節部分表現良好，但圖像整體偏暗，人工處理痕跡明顯，失去DR圖像真實感，視覺上有所欠缺。

而圖4(d)，對比((b)、(c)圖像，可以發現，本研究論述的方法結合了直方圖均衡方法和局部增強兩種方法的優點，提高圖像動態范圍的同時，局部對比度也顯著提高，凸顯圖像細節。

圖4(a)原圖;(b)基于直方圖均衡處理效果圖;(c)多尺度局部對比度增強效果圖;(d)本文論述算法處理后的效果圖。

Fig 4 (a) Original image; (b) Enhancement result by HE method; (c) Enhancement result by multi-scale local enhancement method; (d) Enhancement result by the proposed method of our article

通過濾波器窗口大小的選擇，可以對不同尺度細節加以提取增強。醫學圖像具有其復雜性，不同部位細節尺度不同，應對圖像進行分析后，確定細節大小，再決定濾波器窗口大小。圖5中胸片(局部)的大中小濾波窗口分別選擇為S=11，M=21，L=121。最大的濾波窗口一般選擇較大尺寸，將該尺度下的濾波后圖像作為照明分量。可以看出，選擇合適的濾波器窗口，可以使不同尺度的細節，如胸骨、肺紋理都得到增強。

需要指出的是，窗口越大，均值濾波耗費的時間越長。該算法需要在三個尺度上進行濾波，即使使用了均值濾波的快速算法，依然需要較長時間，以秒為單位計。另外，增益函數的選擇也較為困難，本研究中增益函數是在多次實驗的經驗積累下確定的，不具有自適應性。這兩部分需要進一步實驗探究。

圖5(a)為原圖，圖5(b)為用本文方法處理后的圖像。從圖中可以看出不同尺度的細節都得到較好的增強。

4 結論

本研究論述了一種基于人眼視覺特性的多尺度圖像增強方法。在多尺度上進行局部增強，并在Retinex理論基礎上，結合直方圖均衡處理算法對圖像進行處理，處理后的圖像結合兩種算法的優點，有較好的視覺效果，是一種適合于醫學DR圖像的增強算法。

參考文獻

[1]楊詞銀.基于人眼視覺特性的數字X線醫學圖像增強方法的研究[D].中國科學院博士學位論文，2003.

[2]Boccignone， Picariello.Multiscale contrast enhancement of medical images[C].Proceedings of the 1997 IEEE International Conference on Acoustics， Speech and Signal Processing (ICASSP '97).

[3]Eli Peli.Contrast in complex images[J].J Opt Soc Am，1990，(7)：10.

[4]Land E and McCann J.Lightness and the retinex theory[J].J Opt Soc Am，1971，61：1-11.

[5]肖燕峰.基于Retinex理論的圖像增強恢復算法研究[D].上海交通大學碩士論文， 2007.

[6]Zeyun Yu and Bajaj C，A fast and adaptive method for image contrast enhancement[C].International Conference on Image Processing， 2004.[7]Go Tanaka， Noriaki Suetake and Eiji Uchino.Image enhancement based on multiple parametric sigmoid functions[C].International Symposium on Intelligent Signal Processing and Communication Systems，2007.

篇(4)

[關鍵詞]嵌入式系統；數字圖像處理；技術探討

現今，伴隨著信息技術的迅速發展與用戶需求的逐年提高，嵌入式系統的應用逐年擴大，已經逐漸的融入到了國民生產的諸多方面。嵌入式系統具體講，就是一種擁有特定功能的計算機系統。嵌入式系統與網絡技術、通信技術有機結合，有效的提高了通信的智能性與靈活性。應用嵌入式系統對圖像進行處理，可以顯著的提高圖像處理系統的數據處理、通信等能力，進而有效的擴大圖像處理技術的使用范圍，以及對于不同要求與環境的適應能力。應用嵌入式系統進行圖像處理，是進行圖像處理的新的途徑之一。當前圖像處理技術應用范圍十分廣泛，涉及儀表檢測安全、消費電子、工業自動化、醫學等領域，因此圖像處理技術具有十分廣泛的應用前景。

1嵌入式圖像處理系統特點

1）圖像處理系統，具有系統專用的圖形用戶界面，同時具備運行速度快、簡單易用與功能強大的特點。2）圖像基礎數據庫的建立，可以為智能化模式識別技術，諸如圖像匹配等提供支持。3）改變了原有的對待處理圖像的處理策略與算法，可以依據具體的待處理圖像的不同特點，提供有效的圖像處理算法，進而提高圖像處理的效率與速度。4）對于外部圖像的總線結構與輸入輸出設備等都是采取專用的設備，進而有效的提高了外部圖像輸入輸出設備、中央計算單元的數據交換速度。5）改變了原有的計算機體系結構，應用了嵌入式的專用平臺，同時應用圖像高速處理器，使圖像處理的速度有效的提高，同時也提高了圖像處理任務的實時性。

2圖像處理系統總體設計

2.1嵌入式圖像處理系統

嵌入式圖像處理系統，具體由嵌入式操作系統、圖像處理算法的應用軟件與硬件平臺構成。系統的組成結構圖具體如圖1所示。硬件平臺可以為圖像處理提供顯示、存儲器與計算支持，主要采用的是MagicARM2410嵌入式開發平臺，同時包括圖像存儲模塊；顯示模塊；通信模塊；嵌入式處理器S3C2410、SDRAM等。

2.2圖像處理過程

嵌入式操作系統，可以為底層硬件提供有效的技術支持與管理，諸如可以進行圖像處理任務管理；中斷管理；內存管理；任務管理；驅動支持等。首先，在系統啟動后，經由引導程序啟動操作系統，進而完成硬件的初始化。其次，經由操作系統的任務管理模塊，進行內存的分配，同時將圖像信息存儲在存儲器的視頻緩沖區中。第三，經由軟件算法，將顯示緩沖區的圖像信息，寫入到LCD緩沖區，進而實現圖像的實時顯示。第四，通過圖像處理的算法，進行圖像的編碼與處理，同時進行存儲。應用軟件可以實現圖像處理算法，其主要是針對目標要求編寫的專用程序。

2.3系統的功能設計

嵌入式圖像處理可以有效的解決在嵌入式環境下實現圖像的處理。具體的主要應用模塊化設計的方式，將需要系統完成的任務進行功能模塊化的設計。在每一個模塊中，都包含一類圖像處理的操作方法，而且在進行執行時都會調用對應的算法。系統功能模塊具體如圖2所示，主要分為形態運算；幾何變換；圖像分析；圖像增強。其中圖像增強的模塊具體又包括：灰度變換調整；直方圖修正法；直方圖等，具體如圖3所示。各大系統模塊的下面都會細分圖像的處理操作，其余的三個模塊的設計形式與圖像增強模塊的設計具有相似性。

3圖像處理系統發展趨勢

1）在圖像處理系統的內部，主要進行集成軟件的開發，對于用戶而講，可以依據自己的需求開發相應的圖像處理算法，可以顯著的提高系統的效率。2）圖像處理系統與網絡的結合性逐漸提高，進而實現了圖像的遠程傳輸與采集。3）圖形處理系統的功能不再完全借助PC與多種輔助設備，而是會集成在一個方便使用的電子設備上。4）伴隨硬件設備的進步，圖像處理系統的性能逐年提高，因而價格也會逐年下降。

4結語

在嵌入式系統的圖像處理技術的基礎上，使得圖像處理領域中出現了人機用戶界面、多種通信模式與網絡接口的便捷性。圖像處理技術的應用范圍越來越廣泛，因此，在未來的發展道路上，其必然會朝著網絡化、便攜性、多任務與多功能的方向發展。伴隨著嵌入式操作系統的強大功能，圖像處理技術的發展方向必定會更加寬廣。

[參考文獻]

[1]崔磊,董守平,馬紅蓮.數字圖像處理技術的發展現狀與展望[M].北京:中國石油大學出版社,2003.

[2]劉禾.數字圖像處理及應用[M].北京:中國電力出版社,2005.

[3]楊永敏.嵌入式圖像處理系統的研制[D].哈爾濱工業大學碩士學位論文,2006.

[4]楊柯.嵌入式圖像處理技術研究及其應用[D].西北工業大學碩士學位論文,2003.

[5]宋延昭.嵌入式操作系統介紹及選型原則[J].工業控制計算機,2005.

[6]嚴麗平,甘嵐.基于嵌入式平臺的圖像處理系統的研制[J].微計算機信息,2008.

篇(5)

關鍵詞：盲源分離，自然梯度算法，自適應步長

 

引言

在科學研究和工程中，很多觀測信號可以看成是不可見的源信號的混合，這意味著源信號和傳輸信道都是未知的，僅僅由觀測信號對未知的傳輸信道和源信號進行估計的問題稱為盲源分離（Blind Signal Separation,BSS），所謂“盲”是指（1）源信號不可觀測；（2）混合方式未知。碩士論文，自然梯度算法。BSS技術是當前信號處理領域的一個熱點研究問題，在生物醫學信號處理、軍事雷達技術、通信信號處理中有著廣泛的應用[1-3]。碩士論文，自然梯度算法。

在Amari[4]的自然梯度算法中，步長的選擇對算法的穩定性和收斂速度有著非常重要的影響。步長越大，算法的收斂速度就越快，但同時會引起算法的穩態失調；步長越小，算法的穩態誤差就越小，但同時收斂速度變慢。本文算法在迭代過程中，適時對步長進行優化，使得算法在保證穩態誤差的情況下收斂速度大幅提高。

1 線性混疊盲源分離模型

假設有n個相互統計獨立的未知源信號，經過未知的傳輸信道后獲得m個觀測信號,寫成矩陣形式為：

（1）

即，該模型稱為盲源分離的線性混疊模型，稱為混疊矩陣或者傳輸信道，t為時間指標。碩士論文，自然梯度算法。盲源分離的任務就是在源信號和傳輸矩陣A均為未知的情況下，僅僅由對源信號作出估計，通過學習，尋找一個滿秩的分離矩陣W使得各分量之間盡可能的獨立，依此作為對源信號的一個估計。若全局矩陣[5]的各行各列只有一個元素接近于1，其余的元素皆接近于0，此時估計信號是源信號的一個拷貝。碩士論文，自然梯度算法。

2、Iformax[6]（information maximization）盲源分離算法

Informax算法采用信息傳輸極大準則，通過調整分離矩陣使得非線性輸出與網絡輸入之間的互信息最大：

圖1 Informax 算法原理圖

由信息論知識：

（2）

邊緣熵： （3）

微分熵： （4）

得到代價函數：（5）

與分離矩陣無關，優化代價函數為：

（6）

即算法通過調整通過調整分離矩陣，使得(5)式極大。

采用自然梯度算法搜索代價函數（5）的極值點：

（7）其中： （8）

第個分量：（9）

稱為激活函數，是對源信號的概率密度函數的近似估計。碩士論文，自然梯度算法。

3、改進的自適應步長算法

在信號分離的初始階段，由于信號之間的強相關性，算法需要使用較大學習速率，以加速信號的分離，到了算法的后期，需要跟蹤分離出來的信號，同時還需要捕捉未分離出來的信號，此時較小的步長可以滿足需求，以分離出剩余的信號。碩士論文，自然梯度算法。算法收斂時滿足：

（10）

計算過程的迭代式為[4]：

（11）

當（9）式成立時，算法的迭代式滿足：

（12）

由（11）式可以看出，當[7]取值較大時，則信號分離情況較差，需要較大的步長，算法趨于收斂時，取值趨于0。所以可以依據取值大小調整步長。現有定義如下：

（13） （為源信號個數）（14）

（15）

綜合（10）(11)（12）（13）（15），本文的自適應步長算法可以描述為：

（16）

令，設置小的正數，當時算法收斂。

4、計算機仿真

隨機選取混合矩陣，兩個語音信號為：

圖2：源聲音信號圖

Fig2:Sourcespeech signal

混合后的信號圖像為：

圖3：混合聲音信號

Fig3:Mixture speech signal

還原后的信號圖像為：

圖4: 還原聲音信號

Fig4: Recovery speech signal

串音誤差曲線圖[8]為：

圖5：串音誤差曲線圖

Fig5: Crosstalk error

5總結：

本文在對自然梯度算法進行分析的基礎上，提出了算法迭代過程中步長適時調整的依據，在加快算法收斂速度的同時兼顧穩態誤差，通過計算機仿真，本文算法的收斂速度明顯優于原算法，且穩態誤差較小。

參考文獻：

[1]張賢達，保錚.盲信號分離.[J]電子學報，2001，29(12):1766一77.

[2]CardosoJF.Blindsignalseparation:statisticalprinciples.ProceedingofIEEE.[J],86(10):2009-2025,1998.

[3]E.OjaThenonlinearpcalearningruleinindependentcomponentanalysis.[J].NeuroComputing,17(1):25-46,1997.

[4]SAmari.NaturalGradientWorksEfficientlyinLearning.[J].NauralComputation,10,251-276,1998.

[5]CardosoJF.Blindsignalseparation:statisticalprinciples.ProceedingofIEEE.[J],86(10):2009-2025,1998.

[6]RLinsker.Self-organizationinaperceptualnetwork.Computer,[J].21:105-117,1988.

[7]一種改進的步長自適應EASI算法。[J].艦船電子工程，2006，（2），P137

[8]AmariS,CichockiA,YangHH.Anewlearningalgo2rithmsforblindsignalseparateion[J].NeuralInformationProcess2ingSystems,1996,(8):757～763

篇(6)

關鍵詞：遺傳算法；肝臟CT圖像；圖像分割；閾值

中圖分類號：TP391文獻標識碼：A文章編號：1009-3044(2011)04-0864-02

Research on Liver CT Image Segmentation Based on Genetic Algorithm

KONG Xiao-rong1, SHI Yan-xin2, LIU Peng1

(1.Department of Computer Technology，Inner Mongolia Medical College, Huhhot 010059; 2.Department of Mathematics and Physics, Xi'an Technology University, Xi'an 710032, China)

Abstract: Genetic Algorithm (GA) is a global optimization and random search algorithm based on natural selection and genetic mechanism. It is suited to dealing with the tradition searching algorithms which cannot solve difficult and complicated problem. And it have great potentialities. First, this paper discusses fundamental principle and primary features of Genetic Algorithm. And it emphases on image segmentation based on GA. Then applying genetic algorithm to select theproper threshold, and it uses maximum entropy method to process liver CT images by segmentation methods. It obtains the results by segmentation experimentation and analyses the results.

Key words: genetic algorithm; liver CT images; image segmentation; threshold value

遺傳算法(Genetic Algorithm, GA)的基本思想來源于Darwin的生物進化論和Mendel的群體遺傳學，該算法最早是由美國Michigan大學的John Holland教授于20世紀70年代創建，之后，遺傳算法的研究引起了國際組織及學者的關注。遺傳算法通過模擬生物的遺傳進化過程形成一種全局優化概率搜索算法，提供了一種求解復雜系統優化問題的通用框架，可以不依賴于問題的具體領域[1]。近年來，遺傳算法已被廣泛應用于函數優化、組合優化、生產調度、自動控制、人工智能、人工生命、機器學習、圖像處理和模式識別等多個領域，具有巨大的發展潛力。本文主要介紹遺傳算法在醫學圖像處理方面的應用。

1 遺傳算法的基本原理

遺傳算法是模擬生物進化和遺傳機制發展起來的一種全局優化、隨機、自適應搜索算法。它模擬了自然界遺傳過程中的繁殖、和變異現象，依據適者生存、優勝劣汰的進化原則，利用遺傳算子（即選擇、交叉和變異）逐代產生優選個體（候選解），最終搜索到適合的個體。

遺傳算法的運算對象是由N個個體所組成的集合，稱為群體。遺傳算法的運算過程是一個群體反復迭代的過程，這個群體不斷地經過遺傳和進化操作，每次按照優勝劣汰的進化原則將適應度較高的個體以更高的概率遺傳到下一代，這樣最終在群體中將會得到一個優良的個體，它將達到或接近于問題的最優解[2]。

遺傳算法的求解步驟如下：

1）編碼：定義搜索空間解的表示到遺傳空間解的表示的映射，兩個空間的解需一一對應且編碼盡量簡明。遺傳算法把問題的解也稱為個體或染色體，個體通常由字符串表示，字符串的每一位稱為遺傳因子，多個個體形成一個種群。

2）初始化種群 隨機產生N個個體組成一個種群，此種群代表一些可能解的集合。GA 的任務是從這些群體出發，模擬進化過程進行優勝劣汰，最后得出優秀的種群和個體，滿足優化的要求。

3）設計適應度函數：將種群中的每個個體解碼成適合于計算機適應度函數的形式，并計算其適應度。

4）選擇：按一定概率從當前群體中選出優良個體，作為雙親用于繁殖后代，一些優良的個體遺傳到下一代群體中，適應度越高，則選擇概率越大。進行選擇的原則是適應性強的優良個體將有更多繁殖后代的機會，從而使優良特性得以遺傳。選擇是遺傳算法的關鍵，它體現了適者生存原則。

5）交叉：交叉操作是遺傳算法中最主要的遺傳操作。對于選中的用于繁殖的每一對個體，隨機選擇兩個用于繁殖下一代的個體的相同位置，在選中的位置實行交換。交叉體現了信息交換的思想。

6）變異：從群體中選擇一個個體，對于選中的個體按一定的概率隨機選擇改變串結構數據中某個串的值，即對某個串中的基因按突變概率進行翻轉。變異模擬了生物進化過程中的偶然基因突變現象，遺傳算法中變異發生的概率很低。對產生的新一代群體進行重新評價、選擇、雜交和變異。

7）終止準則：如此循環往復，使群體中最優個體的適應度和平均適應度不斷提高，直至最優個體的適應度滿足某一性能指標或規定的遺傳代數，迭代過程收斂，算法結束。

2 遺傳算法在圖像分割處理中的應用

在圖像處理中，圖像分割是圖像三維重建的基礎，常用的分割方法包括閾值法、邊緣檢測法和區域跟蹤法，其中閾值法是最常用的方法[3]。圖像閾值分割算法是利用圖像中目標物體與背景灰度上的差異，根據圖像灰度值的分布特性把圖像分為不同灰度級的目標區域和背景區域，目前已有模糊集法、共生矩陣法、四元樹法、最大類間方差法、最佳直方圖熵法、最小誤差閾值法等多種閾值分割方法。

遺傳算法在圖像分割中的作用是：幫助現存的圖像分割算法在參數空間內搜索參數，或者在候選的分隔空間內搜索最優的分隔方案[3]。在參數空間內搜索參數主要是指利用遺傳算法的全局搜索特性優化現有的閾值分割算法，用于幫助確定最佳分割閾值。

3 基于遺傳算法的肝臟CT圖像分割

本文基于遺傳算法選取閾值，采用最大熵原則對肝臟CT圖像進行分割。目的是將圖像的灰度直方圖分成兩個或多個獨立的類，使得各類熵的總量最大，根據信息論，這樣選擇的閾值能獲得的信息量最大[4]。在圖像的灰度直方圖中設定一個灰度閾值，可以把圖像分成背景和物體兩類區域，這是一般的單閾值選擇的情況，而設定N個閾值，可以把圖像分成N+1類區域[4]。

最大熵分割方法步驟為：

用p0,p1,…,pn表示灰度級的概率分布，如果把閾值設置在灰度級s，將獲得兩個概率分布，一個包含1到s間的灰度級，另一個包含s+1到n間的灰度級，這兩個分布如下：

其中，與每一個分布相關的熵為：

令: (4)

當該函數取最大值時即為圖像的最佳分割，用此函數作為遺傳算法中的適應度函數。通過遺傳算法的設計步驟，取得最佳閾值，既而對人體肝臟中有病灶組織的CT圖像進行分割，得到下面分割處理實驗結果。

(a) 原圖 (b) 分割結果(c)原圖 (d) 分割結果

圖1 對有病灶肝臟圖像進行分割

通過實驗結果可以看到，基于遺傳算法采用最大熵原則，對人體肝臟CT圖像進行分割，能夠使選取的閾值獲得的信息量比較大，從而原始圖像和分割圖像之間的信息量差異最小。因此分割后的圖像效果明顯，具有一定的優勢[5]。

但由于醫學圖像的復雜性和人體的差異性，對人體同一器官不同狀況的圖像，無法找出一種最為適合的分割方法處理，必須根據具體情況具體分析，針對圖像的特點來選取相應的分割算法，才能較好地解決問題。

參考文獻：

[1] 田瑩,苑瑋琦.遺傳算法在圖像處理中的應用[J].中國圖象圖形學報,2007,12(3):389-396.

[2] Hsieh puted Tomography Principle, Design, Artifacts and Recent Advances（中文翻譯版）[M].北京:科學出版社,2006.

[3] 徐丹霞,郭圣文,吳效明,等. 肝臟CT圖像分割技術研究進展[J].醫療衛生裝備,2009,30(3):34-36.

篇(7)

“國家優秀自費留學生獎學金”從2005年設立至今，已評選了三屆。該獎項已經成為祖國關愛自費留學生的知名品牌，受到國內外權威媒體和有關人士的普遍關注和廣泛贊譽。

廣大自費留學生是國家寶貴的人才資源，為了進一步加強他們與祖國的聯系，弘揚優秀自費留學人員奮力拼搏的精神，本刊從2006年第1期開始，向廣大讀者介紹部分獲獎者。同時近期我們又開辟了“我的自費留學經歷”專題，真誠歡迎更多的自費留學生將你們留學中的酸甜苦辣與心得寫給我們。

本欄目聯系電話：010-62257722轉208

傳真：010-62252501

電子信箱：baiyu48@sina．com

葉海濤，2003年獲獎者，留學英國。現任英國倫敦大學學院(UCL)納米研究中心博士后研究員，與勞斯萊斯公司(Rolls-Royce plc)合作共同研發飛機引擎內部的高溫功率放大器。1998年西安交通大學本科畢業，曾獲得“好來西”企業獎學金、首屆美國聯合科技公司(UTC)容閎科技教育獎。2000年新加坡南洋理工大學(NTU)碩士畢業，獲新加坡Tan Chin Tuan國際交流獎學金及李氏基金(Lee Foundation)。2004年英國倫敦大學博士畢業，主要專業方向為金剛石由子學及納米器件2004～2005年被聘為日本電信電話株式會社國際研究員，從事單晶金剛石場效應管的研發。現已發表國際期刊論文20多篇及國際會議論文40多篇，多次應邀參加國際學術會議并做大會專題報告。在攻讀博士期間，連續三年榮獲英國大學校長委員會頒發的海外研究生獎學金(ORS)、英國EPSRC獎學金和香港王寬成獎學金(KCWong)，并被吸收為英國材料學會(IOM3)(2000年)、英國物理學會(10P)(2001年)及英國電子工程師學會(IEE)的會員，(2003年、2006)年當選為旅英中國工程師協會的理事，并應邀成為以色列國家科學基金委的特約評審人。

而立之年的葉海濤表示：“一定不會辜負祖國的期望，不斷提升和完善自己，腳踏實地做好每一份工作，心系祖國，愿為祖國的繁榮和發展貢獻自己的青春和智慧。”

謝向華，2004年獲獎者，留學英國。2000年畢業于上海同濟大學環境科學與工程學院，2001年9月赴英國布里斯托爾大學攻讀計算機碩士學位，一年后順利完成“高級計算科學”課程，并獲得理學碩士學位。2003年11月開始在布里斯托爾大學計算機科學系媒體計算科研小組攻讀博士學位，同時擔任“研究助理”一職從事科研工作。2006年3月通過博士論文答辯。自2006年2月起，在布里斯托爾大學計算機系做博士后，從事一項由歐盟委員會(European Commission)資助的旨在開發幫助盲人和視力嚴重損傷的病人與外界交互的計算機認知系統的研究項目(CASBliP)。其研究主要為立體計算機視覺系統，動態曲線分割模型，計算機材質分析，自動缺陷識別和醫學圖像。他在計算機視覺與圖形處理領域的國際性刊物和國際性學術研討會上以第一作者發表了10多篇論文。2004年，應美國瑪柯尼醫療系統(Marconi Medical System，Inc．)蘇里博士的邀請，在《醫學圖像分析手冊高級圖形分割與圖像注冊模型》一書中撰寫章節――“區域支持的幾何彩色動態曲線分割模型”。謝向華現參與《材質分析手冊》一書的編撰工作，該書將于2007年出版。2006年初，他與默曼迪博士的PRINS研究方案得到了英國Levelhulm研究基金會為期兩年的資助。他現擔任多個國際性學術期刊的評委，并是英國“醫學圖像分析與認知”年會等多個國際性學術協會的會員。謝向華認為，獲得“國家優秀自費留學生獎學金”是祖國對自己在海外多年努力學習的莫大鼓勵與肯定，同時也讓所有海外的莘莘學子看到祖國對于他們的重視與厚望。在今后的研究工作中，他將繼續努力學習尖端技術，為祖國將來的科技發展貢獻微薄之力。

姚小軍，2004年獲獎者，留學法國，研究方向為化學信息學。1994年就讀于蘭州大學化學系，2002年1月獲“促進科學技術研究中法協會信息科學獎學金”資助，作為蘭州大學與巴黎第七大學聯合培養的博士生，赴法國留學，師從法國巴黎第七大學ITODYS研究所化學信息學和分子模型實驗室主任范波濤教授和蘭州大學胡之德教授。在范教授和胡教授的共同指導下，主要開展了以下兩個方面的研究：(1)新的機器學習算法在QSAR／QSPR中的應用；(2)計算機輔助分子設計。他在國際知名學術刊物上發表了30余篇論文并被多次引用，所做的工作曾多次在國際會議上介紹，得到了同行的廣泛好評。留學法國期間，曾獲得2002年“法國華人青年企業家協會”教育基金會第二屆“優秀中國留學人員獎”和2004年中國國家留學基金委“國家優秀自費留學生獎學金”以及2005年“促進科學技術研究中法協會信息科學獎”。2004年12月獲得博士學位。獲得學位后，姚小軍響應國家西部大開發戰略，懷著對母校的深厚感情，決定回到蘭州大學，從事教學和科研工作，為國家的西部大開發戰略和母校的發展貢獻自己的力量。獲獎后，他深深地感謝國家對海外留學生的關心和支持。他表示將會繼續努力，爭取更大的成績，更好地報效國家。