醫(yī)學影像特征提取及計算機輔助診斷研究

王玉清 劉忠岐 王曉夫 譚麗

一汽總醫(yī)院?吉林大學第四醫(yī)院放射科，吉林長春 130011

[摘要] 目的 實現(xiàn)《醫(yī)學影像診斷特征的提取及計算機輔助診斷過濾的研究》這一科研項目的軟件開發(fā)。 方法 使用開源免費跨平臺的面向?qū)ο蟮腏ava 編程語言和netbeans集成開發(fā)環(huán)境進行開發(fā)。采用Singleton設(shè)計模式。結(jié)果該項研究實現(xiàn)了由臨床特征及醫(yī)學影像特征到疾病診斷的過程。 結(jié)論 通過計算機技術(shù)實現(xiàn)計算機對疾病的輔助診斷是可行的。

[關(guān)鍵詞] 醫(yī)學影像；特征；提取；計算機；java編程語言；netbeans集成開發(fā)環(huán)境

[中圖分類號] R445???[文獻標識碼] B???[文章編號] 2095-0616（2014）11-163-03

Medical image feature extraction and computer aided diagnosis research

WANG?Yuqing??LIU?Zhongqi??WANG?Xiaofu??TAN?Li

Department of Radiology,Faw General Hospital,the Fourth Hospital of Jilin University,Changchun 130011,China

[Abstract] Objective To realize the software development of the scientific research project "Study on Extraction of Medical Imaging Features and Computer-Aided Diagnosis and Filtration".Methods The Java programming language and Netbeans integrated development environment from the open source free cross-platform were used for development. The Singleton design mode was used. Results This project realized the process from clinical features and medical imaging features to disease diagnosis. Conclusion Realizing computer-aided disease diagnosis through computer techniques is feasible.

[Key words] Medical imaging; Feature;Extraction;Computer;Java programming language;Netbeans integrated development environment

在醫(yī)學影像診斷領(lǐng)域，一名軟件工程師或一名普通患者和一名影像診斷醫(yī)師的要求是不一樣的。前者要求的是：我到底得的是哪一個病。這個數(shù)學邏輯就是1=1。真理！而影像診斷醫(yī)生的要求是：只想到一種病不行，怎么能夠把各種可能的疾病都想到，給臨床提供更多更可靠的參考，以不至于漏診。醫(yī)生的數(shù)學邏輯就是1=2或3或4或更多。IT業(yè)界的專家智能診斷系統(tǒng)的計算邏輯一般不會這么想，可醫(yī)生實際工作中需要這么做。

所謂影像學特征，就是具有臨床診斷意義的在醫(yī)學影像圖片上的圖形表現(xiàn)[1]。譬如，骨膜反應(yīng)、骨質(zhì)破壞、軟組織包塊等等。本項目就是要提取這些影像特征并對其相應(yīng)的選擇，然后再經(jīng)過軟件的處理，得到相應(yīng)疾病的診斷參考[2]。

軟件使用對象主要是醫(yī)學影像診斷醫(yī)師。這個軟件所提供的功能不是給患者一個唯一的確切的診斷，而是給醫(yī)學影像診斷醫(yī)師在一定范圍內(nèi)的一組診斷參考。

影像學診斷是以圖為基礎(chǔ)的。所以，軟件開發(fā)要突出圖的特點。例如骨膜反應(yīng)，不能光有文字的描述，還要有相應(yīng)的圖例。

每一個診斷都要有詳細的參考資料，以便診斷醫(yī)師得出更加符合實際的專家級的診斷。

1?資料與方法

1.1?開發(fā)環(huán)境

使用Java編程語言和netbeans集成開發(fā)環(huán)境。項目本身不需要并發(fā)實現(xiàn)和遠程操作，因而也就不需要數(shù)據(jù)庫系統(tǒng)，從而降低了開發(fā)成本。開源免費，本地文件系統(tǒng)。

1.2?方法

1.2.1?影像特征與疾病的關(guān)系?一個疾病的影像學特征可對應(yīng)多個疾病；一個疾病也包含了多個疾病的影像學特征。影像學特征和疾病是多對多的關(guān)系[3]。

1.2.2?影像特征與疾病的關(guān)系的處理?如何體現(xiàn)影像特征和疾病的多對多的關(guān)系是一個技術(shù)上需要考慮的問題。每一個影像特征對應(yīng)多個疾病。各個影像特征所對應(yīng)的疾病又有交叉重疊。譬如，骨膜反應(yīng)對應(yīng)的疾病有骨髓炎、骨肉瘤等；骨質(zhì)破壞對應(yīng)的疾病中也有骨肉瘤等[4]。以此邏輯建立的影像特征數(shù)據(jù)集合，它們所對應(yīng)的疾病集合中的疾病就有重復(fù)和雍余。為了解決這個問題，在構(gòu)建疾病類的時候，給每個疾病類提供一個接口[5]。當一個影像特征參數(shù)傳遞過來之后，每個疾病類都能自動判斷該病是否包含此影像特征。如果包含，則返回該疾病的名稱。這樣當循環(huán)遍歷由影像學特征枚舉常量，并調(diào)用由各疾病枚舉常量中的疾病類提供的接口，就能動態(tài)的得到每個影像特征對應(yīng)的疾病集合。表面上返回的是疾病類的集合，而實際上是影像特征在每個疾病中提取的結(jié)果[6-7]。

1.2.3?數(shù)據(jù)處理?由于影像學特征和疾病都是一個非常大的數(shù)據(jù)集合，考慮到效能問題，在數(shù)據(jù)處理的時候采用“花名冊”的辦法來實現(xiàn)。也就是無論是影像學特征還是疾病的數(shù)據(jù)集合都是以它們的名稱字符串的形式存在，也就是它們的“花名冊”[8]。當需要查找某些數(shù)據(jù)的時候，只需要把“花名冊”拿來，從中找出那些數(shù)據(jù)的名稱字符串，最后才調(diào)用真正的數(shù)據(jù)。舉個例子來說，當我需要從1萬個人當中找出10個人，不需要把一萬個人都叫來，而是把1萬個人的“花名冊”拿來，找出10個人，然后通知這10個人到位[9]。其他9990個人都不用被通知。

1.2.4?設(shè)計模式?設(shè)計模式采用Singleton單例模式，使軟件設(shè)計更加條理清晰。軟件開發(fā)之初，沒有采用什么設(shè)計模式。但最終，隨著事務(wù)邏輯的增加，類的數(shù)量也逐漸增加，類和類之間的關(guān)系也變得越來越復(fù)雜。最終，事務(wù)邏輯混亂，只好推倒重來。這才嘗試使用設(shè)計模式[10]。效果非常滿意！

1.2.5?影像特征和疾病名稱的封裝?為了避免名稱叫法的不一致性，本軟件采取了兩個辦法。首先對影像特征的名稱字符串和疾病名稱的字符串，采用枚舉常量進行封裝[11]。在軟件開發(fā)的任何過程相應(yīng)數(shù)據(jù)都不會手工輸入，而是枚舉常量的引用。這就避免了軟件開發(fā)過程中的輸入錯誤導(dǎo)致異常發(fā)生。其次，最終用戶界面，對影像特征和疾病名稱，皆以選項的形式呈現(xiàn)。從而避免了因輸入查詢時用戶輸入名稱不一致帶來的問題[12]。

1.2.6?輔助診斷算法?本程序的核心邏輯是當用戶選擇單個影像特征時，就輸出這個影像特征對應(yīng)的所有疾??；當用戶同時選擇兩個或兩個以上的多個影像特征時，最后輸出的是每個影像特征對應(yīng)疾病集合的交集。即所謂的診斷過濾[13]。對影像特征圖例資源的命名，采用有意義的名稱加序列號，以便在程序中動態(tài)自動的循環(huán)遍歷加載數(shù)據(jù)。

1.2.7?由影像影像特征到疾病診斷算法的實現(xiàn)?疾病的封裝，采用public EnumMap getInitTheDiseaseFeaturesMap（）方法初始化疾病的臨床影像特征；然后使用public String getEnumDiseaseName（EnumFeature_DR_Bone enumDiseaseFeature）方法判斷enumDiseaseFeature枚舉常量是否是該疾病的臨床影像特征，如果是就返回該疾病的名稱字符串[14]。

定義一個接口，這個接口包含了public String getEnumDiseaseName（EnumFeature_DR_Bone enumDiseaseFeature）方法。讓所有疾病都實現(xiàn)這個接口。疾病類-造釉細胞瘤的構(gòu)建見圖1。

圖1??疾病類-造釉細胞瘤的構(gòu)建

1.2.8?疾病診斷的算法?每當用戶選擇一個臨床影像特征就把這個特征傳遞給public String getEnumDiseaseName（EnumFeature_DR_Bone enumDiseaseFeature）方法，返回這個特征對應(yīng)的所有疾病集合[15]。最后，求得所有這些疾病集合的交集，就得到疾病診斷的集合。程序運行演示圖見圖2。

圖2??程序運行演示圖

2?結(jié)果

通過典型X線平片的影像特征及其相應(yīng)臨床特征的點選，已經(jīng)能在軟件的疾病診斷列表中得到相應(yīng)的診斷。其基本邏輯已經(jīng)實現(xiàn)，但還缺乏具有統(tǒng)計學標準的診斷結(jié)果。

3?結(jié)論

通過計算機軟件的合理設(shè)計，有望實現(xiàn)計算機輔助下的影像學診斷，從而克服影像診斷醫(yī)師經(jīng)驗性的、片面性的、主觀性的不足，給影像診斷帶來的漏診或誤診。

4?討論

在日常的影像診斷工作中，常常遇到這樣的問題，當一個病變的影像擺在我們面前時，要做出明確的診斷甚至病變的大概性質(zhì)都一時難以把握，必須翻閱厚重的書籍，而且效率低下，特別是對自己所掌握知識范圍之外的東西更不易查到，也不能得到相應(yīng)的提示。出現(xiàn)診斷片面、漏診、誤診的幾率很大。有很多的時候，診斷大夫不能做出明確的診斷，只能含糊其詞結(jié)合臨床，給臨床大夫帶來了很大的困惑，也給患者帶來不必要的麻煩和經(jīng)濟浪費，影響醫(yī)院的聲譽和經(jīng)濟效益，實在痛惜，這與李莉在《醫(yī)學影像數(shù)據(jù)分類方法研究綜述》中提到的觀點一致。

計算和信息以及相應(yīng)硬件的快速發(fā)展給人類提供了前所未有的便利。我們的生活、工作、學習和科研一刻也離不開計算和信息科學。計算機及其計算科學的特點就是記憶持久，查閱迅速。依靠他就能彌補人的經(jīng)驗性的、主觀性的和片面性的不足，這一觀點符合CHEN Wu-Fan在《Medical Image Analysis：State of the Art and Future Directions》一文中所提出的觀點。依托成熟的信息和計算技術(shù)，提高診斷水平勢在必行，而且現(xiàn)實，值得研究。

通過某個疾病是否包含某個臨床影像特征的判斷，求得所選擇的特征疾病集合的交集，就是診斷的邏輯。這樣做邏輯簡單，易于實現(xiàn)。但是這種對是否包含的判斷過于僵硬。在用戶選擇特征時，誤選或多選少選，都將導(dǎo)致診斷錯誤或漏診，而在現(xiàn)實的疾病診斷中這是不合理的。它應(yīng)該有一定的彈性度，這一觀點與房春蘭在《基于灌注分析模型的計算機輔助診斷》提出的觀點類似。如果某個疾病有十個特征，選對8個或9個，甚至2~3個典型特征都能決定對該疾病的診斷，對其他的錯選多選都不應(yīng)該影響診斷。對此問題將在后續(xù)開發(fā)中解決。

[參考文獻]

[1] 王偉勝，駱嘉偉，林紅利.醫(yī)學圖像計算機輔助診斷數(shù)據(jù)平臺研究[J].中國生物醫(yī)學工程學報，2013，32（1）：105-108.

[2] 李莉，木拉提·哈米提.醫(yī)學影像數(shù)據(jù)分類方法研究綜述[J].中國醫(yī)學物理學雜志，2011，28（6）：3007-3011.

[3] 朱碧云，陳卉.醫(yī)學圖像紋理分析的方法及應(yīng)用[J].中國醫(yī)學裝備，2013，10（08）：77-81.

[4] 隋美榮，胡俊峰，鞏萍，等.計算機輔助診斷系統(tǒng)在急診影像學中的應(yīng)用探討[J].中國醫(yī)療設(shè)備，2011，26（11）：89-90.

[5] 陸陽，張書旭，袁克虹.基于云計算的遠程醫(yī)療輔助診斷咨詢系統(tǒng)[J].計算機系統(tǒng)應(yīng)用，2012，21（12）：22-25.

[6 房春蘭，陳雷霆，鄭睿，等.基于灌注分析模型的計算機輔助診斷[J].計算機應(yīng)用研究，2009，26（3）：1189-1191.

[7] 李博，曹鵬，栗偉，等.基于尺度空間中多特征融合的醫(yī)學影像分類[J].計算機應(yīng)用，2013，33（4）：1108-1114.

[8] 劉春，楊韜，王娟，等.計算機輔助診斷技術(shù)中圖像紋理研究的主要方法及其應(yīng)用[J].中國組織工程研究與臨床康復(fù)，2009，13（39）：7721-7727.

[9] 魏葆春，王來奎.計算機輔助診斷在醫(yī)學影像診斷中的應(yīng)用[J].衛(wèi)生職業(yè)教育，2011，29（19）：154-155.

[10] 郝欣，曹穎，夏順仁.基于醫(yī)學圖像內(nèi)容檢索的計算機輔助乳腺X線影像診斷技術(shù)[J].中國生物醫(yī)學工程學報，2009，28（6）：922-930.

[11] Chen Wu-Fan，Qin An，Jiang Shao-Feng，et al.Medical image analysis：state of the art and future directions[J].Chinese Journal ofBiomedical Engineering，2008，27（2）：175-181.

[12] 陳武凡，秦安，江少峰，等.醫(yī)學圖像分析的現(xiàn)狀與展望[J].中國生物醫(yī)學工程學報，2008，27（2）：175-181.

[13] 房春蘭，陳雷霆，鄭睿，等.基于灌注分析模型的計算機輔助診斷[J].計算機應(yīng)用研究，2009，26（3）：1189-1191.

[14] LI Bin，OU Shan-xing，TIAN Lian-fang，et al.System of computer-aided detection and positioning for lung nodules[J].ApplicationResearch ofComputers，2010，27（6）：2184-2188.

[15] 陳朋果，張焜和.計算機輔助診斷的臨床研究進展[J].中國現(xiàn)代醫(yī)生，2008，46（21）：78-88.

（收稿日期：2014-03-27）