欢迎访问《中国生物医学期刊》杂志社官方网站。
当前位置首页 > 往期目录 > 刊发论文展示
一种新颖的医学图像建模及相似性搜索方法
《中国医学文摘》杂志社官方投稿邮箱:zgyxwzbjb@163.com
摘要医学图像采集和存储技术的发展导致了相关数据的飞速增长,这些医学图像数据能够有效地辅助医生进行精确的诊断,但由于医学图像在相似性搜索方面要求图像匹配的精度远高于普通图像,所以目前仍没有一种有效的方法解决医学图像的相似性搜索问题.文中首先提出一种不确定定点图模型LULU, Uncertain Locatiorgraph),并针对脑部CT图像的固有特点,提出一种基于脑部CT图像纹理的从图像到不确定定点图的建模方法,继而提出一种基于不确定定点图的相似性搜索算法,并通过一种有效的索引结构,有效地减少了无意义的查询处理,降低了搜索时间.实验结果表明,该方法可以更精确地找出具有相似纹理的脑部CT图像.

  一种新颖的医学图像建模及相似性搜索方法

 

摘要医学图像采集和存储技术的发展导致了相关数据的飞速增长,这些医学图像数据能够有效地辅助医生进行精确的诊断,但由于医学图像在相似性搜索方面要求图像匹配的精度远高于普通图像,所以目前仍没有一种有效的方法解决医学图像的相似性搜索问题.文中首先提出一种不确定定点图模型LULU,  Uncertain Locatiorgraph),并针对脑部CT图像的固有特点,提出一种基于脑部CT图像纹理的从图像到不确定定点图的建模方法,继而提出一种基于不确定定点图的相似性搜索算法,并通过一种有效的索引结构,有效地减少了无意义的查询处理,降低了搜索时间.实验结果表明,该方法可以更精确地找出具有相似纹理的脑部CT图像.

1引言

随着医疗卫生事业现代化的不断发展,医学图像(例如CT图像、ELT图像、核磁共振图像)正越来越多地应用于对病人病情的诊断以及预测等方而,并起到了显著的效果一张医学图像不仅包含了大量的患者病情信息,而且也往往对应着医生对患者做出的一系列珍贵的决策,以及患者病情的发展J隋况.找到与患者图像相似的医学图像,有助于发现之前和患者患有相同或相似病理情况的病人,并通过以往医生对此类病人做出的决策和病人病情的发展情况,帮助医生结合经验知识做出更为合理的诊断.可见,医学图像相似性搜索技术具有很强的实际应用价值和社会价值.    目前,图像检索技术主要分为:}1)基于描述的图像检索技术,它基于图像的描述(如关键字、标题、尺寸等)进行检索;(2)基于内容的图像检索技术,它基于图像的内容特征(如颜色直方图、对象的形状和它们在图像中的布局和位置)进行检索川.由于图像往往包含较为复杂的语义信息,而对于图像的描述总是有限的,所以基于描述的图像检索技术不能够满足对复杂语义图像的检索要求.相对于基于描述的图像检索,基于内容的图像检索能够更多地反应图像本身的固有内容特征,越来越受到人们的关注团.Swain等人}3}提出一种基于颜色语义的图像检索方法,IilU等人川提出一种使用共生矩阵来表示纹理图像特征的方法,Quellec等人川提出一种基于小波的图像检索方法.    但由于医学图像较一般图像有其特殊性口7〕,使其在相似性检索过程中更难以处理.其特殊性在于:(1)医学图像检索技术要求精度高,细微的图像变化可能导致语义的剧烈变化;(2)医学图像中医学本体难以识别,往往需要通过医师人为进行标记;(3)医学图像中医学本体的属性复杂,不利于发现和描述.Quddu、等人川提出一种基于支持向量机和标记的医学图像检索框架,Wang等人00提出一种基于反馈的医学图像检索框架,Rahman等人[la〕提出一种分类驱动的医学图像检索框架.虽然这些图像检索框架可以有效地提高医学图像检索质量,但这些方法并没有对医学图像的表示模型进行改进,而是使用基于一般图像的特征模型,经过一些有效的策略提高医学图像检索结果.    纹理,作为一种重要的图像特征,更是医生通过医学图像进行诊断的关键.在医学图像中,纹理不仅可以刻画医学本体的轮廓,更可以对其内部的灰度变化情况进行有效的描述,这也正是医生进行诊断的重要依据.Unay等人}m〕使用局部二值模式(I,o-cal Binary Patterns}lz} , LBP)表示纹理特征进行医学图像搜索,文献巨13-14」对轮廓的表示以及匹配方法进行了研究.但是,目前所提出的纹理特征都是以静态的确定的数字来加以表示的,不能满足纹理结构性和不确定性的现实要求.    与此同时,在科研领域中我们发现越来越多的问题可以自然地归约到图模型上,目前己提出若干关于图数据的查询以及匹配的方法}m  m}.不确定图模型的提出}m lad,使图的表示更接近于现实世界的真正形式,这些研究极大地促进了基于图建模和图模型的应用研究.但是目前提出的不确定图模型是一种概率图模型,不能直接地应用于图像搜索方而.并且据作者所知,到目前为比尚没有使用不确定图模型进行图像搜索的相关研究.    针对上述存在的问题,本文首先提出一种不确定定点图模型.结合医学图像的纹理特征,对图像建立不确定定点图模型,并进行不确定定点图匹配,从而完成医学图像检索过程.因为图的匹配问题一直以来都是一个NP(NP-hard)问题,所以本文引入了相对纹理粒度更小的纹素的概念,在此基础上,提出了一种快速有效的计算不确定定点图匹配程度的近似算法.在大规模的图像搜索过程中,为了减少对图像数据集的多次访问,本文进一步提出一种索引结构,以提高搜索算法的效率.    本文第2节为医学图像的预处理过程;3节介绍不确定定点图数据模型,并给出医学图像到不确定定点图的建模方法;4节提出基于不确定定点图模型的医学图像相似性搜索算法;5节展示实验结果;6节总结本文并展望未来工作.2预处理过程    通过对大量脑部cT图像的观察,可以发现脑部CT图像具有以下特点:(1)图像中ROI ( Region (?fInterest)区域大小相对固定;C2)相似图像在相同或相近位置具有相似的纹理信息;<3)图像背景单一图1(a)是一张原始的脑部CT图像.通过对医生的咨询,我们了解到医生在根据脑部CT图像进行诊断的过程中,往往认为灰度存在剧烈变化的区域较为重要.也就是说在医生诊断的过程中,灰度存在剧烈变化区域的纹理结构对于医生的最终诊断具有较高的权重.根据这一领域知识,本文提出一种分级的图像纹理提取方法,从而给予灰度存在剧烈变化区域更多的关注.    假设一张脑部CT图像F包含。Xn个像素点,FCi,户是图像F位于坐标(Ci,户的像素点的灰度值.FCi,户的值越小,表示图像F位于坐标(Ci,户的灰度值越小(即越黑),也就表明位置(:,户在图像F中更为

Copyright © 2008-2011 版权所有 -《中国生物医学期刊》杂志社 - 技术支持:知网空间
投稿邮箱:zgswyxqk@163.com