（生物医学工程专业论文）医学图像特征的自动获取与基于内容检索的方法研究.pdf

第一军医大学博士学位论文高医学图像查询精度，并具备一定的鲁棒性。在尝试将c b i r 技术和医学医学图像归档和通信系统( p a c s ) 相结合的探索性工作中，本文提出了一个尝试性的设计方法。其中，为了确保医学图像的c b i r 系统能够在特定图像类别下进行有意义的查询处理，我们结合成像设备( m o d a l i t y ) 、体位方向( o r i e n t a t i o n ) 、解剖部位( a n a t o m y ) 和生物系统( b i o l o g y ) 等四项信息设计了新颖的医学图像m o a b 分类编码系统。实验表明m o a b ( 以上四组信息的英语首字母) 编码能够实现对医学图像进行唯一的分类，而且分类编码的构架灵活，易于扩充。为了不影响两套系统功能的独立性和医学图像通信的标准化，本文设计了结合c b i r 技术平台到p a c s 系统的接口程序。关键词医学图像，基于内容检索，数据库，特征提取，感兴趣区域，图像分割，模糊特征，图像分类编码a b s t r a c tt h e r ei sa ne n o r m o u sn e e df o rv i s u a li n f o r m a t i o no r g a n i z a t i o n ，m a n a g e m e n t ，a n dr e t r i e v a li nt h eg r o w i n gf i e l do fd i g i t a la r c h i v e so re l e c t r o n i cp a t i e n tr e c o r d e r sa n db yt h ei n c r e a s i n ga p p l i c a t i o nd o m a i n so fm e d i c a li m a g i n ga n dp a c s ( p i c t u r ea r c h i v i n ga n dc o m m u n i c a t i o ns y s t e m s ) i np a r t i c u l a r , t e c h n i q u e so fc o n t e n t - b a s e di m a g er e t r i e v a l( c b i r ) h a v eb e e nm a j o rt o p i c so fr e s e a r c hf o rm e d i c a li m a g ed a t a b a s eq u e r i e si n s t e a do ft e x t - b a s e ds e a r c h i n gt e c h n i q u e si nr e c e n ty e a r s s i g n i f i c a n td e v e l o p m e n t so fc b i rt e c h n i q u e sh a v eb e e nm a d ei nr e s e a r c ha n dc o m m e r c i a ia p p l i c a t i o n ss i n c e19 9 0 s h o w e v er it h e r ea r es o m eu n i q u ec h a l l e n g e st oc o n f r o n tc b i ra p p l i c a t i o nw i t ht h em e d i c a li m a g ed a t a b a s e s t h e r ea r es t i l ls o m em e d i c a lc o n s t r a i n t st oi m a g er e t r i e v a l p a r t i c u l a r l y , t h en u m b e ra n dk i n do ff e a t u r e st oc h a r a c t e r i z em e d i c a li m a g e sa r es u b j e c tt oc o n t i n u o u se v o l u t i o nw i t ht h ea d v a n c e m e n to fa g e sa n dd e e p n e s so fu n d e r s t a n d i n gm e d i c a lk n o w l e d g e s i n c et h el a c ko fe f f e c t i v ei n d e x i n gs c h e m et h a tt h eg e n e r a lr e s e a r c h e r sc a nf i n dt oo r g a n i z ea v a i l a b l ef e a t u r e si nm e d i c a li m a g e s ，t h ec o n v e n t i o n a lc b i r - s y s t e m sc a n n o tg u a r a m t e eam e a n i n g f u lq u e r yc o m p l e t i o nw h e nu s e dw i t h i nt h em e d i c a ic o n t e x t i nt h ep r o c e s so fr a d i o l o g ym e d i c o - d i a g n o s i s ，c l i n i cd e t e r m i n a t i o n sa r eu s u a l l yb a s e do nt h er e g i o n a la n a t o m i ca n dp h y s i o l o g i ci n f o r m a t i o ni nm e d i a li m a g e s i no r d e rt oe x t r a c tt h er e g i o n a lf e a t u r e sa u t o m a t i c a l l y , e a c ho ft h em e d i c a li m a g e si nd a t a b a s ei ss e g m e n t e db a s e do ne m ( e x p e c t a t i o n m a x i m i z a t i o n )a l g o r i t h m a l lo fe x t r a c t e dr e g i o n a lf e a t u r e sa r em a p p e dt ot h ef u z z yf e a t u r es p a c es ot h a tt h e nu n c e r t a i n t yo fi m a g es e g m e n t a t i o nc a nb e第一军医大学博士学位论文c h a r a c t e r i z e d t o g e t h e rw i t ht h ef e a t u r e se x t r a c t e df r o ms e g m e n t e dr e g i o n s ，t h ef e a t u r e so fr e g i o n so fi n t e r e s t ( r o i ) a r ei n t r o d u c e dt or e f i n et h eq u er ya u t o m a t i c a l l y m a t c h e dw i t ht h ei n t e g r a t e ds i m i l a r i t ym e a s u r e m e n t ，t h er e t r i e v e di m a g e sa r en o to n l yv i s u a l l ys i m i l a rt ot h eq u e r yi m a g eb u ta l s oa p p r o x i m a t ei nd i a g n o s i sm e a n i n g t h ep r o p o s e dc b l 只m e t h o dh a sb e e ni m p l e m e n t e di no u re x p e r i m e n t s c o m p a r e dw i t ht h eo t h e rm e t h o da p p l i e dt or e t r i e v ei m a g e so n l yb a s e do nt h ef u z z yr e g i o n a lf e a t u r e ，t h ep r o p o s e da p p r o a c hg r e a t l yi m p r o v et h ep r e c i s eo fm e d i c a li m a g eq u e r i e sa n dp r e s e r v et h er o b u s t n e s st os e g m e n t a t i o n r e l a t e du n c e r t a i n t i e s i nt h i sp a p e r , ag e n e r a lc o n c e p tf o ri n t e g r a t i o ni sp r e s e n t e dt h a tr e l i e so ns t a n d a r dp r o t o c o l sa n dm a i n t a i n st h ea u t o n o m yo fb o t h ，尸：a c sa n dc b i r t oe n a b l em e d i c a lc b i rs y s t e mt og u a r a n t e et h em e a n i n g f u lq u e r i e sw i t hp r i o f l ys p e c i f i e di m a g ec l a s s ，an o v e lc o d i n gs c h e m es o c a l l e dm o a b ，w h i c hc o n s i s t so ff o u ra x e s m o da i i t v 。o r i e n t a t i o n 。a n a t o m y , a n db i o l o g y , i sp r o p o s e d i no u re x p e r i m e n t s ，t h em o a bc l a s s i f i c a t i o nc o d i n gs c h e m ee n a b l e sau n i q u ec l a s s i f i c a t i o no fm e d i c a li m a g e ss oa st od e v e l o pf u r t h e rc o n t e n t b a s e dm e d i c a li m a g er e t r i e v a l t h ec o d ei sf l e x i b l ea n de a s i l yt ob ee x t e n d e d i nt h i sp a p e r , w et r yt od e f i n eg e n e r a li n t e r f a c e st h a ta r er e q u i r e df o ri n t e g r a t i o no fc b i rt op a c s ，a n dm a i n t a i nt h e i ra u t o n o m ya ss e l f - s t a n d i n ga p p l i c a t i o n s k e y w o r d s ：m e d i c a li m a g e ，c o n t e n t - b a s e di m a g er e t r i e v a l ，d a t a b a s e ，f e a t u r ee x t r a c t i o n ，r e g i o n o f i n t e r e s t ，i m a g es e g m e n t a t i o n ，f u z z yf e a t u r e ，i m a g ec l a s s i f i c a t i o nc o d e第一章绪论1 1 什么是基于内容的图像检索近年来，伴随计算机运算和存储能力的提高，以及扫描技术、网络技术、图像压缩技术和因特网技术的迅猛发展，来自各行各业的数字化图像数量持续剧增，从而使得图像数据库及其检索技术成为当今研究领域的热点之一【2 7 5 3 , 6 2 1 。传统的基于文本的图像检索方法已经难以满足当前应用的需求。为此，如何从在线的数据库更有效地创建、管理和检索图像已经成为军事，气象，航空航天以及生物医学等重大领域中亟待解决的问题。如果找到一个可以直接检索图像“内容”，而无须依赖相关文字信息的方法，无疑对这些领域的发展具有重要的意义。而基于内容的图像检索( c b i r ，c o n t e n t b a s e di m a g er e t r i e v a l ) 系统的根本目的就是利用图像数据库本身所存储的信息进行快速高效地检索。在一个c b i r 技术的典型应用中，用户手里只有一幅图像或有一个感兴趣的主题，以此在数据库中去查找所有跟查询图像相似，或者跟感兴趣主题相关联的所有图像。对此类查询需求，常规数据库系统是难以充分满足的，因为常规数据库系统不仅在数据入库时需要耗费大量人力来完成图像的标注，而且不允许直接按照图像的视觉内容去提交查询，人们必须依赖完各的文件i d 号，关键词，或者相关文本，按照系统词汇表中来形成合理的查询语言。常规数据库系统也不会返回与提供图像“相似”的结果，检索结果必然是数据属性值的确切匹配。此外，视觉内容是无法用只言片语能够轻易描述的，甚至即使对于同样的视觉内容，人们的主观性也会产生截然不同的描述。在九十年代初期，c b i r 方法的研究方兴未艾【5 3 , 6 2 , 1 7 1 , 1 8 7 】。和基于文本检索方法的不同，在c b i r 方法中，不再采用人为给图像添加标注的办法，图像将根据其自身的视觉内容编制索引，故称之为“基于内容”的检索方法。开始查询时，数据库中的图像( 目标图像) 会根据事先设定的相似性准则，通过匹配计算，按相似度大小顺序返回跟提供图像( 查第一军医大学博十学位论义询图像) 类似的所有图像。通常在一般性的c b i r 框架中，目标图像要先进行特征提取和( 或) 对象识别运算，然后入库。而只有图像入库并完成特征提耿过程后，用户才能够形成查询，进而检索图像。查询在c b i r 系统中可以是基于不同特征的，也可以源发于不同的类，例如颜色，纹理，形状，框架草图，空间约束，随意浏览( 交互)和属性。所有这些查询要么按照指定设置进行，要么利用另外的图像来提交查询，即所谓的按范例查询( q u e r y b y e x a m p l e ) 方式。1 2c b i r 常规技术概述前期的c b i r 技术研究工作可以按照处理顺序大略分为以下几类：( 1 ) 特征提取；( 2 ) 区域内容；( 3 ) 匹配；( 4 ) 特征组合；( 5 ) 相关反馈。( 在实际应用中，数据库系统的设计还包括其它问题，例如图形用户界面设计和目录编制等【4 ，7 1 ，但这超出本节的讨论范围)特征提取工作与其它几类研究相比是最重要的。关于基于内容检索技术的初步研究通常先着眼于使用低级特征( 如颜色、纹理) 来描述图像。其中颜色特征包括有r g b 值或其它颜色模型的直方图【，颜色矩【6 翻，均色向量间夹角【l 】，颜色共生矩阵【删，以及颜色不变性模型【2 6 l 。虽然对图1 1 两幅颜色直方图相似的图像于图像的视觉感知而言，颜色特征是非常重要的，但是在一些情况下它很难区分图像中的对象。例如图1 1 。纹理是类似遥感和监测等应用领域常用的有效特征。因此，纹理特征也是许多图像检索系统设计时不可忽视的重要选择，主要有w o l d 特征集1 3 7 1 ，l a w s 纹理能量映射【3 4 1 ，小波系数1 3 1 】，g a b o r 滤波器i 删，空间特征21 3 6 】和边缘映射i ”1 。与颜色特征类似，纹理在计算图像相似性时仍然存在问题，和利用颜色特征查询相比，甚至会产生更令人费解的误查询结果( 图1 2 ) 。图1 2 仅采用g a b o r 算子提取的纹理特征查询“日落”图像的检索结果。左大图为查询图像，右边小图为查询结果( c o w ld a t a b a s e ) 。形状是特征提取研究中另一个常用的特征。由于图像分割是一个非常困难的问题，特别是对复杂图像，很难通过分割算法得到精确的形状特征。利用形状特征检索图像时常用的特征包括：刚性矩阵【4 ”，傅立叶描述子 5 1 1 ，弹性匹配【9 1 和可变形的形状模型【3 8 1 。此外还有一些为特殊应用领域开发的特征，例如面部特征【3 l ，指纹细节模式 3 2 l ，以及肤色特征【矧。基于区域的图像查询是近期开发的c b i r 技术。它涉及有关颜色、纹理的图像分割技术，但是复杂的区域分割算法势必会影响特征提取的效率。一些用于区域内容提取的可靠方法主要有：空间颜色一纹理特征空间中的聚类和归组计算【5 “，利用最大期望( e m ) 算法在颜色和纹理特征空间中分割图像【1 2 】，特征值变化方向识别【3 9 1 ，基于图元的方法 6 0 , 6 1 , 2 1 , 2 2 】，以及非参数聚类”。当数据库中的每幅图像与个特征向量建立关联后，下一个关键步骤就是利用指定测量来计算图像问的相似度。一般地，在系统中，如果图像或区域已经被特征向量所表征，虽近邻方法是最常用的方法【1 9 i 。为了能让查询结果按照相似度从大到小的顺序返回，引入一个距离测度来衡量数据库图像与查询图像间的差别，返回结果时，数据库图像按照差别大小的升序排列。常用的距离测度有：欧氏距离( 上2 ) m4 9 , 3 6 , 叫，城3拄内喜查由图像的披据躯囤m镕#镕自#图1 3 当代c b i r 技术中按图例查询的基本算法模块和工作流程区距离( 工1 ) 4 0 , 6 3 】，广义m i n k o w s k y 距离( l ) 1 5 9 1 ，加权欧氏距离1 5 , 5 4 1 ，柯西距离【7 4 1 和m a h a l a n o b i s 距离t 4 9 删。在应用指定域进行查询的一些系统中，要设计特定的相似性测度来计算特征问的差异。例如直方图相交方法1 6 3 】，形状匹配的c h a m f e r 测度【1 0 】，对象匹配的h a u s d o r f f 距离1 5 0 】，树搜索法，自组织映射( 7 2 1 和图元匹配 3 0 1 。事实上，应用最近邻原则来比较图像低级特征时，存在一定的缺陷，主要表现在对于某些视觉上相似的图像并不总是能按照该原则映射到特征空间上相邻的位置，然而对于与查询图像根本无关的图像，可能仅仅因为两者在特征空间上似乎很接近，反而会较易返回。研究工作发现概率测度比几何距离测度可能更有效1 7 5 , 7 6 j 。为了克服低级特征的局限性，某些系统允许用户使用多特征向量查询数据库。可能的方法有把不同特征向量通过追加联结成为一个全局向量【3 6 1 ，允许用户加权不同特征f 2 4 , 2 , 3 3 1 ，针对每一级上的不同特征向量设计多级分类器 7 0 , 6 9 , 2 0 】，采用线性或二值化方法合并由不同特征向量计算得到的距离f 8 】，神经网络 2 8 , 2 9 , 4 4 , 4 5 1 ，贝叶斯网络【5 8 , 3 5 , 7 1 1 以及利用独立特征训4练得到的提升多分类器6 羽。结合了多种特征向量中的信息将有助于提高图像检索的准确性。近几年，原本用来进行文档检索的成功方法之一 5 7 】，相关反馈方法也被用于改善图像检索技术。基于该方法，系统首先根据用户原始查询对数据库进行初步筛选。然后，用户在返回结果上标记出相关和不相关的图像。这些标记信息会根据迭代查询的方式组合到整个后续的搜索过程中，直至返回用户满意的结果。相关反馈使用的主要方法有向量空间模型【5 5 1 6 ，矧、根据系统排序和用户排序的比较结果在多特征和( 或者) 多相似测度问反复切换【5 “6 j 、给每个特征和( 或者) 相似测度加权并且根据用户正、负反馈修改权重 5 4 , 4 s , s2 1 、白组织特征映射 4 2 1 、创建基于概率的用户模型 1 7 , 1 8 , 4 6 1 、应用个基于准则的模型1 1 i 】、修改距离测度i ”、重组查询结果 6 1 5 , 1 3 】、以及特征密度估计| 4 3 , 4 1 】。图1 3 总结了以上方法应用于基于内容图像检索的一般流程。1 3 医学图像检索自从伦琴在1 8 9 5 年发现x 射线，并将其应用于医学诊断以来，医生已经可以通过医学影像图片看到内在的病变区域，从而把无创诊断的可视化推向一个新的时代。随着医学影像设备的发展，以计算机技术为核心的影像设备的应用在临床诊断中逐渐普及，不仅提高了症疗效率，而且实现了医学影像分析定量化，从单纯的可视化( 看见) 到定量化( 看清) ，这极大地提高了临床诊断的正确性和准确性。计算机图像数字化技术和网络技术在医学领域的进步促成了医学数字化成像和归档技术、远程医疗技术和电子病历在世界范围的推广应用，有效管理可视化信息的需求变得日益迫切。特别是，如何进行高效的图像传输及存储，并且在基于图像理解的基础上对数据库进行查询和检索的高技术研究已经受到广泛关注【7 7 , 7 8 , 7 9 】。在这些新领域中，综合多种技术来解决问题是其主要特征，例如数据库技术，图像处理和分析理解，基于知识的系统和基于上下文的压缩。其中，最具挑战性的问题就是开发一套工具，能被用来分析图像内容，并提取刻画图像的有效特征，以第一军医大学博士学位论文便于医生的检索和对照。在临床应用中，医学图像数据库是诊断医学和预防医学的关键部件| 8 0 , s l i 。传统的片库式管理图像数据由于需要庞大的空间存储胶片，而且原始的卡片检索手段以及复杂的分发和借阅手续已经无法适应现代化医院发展的需要。因此，图像数据库的发展趋势必然是实现图像及其相关的完备医疗档案的数字化。p a c s ( p i c t u r ea r c h i v i n ga n dc o m m u n i c a t i o ns y s t e m s ) ，即图像归档与通信系统技术最终实现了医疗环境下跨病区运作，完成数字化医学图像的获取、诊断和归档管理，并且在网络技术支持下实现了共享医疗资源的全局访问，为远程医疗奠定了基石。目前构建p a c s 系统的基础是现代化的数字成像技术和医学图像通信协议( d i c o m 3 0 ) ，但是与此不相协调的是，在d i c o m 网络中图像的选取和查找还止步于按字母编排顺序进行检索的传统方法上。显然，贫乏的字母信息是无法取代医学图像所蕴含的丰富信息。所以，基于视觉( 基于内容) 的图像检索技术的研究必然会对医学图像数据库的充分开发带来新的变革【“。最近1 0 多年来，c b i r 方法的研究应用于无组织图像( 如因特网上的图像) 以及视频检索已经取得了长足的发展，并且取得了出色的研究成果，如麻省理工大学的p h o t o b o o k l 8 3 1 ，i b m 公司的q b i c l 8 4 1 等。国内各大院校在c b i r 方法的研究上也有了许多发展，其中比较有代表性的是中国微软研究院开发的i h n d 系统【8 5 】，国防科技大学研发的一个基于内容的视频新闻节目浏览检索系统( n e w s v i d e o c a r ，n e w sv i d e oc o n t e n ta n a l y s i s & r e s p r e s e n t a t i o n ) 陋j 。但是由于一般研究者缺乏获取医学图像特性去组成有效检索计算方案，所以此类c b i r 系统在医学背景下使用是无法保证有意义的查询。近期，国际上报道了一些为特定的医学任务而开发的医学图像c b i r系统。例如k o r n 等为检查乳腺中肿瘤形状的x 光图像检索系统 8 9 】；专用于高分辨c t 的肺部图像的a s s e r t 系统f 8 7 1 ：c h u 等针对脑损害构建了基于知识的c t 、m r 图像检索系统【“。但是这些方法所涉及的概念是面向任务的，研究方法不可传递到其它医学应用上。1 4 论文的研究目的和意义本文研究所涉及的医学图像检索是以一幅具有某种诊断意义的医学图像作为查询，该查询一旦提交，数据库就会根据设计的方案，返回所有与查询图像视觉上相似的检索结果。其中关键环节是开发医学图像相似性模型以改善检索性能。在医学图像数据库中，研究基于内容的图像检索方法仍然存在着一定的医学约束。对于一个影像科医生而言，他的医学知识常常是在其诊断过程的同时，通过解剖学和病理学的信息来获得的。他对医学图像的诠释不仅依赖于图像本身，还需要借助查询的上下文( 例如成像条件，成像设备等) 。尤其是，医学图像的特征数目和种类并非一成不变的，它会随着时代的进步和人类对医学认知的深化而不断“进化”。那么，在对医学图像诠释的高级层面上提交的医疗诊断查询需要对图像进行分类和类型配准。为此本文也对医学图像的分类方法进行了必要的研究，并进一步探讨了将c b i r 技术综合到医学p a c s 中的方法。在医学诊断中，c b i r 技术可以分成以下3 种应用：1 ) 原始查询。现代影像设备允许用户提交有关当前检查的相关文本信息。但是，根据有关调查显示，医务工作者并不总是能够向系统提交正确或是充分的数据。因此，基于文本的检索会在检索结果的完备性和精度上存在必然的缺陷。如果我们已经在图像类别中定义了原型图像，那么查询可以接着由c b i r 技术处理完成。我们把这种从医学p a c s 中自动检索出所有跟后续检查相关图像的c b l r 应用，称为原始查询。2 ) 语义查询。根据指定模式的范例进行基于内容的图像检索是诊断过程中，特别是在情况不明的时候，医生所进行的主要行为之一。例如，影像科医生想查找所有显示有胶质瘤的图像。注意到此类查询需要在基于知识的目标( 存在胶质瘤的脑部图像) 层面上进行，并且无法用普通的c b i r 技术来完成。这种在医生作诊断报告时，按已知疾病搜索典型图像的应用，我们称之为语义查询。然而，按语义查询的代价是可能会增加诊断的程序，并加重患者的医疗负担。3 ) 随意浏览查询。当对某种医学成像模式的图像进行科教研究时，我们通常要对大量的图像或病例进行回顾，但是由于查询主题不确定，第一军医大学博士学位论文返回的图像量过泛，以致无法得到有实质性的信息。因此，要进行此类查询，则系统中必须包含一定的医学知识。如果此时采用自动的c b i r技术对有关图像进行预选，查询结果就会更加符合需求，并且令大型数据库的处理成为可能。遍历数据库时还需要一些技术，例如查询提炼技术，它允许用户连续地修改查询条件；还有相关反馈技术，它允许用户在进行下一步查询时能根据前面查询得到的图像相关性标记来迭代逼近正确查询结果。这种应用就是随意浏览查询。当然，医学图像c b i r 技术研究的最终目标就是构建一个能综合以上应用的医学c b l r 系统。然而，事实上医学图像是如此复杂，以致图像间的相似性还一直处在研究探索阶段。因此，不可避免地，本文中部分问题仍然需要进行临床应用的深入探讨，而且由于缺乏一定的先验知识，文中提出的一些算法需要通过尝试和误差阈值的方式进行研发。虽然如此，本文通过实现算法、参数估计和选择闽值，初步建立一个面向图像内容和图像类型的c b i r 技术实验平台，以此对医学图像特征的自动提取和相似度计算方法进行一般性研究，从而为后续的研究打下基础。1 5 论文的主要工作与组织结构1 5 1 实验的设置本文实验中所用的图像数据库是由采集自珠江医院影像中心近六个月的c t 和m r i 数字化图像( d i c o m 格式) 构成。其中c t 图像约有6 0 0 0 多个序列，m r i 图像约有5 0 0 0 多个序列，总计图像量达5 万余幅。为方便算法和理论的研究，在进行实验时，我们认为每个图像序列可以用1 3 幅图像作为“关键图”来表征此次检查诊断。而由这些关键图构成的数据库是我们进行按内容查询的研究对象。事实上，这种处理方法不仅是国内外医学p a c s 系统常用的方法( 如图1 5 ) ，而且在实验中能较易控制目标图像的数据库规模，提高研究效率。8图l 5 一个p a c s 中图像管酥商酌i 云而”利用现有的c b i r 技术，通过医学图像的类型特征( 如灰度，纹理，直方图，形状等信息) 来区分医学图像是相对容易实现的( 原始查询) ，而且临床意义并不大。因为在一般情形下，医生无需通过c b l r 系统来判断图像的类型，重要的是能通过图像检索来追踪病程、对照研究和积累学习素材。本文主要针对在特定类型图像中，利用c b i r 技术进行疾病鉴别的实现方法。为此，在进行这个方面研究时，实验中选择了2 7 5 5幅c t 头部图像，其中正常图像1 1 0 3 幅，颅内出血图像6 8 9 幅，脑梗塞图像7 4 1 幅，其它2 2 2 幅。这样的比例基本反映了实际临床c t 检查的基本情况。1 5 2 评估方法评测基于内容的检索系统和比较此类系统的性能是一个需要视研究问题具体情况加以诠释的问题。有关基于内容检索的大多数文献里，研究人员提供范例查询( q b e ) ，并从视觉上评估其系统的性能。如果要对照两套基于内容检索系统，实验中首先需要提供一套性质上是一致的实验数据( g r o u n d t r u t h d a t a ) 。然后，利用一些测度来评估实验的结果。这些测度是在有关信息检索和模式识别的文献曾经提出的，例如查准率9耋= 圣垦奎兰堡圭兰堡重苎詈：( 口r e c i s i o n ) ，查全率( r e c a l l ) ，漏检率( m i s d e t e c t i o nr a t e ) 和误检率( f a l s ea l a r mr a t e ) 等。当计算得到每个基于内容的检索系统这些测度后，我们就可以根据它们检索同性质数据的性能表现来进行评价。考察一个信息检索系统的检索效果，传统的衡量标准有两个：查准率和查全率。对于图像检索而言，查准率就是检索返回的相关图像数与检索返回的所有图像数的比值，而查全率是指检索返回的相关图像数与数据库中所有相关图像总数的比值。对于一次查询而言，高查准率意味着极少的无关图像被检回，高查全率表示数据库中相关图像大多被检回。低查准率会导致类型2 误差( 误检) ，而查全率的不足时会出现类型1 误差( 漏检) 。在本文研究工作中，为了面向临床诊断的应用，对所设计的c b i r 方法将在特定的医学图像类目下进行评估。1 5 3 主要研究内容本文在研究医学图像c b l r 技术时，创新性地提出医学图像有效区域特征的自动提取方法及其相似性匹配方案，并将它应用于医学图像的检索，具体包括以下研究内容：医学图像分割的研究。应用e m 方法尽可能获得更为精确符合临床语义的分割图像。一提取医学图像区域特征的研究。图像分割后，按照分割区域提取模糊区域特征，这一方面充分描述了区域内容( 灰度、纹理和形状)特性，另一方面弱化了由于分割问题中不确定因素的影响。一提取医学图像感兴趣区域的研究。利用本文提出的感兴趣区域( r o d提取方法，能快速有效地自动提取医学图像中的r o i 及其累积直方图特征。一医学图像相似性测度的研究。本文提出了能够组合以上区域模糊特征和r o i 特征查询图像的相似性测度，确保检索返回图像不仅在视觉上，而且在诊断意义上都具有足够的相关性和相似性。在如何把c b i r 技术应用到医学p a c s 中的探讨性研究中，本文提出了适合f p a x ( 本实验室自主开发的医学p a c s 系统) 开发方案：1 0第一章绪论研究了医学c b i r 系统构架，其中包括图形用户界面( g u i ) 的设计和系统工作流程的设计。一为了有效分类医学图像，本文结合成像设各、体位方向、解剖部位和生物系统等四项信息，提出了一套全新的易于扩展的医学图像分类编码方法。研究了c b i r 系统和p a c s 结合的接口设计问题1 5 4 论文结构第一章对医学图像c b i r 技术研究的背景和意义，以及国内外现状做一个回顾。第二章介绍了研究c b i r 技术的基本方法和研究范畴。第三章介绍了医学图像特点以及在医学领域开发c b i r 技术的现有方法。第四章详细论述了医学图像区域特征的自动获取及基于内容检索新方法的研究。第五章提出在p a c s 系统中应用c b i r 技术的方法，并提出了一套新颖有效的医学图像编码方法，即m o a b 编码方法。第六章对工作进行总结，并对今后的工作和发展方向进行了展望。参考文献【1 】d a n d r o u t s o s ，亿n p l a t a n i o t i s ，a n da n v e n e t s a n o p o u l o s an o v e lv e c t o r - b a s e da p p r o a c ht oc o l o ti m a g er e t r i e v a lu s i n gav e c t o ra n g u l a r - b a s e dd i s t a n c em e a s u r e c o m p u t e rv i s i o na n di m a g eu n d e r s t a n d i n g ，s p e c i a li s s u eo nc o n t e n t - b a s e da c c e s so fi m a g ea n dv i d e ol i b r a r i e s ，7 5 ( 1 2 ) ：4 6 - 5 8 ，j u l y a u g u s t1 9 9 9 2 】j r b a c h ，c f u l l e r , a g u p t a ，a h a m p a p u r , b h o r o w i t z ，r h u m p h r e y , r j a i n ，a n dc - f s h u t h ev i r a g es e a r c he n g i n e ：a no p e nf r a m e w o r kf o ri m a g em a n a g e m e n t i ns p i es t o r a g ea n dr e t r i e v a lo fi m a g ea n dv i d e od a t a b a s e s ，f e b r u a r y1 9 9 6 【3 】j r b a c h ，s p a u l ，a n dr j a i n av i s u a li n f o r m a t i o nm a n a g e m e n ts y s t e mf o rt h ei n t e r a c t i v em t f i e v mo ff a c e s i e e et r a n s o i lk n o w l e d g ea n dd a t ae n g i n e e r i n g ，5 ( 4 ) ：6 1 9 6 2 8 ，1 9 9 3 【4 】j b a r r o s ，j f r e n c h ，wm a r t i n ，p k e b y ，a n dm c a n n o n u s i n gt h et r i a n g l ei n e q u a l i t yt or e d u c et h en u m b e ro fc o m p a r i s o n st e q u f l e df o rs i m i l a r i t y b a s e dr e t r i e v a l i ns p i es t o r a g ea n dr e t r i e v a lo fi m a g ea n dv i d e od a t a b a s e si v ,j a n u a r y1 9 9 6 篁= 量里盔耋璧圭耋：塞鎏兰【5 】s b e l o u g i e ，c c a r s o n ，h g r e e n s p a n ，a n dj m a l i k c o l o r - a n dt e x t u r e b a s e di m a g es e g m e n t a t i o nu s i n ge ma n di t sa p p l i c a t i o nt oc o n t e n t b a s e di m a g em t f i e v a l i np r o c e e d i n g so fi e e el i l t 1c o n o nc o m p u t e rv i s i o n ，1 9 9 8 【6 】a b b e n i t e z ，m b e i g i ，a n ds ec h a n g u s i n gr e l e v a n c ef e e d b a c ki nc o n t e n t b a s e di m a g em e t a s e a r c h i e e ei n t e m e tc o m p u t i n g ，2 ( 4 ) ：5 9 - 6 9 ，j u l y - a u g u s t1 9 9 8 7 】p b e r m a na n dlgs h a p i r o s e l e c t i n gg o o dk e y sf o rt r i a n g l e i n e q u a l i t y b a s e dp r u n i n ga l g o r i t h m s i np r o c e e d i n g so fi e e ew o r k s h o po nc o n t e n t - b a s e da c c e s so fi m a g ea n dv i d e od a t a b a s e s ，p p 1 2 1 8 ，j a n u a r y1 9 9 8 【8 】eb e r m a na n dl gs h a p i r o af l e x i b l ei m a g ed a t a b a s es y s t e mf o rc o n t e n t - b a s e dr e t r i e v a l c o m p u t e rv i s i o na n di m a g eu n d e r s t a n d i n g ，s p e c i a li s s u eo nc o n t e n t - b a s e da c c e s so fi m a g ea n dv i d e ol i b r a r i e s ，7 5 ( i 2 ) ：1 7 5 1 9 5 ，j u l y a u g u s t1 9 9 9 【9 】d e lb i m b o ，ep a l a ，a n ds s a n t i n i v i s u a li m a g er e t r i e v a lb ye l a s t i cd e f o r m a t i o no fo b j e c ts k e t c h e s i ni e e es y m p o s i u mo nv i s u a ll a n g u a g e s ，p p 2 1 6 - 2 2 3 ，1 9 9 4 【1 0 】gb o r g e f o m h i e r a r c h i c a lc h a m f e rm a t c h i n g ：ap a r a m e t r i ce d g em a t c h i n ga l g o r i t h m i e e et r a n s o np a t t e r na n a l y s i sa n dm a c h i n ei n t e l l i g e n c e ，1 0 ( 6 ) ：8 4 9 - 8 6 5 ，1 9 8 8 【1 1 】m b o u e ta n dc d j e r a b a v i s u a lc o n t e n tb a s e dr e t r i e v a li na l li m a g ed a t a b a s ew i t hr e l e v a n tf e e d b a c k i np r o c e e d i n g so fl m 1w o r k s h o po nm u l t i m e d i ad a l a b a s em a n a g e m e n ts y s t e m s ，p p 9 8 - 1 0 5 ，1 9 9 8 【1 2 】c a r s o n ，s b e l o n g i e ，h g r e e n s p a n ，a n dj m a l i k r e g i o n - b a s e di m a g eq u e r y i n g i np r o c e e d i l l g so fi e e ew o r k s h o po nc o n t e n t b a s e da c c e s so fi m a g ea n dv i d e ol i b r a d e s ，1 9 9 7 【1 3 j a u - y u e nc h e n ，c a b o u m