专利名称：基于医学图像模糊区域特征归类识别的相关反馈测度方法
技术领域：
本发明涉及一种图像处理方法，尤其是涉及一种基于医学图像模糊区域特征归 类识别的相关反馈测度方法。
背景技术：
随着医学数字化影像设备在临床中的日益广泛应用，电子病历和图像归档通信 系统(PACS)方面的技术不断发展，临床上每天都会产生大量图像数据(较大的医院 每天的图像数据有10G之多)。如何有效地组织、管理和输出医学图像是当前迫切 需要解决的问题。在临床中，在对未确诊临床图像进行诊断和在教学浏览研究中， 若能通过输出技术找出和该带病灶图像内容基本相同的已诊断图像，将大大提高 临床诊断的可靠性和资料收集的完整性。传统基于文本方式的数据库管理方式已 经渐渐无法满足这种需要，为此基于内容的图像输出(Content-Based Image Retrieval, CBIR)技术成为近年来该领域中的研究热点。
CBIR的基本思想是对图像内容的视觉特征如颜色、纹理、形状等底层特征进 行输出。虽然CBIR技术在自然图像的输出及视频点播中得到了较好的应用，但是 由于医学图像远比自然图像复杂，处理困难且图像收集涉及个人隐私原因难度较 大，CBIR技术在医学图像的输出应用中遇到了很大的挑战。国际上比较成功的 CBIR系统，如美国Purdue大学的X-胸片CBIR系统(ASSERT)，美国斯坦福大学 医学中心的病理图像CBIR系统(Pathfmder),美国耶鲁大学病理系的细胞CBIR系 统(PathMaster)，美国National Library of Medicine开发的脊柱x光片CBIR系统 (NHANESII)等。这些系统所涉及的医学图像是单一模态的，且处理比较容易。比 较复杂的多模态医学图像CBIR系统有德国Aachen工业大学医学院的CBIR系统 (IRMA)，但IRMA当前的研究主要集中在图像相对于模态、解剖结构及视角的方 面的自动分类方面，在带病灶图像输出方面的研究还很少涉及。病灶一般都位于 医学图像的局部区域，要有效对带病灶医学图像输出必须对该图像进行分割。受 现有分割技术限制，目前还难以实现完美分割，病灶分割的不确定性对输出结果 有较大影响。基于模糊区域特征的输出技术能在一定程度上降低这种影响。
近几年，相关反馈方法也被用于改善图像输出技术。基于该方法，系统首先根 据用户原始输出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输出的方式组合到整个后续的搜索过程
中，并不断优化输出，直至用户返回满意的结果。目前的CBIR中的相关反馈技术 绝大多数都是基于硬特征的。基于模糊区域特征的相关反馈算法还很少。有研究 者利用AdaBoost方法实现了模糊区域特征相关反馈算法，但是该方法只能对实现 不同特征之间的权重调整，而不能实现特征内的优化映射。
发明内容
本发明的目的是提供基于医学图像模糊特征归类识别的相关反馈测度方法， 该方法可有效分拣出所需的医学图像。
本发明的上述目的通过如下技术方案来实现的 一种基于医学图像模糊区域 特征归类识别的相关反馈测度方法，它包括如下步骤
1) 选取医学图像数据库中的每个医学图像进行分割，将其分割成若干区域；
2) 提取分割后的每个区域的硬特征；
3) 利用指数隶属度函数将步骤2)提取的硬特征转换成模糊特征，存入特征数据 库中；
4) 选取一个待比较的医学图像，采用上述步骤1)到3)相同的处理步骤来提取待 比较医学图像的模糊特征，计算待比较医学图像的模糊特征和特征数据库中的医 学图像的模糊特征的模糊相似度，根据模糊相似度的大小，对特征数据库系统中 输出的医学图像进行排序，按照由高到低的顺序输出相似度高的M幅图像，这M幅 图像称之为一次输出图像，其中模糊相似度按照从高到低前50%的图像称之为一次 相关图像，后50%的图像称之为一次非相关图像；
5) 将这M幅一次输出图像的模糊特征带入到基于模糊相似度的反馈测度中进 行计算，重新计算待比较医学图像和特征数据库中所有医学图像的模糊相似度， 按照模糊相似度由高到低的顺序再输出N幅图像，这N幅图像称之为二次输出图 像。
所述步骤5)中的基于模糊相似度的反馈测度的处理过程如下 5a)通过最大化査询待比较图像和一次相关图像的模糊相似度的加权乘积来 得到外权重项和内权重项，
5b)在得到外权重项《和内权重项『:后，重新计算待比较图像和特征数据库 中所有医学图像之间的模糊相似度，根据模糊相似度的大小对特征数据库中的医学图像重新进行排序，输出前N幅图像。
本发明可以做如下改进该方法还包括步骤6):
不断重复步骤5)的处理过程，将步骤5)获得的输出图像的模糊特征带入到基于 模糊相似度的反馈测度中进行计算，重新计算待比较医学图像和特征数据库中所 有医学图像的模糊相似度，最后输出与待比较医学图像相似度高的前L幅医学图 像。
本发明中，步骤6)是步骤5)的循环迭代过程，其处理过程和步骤5)的处理过程 一样，步骤5)获得的二次输出图像中模糊相似度按照从高到低前50%的图像称之为 二次相关图像，后50%的图像称之为二次非相关图像；将步骤5)获得的所有的二次 输出图像的模糊特征带入到基于模糊相似度的反馈测度中进行计算，重新计算待 比较医学图像和特征数据库中所有医学图像的模糊相似度，按照模糊相似度由高 到低的顺序再输出多幅图像，步骤6)的循环迭代可以根据需要进行一次或两次或多 次迭代，最后输出与待比较医学图像相似度高的L幅医学图像。
本发明上述步骤1)是利用参数受限高斯混合模型的EM算法对医学图像进行分 割本发明可以作如下改进在步骤l)之前采用高斯滤波对输入图像进行预处理，以
降低噪声对图像处理的影响，具体通过线性变换(1 —LJx255"1"^ —U将所有像 素点的灰度值变换到0 255的范围内，其中，I为图像灰度值，Imin为图像灰度的最
小值，Imax为图像灰度的最大值。
本发明中所述的硬特征包括平均灰度特征、不变矩形状特征、Gabor纹理特征、 方向直方图特征。
本发明中所述的M值为80 100， N值为60 80， L值为10 30。
与现有技术相比，本发明具有如下显著效果
(1) 本法发明利用参数受限高斯混合模型的EM算法对医学数据库中的每个医 学图像进行分割。该分割方法利用EM算法对参数受限高斯混合模型参数做动态估 计时限制各分割参数的动态范围。这个限制使得在优化迭代时，高斯混合模型中 的各高斯函数保持稳定。从而得到比较好的分割结果。
(2) 本法发明采用指数隶属度函数提取各分割区域的模糊特征。在所表达的模糊特征的基础上，提出的模糊相似测度中的距离项位于指数计算中的分子项，计 算简单且易于扩展。
(3) 本法发明采用模糊特征对医学图像进行表达，能有效降低分割不确定性对 输出的影响。
(4) 本发明通过最大化相关图像和待比较图像之间的模糊相似度的积来优化输 出，虽然指数函数是非线性的，但是由于指数函数相乘时，其指数项是线性相加 的，模糊相似度采用相乘的方式组合时，指数项的组合方式就是线性的，这使得 我们能够采用常用的拉格朗日方法来解这个优化问题，且可以得到唯一解析解， 提高了计算的速度。
图l为本发明的流程图。
具体实施例方式
一种基于医学图像模糊区域特征归类识别的反馈测度方法，如图1所示，具体
包括如下步骤
步骤l，从医院PACS系统中读入医学图像，分别采用高斯滤波对输入图像进行
预处理，以降低噪声对图像处理的影响，然后通过线性变换
(I-Imin)x255/(Imax-U)将所有像素点的灰度值变换至扣 255的范围内，其中，伪
图像灰度值，Imin为图像灰度的最小值，Imax为图像灰度的最大值；
步骤2，利用参数受限高斯混合模型的EM算法对医学数据库中的所有医学图 像进行分割，将其分割成若干区域，其中参数受限高斯混合模型如下所示
/(xi ) = f>^(xi《)，你i《)=7ri^7reXp{—4fc^",A《^ ，
tf (2，) 2 cr,.
其中A和^分别是第Z个高斯函数的均值和方差；
x表示一维的图像灰度特征，
《为高斯函数的个数， "'为混合权重，
基于参数受限高斯混合模型的EM算法，利用EM算法对参数受限高斯混合模
型参数做动态估计，迭代时各参数计算公式不变，每次更新^后，如果发现 CT'>CT',，则强制使°"'=°"^ 。这个限制使得在优化迭代时，高斯混合模型中的 各高斯函数保持稳定。具体分割时，首先将图像利用参数受限的EM算法分成两个区域，分别计算图 像的平均类间距和类内距，如果某个区域的类内距大于平均类间距，就将分类区 域数加一，再重新分割，通过这种方法自动确定分割的若干个区域数，分割所采 用的参数受限EM算法就是在利用EM算法对图像进行分割时控制代表各分割区域 高斯函数的参数"的大小，如果"超出某个范围，就强制让"回到该范围内。该 方法使得EM算法在迭带过程中保持稳定，可以得到比较好的分割结果。
步骤3，提取分割后的每个区域的平均灰度特征、不变矩形状特征、Gabor纹 理特征、方向直方图特征这些硬特征，利用指数隶属度函数将提取的硬特征转换 成模糊特征，存入特征数据库中，该指数隶属度函数如下所示
其中，A表示硬特征中心，"和硬特征分布均方差成正比；
步骤4，选取一个待比较的医学图像，采用上述步骤1)到3)相同的处理步骤来 提取待比较医学图像的模糊特征，并且将待比较医学图像的模糊特征和特征数据 库中的医学图像的模糊特征做比较，计算模糊相似度，根据模糊相似度的大小， 对特征数据库系统中输出出的医学图像进行排序，按照由高到低的顺序输出相似 度高的80 100幅图像，这些图像称之为一次输出图像，其中模糊相似度按照从高 到低前50%的图像称之为一次相关图像，后50%的图像称之为一次非相关图像；
该步骤中，采用如下公式来计算待比较医学图像的模糊特征和特征数据库中 的医学图像的模糊特征的模糊相似度
其中，对于上述指数隶属函数定义的如下模糊集合A和B:
A(X) = eXp(-l^^)， ，exp(」x:，12)
它们之间的模糊相似度为
2 2ctb
在进行图像各区域之间的匹配时，釆用UFM算法。
步骤5，将这80 100幅一次输出图像的模糊特征带入到基于模糊相似度的反馈 测度中进行计算，重新计算待比较医学图像和特征数据库中所有医学图像的模糊 相似度，按照模糊相似度由高到低的顺序再输出60 80幅图像，这些图像称之为二次输出图像；
所述步骤5)中的基于模糊相似度的反馈测度的处理过程如下 5a)通过最大化査询待比较图像和一次相关图像的模糊相似度的加权乘积来得 到外权重项和内权重项，具体过程如下
在第一次结果输出后，待比较图像^中的各区域和相关图像的各区域之间已 经完成了匹配，假设"W"表示第"个相关图像^"中和输出图像中的第W个区域
么所匹配区域的下标，即"附"表明仏和^^二"匹配，仏和第"个相关图像的第A
个区域^^的模糊相似度为
其中，"二为外权重项；
『二为内权重项；
^ 和°^是区域^ 的关于第1'类特征的模糊内容特征参数； /4和4是区域关于第/类特征的模糊内容特征参数；
基于模糊特征的相关反馈算法就是通过最大化査询待比较图像和一次相关图 像的模糊相似度的加权乘积来得到外权重项《和内权重项P^，约束条件为
^丄=1 det(Ol
"1《 ，优化结果为-
丄
《-(det(《))S(《)-1
(《+°"二)
Wm = U二
s A
A = z二 ""尤"(〃二 — 乂鹏)r『:(〃二 — 乂卿)
其中，《表示第z'类特征均值^的长度； ,表示向量^'中的第r个元素；
5b)在得到外权重项"二和内权重项『:后，重新计算待比较图像^和特征数据
库中所有医学图像之间的模糊相似度，根据模糊相似度的大小对特征数据库中的医学图像重新进行排序，输出前60 80幅图像。
步骤6，不断重复步骤5)的处理过程，将步骤5)获得的输出图像的模糊特征带 入到基于模糊相似度的反馈测度中进行计算，重新计算待比较医学图像和特征数 据库中所有医学图像的模糊相似度，最后输出与待比较医学图像相似度高的前 10 30幅医学图像。
步骤6可根据实际需要进行选取，如果步骤5)输出的图像就满足要求，则无需 步骤6，步骤6)的循环迭代可以根据需要进行一次或两次或多次迭代。
在本发明的实施方式不限于此，上述一些参数的获得也可以用类似的计算公 式获得，特征选取、模糊特征参数等，在此不一一列举；根据本发明的上述内容， 按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提 下，本发明还可以做出其它多种形式的等效修改、替换或变更，均可实现本发明 目的。
权利要求
1、一种基于医学图像模糊区域特征归类识别的相关反馈测度方法，其特征在于包括如下步骤1)选取医学图像数据库中的每个医学图像进行分割，将其分割成若干区域；2)提取分割后的每个区域的硬特征；3)将步骤2)提取的硬特征转换成模糊特征，存入特征数据库中；4)选取一个待比较的医学图像，采用上述步骤1)到3)相同的处理步骤来提取待比较医学图像的模糊特征，计算待比较医学图像的模糊特征和特征数据库中的每个医学图像的模糊特征的模糊相似度，根据模糊相似度的大小，对特征数据库中医学图像进行排序，按照模糊相似度由高到低的顺序输出M幅图像，这M幅图像称之为一次输出图像，其中模糊相似度按照从高到低前50％的图像称之为一次相关图像，后50％的图像称之为一次非相关图像；5)将这M幅一次输出图像的模糊特征带入到基于模糊相似度的反馈测度中进行计算，重新计算获取待比较医学图像和特征数据库中所有医学图像的模糊相似度，按照模糊相似度由高到低的顺序再输出N幅图像，这N幅图像称之为二次输出图像。
2、 根据权利要求l所述的反馈测度方法，其特征在于所述步骤5)中的基于模糊相似度的反馈测度的处理过程如下a) 通过最大化查询待比较图像和一次相关图像的模糊相似度的加权乘积来得到外权重项 和内权重项；b) 在得到外权重项和内权重项后，重新计算待比较图像和特征数据库中所有医学图像之 间的模糊相似度，根据模糊相似度的大小对特征数据库中的医学图像重新进行排序，输出前 N幅图像。
3、 根据权利要求l所述的反馈测度方法，其特征在于该方法还包括步骤6): 不断重复步骤5)的处理过程，将步骤5)获得的输出图像的模糊特征带入到基于模糊相似度的反馈测度中进行计算，重新计算获取待比较医学图像和特征数据库中所有医学图像的模糊相似度，最后输出与待比较医学图像相似度高的前L幅医学图像。
4、 根据权利要求l所述的反馈测度方法，其特征在于对步骤l)中的输入医学图像采用高斯滤波进行预处理。
5、 根据权利要求l所述的反馈测度方法，其特征在于上述步骤3)是利用指数隶属度函数将硬特征转换成模糊特征。
6、 根据权利要求l所述的反馈测度方法，其特征在于所述的M值为80 100， N值为60 80。
7、 根据权利要求3所述的反馈测度方法，其特征在于所述的L值为10 30。
8、 根据权利要求l所述的反馈测度方法，其特征在于上述步骤l)是利用参数受限高斯 混合模型的EM算法对医学图像进行分割。
9、 根据权利要求1或5所述的反馈测度方法，其特征在于所述的硬特征包括平均灰度特 征、不变矩形状特征、Gabor纹理特征、方向直方图特征。
全文摘要
本发明公开了一种基于医学图像模糊区域特征归类识别的相关反馈测度方法，它包括如下步骤1)选取医学图像数据库中的所有医学图像进行分割；2)提取分割后的每个区域的硬特征；3)将硬特征转换成模糊特征，存入特征数据库中；4)选取一个待比较的医学图像并提取其模糊特征，获取待比较医学图像和特征数据库中的医学图像的模糊相似度，根据模糊相似度的大小，对特征数据库中的医学图像进行排序，由高到低输出M幅图像；5)将这M幅一次输出图像的模糊特征带入到基于模糊相似度的反馈测度中进行计算，重新计算待比较医学图像和特征数据库中所有医学图像的模糊相似度，由高到低的顺序再输出N幅图像。本反馈测度方法可有效分拣出所需的医学图像。
文档编号G06F17/30GK101609451SQ200910041048
公开日2009年12月23日 申请日期2009年7月10日 优先权日2009年7月10日
发明者冯前进, 江少锋, 安 秦, 陈武凡 申请人:南方医科大学