医学影像特征提取及计算机辅助诊断研究

王玉清 刘忠岐 王晓夫 谭丽

一汽总医院 吉林大学第四医院放射科，吉林长春 130011

[摘要] 目的 实现《医学影像诊断特征的提取及计算机辅助诊断过滤的研究》这一科研项目的软件开发。 方法 使用开源免费跨平台的面向对象的Java 编程语言和netbeans集成开发环境进行开发。采用Singleton设计模式。结果该项研究实现了由临床特征及医学影像特征到疾病诊断的过程。 结论 通过计算机技术实现计算机对疾病的辅助诊断是可行的。

[关键词] 医学影像；特征；提取；计算机；java编程语言；netbeans集成开发环境

[中图分类号] R445   [文献标识码] B   [文章编号] 2095-0616（2014）11-163-03

Medical image feature extraction and computer aided diagnosis research

WANG Yuqing  LIU Zhongqi  WANG Xiaofu  TAN Li

Department of Radiology,Faw General Hospital,the Fourth Hospital of Jilin University,Changchun 130011,China

[Abstract] Objective To realize the software development of the scientific research project "Study on Extraction of Medical Imaging Features and Computer-Aided Diagnosis and Filtration".Methods The Java programming language and Netbeans integrated development environment from the open source free cross-platform were used for development. The Singleton design mode was used. Results This project realized the process from clinical features and medical imaging features to disease diagnosis. Conclusion Realizing computer-aided disease diagnosis through computer techniques is feasible.

[Key words] Medical imaging; Feature;Extraction;Computer;Java programming language;Netbeans integrated development environment

在医学影像诊断领域，一名软件工程师或一名普通患者和一名影像诊断医师的要求是不一样的。前者要求的是：我到底得的是哪一个病。这个数学逻辑就是1=1。真理！而影像诊断医生的要求是：只想到一种病不行，怎么能够把各种可能的疾病都想到，给临床提供更多更可靠的参考，以不至于漏诊。医生的数学逻辑就是1=2或3或4或更多。IT业界的专家智能诊断系统的计算逻辑一般不会这么想，可医生实际工作中需要这么做。

所谓影像学特征，就是具有临床诊断意义的在医学影像图片上的图形表现[1]。譬如，骨膜反应、骨质破坏、软组织包块等等。本项目就是要提取这些影像特征并对其相应的选择，然后再经过软件的处理，得到相应疾病的诊断参考[2]。

软件使用对象主要是医学影像诊断医师。这个软件所提供的功能不是给患者一个唯一的确切的诊断，而是给医学影像诊断医师在一定范围内的一组诊断参考。

影像学诊断是以图为基础的。所以，软件开发要突出图的特点。例如骨膜反应，不能光有文字的描述，还要有相应的图例。

每一个诊断都要有详细的参考资料，以便诊断医师得出更加符合实际的专家级的诊断。

1 资料与方法

1.1 开发环境

使用Java编程语言和netbeans集成开发环境。项目本身不需要并发实现和远程操作，因而也就不需要数据库系统，从而降低了开发成本。开源免费，本地文件系统。

1.2 方法

1.2.1 影像特征与疾病的关系 一个疾病的影像学特征可对应多个疾病；一个疾病也包含了多个疾病的影像学特征。影像学特征和疾病是多对多的关系[3]。

1.2.2 影像特征与疾病的关系的处理 如何体现影像特征和疾病的多对多的关系是一个技术上需要考虑的问题。每一个影像特征对应多个疾病。各个影像特征所对应的疾病又有交叉重叠。譬如，骨膜反应对应的疾病有骨髓炎、骨肉瘤等；骨质破坏对应的疾病中也有骨肉瘤等[4]。以此逻辑建立的影像特征数据集合，它们所对应的疾病集合中的疾病就有重复和雍余。为了解决这个问题，在构建疾病类的时候，给每个疾病类提供一个接口[5]。当一个影像特征参数传递过来之后，每个疾病类都能自动判断该病是否包含此影像特征。如果包含，则返回该疾病的名称。这样当循环遍历由影像学特征枚举常量，并调用由各疾病枚举常量中的疾病类提供的接口，就能动态的得到每个影像特征对应的疾病集合。表面上返回的是疾病类的集合，而实际上是影像特征在每个疾病中提取的结果[6-7]。

1.2.3 数据处理 由于影像学特征和疾病都是一个非常大的数据集合，考虑到效能问题，在数据处理的时候采用“花名册”的办法来实现。也就是无论是影像学特征还是疾病的数据集合都是以它们的名称字符串的形式存在，也就是它们的“花名册”[8]。当需要查找某些数据的时候，只需要把“花名册”拿来，从中找出那些数据的名称字符串，最后才调用真正的数据。举个例子来说，当我需要从1万个人当中找出10个人，不需要把一万个人都叫来，而是把1万个人的“花名册”拿来，找出10个人，然后通知这10个人到位[9]。其他9990个人都不用被通知。

1.2.4 设计模式 设计模式采用Singleton单例模式，使软件设计更加条理清晰。软件开发之初，没有采用什么设计模式。但最终，随着事务逻辑的增加，类的数量也逐渐增加，类和类之间的关系也变得越来越复杂。最终，事务逻辑混乱，只好推倒重来。这才尝试使用设计模式[10]。效果非常满意！

1.2.5 影像特征和疾病名称的封装 为了避免名称叫法的不一致性，本软件采取了两个办法。首先对影像特征的名称字符串和疾病名称的字符串，采用枚举常量进行封装[11]。在软件开发的任何过程相应数据都不会手工输入，而是枚举常量的引用。这就避免了软件开发过程中的输入错误导致异常发生。其次，最终用户界面，对影像特征和疾病名称，皆以选项的形式呈现。从而避免了因输入查询时用户输入名称不一致带来的问题[12]。

1.2.6 辅助诊断算法 本程序的核心逻辑是当用户选择单个影像特征时，就输出这个影像特征对应的所有疾病；当用户同时选择两个或两个以上的多个影像特征时，最后输出的是每个影像特征对应疾病集合的交集。即所谓的诊断过滤[13]。对影像特征图例资源的命名，采用有意义的名称加序列号，以便在程序中动态自动的循环遍历加载数据。

1.2.7 由影像影像特征到疾病诊断算法的实现 疾病的封装，采用public EnumMap getInitTheDiseaseFeaturesMap（）方法初始化疾病的临床影像特征；然后使用public String getEnumDiseaseName（EnumFeature_DR_Bone enumDiseaseFeature）方法判断enumDiseaseFeature枚举常量是否是该疾病的临床影像特征，如果是就返回该疾病的名称字符串[14]。

定义一个接口，这个接口包含了public String getEnumDiseaseName（EnumFeature_DR_Bone enumDiseaseFeature）方法。让所有疾病都实现这个接口。疾病类-造釉细胞瘤的构建见图1。

图1  疾病类-造釉细胞瘤的构建

1.2.8 疾病诊断的算法 每当用户选择一个临床影像特征就把这个特征传递给public String getEnumDiseaseName（EnumFeature_DR_Bone enumDiseaseFeature）方法，返回这个特征对应的所有疾病集合[15]。最后，求得所有这些疾病集合的交集，就得到疾病诊断的集合。程序运行演示图见图2。

图2  程序运行演示图

2 结果

通过典型X线平片的影像特征及其相应临床特征的点选，已经能在软件的疾病诊断列表中得到相应的诊断。其基本逻辑已经实现，但还缺乏具有统计学标准的诊断结果。

3 结论

通过计算机软件的合理设计，有望实现计算机辅助下的影像学诊断，从而克服影像诊断医师经验性的、片面性的、主观性的不足，给影像诊断带来的漏诊或误诊。

4 讨论

在日常的影像诊断工作中，常常遇到这样的问题，当一个病变的影像摆在我们面前时，要做出明确的诊断甚至病变的大概性质都一时难以把握，必须翻阅厚重的书籍，而且效率低下，特别是对自己所掌握知识范围之外的东西更不易查到，也不能得到相应的提示。出现诊断片面、漏诊、误诊的几率很大。有很多的时候，诊断大夫不能做出明确的诊断，只能含糊其词结合临床，给临床大夫带来了很大的困惑，也给患者带来不必要的麻烦和经济浪费，影响医院的声誉和经济效益，实在痛惜，这与李莉在《医学影像数据分类方法研究综述》中提到的观点一致。

计算和信息以及相应硬件的快速发展给人类提供了前所未有的便利。我们的生活、工作、学习和科研一刻也离不开计算和信息科学。计算机及其计算科学的特点就是记忆持久，查阅迅速。依靠他就能弥补人的经验性的、主观性的和片面性的不足，这一观点符合CHEN Wu-Fan在《Medical Image Analysis：State of the Art and Future Directions》一文中所提出的观点。依托成熟的信息和计算技术，提高诊断水平势在必行，而且现实，值得研究。

通过某个疾病是否包含某个临床影像特征的判断，求得所选择的特征疾病集合的交集，就是诊断的逻辑。这样做逻辑简单，易于实现。但是这种对是否包含的判断过于僵硬。在用户选择特征时，误选或多选少选，都将导致诊断错误或漏诊，而在现实的疾病诊断中这是不合理的。它应该有一定的弹性度，这一观点与房春兰在《基于灌注分析模型的计算机辅助诊断》提出的观点类似。如果某个疾病有十个特征，选对8个或9个，甚至2~3个典型特征都能决定对该疾病的诊断，对其他的错选多选都不应该影响诊断。对此问题将在后续开发中解决。

[参考文献]

[1] 王伟胜，骆嘉伟，林红利.医学图像计算机辅助诊断数据平台研究[J].中国生物医学工程学报，2013，32（1）：105-108.

[2] 李莉，木拉提·哈米提.医学影像数据分类方法研究综述[J].中国医学物理学杂志，2011，28（6）：3007-3011.

[3] 朱碧云，陈卉.医学图像纹理分析的方法及应用[J].中国医学装备，2013，10（08）：77-81.

[4] 隋美荣，胡俊峰，巩萍，等.计算机辅助诊断系统在急诊影像学中的应用探讨[J].中国医疗设备，2011，26（11）：89-90.

[5] 陆阳，张书旭，袁克虹.基于云计算的远程医疗辅助诊断咨询系统[J].计算机系统应用，2012，21（12）：22-25.

[6 房春兰，陈雷霆，郑睿，等.基于灌注分析模型的计算机辅助诊断[J].计算机应用研究，2009，26（3）：1189-1191.

[7] 李博，曹鹏，栗伟，等.基于尺度空间中多特征融合的医学影像分类[J].计算机应用，2013，33（4）：1108-1114.

[8] 刘春，杨韬，王娟，等.计算机辅助诊断技术中图像纹理研究的主要方法及其应用[J].中国组织工程研究与临床康复，2009，13（39）：7721-7727.

[9] 魏葆春，王来奎.计算机辅助诊断在医学影像诊断中的应用[J].卫生职业教育，2011，29（19）：154-155.

[10] 郝欣，曹颖，夏顺仁.基于医学图像内容检索的计算机辅助乳腺X线影像诊断技术[J].中国生物医学工程学报，2009，28（6）：922-930.

[11] Chen Wu-Fan，Qin An，Jiang Shao-Feng，et al.Medical image analysis：state of the art and future directions[J].Chinese Journal ofBiomedical Engineering，2008，27（2）：175-181.

[12] 陈武凡，秦安，江少峰，等.医学图像分析的现状与展望[J].中国生物医学工程学报，2008，27（2）：175-181.

[13] 房春兰，陈雷霆，郑睿，等.基于灌注分析模型的计算机辅助诊断[J].计算机应用研究，2009，26（3）：1189-1191.

[14] LI Bin，OU Shan-xing，TIAN Lian-fang，et al.System of computer-aided detection and positioning for lung nodules[J].ApplicationResearch ofComputers，2010，27（6）：2184-2188.

[15] 陈朋果，张焜和.计算机辅助诊断的临床研究进展[J].中国现代医生，2008，46（21）：78-88.

（收稿日期：2014-03-27）