疾病本體數(shù)據(jù)在人體生理位置上的可視化研究

彭栩生，王亞?wèn)|

（哈爾濱工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，哈爾濱150001）

0 引 言

疾病本體［1-2］是人類(lèi)疾病的標(biāo)準(zhǔn)化本體，對(duì)其開(kāi)發(fā)將旨在為生物醫(yī)學(xué)界提供一致的和可重復(fù)使用的人類(lèi)疾病術(shù)語(yǔ)、表型特征和相關(guān)醫(yī)學(xué)詞匯。

疾病本體的拓?fù)浣Y(jié)構(gòu)是有向無(wú)環(huán)圖，其根結(jié)點(diǎn)id為“DOID：4”，目前其下又可以分為8類(lèi)，分別是：disease by infectious agent、disease of anatomical entity、 disease ofcellularproliferation、 disease of mental health、disease of metabolism、genetic disease、physical disorder、syndrome 。

考慮到疾病本體數(shù)據(jù)繁多，且多以obo［3-4］或者owl［4-6］之類(lèi)的文本形式存在，難以閱讀和查找，因此需要對(duì)其進(jìn)行合適的可視化操作。

本文給出了一種對(duì)部分疾病本體數(shù)據(jù)進(jìn)行可視化的方案，可以將疾病本體數(shù)據(jù)映射到人體的生理位置，直觀清晰地表示某個(gè)生理系統(tǒng)或者器官中的疾病，從而加速對(duì)疾病本體的篩選和查找過(guò)程。

1 總體方案設(shè)計(jì)

該可視化方案主要是在可視化區(qū)域中，首先繪制人體各主要系統(tǒng)或者器官的圖片，另列出該層級(jí)下所有包含的疾病本體實(shí)例。當(dāng)用戶點(diǎn)擊某個(gè)具體的器官或者系統(tǒng)時(shí)，可視化區(qū)域中所繪制的人體圖片也將發(fā)生變化，僅繪制與選擇器官或者系統(tǒng)有關(guān)的數(shù)據(jù)，與此同時(shí)，疾病本體列表也進(jìn)行精簡(jiǎn)，只保留該系統(tǒng)或者器官下的實(shí)例。系統(tǒng)共分為3個(gè)層級(jí)，從上至下依次為：全身、系統(tǒng)、器官。對(duì)器官之下的、比如組織層級(jí)，由于圖片數(shù)據(jù)等未臻細(xì)致，不再做進(jìn)一步的區(qū)分，但本系統(tǒng)提供了后續(xù)的擴(kuò)展性，若在將來(lái)當(dāng)相應(yīng)的數(shù)據(jù)映射和圖片得到了補(bǔ)充，也可以給出更加細(xì)化的表示。

由前述總體方案設(shè)計(jì)可以得出，該可視化方案的設(shè)計(jì)流程可闡釋為如下3個(gè)關(guān)鍵步驟：

（1）將疾病本體實(shí)例與某一系統(tǒng)或者器官進(jìn)行映射。

（2）人體各系統(tǒng)和器官的圖片的繪制。

（3）確定某一個(gè)點(diǎn)擊事件所對(duì)應(yīng)的系統(tǒng)或者器官。

這里，在疾病本體中，“disease of anatomical entity”為解剖學(xué)實(shí)體相關(guān)的疾病，其id為DOID：7，可以與人體的生理位置實(shí)現(xiàn)有效映射。因此，本次可視化方案中，選擇疾病本體下的所有父親節(jié)點(diǎn)或者祖先節(jié)點(diǎn)為DOID：7的子集作為疾病數(shù)據(jù)集合。該集合共有大約3 000條數(shù)據(jù)實(shí)例。這些疾病本體的實(shí)例，通過(guò)人工校對(duì)，被標(biāo)注到對(duì)應(yīng)的器官或者系統(tǒng)上。

2 關(guān)鍵技術(shù)設(shè)計(jì)和實(shí)現(xiàn)

2.1 人體各系統(tǒng)和器官的圖片繪制

由本系統(tǒng)所使用圖片文件來(lái)源于互聯(lián)網(wǎng)，而且該圖片已被授權(quán)可以用作包括商業(yè)在內(nèi)的任意用途，同時(shí)使用者也可以自由更改。原始圖片格式為SVG［7-9］，設(shè)計(jì)研究?jī)?nèi)容如圖1所示。

圖1 原始圖片文件內(nèi)容Fig.1 The original SVG file

在本質(zhì)上，SVG 是 XML［10］文件格式，可以通過(guò)其中文本的操作較為簡(jiǎn)捷地改變文件的內(nèi)容。由圖1可以看到，原始文件中各個(gè)器官重疊在一起，無(wú)法清晰地展示系統(tǒng)和器官，也無(wú)法對(duì)此進(jìn)行選擇操作。因此研究中就需要對(duì)其按照器官或者系統(tǒng)為單位，將圖片中的內(nèi)容在處理后得以分離。分離后所得到的稱為原子圖片文件。研究中將給出由原始圖片加工得到各原子圖片的設(shè)計(jì)步驟詳見(jiàn)如下。

（1）從原始SVG文件中提取文件頭和一些公用的樣式作為模板。

（2）遍歷 SVG 文件中＜svg＞＜／svg＞標(biāo)簽下的一級(jí)子節(jié)點(diǎn)（不包括步驟（1）中的樣式節(jié)點(diǎn)），調(diào)整這些節(jié)點(diǎn)中的透明值，全部設(shè)成不透明，并將其插入到模板中，得到新生成的SVG文件。

（3）將所有新生成的SVG文件導(dǎo)出為PNG文件。

以上方法所獲得的所有原子圖片都具有相同的寬度，而在獲得所有的原子圖片后，便可將每個(gè)系統(tǒng)或者器官表示成若干原子圖片的疊加。這樣，便生成了該系統(tǒng)或者器官所對(duì)應(yīng)需要展示的圖片。由此推證得出的整體變換過(guò)程如圖2所示。

圖2 從原始圖片獲得心血管系統(tǒng)圖片過(guò)程示意Fig.2 The process of getting the image of cardiovascular system from original file

在獲得某系統(tǒng)或者器官的圖片后，就可以將疾病本體數(shù)據(jù)與圖片數(shù)據(jù)之間建立映射關(guān)系。基于此，系統(tǒng)就可以在繪制系統(tǒng)或者器官的圖片時(shí)，也一并羅列出與之相關(guān)的疾病本體數(shù)據(jù)。

2.2 系統(tǒng)或器官點(diǎn)擊事件確定

由于人體器官或者系統(tǒng)的圖片在繪制時(shí)，是一張完整的圖片，無(wú)法獲取其點(diǎn)擊的是某一個(gè)具體的器官，只能得到鼠標(biāo)點(diǎn)擊的坐標(biāo)，從而無(wú)法對(duì)此予以精準(zhǔn)響應(yīng)，以及再對(duì)系統(tǒng)或者器官展開(kāi)進(jìn)一步的細(xì)化，最終對(duì)疾病數(shù)據(jù)實(shí)現(xiàn)篩選和過(guò)濾。因此，確定鼠標(biāo)點(diǎn)擊位置落在哪個(gè)部位的身體器官上是該可視化問(wèn)題需要解決的核心問(wèn)題。

本系統(tǒng)通過(guò)獲取每個(gè)器官的邊緣路徑，判斷坐標(biāo)是否位于這個(gè)路徑所圍成的封閉曲線內(nèi)部來(lái)判斷鼠標(biāo)是否點(diǎn)擊了該器官。若鼠標(biāo)點(diǎn)擊的位置是多個(gè)器官的重疊處，則通過(guò)事先建立的優(yōu)先級(jí)順序，決定最終需要響應(yīng)的器官。

研究時(shí)只需確定圖片的邊緣路徑，因此圖片內(nèi)部的具體色彩信息可以被忽略，在這里僅需考慮像素的“有”和“無(wú)”兩種狀態(tài)，故而，一個(gè)二維圖片可以抽象為一個(gè)0-1矩陣。矩陣中值為0處表示該處圖片為透明，值為1處表示該處存在像素點(diǎn)。綜上研究過(guò)程可稱為圖片的二值化。

接下來(lái)，擬將引入一些數(shù)學(xué)定義。對(duì)此可研究分述如下。

定義1設(shè)有0-1矩陣Am×n，當(dāng)2≤i≤m-1，2 ≤j≤n-1 時(shí)，若同時(shí)滿足Ai±1，j±1＝1，Ai，j±1＝1，Ai+1，j＝1，則稱（i，j） 為Am×n中的內(nèi)部點(diǎn)。

定義 2設(shè)有0-1 矩陣Am×n，若Ai，j＝1 且（i，j） 不是Am×n中的內(nèi)部點(diǎn)，則稱（i，j） 為Am×n中的邊界點(diǎn)。

定義 3設(shè)有 0-1 矩陣Am×n，若（i，j） 既不是Am×n中的內(nèi)部點(diǎn)，又不是Am×n中的邊界點(diǎn)，則稱（i，j） 為Am×n中的外部點(diǎn)。

通過(guò)對(duì)本系統(tǒng)中所使用的圖片進(jìn)行分析，可以發(fā)現(xiàn)，所有原子圖片中的物體的各個(gè)部分是連通的，即所有的內(nèi)部點(diǎn)是連通的。而且，最多只在物體內(nèi)部存在若干孔洞，或者分散在整張圖片的若干孤立的噪聲點(diǎn)。關(guān)于噪聲點(diǎn)的去除，可做剖析敘述如下。

考慮以某點(diǎn)為中心的3?3子矩陣內(nèi)與其相鄰的8個(gè)點(diǎn)，若有大于6個(gè)點(diǎn)的值與該點(diǎn)不相同，則認(rèn)為該點(diǎn)是一個(gè)噪聲點(diǎn)，將其修改為與周?chē)蠖鄶?shù)點(diǎn)相同的值即可。而圖片內(nèi)部的孔洞，只需將點(diǎn)擊該部分也視作對(duì)整個(gè)物體的點(diǎn)擊，則可以不用對(duì)其進(jìn)行特殊處理。

針對(duì)上述情況，還需定義矩陣的邊緣路徑，內(nèi)容描述見(jiàn)如下。

定義4設(shè)有0-1矩陣Am×n，若其所有內(nèi)部點(diǎn)和邊緣點(diǎn)構(gòu)成的區(qū)域是連通的，則稱S＝＜（i1，j1），（i2，j2）， （i3，j3），..，（ik，jk），..，（is，js）＞為Am×n的邊緣路徑，其中（ik，jk） 是Am×n的邊緣點(diǎn)，且所有的Am×n所有的內(nèi)部點(diǎn)都在邊緣路徑S所構(gòu)成的封閉圖形內(nèi)。

簡(jiǎn)單地說(shuō)，邊緣路徑就是圖片中物體的輪廓所構(gòu)成的封閉圖形，這是物體邊緣點(diǎn)的某種連線方式，該連線方式要求不能穿過(guò)物體的內(nèi)部。為了獲取圖片內(nèi)物體的邊緣路徑，本次系統(tǒng)研發(fā)得到的算法流程步驟可詳述如下。

（1）從左至右，從上到下遍歷矩陣的元素，直到找到第一個(gè)點(diǎn)P1（i1，j1）， 使得Ai1，j1＝1。 并記P0（i0，j0）＝（i1-1，j1），同時(shí)將P0，P1加入數(shù)組。

（2）取出數(shù)組的最后 2個(gè)元素分別為P-2，P-1，計(jì)算其向量

（3）依次遍歷點(diǎn)p-1的4個(gè)方向的點(diǎn)，找到第一個(gè)邊緣點(diǎn)，將其加入數(shù)組。遍歷的順序?yàn)椋阂詾檎路剑凑兆?、上、右、下的順序完成遍歷。

（4）重復(fù)過(guò)程（2）～（4），直至數(shù)組的最后一個(gè)元素與P1相同。

（5）設(shè)此時(shí)數(shù)組中為＜P0，P1，P2，..，Ps，P1＞， 則＜P1，P2，..，Ps＞便是矩陣Am×n的邊緣路徑。

在此基礎(chǔ)上，針對(duì)一幅原子圖片計(jì)算其邊緣路徑的過(guò)程展現(xiàn)則如圖3所示。

圖3 對(duì)心臟計(jì)算邊緣路徑過(guò)程示意Fig.3 The process of calculating the path of heart image

在計(jì)算出邊緣路徑之后，便可判斷鼠標(biāo)點(diǎn)擊時(shí)的坐標(biāo)是否落在邊緣路徑所構(gòu)成的封閉圖形內(nèi)部來(lái)確認(rèn)是否點(diǎn)擊了該物體。物體點(diǎn)擊時(shí)的設(shè)計(jì)效果如圖4所示。

圖4 鼠標(biāo)點(diǎn)擊心臟效果圖Fig.4 The result of clicking heart organ

3 結(jié)果展示

通過(guò)將疾病本體數(shù)據(jù)與圖片相映射，以及圖片中相關(guān)器官的點(diǎn)擊事件的響應(yīng)，可以構(gòu)建出一個(gè)通過(guò)人體生理位置進(jìn)行相關(guān)疾病的檢索與篩選的過(guò)程。初始狀態(tài)時(shí)，可視化區(qū)域展示較高層級(jí)的系統(tǒng)或器官，以及與該層級(jí)系統(tǒng)或器官相對(duì)應(yīng)的疾病。圖5即表示了處于高層級(jí)狀態(tài)時(shí)的可視化區(qū)域內(nèi)容。而后，通過(guò)點(diǎn)擊心臟或者血管，可視化區(qū)域進(jìn)入到如圖6所示的低層級(jí)系統(tǒng)或者器官，并對(duì)疾病數(shù)據(jù)進(jìn)行了過(guò)濾。

圖5 高層級(jí)系統(tǒng)或者器官展示Fig.5 The display of high level human system and organs

圖6 低層級(jí)系統(tǒng)或者器官展示Fig.6 The display of low level human system and organs

4 結(jié)束語(yǔ)

本文針對(duì)疾病本體下的“disease of anatomical entity”分支，提出一種有效的可視化方法，將疾病本體數(shù)據(jù)映射到人體的生理位置上，并通過(guò)在相關(guān)系統(tǒng)或者器官上的操作，對(duì)疾病本體進(jìn)行篩選過(guò)濾，從而對(duì)其做出清晰的表示。