專利名稱：一種對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢索的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢 索的方法和裝置。
背景技術(shù)：
隨著數(shù)字化醫(yī)學(xué)成像設(shè)備如CT、磁共振成像術(shù)(MRI， Magnatic Resonance Imaging )、超聲等在臨床工作中的廣泛應(yīng)用，醫(yī)療機(jī)構(gòu)每天都會(huì) 產(chǎn)生大量的醫(yī)學(xué)圖像數(shù)據(jù)。研究表明大型醫(yī)院的放射科每年產(chǎn)生的圖像數(shù)據(jù) 量已達(dá)到了 TB級。傳統(tǒng)的基于關(guān)鍵字檢索方法在對包含影像的醫(yī)學(xué)數(shù)據(jù)檢 索時(shí)面臨針對影像數(shù)據(jù)檢索不準(zhǔn)確的問題，作為的必要補(bǔ)充，基于內(nèi)容的醫(yī) 學(xué)圖像4企索(CBMIR, Content Based Medical Image Retrieval)成為對醫(yī)學(xué)影 像數(shù)據(jù)檢索的重要手段。對于臨床診斷、醫(yī)學(xué)教學(xué)以及醫(yī)學(xué)科研具有重要的 輔助作用。研究表明，由于醫(yī)學(xué)圖像以灰度圖像為主，圖像包含組織器官復(fù)雜，內(nèi) 容豐富。采用自然圖像檢索中常用的顏色、紋理、邊緣等全局特征難以有效 地對醫(yī)學(xué)圖像內(nèi)容進(jìn)行描述。而且通用的一次性檢索方法不提供給使用者精 化查詢功能，難以提供給查詢者滿意的效果。目前，兩階段查詢的方法成為了一種主要的改進(jìn)方向，通過給使用者提 供對檢索結(jié)果的精化功能選擇，來提高檢索精度?，F(xiàn)有方法具體包括第一步使用常用特征進(jìn)行初步檢索；第二步使用剛性配準(zhǔn)進(jìn)行精化^r索。其中，剛性配準(zhǔn)是通過將兩幅圖像中的一幅不斷進(jìn)行旋轉(zhuǎn)、平移操作找 到與另一幅圖像的最佳匹配位置的過程。通常，尋找最佳匹配位置的過程是 通過某種尋優(yōu)算法來完成的，尋優(yōu)過程中需要對其中一幅圖像進(jìn)行多次的旋 轉(zhuǎn)、平移操作。這種采用剛性配準(zhǔn)作為精化檢索方法的雖然檢索精度高，但 是響應(yīng)速度很慢，不能滿足實(shí)際需求，難以在實(shí)際臨床環(huán)境中得到應(yīng)用。發(fā)明內(nèi)容本發(fā)明實(shí)施例在于提供一種對數(shù)字化醫(yī)學(xué)圖^f象進(jìn)行;險(xiǎn)索的方法和裝置， 在保持良好檢索精度的同時(shí)能夠大幅提高檢索響應(yīng)速度，適用于臨床實(shí)際環(huán) 境。本發(fā)明實(shí)施例提供了 一種對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢索的方法，包括獲取一幅查詢例圖，根據(jù)所述查詢例圖在醫(yī)學(xué)圖像庫中進(jìn)行初步檢索， 獲得多個(gè)初步檢索圖像；使用互信息檢測所述查詢例圖和所述各初步檢索圖像之間的角度差異， 根據(jù)所述角度差異，以及查詢圖像和初步檢索圖像的質(zhì)心距離，將所述查詢 例圖分別與所述各初步檢索圖像對齊；依次計(jì)算所述查詢例圖與對齊后的各初步4全索圖像之間的歐拉距離，選 擇歐拉距離值最小的前N幅初步檢索圖像作為檢索到的目標(biāo)圖像。其中，所述使用互信息檢測所述查詢例圖和所述各初步檢索圖像之間角 度差異的步驟包括分別提取查詢例圖和各初步檢索圖像的梯度強(qiáng)度和梯度方向；對各初步檢索圖像的梯度強(qiáng)度超過第一閾值的梯度方向進(jìn)行統(tǒng)計(jì)，獲得 梯度強(qiáng)度超過所述第一闊值的梯度強(qiáng)度集合，以及超過第一閾值的各梯度強(qiáng) 度所對應(yīng)的梯度方向；對超過第一閾值的各梯度強(qiáng)度所對應(yīng)的梯度方向構(gòu)造初步檢索圖像的梯 度方向直方圖，對查詢例圖所對應(yīng)的梯度方向構(gòu)造查詢例圖的梯度方向直方 圖；根據(jù)所述初步檢索圖像的梯度方向直方圖以及查詢例圖的梯度方向直方 圖，獲得查詢例圖相對各初步檢索圖像的最小互信息；根據(jù)所述各最小互信息確定查詢例圖與各初步檢索圖像的角度差異。 其中，所述第一閾值為<formula>formula see original document page 8</formula>其中，&"力為在像素點(diǎn)"力處的梯度強(qiáng)度，m,n為圖像像素?cái)?shù)，t為閾值；所述梯度強(qiáng)度超過第一閾值的梯度強(qiáng)度集合為 G = {(x，>0|gmO，3;)^}其中，g","力為在像素點(diǎn)"，力處的梯度強(qiáng)度，G為梯度強(qiáng)度超過第一閾 值的梯度強(qiáng)度集合。其中，根據(jù)所述初步檢索圖像的梯度方向直方圖以及查詢例圖的梯度方 向直方圖，獲得查詢例圖相對各初步檢索圖像的最小互信息的步驟包括i) 根據(jù)一個(gè)初步檢索圖像的梯度方向直方圖，計(jì)算所述初步4全索圖像的 邊緣熵H(Y),其中，Y為該初步檢索圖像的梯度方向直方圖；ii) 根據(jù)查詢例圖的第一梯度方向直方圖，計(jì)算所述查詢例圖的第一邊 緣熵H(X),其中，X為該查詢例圖的第一梯度方向直方圖；iii) 根據(jù)所述初步檢索圖像的梯度方向直方圖和查詢例圖的第一梯度方 向直方圖，計(jì)算所述初步檢索圖像和查詢例圖的第一聯(lián)合熵H(X, Y),其 中，X為該查詢例圖的第一梯度方向直方圖，Y為該初步檢索圖^象的梯度方 向直方圖；iv )計(jì)算第 一 互信息MI并記錄，所述第 一 互信息v) 移動(dòng)查詢例圖的梯度方向直方圖，獲得查詢例圖的第二梯度方向直方圖；vi) 計(jì)算查詢例圖的第二邊緣熵H (X，)，其中X，為該查詢例圖的第二 梯度方向直方圖；vii) 根據(jù)所述初步^^索圖像的梯度方向直方圖和查詢例圖的第二梯度方向直方圖，計(jì)算所述初步檢索圖像和查詢例圖的第二聯(lián)合熵H (X，， Y);viii )計(jì)算第二互信息MI并記錄，所述第二互信息 M/ = ')+ //(10 - if (Z '，ix) 重復(fù)步驟v)至viii),獲得n個(gè)互信息MI，所述n為查詢例圖的 梯度方向直方圖移動(dòng)次數(shù)；x) 比較記錄的所述互信息，獲得所述查詢例圖相對所 述初步檢索圖像的 最小互信息；xi) 重復(fù)上述步驟，獲得所述查詢例圖相對各初步檢索圖像的最小互信息。其中，根據(jù)所述角度差異，以及查詢例圖和初步檢索圖像的質(zhì)心距離，將查詢例圖分別與各初步檢索圖像對齊的步驟包括以查詢例圖和各初步檢索圖像的質(zhì)心距離為平移距離，以所述角度差異 為旋轉(zhuǎn)角度，將查詢例圖分別與各初步檢索圖像對齊。其中，計(jì)算所述查詢例圖與對齊后的初步4企索圖〗象之間的歐4立3巨離的步 驟包括采用SSD公式計(jì)算所述歐拉距離，具體包括其中，SSD為歐拉距離，A, B分別代表兩幅圖像，A(i)、 B(i)分別為 A、 B圖像第i個(gè)對應(yīng)點(diǎn)的灰度值，n為兩幅圖像的對應(yīng)點(diǎn)個(gè)數(shù)；其中，A圖像為查詢例圖，B圖像為初步檢索圖像，或者，A圖像為初 步檢索圖像，B圖像為查詢例圖。本發(fā)明實(shí)施例還提供了 一種對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢索的裝置，包括圖像獲取模塊，用于獲取一幅查詢例圖；初步檢索模塊，用于根據(jù)所述查詢例圖在醫(yī)學(xué)圖像數(shù)據(jù)庫中進(jìn)行初步檢 索，獲得多個(gè)初步檢索圖像；對齊模塊，用于使用互信息檢測所述查詢例圖和所述各初步檢索圖像之 間的角度差異；根據(jù)所述角度差異，以及查詢例圖和初步檢索圖像的質(zhì)心距 離，將查詢例圖分別與各初步檢索圖像對齊；目標(biāo)圖^^莫塊，用于依次計(jì)算所迷查詢例圖與對齊后的各初步檢索圖像 之間的距離，選擇距離值最小的前N幅初步檢索圖像作為檢索到的目標(biāo)圖 像。其中，所述對齊模塊包括提取模塊，用于分別提取查詢例圖和各初步檢索圖像的梯度強(qiáng)度和梯度 方向；統(tǒng)計(jì)模塊，用于對各初步檢索圖像的梯度強(qiáng)度超過第一閾值的梯度方向 進(jìn)行統(tǒng)計(jì)，獲得梯度強(qiáng)度超過所述第一閾值的梯度強(qiáng)度集合，以及超過第一閾值的各梯度強(qiáng)度所對應(yīng)的梯度方向；直方圖構(gòu)造模塊，用于對超過第一閾值的各梯度強(qiáng)度所對應(yīng)的梯度方向 構(gòu)造初步檢索圖像的梯度方向直方圖，對查詢例圖所對應(yīng)的梯度方向構(gòu)造查詢例圖的梯度方向直方圖；最小互信息獲^^莫塊，用于根據(jù)所述初步4企索圖像的梯度方向直方圖以 及查詢例圖的梯度方向直方圖，獲得查詢例圖相對各初步檢索圖像的最小互4呂息5角度差異獲取模塊，用于根據(jù)所述各最小互信息確定查詢例圖與各初步檢索圖像的角度差異；對齊子模塊，用于根據(jù)所述角度差異，以及查詢例圖和初步檢索圖像的 質(zhì)心距離，將查詢例圖分別與各初步檢索圖像對齊。其中，所述最小互信息獲取^^莫塊包括第一計(jì)算模塊，用于根據(jù)一個(gè)初步檢索圖像的梯度方向直方圖，計(jì)算所 述初步檢索圖像的邊緣熵H (Y)，其中，Y為該初步檢索圖像的梯度方向 直方圖；第二計(jì)算模塊，用于根據(jù)查詢例圖的第一梯度方向直方圖，計(jì)算所述查 詢例圖的第一邊緣熵H(X),其中，X為該查詢例圖的第一梯度方向直方 圖；第三計(jì)算模塊，用于根據(jù)所述初步檢索圖像的梯度方向直方圖和查詢例 圖的第 一梯度方向直方圖，計(jì)算所述初步檢索圖像和查詢例圖的第 一聯(lián)合熵 H(X, Y),其中，X為該查詢例圖的第一梯度方向直方圖，Y為該初步檢 索圖像的梯度方向直方圖；第四計(jì)算模塊，用于計(jì)算第一互信息MI并記錄，所述第一互信息直方圖移動(dòng)模塊，用于移動(dòng)查詢例圖的梯度方向直方圖，獲得查詢例圖的第二梯度方向直方圖；所述第一計(jì)算才莫塊，還用于計(jì)算查詢例圖的第二邊緣熵H (X，)，其中 X，為該查詢例圖的第二梯度方向直方圖；所述第二計(jì)算模塊，還用于根據(jù)所述初步檢索圖像的梯度方向直方圖和查詢例圖的第二梯度方向直方圖，計(jì)算所述初步檢索圖像和查詢例圖的第二聯(lián)合熵H (X，， Y);所述第三計(jì)算模塊，還用于計(jì)算第二互信息MI并記錄，所述第二互信息M/ = //(Z〕 + - '，JO ;第一控制模塊，用于控制所述第一計(jì)算模塊至第三計(jì)算模塊反復(fù)執(zhí)行，獲得n個(gè)互信息MI,所述n為查詢例圖的梯度方向直方圖移動(dòng)次數(shù)；比較模塊，比較記錄的所述互信息，獲得所述查詢例圖相對所述初步4企索圖像的最小互信息；第二控制模塊，用于控制所述第一計(jì)算模塊至第三計(jì)算才莫塊、第一控制模塊以及，比較模塊反復(fù)執(zhí)行，獲得所述查詢例圖相對各初步檢索圖^^的最小互信息。其中，所述目標(biāo)圖像模塊包括歐拉公式模塊，用于依次計(jì)算所述查詢例圖與對齊后的各初步檢索圖像 之間的距離；選擇模塊，用于選擇距離值最小的前N幅初步檢索圖像作為檢索到的目 標(biāo)圖像。應(yīng)用本發(fā)明實(shí)施例，使用梯度方向互信息來估計(jì)兩幅圖像之間的角度差 距，該估計(jì)角度差距的方式在計(jì)算機(jī)上的計(jì)算時(shí)間低于1毫秒，而且準(zhǔn)確度 達(dá)到了應(yīng)用要求。與現(xiàn)有的采用剛性配準(zhǔn)的精化算法相比，本發(fā)明實(shí)施例在 達(dá)到一致的準(zhǔn)確度的情況下，響應(yīng)速度大幅提高，耗時(shí)約為剛性配準(zhǔn)的 1/30。因而，在保持良好檢索精度的同時(shí)大幅提了高檢索響應(yīng)速度，更適用 于臨床實(shí)際環(huán)境。


為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對實(shí)施例中所需 要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明 的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提 下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是根據(jù)本發(fā)明實(shí)施例的對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢索的方法流程圖；圖2是根據(jù)本發(fā)明實(shí)施例的使用互信息檢測查詢例圖和各初步檢索圖<象
之間角度差異的流程圖3是根據(jù)本發(fā)明實(shí)施例的直方圖移動(dòng)以及計(jì)算互信息的過程示意圖； 圖4是根據(jù)本發(fā)明實(shí)施例的對數(shù)字化醫(yī)學(xué)圖像進(jìn)行4全索的裝置示意圖； 圖5是應(yīng)用本發(fā)明實(shí)施例的效果示意圖。
具體實(shí)施例方式
下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行 清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而 不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作 出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
圖1是根據(jù)本發(fā)明實(shí)施例的對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢索的方法流程圖。 本實(shí)施例的檢索大體可分為兩部分初步檢索與精化檢索，如果用戶對初步 卩險(xiǎn)索結(jié)果滿意，即可停止纟企索，否則可以繼續(xù)進(jìn)^^青化4企索。本實(shí)施例具體 包括如下步驟
步驟IOI，獲取一幅查詢例該查詢例圖通常是用戶輸入的、作為比對基礎(chǔ)的圖像，在此，并不對獲 取查詢例圖的方式進(jìn)行限定，只要執(zhí)行檢索的設(shè)備如計(jì)算機(jī)能夠獲得查詢例 圖即可。
步驟102,根據(jù)所述查詢例圖在醫(yī)學(xué)圖像庫中進(jìn)行初步檢索，獲得多個(gè) 初步檢索圖像；
通過初步檢索可以快速地匹配醫(yī)學(xué)圖像庫中大量的圖像，以較好的準(zhǔn)確 率篩選出與查詢例圖相似的圖像，能有效地減少精化檢索處理的數(shù)據(jù)量。本 實(shí)例中采用灰度共生矩陣特征向量和歐拉距離作為初步檢索的特征和相似度 進(jìn)行初步檢索，以快速地對醫(yī)學(xué)圖像數(shù)據(jù)庫中的圖像進(jìn)行篩選，為精化檢索 縮小匹配圖像數(shù)量。本步驟的具體處理過程與現(xiàn)有技術(shù)完全相同，下面僅做 簡要介紹。
圖像灰度共生矩陣定義
設(shè)S為目標(biāo)區(qū)域R中具有特定空間聯(lián)系的像素對的集合，則共生矩陣P中各元素可定義為
<formula>formula see original document page 14</formula>
上式等號右邊的分子是具有某種空間關(guān)系、灰度值分別為gl和g2的像 素對的個(gè)數(shù)；分母為像素對總的和個(gè)數(shù)，其中，#代表數(shù)量，(x,, yj和 (Xl, yi)分別代表一幅圖像中的兩個(gè)點(diǎn)，(Xl, y,)所對于的灰度值gl由 函數(shù)f(xp y!)的方式表示，類似的，(x2， y2)所對于的灰度值g2由函數(shù)f (x2， y。的方式表示。這樣得到歸一化的共生矩陣P。在本實(shí)例中，空間關(guān) 系取O。、 45。、 90。和135。四個(gè)方向。 在共生矩陣基礎(chǔ)上計(jì)算5個(gè)特征
<formula>formula see original document page 14</formula>
其中，W'，力為沿坐標(biāo)軸x方向應(yīng)用式(1)計(jì)算后得到的x軸方向共生矩 陣，W'，力為沿坐標(biāo)軸y方向應(yīng)用式(l)計(jì)算后得到的y軸方向共生矩陣，a和 分別是^，力的均值和方差；6和^分別是W，力的均值和方差；^為W，力 的方差， '，力為沿設(shè)定方向應(yīng)用式(1)計(jì)算后得到的沿設(shè)定方向的共生矩陣。
在共生矩陣的勤出上，分別在0。 、 45。 、 90°和135。四個(gè)方向計(jì)算5 個(gè)特征值，這樣對每幅圖像(包括查詢例圖與數(shù)據(jù)庫中圖像)都生成了一個(gè) 20維的特征向量。歐拉距離7>式為
"(x,y)= |>,—少,)2 (7)
其中x， y分別為描述兩幅圖像的特征向量，在本例中每個(gè)特征向量包括 上述20維的數(shù)據(jù)，Xi和yi對應(yīng)為這兩個(gè)特征向量中的分量，由于本實(shí)施例是 20維數(shù)據(jù)，因而，這里n-20。
通過計(jì)算查詢例圖與庫中圖像的歐拉距離，得到距離最小的前M幅圖像 作為初4企結(jié)果，即初步?jīng)_全索圖像，本實(shí)例中M-50。
至此，得到了初步檢索圖像。
步驟103,使用互信息檢測所述查詢例圖和所述各初步^r索圖像之間的 角度差異；
由于醫(yī)學(xué)圖像成像的角度與光照條件變化不劇烈，而且人體器官具有連 續(xù)性與漸變性，梯度信息已被證明能夠有效地處理醫(yī)學(xué)圖像。因此，可通過 計(jì)算醫(yī)學(xué)圖像的梯度方向直方圖互信息來估計(jì)兩幅圖像之間的角度差異。本 步驟的具體實(shí)現(xiàn)過程參見圖2,這里不再詳述。
步驟104，根據(jù)所述角度差異，以及查詢例圖和初步檢索圖像的質(zhì)心距
離，即使用像素值替代質(zhì)量的物理質(zhì)心間的直線距離，將查詢例圖分別與各
初步檢索圖像對齊；
這里，以查詢例圖和各初步檢索圖像的質(zhì)心距離為平移距離，以所述角 度差異為旋轉(zhuǎn)角度，將查詢例圖分別與各初步檢索圖像對齊。
步驟105,依次計(jì)算所述查詢例圖與對齊后的各初步檢索圖像之間的距
離，選擇距離值最小的前N幅初步檢索圖像作為檢索到的目標(biāo)圖像。
這里，采用二維歐拉公式計(jì)算所述距離，具體包括
SSD= t(A(0-B(O)2
V '=
其中，SSD為歐拉距離，A, B分別代表兩幅圖像，A(i)、 B(i)分別為 A、 B圖像第i個(gè)對應(yīng)點(diǎn)的灰度值，n為兩幅圖像的對應(yīng)點(diǎn)個(gè)數(shù)；其中，A圖像為查詢例圖，B圖像為初步檢索圖像，或者，A圖像為初 步4企索圖像，B圖像為查詢例圖。 本例中，N=25。
至此，完成了精化檢索。
本發(fā)明實(shí)施例提供的對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢索的方法，使用梯度方向 互信息來估計(jì)兩幅圖像之間的角度差距，該估計(jì)角度差距的方式在計(jì)算機(jī)上 的計(jì)算時(shí)間低于l毫秒，而且準(zhǔn)確度達(dá)到了應(yīng)用要求。與現(xiàn)有的采用剛性配 準(zhǔn)的精化算法相比，本發(fā)明實(shí)施例在達(dá)到一致的準(zhǔn)確度的情況下，響應(yīng)速度 大幅提高，耗時(shí)約為剛性配準(zhǔn)的1/30。因而，在保持良好檢索精度的同時(shí)大 幅提了高檢索響應(yīng)速度，更適用于臨床實(shí)際環(huán)境。
參見圖2，其是根據(jù)本發(fā)明實(shí)施例的使用互信息檢測查詢例圖和各初步 檢索圖像之間角度差異的流程圖，具體包括
步驟201，分別提取查詢例圖和各初步檢索圖像的梯度強(qiáng)度和梯度方
向；
這里，通過高斯一階導(dǎo)數(shù)梯度算子分別提取查詢例圖和各初步檢索圖像 的梯度強(qiáng)度和梯度方向，具體包括
gm 0,力=v^O,力2 + ^0,力2
& O，力=arctan
其中，^和^分別為x方向和y方向高斯一階導(dǎo)it核，《為巻積運(yùn)算，I 為待提取的圖像，《和S分別為^和^與圖像I巻積結(jié)果圖，g^"，力和 g々，力為在像素點(diǎn)"力處的梯度強(qiáng)度和梯度方向，g,",力為巻積結(jié)果圖&上 "W處巻積值，g々'力為巻積結(jié)果圖Gy上"力處巻積值。
步驟202，對各初步檢索圖像的梯度強(qiáng)度超過第一閾值的梯度方向進(jìn)行 統(tǒng)計(jì)，獲得梯度強(qiáng)度超過所述第一閾值的梯度強(qiáng)度集合，以及超過第一閾值 的各梯度強(qiáng)度所對應(yīng)的梯度方向；這里，第一閾值為
V x=附x w
其中，gJ",力為在像素點(diǎn)"力處的梯度強(qiáng)度，m,n為圖像像素?cái)?shù)，t為閾
值；
這里，梯度強(qiáng)度超過第一閾值的梯度強(qiáng)度集合為.-
其中，g^,力為在像素點(diǎn)"力處的梯度強(qiáng)度，G為梯度強(qiáng)度超過第一閾
值的梯度強(qiáng)度集合。
步驟203,對超過第一閾值的各梯度強(qiáng)度所對應(yīng)的梯度方向構(gòu)造初步檢 索圖像的梯度方向直方圖，對查詢例圖所對應(yīng)的梯度方向構(gòu)造查詢例圖的梯 度方向直方本實(shí)例中采用角度分辨率為1°的360級角度直方圖。
需要說明的是，本領(lǐng)域人員可以理解，構(gòu)造直方圖的過程本身是現(xiàn)有技 術(shù)，即通過統(tǒng)計(jì)每一度上有多少像素點(diǎn)來形成直方圖。
步驟204,根據(jù)所述初步檢索圖像的梯度方向直方圖以及查詢例圖的梯 度方向直方圖，獲得查詢例圖相對各初步檢索圖像的最小互信息；
需要說明的是，如果兩幅待比較的圖像間存在角度差異，則在兩個(gè)圖像 的梯度方向直方圖上的尖峰所對應(yīng)的角度不一致，尖峰之間的角度差異則可 估計(jì)兩幅圖像之間的相對轉(zhuǎn)角。而互信息會(huì)在兩個(gè)直方圖尖峰對齊時(shí)得到最 小值，這樣，就可以通過不斷移動(dòng)查詢例圖的梯度方向直方圖同時(shí)計(jì)算與某 個(gè)初步檢索圖像的梯度方向直方圖的互信息，來找到它們的角度差異。具體 實(shí)現(xiàn)過程如下
i) 根據(jù)一個(gè)初步檢索圖像的梯度方向直方圖，計(jì)算所述初步檢索圖像的 邊緣熵H(Y),其中，Y為該初步檢索圖像的梯度方向直方其中，if(y) = —S/^"og^(力
即H (Y)是應(yīng)用式(3)計(jì)算所得
ii) 根據(jù)查詢例圖的第一梯度方向直方圖，計(jì)算所述查詢例圖的第一邊 緣熵H(X)，其中，X為該查詢例圖的第一梯度方向直方圖；其中，//(X) = -^>("log2jp(x)
即H (X)是應(yīng)用式(3)計(jì)算所得；
iii)根據(jù)所述初步檢索圖像的梯度方向直方圖和查詢例圖的第一梯度方
向直方圖，計(jì)算所述初步檢索圖像和查詢例圖的第一聯(lián)合熵H(X, Y),其
中，X為該查詢例圖的第一梯度方向直方圖，Y為該初步^r索圖像的梯度方
向直方裝中//(X," = —J>(xj)Iog2 p"力
即H(X, Y)是應(yīng)用式(3)計(jì)算所得；
iv )計(jì)算第 一 互信息MI并記錄，所述第 一 互信息
v )移動(dòng)查詢例圖的梯度方向直方圖，獲得查詢例圖的第二梯度方向直方
參見圖3，其表示了直方圖移動(dòng)以及計(jì)算互信息的過程。圖3中上一排 表示查詢例圖梯度方向直方圖，下一排表示某個(gè)初步檢索圖像的梯度方向直 方圖，從圖中可以看出，某個(gè)初步檢索圖像的梯度方向直方圖作為待比較圖 像的梯度方向直方圖， 一直保持不動(dòng)，而查詢例圖梯度方向的直方圖中的豎 條塊每次移動(dòng)一塊，每移動(dòng)一次，即得到一個(gè)查詢例圖的新的梯度方向直方 圖。圖3中的 表示計(jì)算兩個(gè)直方圖之間的互信息。
vi) 計(jì)算查詢例圖的第二邊緣熵H (X，)，其中X，為該查詢例圖的第二
梯度方向直方vii) 根據(jù)所述初步檢索圖像的梯度方向直方圖和查詢例圖的第二梯度方 向直方圖，計(jì)算所述初步檢索圖像和查詢例圖的第二聯(lián)合熵H (X，， Y);
viii )計(jì)算第二互信息MI并記錄，所述第二互信息
ix)重復(fù)步驟v)至viii)，獲得n個(gè)互信息MI,所述n為查詢例圖的 梯度方向直方圖移動(dòng)次數(shù)；
參見圖3,每移動(dòng)一次查詢例圖梯度方向的直方圖，即可根據(jù)新得到的 查詢例圖的梯度方向直方圖和初步^f全索圖像的直方圖計(jì)算出一個(gè)新的MI, 因而，得到的n個(gè)互信息MI是經(jīng)過n次移動(dòng)查詢例圖的梯度方向直方圖得到的。
X)比較記錄的所述互信息，獲得所述查詢例圖相對所述初步檢索圖像的 最小互信息；
Xi)重復(fù)上述步驟，獲得所述查詢例圖相對各初步^^索圖像的最小互信
臺
步驟205,根據(jù)所述各最小互信息確定查詢例圖與各初步檢索圖像的角 度差異。
具體的，根據(jù)得到的對應(yīng)某個(gè)初步檢索圖像的最小互信息，可以確定針 對該初步檢索圖像的查詢例圖梯度方向直方圖的移動(dòng)次數(shù)，由于每次移動(dòng)的 角度是預(yù)先設(shè)定的，因而根據(jù)該移動(dòng)次數(shù)即可確定查詢例圖與某個(gè)初步檢索 圖像的角度差異。
重復(fù)上述過程即可得到查詢例圖與各初步檢索圖像的角度差異。
至此，實(shí)現(xiàn)了使用互信息檢測查詢例圖和各初步檢索圖像之間角度差異。
需要說明的是，圖3僅是一種實(shí)施例而已，在其他可能的實(shí)施例中，也 可以讓查詢例圖的梯度方向直方圖固定不動(dòng)，而移動(dòng)作為待比較圖像的初步 檢索圖像的梯度方向直方圖，其實(shí)現(xiàn)過程與圖3類似，不再詳述。
本發(fā)明實(shí)施例還提供了 一種對數(shù)字化醫(yī)學(xué)圖像進(jìn)行沖全索的裝置，參見圖 4,其包括
圖像獲^^莫塊401，用于獲取一幅查詢例初步才全索模塊402,用于根據(jù)所述查詢例圖在醫(yī)學(xué)圖4象數(shù)據(jù)庫中進(jìn)行初 步檢索，獲得多個(gè)初步檢索圖像；
對齊模塊403,用于使用互信息檢測所述查詢例圖和所述各初步檢索圖 像之間的角度差異，根據(jù)所述角度差異，以及查詢例圖和初步檢索圖^f象的質(zhì) 心距離，將查詢例圖分別與各初步檢索圖像對齊；
目標(biāo)圖像一莫塊404,用于依次計(jì)算所述查詢例圖與對齊后的各初步;f企索 圖像之間的距離，選擇距離值最小的前N幅初步檢索圖像作為檢索到的目標(biāo) 圖像。上述對齊模塊可以具體包括
提取模塊，用于分別提取查詢例圖和各初步檢索圖像的梯度強(qiáng)度和梯度
方向；
統(tǒng)計(jì)模塊，用于對各初步檢索圖像的梯度強(qiáng)度超過第一閾值的梯度方向 進(jìn)行統(tǒng)計(jì)，獲得梯度強(qiáng)度超過所述第一閾值的梯度強(qiáng)度集合，以及超過第一
閾值的各梯度強(qiáng)度所對應(yīng)的梯度方向；
直方圖構(gòu)造模塊，用于對超過第一閾值的各梯度強(qiáng)度所對應(yīng)的梯度方向 構(gòu)造初步檢索圖像的梯度方向直方圖，對查詢例圖所對應(yīng)的梯度方向構(gòu)造查 詢例圖的梯度方向直方最小互信息獲取模塊，用于根據(jù)所述初步檢索圖像的梯度方向直方圖以 及查詢例圖的梯度方向直方圖，獲得查詢例圖相對各初步檢索圖像的最小互 信息；
角度差異獲取模塊，用于根據(jù)所述各最小互信息確定查詢例圖與各初步 檢索圖像的角度差異；
對齊子模塊，用于根據(jù)所述角度差異，以及查詢例圖和初步檢索圖像的 質(zhì)心距離，將查詢例圖分別與各初步檢索圖像對齊。
上述最小互信息獲取模塊可以包括
第一計(jì)算模塊，用于根據(jù)一個(gè)初步檢索圖像的梯度方向直方圖，計(jì)算所 述初步檢索圖像的邊緣熵H(Y),其中，Y為該初步檢索圖像的梯度方向 直方第二計(jì)算模塊，用于根據(jù)查詢例圖的第一梯度方向直方圖，計(jì)算所述查 詢例圖的第一邊緣熵H (X),其中，X為該查詢例圖的第一梯度方向直方 第三計(jì)算模塊，用于根據(jù)所述初步檢索圖像的梯度方向直方圖和查詢例 圖的第一梯度方向直方圖，計(jì)算所述初步檢索圖像和查詢例圖的第一聯(lián)合熵 H(X, Y),其中，X為該查詢例圖的第一梯度方向直方圖，Y為該初步枱r 索圖像的梯度方向直方第四計(jì)算模塊，用于計(jì)算第一互信息MI并記錄，所述第一互信息 M/ = (義)+//(7)—//(z, ;r);直方圖移動(dòng)模塊，用于移動(dòng)查詢例圖的梯度方向直方圖，獲得查詢例圖 的第二梯度方向直方所述第一計(jì)算模塊，還用于計(jì)算查詢例圖的第二邊緣熵H (X，)，其中
X，為該查詢例圖的第二梯度方向直方所述第二計(jì)算模塊，還用于根據(jù)所述初步檢索圖像的梯度方向直方圖和 查詢例圖的第二梯度方向直方圖，計(jì)算所述初步#全索圖像和查詢例圖的第二
聯(lián)合熵H (X，， Y);
所述第三計(jì)算模塊，還用于計(jì)算第二互信息MI并記錄，所述第二互信 息M/ = i/(Z') + if(7) — 7/(1', y)
第一控制模塊，用于控制所述第一計(jì)算模塊至第三計(jì)算模塊反復(fù)執(zhí)行， 獲得n個(gè)互信息MI,所述n為查詢例圖的梯度方向直方圖移動(dòng)次數(shù)；
比較;漠塊，比較記錄的所述互信息，獲得所述查詢例圖相對所述初步抬r 索圖像的最小互信息；
第二控制模塊，用于控制所述第一計(jì)算模塊至第三計(jì)算模塊、第一控制 模塊以及，比較模塊反復(fù)執(zhí)行，獲得所述查詢例圖相對各初步檢索圖像的最 小互信息。
所述裝置中的目標(biāo)圖像模塊可以具體包括
歐拉公式模塊，用于依次計(jì)算所述查詢例圖與對齊后的各初步檢索圖像 之間的距離，
選擇模塊，用于選擇距離值最小的前N幅初步檢索圖像作為檢索到的目 標(biāo)圖像。
本發(fā)明實(shí)施例提供的對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢索的裝置，使用梯度方向 互信息來估計(jì)兩幅圖像之間的角度差距，該估計(jì)角度差距的方式在計(jì)算機(jī)上 的計(jì)算時(shí)間低于l毫秒，而且準(zhǔn)確度達(dá)到了應(yīng)用要求。與現(xiàn)有的采用剛性配 準(zhǔn)的精化算法相比，本發(fā)明實(shí)施例在達(dá)到一致的準(zhǔn)確度的情況下，響應(yīng)速度 大幅提高，耗時(shí)約為剛性配準(zhǔn)的1/30。因而，在保持良好檢索精度的同時(shí)大 幅提了高檢索響應(yīng)速度，更適用于臨床實(shí)際環(huán)境。
對于裝置實(shí)施例而言，由于其基本相似于方法實(shí)施例，所以描述的比較 簡單，相關(guān)之處參見方法實(shí)施例的部分說明即可。參見圖5，其是應(yīng)用本發(fā)明實(shí)施例的效果示意圖，圖5中的(a)為查詢 例圖，本例中，該查詢例圖為一幅頭部CT圖像，(b)為經(jīng)初步4企索后獲得 的初步檢索圖像，(c)經(jīng)精化檢索后得到的最終目標(biāo)圖像。
本例中，假設(shè)測試數(shù)據(jù)庫中有幾百張CT圖像，包括頭顱、心肺等各個(gè) 器官的圖像，其中共有20幅與查詢例圖相似的頭顱圖像，經(jīng)初步檢索后共 返回5 0幅與查詢例圖相似的圖像，該5 0幅圖像中包含了前述2 0幅圖像中的 14幅，但是，在初步檢索結(jié)果的前25幅中只有前述14幅圖像中的4幅，如 圖5中的(b)圖所示，也就是說，經(jīng)初步檢索后，雖然可以檢到前述相似的 20幅圖像中的14幅，但這14幅圖像不一定靠前排序，其也有可能排到初檢 結(jié)果的后面，如本例中有10幅與查詢例圖相似的圖像被排到了初檢的后25 幅圖像中。經(jīng)過精化檢索后，在精才企結(jié)果的前25幅圖像中包含了前述已4企 到的14幅圖像，如圖5中的(c)圖所示，也就是說，經(jīng)過精化檢索后，可 以讓與查詢例圖最相似的圖像全部排在檢索結(jié)果的前面。
可見，應(yīng)用本發(fā)明實(shí)施例提供的方法，既能保持良好檢索精度，且能夠 大幅提高檢索響應(yīng)速度，而且還能夠使最相似的圖像排在最終檢索結(jié)果的最 前方。
間如表1所示
表l
基于灰度共生 類別名稱 矩陣特征的初 檢準(zhǔn)確率
初檢用時(shí)
(秒/304幅)
基于梯度互信 息的精化檢索 準(zhǔn)確率
基于梯度角度 互信息的精化 檢索用時(shí) (秒/50幅)
基于剛性配準(zhǔn) 的精化檢索準(zhǔn) 確率
基于剛性配準(zhǔn)的 精化檢索用時(shí) (秒/50幅)
平均值 69.33% 2.79 89.83% 87.67 89.93% 2695.83
應(yīng)用本發(fā)明實(shí)施例，有助于醫(yī)生在短時(shí)間內(nèi)查詢大量的案例圖像，為診 斷、研究、學(xué)習(xí)提供大量參考。通過對照已有圖像，降低疾病誤診率，提高 研究、學(xué)習(xí)效率。
83% 2.80 100% 87 100%
67% 2.80 93% 87 93%
75% 2.78 88% 89 88%
33% 2.79 77% 88 66%
84% 2.79 100% 88 100%
74% 2.80 81% 87 88%
2550 3499
4 4 2 6
8 6 7 o
5 5 5 4
2 2 2 2
市市市.J,K姻
03 nH3 1HI 、、！> 、b
腎需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來 將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示 這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語"包 括"、"包含"或者其任何其他變體意在涵蓋非排他性的包含，從而使得包 括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括 沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備 所固有的要素。在沒有更多限制的情況下，由語句"包括一個(gè)......"限定的
要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外 的相同要素。
本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述方法實(shí)施方式中的全部或部分步 驟是可以通過程序來指令相關(guān)的硬件來完成，所述的程序可以存儲于計(jì)算機(jī)
可讀取存儲介質(zhì)中，這里所稱得的存儲介質(zhì)，如R0M/RAM、》茲石乘、光盤等。
以上所述僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范 圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均 包含在本發(fā)明的保護(hù)范圍內(nèi)。
權(quán)利要求
1、一種對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢索的方法，其特征在于，包括獲取一幅查詢例圖，根據(jù)所述查詢例圖在醫(yī)學(xué)圖像庫中進(jìn)行初步檢索，獲得多個(gè)初步檢索圖像；使用互信息檢測所述查詢例圖和所述各初步檢索圖像之間的角度差異，根據(jù)所述角度差異，以及查詢圖像和初步檢索圖像的質(zhì)心距離，將所述查詢例圖分別與所述各初步檢索圖像對齊；依次計(jì)算所述查詢例圖與對齊后的各初步檢索圖像之間的歐拉距離，選擇歐拉距離值最小的前N幅初步檢索圖像作為檢索到的目標(biāo)圖像。
2、 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述使用互信息檢測所 述查詢例圖和所述各初步檢索圖像之間角度差異的步驟包括分別提取查詢例圖和各初步檢索圖像的梯度強(qiáng)度和梯度方向；對各初步檢索圖像的梯度強(qiáng)度超過第 一 閾值的梯度方向進(jìn)行統(tǒng)計(jì)，獲得梯度強(qiáng)度超過所述第一閾值的梯度強(qiáng)度集合，以及超過第一閾值的各梯度強(qiáng)度所對應(yīng)的梯度方向；對超過第一閾值的各梯度強(qiáng)度所對應(yīng)的梯度方向構(gòu)造初步檢索圖像的梯度方向直方圖，對查詢例圖所對應(yīng)的梯度方向構(gòu)造查詢例圖的梯度方向直方圖；根據(jù)所述初步檢索圖像的梯度方向直方圖以及查詢例圖的梯度方向直方 圖，獲得查詢例圖相對各初步檢索圖像的最小互信息；根據(jù)所述各最'J 、互信息確定查詢例圖與各初步檢索圖像的角度差異。
3、 根據(jù)權(quán)利要求2所述的方法，其特征在于， 所述第一閾值為<formula>formula see original document page 2</formula>其中，^"，力為在像素點(diǎn)"力處的梯度強(qiáng)度，m,n為圖4象像素?cái)?shù)，t為閾值；所述梯度強(qiáng)度超過第 一閾值的梯度強(qiáng)度集合為G = {(x,;0|gm(xj)X}其中，g","力為在像素點(diǎn)"力處的梯度強(qiáng)度，G為梯度強(qiáng)度超過第一閾 值的梯度強(qiáng)度集合。
4、根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)所述初步檢索圖像 的梯度方向直方圖以及查詢例圖的梯度方向直方圖，獲得查詢例圖相對各初 步檢索圖像的最小互信息的步驟包括i) 根據(jù)一個(gè)初步檢索圖像的梯度方向直方圖，計(jì)算所述初步檢索圖像的 邊緣熵H(Y),其中，Y為該初步檢索圖像的梯度方向直方圖；ii) 根據(jù)查詢例圖的第一梯度方向直方圖，計(jì)算所述查詢例圖的第一邊 緣熵H(X),其中，X為該查詢例圖的第一梯度方向直方圖；iii) 根據(jù)所述初步檢索圖像的梯度方向直方圖和查詢例圖的第一梯度方 向直方圖，計(jì)算所述初步檢索圖像和查詢例圖的第一聯(lián)合熵H(X, Y),其 中，X為該查詢例圖的第一梯度方向直方圖，Y為該初步檢索圖像的梯度方 向直方圖；iv )計(jì)算第 一 互信息MI并記錄，所述第 一 互信息v )移動(dòng)查詢例圖的梯度方向直方圖，獲得查詢例圖的第二梯度方向直方圖；vi) 計(jì)算查詢例圖的第二邊緣熵H (X，)，其中X，為該查詢例圖的第二 梯度方向直方圖；vii) 根據(jù)所述初步檢索圖像的梯度方向直方圖和查詢例圖的第二梯度方向直方圖，計(jì)算所述初步檢索圖像和查詢例圖的第二聯(lián)合熵H (X，， Y); viii )計(jì)算第二互信息MI并記錄，所述第二互信息ix) 重復(fù)步驟v)至viii),獲得n個(gè)互信息MI,所述n為查詢例圖的 梯度方向直方圖移動(dòng)次凄史；x) 比較記錄的所述互信息，獲得所述查詢例圖相對所述初步檢索圖像的 最小互信息；xi) 重復(fù)上述步驟，獲得所述查詢例圖相對各初步檢索圖像的最小互信
5、 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述角度差異，以 及查詢例圖和初步檢索圖像的質(zhì)心距離，將查詢例圖分別與各初步檢索圖像對齊的步驟包括以查詢例圖和各初步檢索圖像的質(zhì)心距離為平移距離，以所述角度差異 為旋轉(zhuǎn)角度，將查詢例圖分別與各初步檢索圖傳_對齊。
6、 根據(jù)權(quán)利要求1所述的方法，其特征在于，計(jì)算所述查詢例圖與對 齊后的初步檢索圖像之間的歐拉距離的步驟包括采用SSD公式計(jì)算所述歐拉距離，具體包括其中，SSD為歐拉距離，A, B分別代表兩幅圖l象，A(i)、 B(i)分別為 A、 B圖像第i個(gè)對應(yīng)點(diǎn)的灰度值，n為兩幅圖像的對應(yīng)點(diǎn)個(gè)數(shù)；其中，A圖像為查詢例圖，B圖像為初步才企索圖像，或者，A圖像為初 步^r索圖像，B圖像為查詢例圖。
7、 一種對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢索的裝置，其特征在于，包括 圖像獲f^莫塊，用于獲取一幅查詢例圖；初步檢索模塊，用于根據(jù)所述查詢例圖在醫(yī)學(xué)圖像數(shù)據(jù)庫中進(jìn)行初步檢 索，獲得多個(gè)初步^r索圖像；對齊模塊，用于使用互信息檢測所述查詢例圖和所述各初步檢索圖像之 間的角度差異；根據(jù)所述角度差異，以及查詢例圖和初步檢索圖像的質(zhì)心距 離，將查詢例圖分別與各初步檢索圖像對齊；目標(biāo)圖<1^莫塊，用于依次計(jì)算所述查詢例圖與對齊后的各初步檢索圖像 之間的距離，選擇距離值最小的前N幅初步^r索圖^^作為^r索到的目標(biāo)圖 像。
8、 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述對齊模塊包括 提取模塊，用于分別提取查詢例圖和各初步檢索圖像的梯度強(qiáng)度和梯度方向；統(tǒng)計(jì)模塊，用于對各初步檢索圖像的梯度強(qiáng)度超過第一閾值的梯度方向進(jìn)行統(tǒng)計(jì)，獲得梯度強(qiáng)度超過所述第一閾值的梯度強(qiáng)度集合，以及超過第一閾值的各梯度強(qiáng)度所對應(yīng)的梯度方向；直方圖構(gòu)造模塊，用于對超過第 一閾值的各梯度強(qiáng)度所對應(yīng)的梯度方向 構(gòu)造初步檢索圖像的梯度方向直方圖，對查詢例圖所對應(yīng)的梯度方向構(gòu)造查 詢例圖的梯度方向直方圖；最小互信息獲取才莫塊，用于才艮據(jù)所述初步4全索圖像的梯度方向直方圖以 及查詢例圖的梯度方向直方圖，獲得查詢例圖相對各初步才全索圖像的最小互 "息;角度差異獲取模塊，用于根據(jù)所述各最小互信息確定查詢例圖與各初步檢索圖像的角度差異；對齊子模塊，用于根據(jù)所述角度差異，以及查詢例圖和初步4企索圖像的 質(zhì)心距離，將查詢例圖分別與各初步檢索圖像對齊。
9、根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述最小互信息獲取模 塊包括第一計(jì)算模塊，用于根據(jù)一個(gè)初步檢索圖像的梯度方向直方圖，計(jì)算所 述初步檢索圖像的邊緣熵H (Y),其中，Y為該初步^r索圖像的梯度方向 直方圖；第二計(jì)算模塊，用于根據(jù)查詢例圖的第一梯度方向直方圖，計(jì)算所述查 詢例圖的第一邊緣熵H (X),其中，X為該查詢例圖的第一梯度方向直方 圖；第三計(jì)算模塊，用于根據(jù)所述初步檢索圖像的梯度方向直方圖和查詢例 圖的第 一梯度方向直方圖，計(jì)算所述初步檢索圖像和查詢例圖的第 一聯(lián)合熵 H(X, Y),其中，X為該查詢例圖的第一梯度方向直方圖，Y為該初步斗企 索圖像的梯度方向直方圖；第四計(jì)算模塊，用于計(jì)算第一互信息MI并記錄，所述第一互信息直方圖移動(dòng)才莫塊，用于移動(dòng)查詢例圖的梯度方向直方圖，獲得查詢例圖的第二梯度方向直方圖；所述第一計(jì)算模塊，還用于計(jì)算查詢例圖的第二邊緣熵H (X，)，其中X ，為該查詢例圖的第二梯度方向直方圖；所述第二計(jì)算模塊，還用于根據(jù)所述初步檢索圖像的梯度方向直方圖和查詢例圖的第二梯度方向直方圖，計(jì)算所述初步才全索圖^象和查詢例圖的第二聯(lián)合熵H (X，， Y);所述第三計(jì)算模塊，還用于計(jì)算第二互信息MI并記錄，所述第二互信 息M/ = //(Z') + 7/(7) - //(X', r);第一控制模塊，用于控制所述第一計(jì)算模塊至第三計(jì)算模塊反復(fù)執(zhí)行， 獲得n個(gè)互信息MI,所述n為查詢例圖的梯度方向直方圖移動(dòng)次^:;比較模塊，比較記錄的所述互信息，獲得所述查詢例圖相對所述初步檢 索圖像的最小互信息；第二控制模塊，用于控制所述第一計(jì)算模塊至第三計(jì)算模塊、第一控制模塊以及，比較模塊反復(fù)執(zhí)行，獲得所述查詢例圖相對各初步檢索圖像的最 小互信息。
10、根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述目標(biāo)圖像模塊包括歐拉公式模塊，用于依次計(jì)算所述查詢例圖與對齊后的各初步^企索圖傳_ 之間的距離；選擇模塊，用于選擇距離值最小的前N幅初步檢索圖像作為檢索到的目 標(biāo)圖像。
全文摘要
本發(fā)明公開了一種對數(shù)字化醫(yī)學(xué)圖像進(jìn)行檢索的方法和裝置，所述方法包括獲取一幅查詢例圖，根據(jù)所述查詢例圖在醫(yī)學(xué)圖像數(shù)據(jù)庫中進(jìn)行初步檢索，獲得多個(gè)初步檢索圖像；使用互信息檢測所述查詢例圖和所述各初步檢索圖像之間的角度差異，根據(jù)所述角度差異，以及查詢例圖和初步檢索圖像的質(zhì)心距離，將查詢例圖分別與各初步檢索圖像對齊；依次計(jì)算所述查詢例圖與對齊后的各初步檢索圖像之間的距離，選擇距離值最小的前N幅初步檢索圖像作為檢索到的目標(biāo)圖像。應(yīng)用本發(fā)明在保持良好檢索精度的同時(shí)大幅提高了檢索響應(yīng)速度，更適用于臨床實(shí)際環(huán)境。
文檔編號G06K9/64GK101576899SQ20091001213
公開日2009年11月11日 申請日期2009年6月16日 優(yōu)先權(quán)日2009年6月16日
發(fā)明者張少敏, 支力佳, 楊金柱, 偉 栗, 歡 耿, 趙大哲 申請人:東軟集團(tuán)股份有限公司