基于模糊聚類的醫(yī)學(xué)圖像檢索系統(tǒng)*

范 淵，郭華峰

（浙江工貿(mào)職業(yè)技術(shù)學(xué)院，浙江溫州325003）

0 引言

近年來，隨著醫(yī)學(xué)成像技術(shù)的不斷發(fā)展，醫(yī)學(xué)圖像數(shù)據(jù)越來越多，CT計算機斷層成像、MRI核磁共振成像、PET正電子發(fā)射斷層成像和DSA數(shù)字減影血管造影等設(shè)備每天可產(chǎn)生幾十G的醫(yī)學(xué)圖像數(shù)據(jù)，且數(shù)據(jù)量在急劇擴大。面對這海量的醫(yī)學(xué)圖像集合，如何快速、準確地找到需要的圖像，提取有用的病理信息，以幫助醫(yī)生和教師更好地醫(yī)療和教學(xué)工作，已經(jīng)成為近些年醫(yī)學(xué)圖像處理的研究熱點。

傳統(tǒng)的醫(yī)學(xué)圖像檢索方法是基于文本的，其檢索所需的關(guān)鍵信息都存在DICOM頭文件中，但由于其信息錯誤率高且人工標注主觀性大，所以現(xiàn)階段研究更多的是基于內(nèi)容的圖像檢索方法（Content-based Medical Image Retrieval，CBMIR）。基于內(nèi)容的圖像檢索方法是以圖像本身的灰度、形狀、紋理、拓撲等底層視覺特征和高層語義特征，構(gòu)成描述圖像內(nèi)容的特征向量，并以特征向量作為建立索引和匹配準則的客觀依據(jù)檢索所需圖像。很明顯，基于內(nèi)容的圖像檢索方法更客觀，且檢索準確率在不斷提高?；谝陨锨闆r，本文采用基于內(nèi)容的圖像檢索方法，結(jié)合模糊聚類理論，提出了基于模糊聚類的醫(yī)學(xué)圖像檢索系統(tǒng)，這必將會為醫(yī)院和醫(yī)學(xué)工作者醫(yī)療決策帶來幫助。

1 系統(tǒng)的技術(shù)理論

1.1 模糊聚類理論

模糊聚類是涉及事物之間的模糊界限時按一定要求對事物進行分類的數(shù)學(xué)方法。聚類分析是數(shù)理統(tǒng)計中的一種多元分析方法，它是用數(shù)學(xué)方法定量地確定樣本的親疏關(guān)系，從而客觀地劃分類型。事物之間的界限，有些是確切的，有些則是模糊的。例如人群中的面貌相像程度之間的界限是模糊的，天氣陰、晴之間的界限也是模糊的。當(dāng)聚類涉及事物之間的模糊界限時，需運用模糊聚類分析方法。模糊聚類分析廣泛應(yīng)用在氣象預(yù)報、地質(zhì)、農(nóng)業(yè)、林業(yè)等方面。通常把被聚類的事物稱為樣本，將被聚類的一組事物稱為樣本集。模糊聚類分析有兩種基本方法：系統(tǒng)聚類法和逐步聚類法。

在過去幾十年里提出了很多種模糊聚類算法，目前應(yīng)用最廣泛的是模糊C-均值聚類（FCM）算法，其算法改進也常用于醫(yī)學(xué)圖像處理中。最新的模糊C-均值聚類算法改進主要集中在目標函數(shù)修改、收斂速度提升、聚類有效性、算法實現(xiàn)途徑和混合型數(shù)據(jù)聚類等幾個方面[1-3]。

1.2 圖像檢索技術(shù)

圖像檢索技術(shù)的出現(xiàn)較早，從20世紀70年代開始就有人陸續(xù)研究。圖像最早是結(jié)合文本進行檢索的，稱為基于文本的圖像檢索技術(shù)（Text-based Image Retrieval，簡稱TBIR）。該技術(shù)使用文本記錄和描述圖像的特征，如攝影作品的作者、年代、背景和尺寸等。到90年代以后，出現(xiàn)了對圖像的內(nèi)容語義，如圖像的灰度、顏色、紋理、布局等進行分析和檢索的圖像檢索技術(shù)，即基于內(nèi)容的圖像檢索技術(shù)。其中，醫(yī)學(xué)圖像檢索是圖像檢索一個重要的應(yīng)用方向，隨著基于內(nèi)容的圖像檢索技術(shù)的不斷成熟，該技術(shù)不斷被應(yīng)用于醫(yī)學(xué)圖像檢索中[4-6]。

然而，基于內(nèi)容的圖像檢索技術(shù)存在著低層視覺特征與用戶對圖像理解的高層語義不一致等問題，引入FCM等模糊聚類算法是解決該問題的方法之一。為此，文獻[7]根據(jù)內(nèi)容(形狀、顏色、紋理等)的視覺特性的不同，結(jié)合局部和全局特征，提出一種基于聚類形狀的圖像檢索方法，改善了圖像檢索的精度。文獻[8]則提出了一種基于改進的模糊C均值聚類和卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像檢索方法。該方法運用改進的模糊C均值進行特征聚類分析，提高了遙感圖像的檢索性能。

2 系統(tǒng)分析與設(shè)計

2.1 系統(tǒng)功能分析

經(jīng)過前期充分的調(diào)研，我們設(shè)計了基于模糊聚類的醫(yī)學(xué)圖像檢索系統(tǒng)的功能模塊，如圖1所示：

圖1 系統(tǒng)功能模塊圖

系統(tǒng)主要分為9大模塊，分別是醫(yī)學(xué)圖像管理、圖像類別管理、用戶管理、角色管理、權(quán)限管理、醫(yī)生管理、科室管理、圖像檢索和圖像處理。詳細描述如下：

（1）醫(yī)學(xué)圖像管理：醫(yī)學(xué)圖像主要包括放射、核醫(yī)學(xué)、超聲、內(nèi)鏡、病理等所有影像，醫(yī)學(xué)圖像管理主要是對上述影像圖片的增刪改查，包括醫(yī)學(xué)圖像的上傳、修改和刪除管理等功能。

（2）圖像類別管理：醫(yī)學(xué)圖像從來源分可以分為放射、核醫(yī)學(xué)、超聲、內(nèi)鏡、病理等影像，從疾病和部位等也有諸多區(qū)分，所以其圖像類別也需要進行添加、刪除和修改等管理操作。

（3）用戶管理：管理員可以把新進的醫(yī)生添加到用戶數(shù)據(jù)表中，則該醫(yī)生就可以憑借此賬號登陸本系統(tǒng)，同時管理員也可以對用戶數(shù)據(jù)進行修改和停用等操作。

（4）角色管理：系統(tǒng)的使用面向醫(yī)生、科室領(lǐng)導(dǎo)和管理員等角色，其中管理員負責(zé)醫(yī)學(xué)圖像、醫(yī)生、科室和用戶等基礎(chǔ)數(shù)據(jù)的添加、修改和刪除，科室領(lǐng)導(dǎo)可以統(tǒng)計查詢該科室的醫(yī)生、醫(yī)學(xué)圖像等數(shù)據(jù)，醫(yī)生可以檢索需要的醫(yī)學(xué)圖像，從而輔助病情的處理。

（5）權(quán)限管理：各個角色可以訪問的功能各有不同，如醫(yī)學(xué)圖像管理的相關(guān)頁面只有管理員才能訪問，醫(yī)學(xué)圖像檢索頁面則可以供各類用戶訪問，所以對各類角色對各頁面功能的訪問進行限制也是必要的。

（6）醫(yī)生管理：每位新進醫(yī)生都需要把數(shù)據(jù)錄入到本系統(tǒng)，醫(yī)生的數(shù)據(jù)有變化則需要在本系統(tǒng)對原數(shù)據(jù)進行修改，醫(yī)生離職則需要對該數(shù)據(jù)進行停用或刪除處理。

（7）科室管理：系統(tǒng)也應(yīng)提供對科室數(shù)據(jù)的增刪改查功能，科室數(shù)據(jù)包括超聲科和放射科等。

（8）圖像檢索：提供對圖像的文字檢索和圖像檢索兩種方式，為醫(yī)生檢索到需要的醫(yī)學(xué)圖像提供幫助，其中圖像檢索技術(shù)為基于內(nèi)容的圖像檢索方法，其中使用了模糊聚類方法。

（9）圖像處理：提供各種處理算法，盡量提供可逆的圖像處理堆棧,任意的放大,移動標注,實用的圖像合并等。

2.2 數(shù)據(jù)庫設(shè)計

根據(jù)對系統(tǒng)的前述需求分析，我們設(shè)計了基于模糊聚類的醫(yī)學(xué)圖像檢索系統(tǒng)的數(shù)據(jù)庫。其中，圖像類別表用于存儲醫(yī)學(xué)圖像的類別數(shù)據(jù)，醫(yī)學(xué)圖像表用于存儲醫(yī)學(xué)圖像的圖像名稱和路徑等數(shù)據(jù)，科室表用于存儲醫(yī)院的科室數(shù)據(jù)，醫(yī)生基本信息表和醫(yī)生工作信息表用于存儲醫(yī)生的基本信息和工作信息，用戶表和角色表用于存儲用戶和角色的相關(guān)數(shù)據(jù)。部分重要數(shù)據(jù)庫表和數(shù)據(jù)字段的設(shè)計如圖2所示：

3 系統(tǒng)實現(xiàn)

3.1 關(guān)鍵技術(shù)

基于模糊聚類的醫(yī)學(xué)圖像檢索系統(tǒng)主要由ASP.NET網(wǎng)站技術(shù)、SQL Server數(shù)據(jù)庫技術(shù)和基于模糊聚類的圖像檢索技術(shù)三種技術(shù)開發(fā)實現(xiàn)。系統(tǒng)的醫(yī)學(xué)圖像管理和其他基礎(chǔ)數(shù)據(jù)管理等業(yè)務(wù)功能主要使用ASP.NET的數(shù)據(jù)庫訪問技術(shù)實現(xiàn)[9]，其中修改醫(yī)學(xué)圖像的主要實現(xiàn)代碼如下：

//定義一個變量用于存儲上傳的醫(yī)學(xué)圖像

string medicalImage＝"";

//判斷用戶是否想修改上傳的醫(yī)學(xué)圖像，或是只想修改圖片的其他信息

if(FileUpload1.HasFile)

{

//調(diào)用UploadFile方法執(zhí)行新醫(yī)學(xué)圖像的上傳，并記錄新上傳的圖像文件名

MedicalImage=BLL.Tools.UploadFile(FileUpload1,1,5);

}

else

{

//否則，不修改原醫(yī)學(xué)圖像，則讀取原圖像名賦予medicalImage

MIR.BLL.MedicalImage bll1=new MIR.BLL.MedicalImage();

MIR.Model.MedicalImage model1=bll1.Get-Model(MedicalImageID);

圖2 系統(tǒng)的數(shù)據(jù)庫設(shè)計

medicalImage=model1.MedicalImageUrl;

}

//根據(jù)medicalImage是否為空判斷用戶上傳醫(yī)學(xué)圖像是否成功

if(medicalImage!="")

{

//medicalImage不為空，則說明用戶提交修改信息成功，執(zhí)行數(shù)據(jù)修改操作

MIR.Model.MedicalImage model=new MIR.Model.MedicalImage();

model.MedicalImageUrl=medicalImage;

model.Description=Description;

……

MIR.BLL.MedicalImage bll=new MIR.BLL.MedicalImage();

bll.Update(model);

MessageBox.ShowAndRedirect(this,"醫(yī)學(xué)圖像信息成功！","list.aspx");

}

在圖像檢索方法的實現(xiàn)過程中，為了克服傳統(tǒng)直方圖等圖像特征分析的不足，引入FCM聚類算法對醫(yī)學(xué)圖像特征庫中的特征向量進行聚類分析，得到每個圖像的分類和聚類中心，并找出帶檢索圖像所在的類，在該類中計算待檢索圖像與其他圖像的相似度。這里對圖像之間相似度的計算進行了分析，采用了一個新的相似度計算公式，相似度的計算公式來源于L.A.Zadeh在文獻[10]中給出的相似度參考公式： μs(x,y)=e-β||x-y，其中 β＞0。醫(yī)學(xué)圖像的具體檢索步驟如下：

步驟1使用FCM聚類算法對醫(yī)學(xué)圖像特征庫中的特征向量進行聚類分析，提取每個圖像的分類和聚類中心；

步驟2提取待查詢醫(yī)學(xué)圖像的特征向量；

步驟3計算待查詢圖像與各個聚類中心的距離，找出距離最小的類，這也就是待查詢醫(yī)學(xué)圖像所在的類；

步驟4確定待查詢醫(yī)學(xué)圖像所在的類之后，計算待查詢圖像與類中其他圖像的相似度，相似度計算公式采用 μs(x,y)=e-β||x-y，其中 β＞0。

步驟5根據(jù)相似度大小對檢索后的圖像進行排序。

在醫(yī)學(xué)圖像檢索系統(tǒng)中，采用上述步驟來進行醫(yī)學(xué)圖像的檢索，達到了較好的效果。

3.2 實現(xiàn)效果

基于模糊聚類的醫(yī)學(xué)圖像檢索系統(tǒng)是一個針對醫(yī)學(xué)圖像的管理和檢索系統(tǒng)，實現(xiàn)了包括醫(yī)學(xué)圖像管理、圖像類別管理、用戶管理、角色管理、權(quán)限管理、醫(yī)生管理、科室管理、圖像檢索和圖像處理在內(nèi)的9大功能。其中醫(yī)學(xué)圖像檢索的實現(xiàn)界面如圖3所示。

圖3 醫(yī)學(xué)圖像檢索界面

4 總結(jié)

隨著CT、MRI等技術(shù)和設(shè)備在醫(yī)院的大規(guī)模使用，醫(yī)學(xué)圖像數(shù)據(jù)量越來越大。此時，如何更好地組織和檢索醫(yī)學(xué)圖像，及時獲取需要的醫(yī)學(xué)信息，幫助醫(yī)生和教師更好地開展醫(yī)療和教學(xué)工作，就成為當(dāng)前醫(yī)學(xué)圖像處理的研究熱點。為此，基于模糊聚類理論、基于內(nèi)容的圖像檢索技術(shù)和ASP.NET開發(fā)技術(shù)實現(xiàn)了一個基于模糊聚類的醫(yī)學(xué)圖像檢索系統(tǒng)，為輔助醫(yī)療進行了一次有益的嘗試。