[发明专利]一种基于不确定定点图的医学图像检索方法

说明书

技术领域

本发明属于医疗信息技术领域，具体涉及一种基于不确定定点图医学图像检索方法。

背景技术

随着医疗卫生事业现代化的不断发展，医学图像正越来越多的应用于对病人病情的诊断以及预测等方面，并起到了显著的效果。一张医学图像不仅包含了患者病情的大量信息，而且往往对应着医生对患者做出的一系列珍贵的决策，以及患者病情的发展情况。找到与患者图像相似的医学图像，有助于发现之前和患者患有相同或相似病情的病人，并通过以往医生对此类病人做出的一系列决策和病人病情的发展情况，有助于医生结合经验知识做出合理的决策。可见，医学图像检索技术具有很强的实际应用价值和社会价值。

目前，图像检索技术主要分为：1)基于描述的图像检索，它基于图像的描述(如关键字、标题、尺寸等)进行检索；2)基于内容的图像检索，它基于图像的内容特征(如颜色直方图、对象的形状和它们在图像中的布局和位置）进行检索。但由于医学图像较一般图像有其特殊性，使其在图像检索过程中更难以处理。其特殊性是：1)医学图像要求精度高，细微的图像变化可能导致语义的变化；2)医学图像中医学本体难以识别，往往需要通过医师人为的进行标记；3)医学图像中医学本体的属性复杂，不利于发现和描述。

纹理，作为一种重要的图像特征，更是医生通过医学图像进行诊断的关键。在医学图像中，纹理不仅可以刻画医学本体的轮廓，更可以对其内部的灰度变化情况进行有效的描述，这也正是医生进行诊断的重要依据。目前已有使用局部二值模式(Local Binary Patterns,LBP)表示纹理特征和使用轮廓进行医学图像搜索等方面的研究工作。但是，这些纹理特征都是以静态的确定的数字来加以表示的，不能满足纹理结构性和不确定性的现实要求。为此提出一种能够充分表达图像纹理不确定性特征的数据模型并用其进行医学图像检索式一个亟待解决的问题。

发明内容

本发明的目的是提出一种基于不确定定点图的提高医学图像检索准确率的医学图像检索方法。

本发明的目的是这样实现的：

本发明包括如下步骤：

（1）待检索图像提出查询请求：待查询图像应为原始医学图像数据；

（2）图像预处理过程：对原始医学图像提取ROI区域即感兴趣区域，计算图像ROI区域的灰度直方图，得到图像ROI区域的灰度直方图的波谷列表，根据波谷列表对图像分级提取纹理特征，根据实际需要将得到的分级纹理图像规范化到统一的大小；

（3）图像建模：根据图像对应的纹理特征建立不确定定点图；

（4）查询不确定定点图：查询图像通过其对应的不确定定点图对不确定定点图数据库中的图进行匹配，计算不确定定点图之间的相似性，得到查询图像和原始图像数据库中图像的相似度得分；

（5）展示结果：按相似性得分降序列出所对应原始图像数据库中的图像。

不确定定点图为：一个不确定定点图是一个六元组G=(V,E,Σ,L,P,T)，其中V是顶点集，E属于V*V的边集，Σ是标签集；L：V→Σ是为顶点分配标签的标签函数；P：E→[0,1]是点的重要性指数，T是纹素的集合，在不确定定点图中，点V(i)∈V的位置(x,y)的不确定性依赖于P(V(i))，一条纹素(Texel)T(k)是指，若在不确定定点图G中存在一条路径从点V(a)到点V(b)，那么这条路径上的点就组成一条纹素T(k)={V(m),V(m+1),V(m+2)….V(n)}，其中任意两条纹素T(k)、T(j)∈T满足。

不确定定点图还包括：图像P所对应的纹理矩阵M_i[x,y]≠0，则位于图像位置横坐标为x，纵坐标为y的点(x,y)∈V，且P((x,y))=1/M(x,y)；

若对于任意两点V(j)、V(k)存在距离dis：则存在边(V(j),V(k))∈E；

产生纹素集合T并对纹素上的点赋予编号。

不确定定点图数据库通过对已有图像库中的每张图像进行预处理，对预处理过的图像集进行不确定定点图建模得到不确定定点图集D={G₁,G₂,…,G_n}，最后通过基于像素点的索引结构构建而成。

相似性包括计算纹素之间的相似性、不确定定点图G和G’之间的相似性。