[发明专利]一种医学图像识别的方法

说明书

技术领域

本发明属于医学图像的计算机分析技术的应用领域，具体涉及一种医学图像识别的方法。

背景技术

自20世纪70年代以来，随着计算机断层扫描CT、核磁共振成像MRI、超声US等医学成像技术的产生和飞速发展，医院中产生并存储了大量的可供临床诊断和分析的医学图像。近年来，随着计算机及其相关技术的迅速发展以及图形图像技术的日趋成熟，人们可以对医学图像进行任意放大、缩小、旋转、对比调整、分割、配准、三维重建等处理，医务工作者可以从多方位、多层次、多角度对医学图像进行观察，从而辅助医生对病变体及其他感兴趣区域进行重点分析，提高了临床诊断的准确性，开创了数字医疗的新时代。但是，目前图像诊断方法绝大部分仍是通过肉眼观察图像中的病变区域，依靠医生个人的临床经验和主观判断来进行诊断。该方法存在如下不足：①信息利用率不高，由于医学图像一般具有很高的分辨率(如CT图像灰度级高达4096级)，那些人眼无法分辨的图像信息和图像特征就得不到充分应用，从而会影响病情的早期判断；②医生带有个人的主观性，诊断结果很大程度上依赖于医生个人的临床经验，对于那些临床经验较少的医生来说，要做出正确的诊断是非常困难的。另外，同一张医学图像，不同的医生也有可能得出不同的诊断结果，相互之间的差别可能很大，发生误诊或漏诊现象是不可避免的；③人工观察耗时多，对于单个病人的诊断，医生直接观察患者的病变区域所耗时间和精力是可以接受，但若对大量临床图像进行病理研究时，仍然采取人工读图的方式就让人难以接受了。因此，如何充分利用计算机图像处理技术快速、准确地将医学图像中的病变区域识别出来，即确定医学图像中各组织器官所属的类别(正常或异常)，确保临床诊断更客观、准确和科学，已成为医学图像诊断中的一个关键技术。另外，医学图像识别也是可视人计划(VHP)、医学图像指导治疗技术、医学图像后处理及其治疗方法、手术计划与导航和医学虚拟现实及其相关技术等实现中的一项重要工作。

目前国内外在这方面的研究很活跃。例如，Maria-Luiza.A(Application of TataMining Techniques for MeTical Image)等人用图像挖掘方法对胸部图像进行了较为深入的研究，所提出的方法首先是对胸部图像进行预处理，然后将图像分成四个规则区域，提取每个区域的纹理特征，最后用两种算法(关联规则和神经网络)对它进行数据挖掘。该方法通过图像数据挖掘，将图像分成正常和异常两类，实现了胸部图像乳腺癌的自动诊断。Vasileios Megalooikonomou(Mining Lesion-Teficit Associationsin A Brain Image Tatabase)等人利用数据挖掘技术对脑部图像进行了研究，发现了人脑的结构与功能的联系，大大方便了医生对人脑疾病的诊断。Petra Perner(MiningKnowleTge for HEp-2 Cell Image Classification)提出基于诊断的图像挖掘系统，首先提取图像的颜色、纹理、形状等低层物理特征和专家对图像的诊断信息，然后用决策树挖掘图像特征和诊断的关联，辅助医生进行临床诊断。

对上述这些研究进行分析可以发现，目前这些医学图像分类研究所采用的方法一般是通过提取描述图像的特征集，使原始图像数据变成适合于传统数据挖掘技术的数据形式，然后进行图像分类研究；还有的是通过特征集的关联规则进行临床自动诊断研究。这些方法或多或少存在以下几个问题：①仅限于对整幅图像的特征进行挖掘研究，而临床诊断中人体图像的局部区域特征更具有临床意义。日前绝大多数的特征提取都是建立在整幅图像基础之上，或者简单地把图像分成规则的几部分，分别提取每部分的特征，这些特征不能真正表示图像中的真实信息，而识别效果的好坏很大程度上取决于所提取的特征；②用于医学图像分类的方法还停留在关联规则等传统的数据挖掘算法的直接使用上，医学图像数据是复杂和高维的，需要研究适合其特点的分类算法；③对于医学图像的识别仅局限于个别特定的组织器官，比如乳房，颅脑等，所取得的研究成果并不具有对其它器官知识挖掘应用的普遍适应性；④方法所取特征仅仅是一些基本的颜色、纹理、形状等特征，还没有充分考虑医学图像本身的特点；⑤分类方法训练时间长、准确率低，不具有实用性。因此，寻找更加高效和准确的医学图像识别方法是计算机和医学研究工作者们所追求的。

发明内容

本发明的目的在于针对现有方法的不足，提出一种医学图像识别的方法，该方法能更加准确地识别出新医学图像的类别(正常与异常)。

本发明的进一步目的还在于能够对医学图像库内的图像进行快速分类。