模塊，利用K均值方法進行統(tǒng)計聚類，從而把圖像分割成幾個區(qū)域，然后 提取區(qū)域的形狀特征；特征向量生成子模塊，將得到的聚類中心向量和形狀特征向量合并 成為表達各個圖像區(qū)域的特征向量。
[0031] 首先對接收到的圖像數(shù)據(jù)進行圖像分割，本申請先將圖像劃分成子塊，然后對子 塊提取其特征。子塊尺寸的選取取決于既能保持紋理有效性又保證可接收的計算時間。子 塊尺寸越小，則保持的紋理信息就越精細，但是相應(yīng)增加了計算時間；反之，子塊尺寸越大， 可以減少計算時間，但是可能會丟失一定的紋理信息并導(dǎo)致圖像分割效果較差。例如：選取 的子塊包含4X4個像素，如果圖像尺寸為256X256,那么每個圖像就會有4096個特征向 量，每個特征向量由4個特征組成，即：Ae R4，l f i f 4096，R表示被分割的圖像。第 一個特征是子塊的平均灰度，其他三個特征是小波變換的高頻子帶能量。
[0032] 為了得到三個小波矩，圖像子塊要首先進行Daubechies-4小波變換。每經(jīng)過一級 小波變換后，一個4X4子塊被分解為四個頻帶：LL、LH、HL和HH。每個頻帶包含2X2個系 數(shù)。本領(lǐng)域技術(shù)人員可以選用現(xiàn)有的頻帶特征計算方法計算得到四個頻帶的特征，再次不 再贅述。使用小波高頻子帶特征的目的在于他們可以反映圖像的紋理特性。小波各個頻帶 上的系數(shù)矩是能夠有效表達圖像紋理的。由于不同的頻帶系數(shù)表現(xiàn)出紋理在不同方向上的 變化程度。例如：HL頻帶反映了水平方向上的活動。如果圖像中帶有垂直條紋，則HL頻帶 上就反映出高能量，而LH頻帶上體現(xiàn)為低能量。
[0033] 將這些特征向量作為訓(xùn)練集，利用K均值算法進行聚類，每一類對應(yīng)于一個圖像 分割區(qū)域，即對于一副圖像由一個特征向量集F={ Ae R4, 1蘭i蘭4096}，F(xiàn)被劃分成C組 IF1,……，F(xiàn)J，分別對應(yīng)于分割圖像的C個區(qū)域（R1,……，R。}。由于聚類是在特征空間中 進行的，因此每個類中的子塊無須形成圖像中連接的區(qū)域。K均值算法可以根據(jù)是否滿足設(shè) 定的循環(huán)終止條件來自適應(yīng)調(diào)整聚類的數(shù)目C。
[0034] 圖像分割后，對分割區(qū)域提取三個額外特征用以描述每個區(qū)域的形狀特性，它們 可以是1至3階的歸一化慣量。對于一個圖像平面內(nèi)區(qū)域R i, r階歸一化慣量是一個有限 集合，其計算方式可以為：
【主權(quán)項】
1. 一種海量醫(yī)學(xué)影像數(shù)據(jù)存儲裝置，其特征在于，所述存儲裝置包括： 醫(yī)學(xué)影像數(shù)據(jù)特征模塊，其接收來自各個醫(yī)療組織的醫(yī)學(xué)影像數(shù)據(jù)，并對接收到的醫(yī) 學(xué)影像數(shù)據(jù)進行特征提取，將提取到的特征數(shù)據(jù)作為該醫(yī)學(xué)影像圖像數(shù)據(jù)的標簽進行標 記； 醫(yī)學(xué)影像數(shù)據(jù)存儲模塊，用于存儲標記后的醫(yī)學(xué)影像數(shù)據(jù)。
2. 根據(jù)權(quán)利要求1所述的裝置，其特征在于，所述醫(yī)學(xué)影像數(shù)據(jù)特征模塊包含：文字特 征提取子模塊和圖像特征提取子模塊。
3. 根據(jù)權(quán)利要求2所述的裝置，其特征在于，所述文字特征提取子模塊用于從醫(yī)學(xué)影 像數(shù)據(jù)中帶有的文字信息中提取文字特征。
4. 根據(jù)權(quán)利要求3所述的裝置，其特征在于，所述圖像特征提取子模塊包含：分割子模 塊，將影像數(shù)據(jù)中的圖像分為若干個子塊；特征提取和向量生成子模塊，提取各個圖像子塊 的灰度和紋理特征，組成向量后；聚類與形狀特征提取子模塊，利用K均值方法進行統(tǒng)計聚 類，從而把圖像分割成幾個區(qū)域，然后提取區(qū)域的形狀特征；特征向量生成子模塊，將得到 的聚類中心向量和形狀特征向量合并成為表達各個圖像區(qū)域的特征向量。
5. 根據(jù)權(quán)利要求3所述的裝置，其特征在于，所述醫(yī)學(xué)影像數(shù)據(jù)中的圖像尺寸為 256X256 ； 所述分割子模塊，將影像數(shù)據(jù)中的圖像分為包含4X4個像素的若干子塊； 所述特征提取和向量生成子模塊，得到所述圖像的4096個特征向量，每個特征向量由 4個特征組成，第一個特征是子塊的平均灰度，其他三個特征是小波變換的高頻子帶能量； 所述聚類與形狀特征提取子模塊，將所述4096個特征向量作為訓(xùn)練集，利用K均值 算法進行聚類，每一類對應(yīng)于一個圖像分割區(qū)域，對于一副圖像由一個特征向量集F={ R4, 1蘭i蘭4096}，F(xiàn)被戈Ij分成C組的，……，F(xiàn)j，分別對應(yīng)于分割圖像的C個區(qū)域 (R1，......，Rj ; 所述特征向量生成子模塊，在圖像分割后，對分割區(qū)域提取三個額外特征用以描述每 個區(qū)域的形狀特性，所述三個額外特征是1至3階的歸一化慣量，對于一個圖像平面內(nèi)區(qū)域 Ri, r階歸一化慣量是一個有限集合，其計算方式可以為：
其中，（X，Y)圖像區(qū)域&中的一點坐標，（XJ)為&的質(zhì)心，v(Ri)是&的體積，對二 維圖像來說V(Ri)是區(qū)域面積；通過對單位球的計算得到最小歸一化質(zhì)心，把單位球的第r 階歸一化慣量幾位其計算方式為：
這樣圖像的區(qū)域特征匕（I f j f C)分別由表達區(qū)域灰度、紋理的聚類中心向量和表 達區(qū)域形狀的慣量向量組成。
6. -種海量醫(yī)學(xué)影像數(shù)據(jù)存儲方法，其特征在于，所述方法包括： 接收來自各個醫(yī)療組織的醫(yī)學(xué)影像數(shù)據(jù)； 對接收到的醫(yī)學(xué)影像數(shù)據(jù)進行特征提?。? 提取到的特征數(shù)據(jù)作為該醫(yī)學(xué)影像圖像數(shù)據(jù)的標簽進行標記； 存儲所述標記后的醫(yī)學(xué)影像圖像數(shù)據(jù)。
7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述對接收到的醫(yī)學(xué)影像數(shù)據(jù)進行特征 提取包括： 從醫(yī)學(xué)影像數(shù)據(jù)中帶有的文字信息中提取文字特征； 從醫(yī)學(xué)影像數(shù)據(jù)中帶有的圖像數(shù)據(jù)中提取圖像特征。
8. 根據(jù)權(quán)利要求7所述的方法，其特征在于，所述從醫(yī)學(xué)影像數(shù)據(jù)中帶有的圖像數(shù)據(jù) 中提取圖像特征包括： 將影像數(shù)據(jù)中的圖像分為若干個子塊； 提取各個圖像子塊的灰度和紋理特征，組成向量； 利用K均值方法進行統(tǒng)計聚類，從而把圖像分割成幾個區(qū)域，然后提取區(qū)域的形狀特 征； 得到的聚類中心向量和形狀特征向量合并成為表達各個圖像區(qū)域的特征向量。
9. 根據(jù)權(quán)利要求7所述的方法，其特征在于，所述醫(yī)學(xué)影像數(shù)據(jù)中帶有的圖像尺寸為 256X256 ； 將影像數(shù)據(jù)中的圖像分為包含4X4個像素的若干子塊； 得到所述圖像的4096個特征向量，每個特征向量由4個特征組成，第一個特征是子塊 的平均灰度，其他三個特征是小波變換的高頻子帶能量； 將所述4096個特征向量作為訓(xùn)練集，利用K均值算法進行聚類，每一類對應(yīng)于一個圖 像分割區(qū)域，對于一副圖像由一個特征向量集F={ R4, 1蘭i蘭4096}，F(xiàn)被劃分成C組 (F1,……，F(xiàn)J，分別對應(yīng)于分割圖像的C個區(qū)域取，……，RJ ; 在圖像分割后，對分割區(qū)域提取三個額外特征用以描述每個區(qū)域的形狀特性，所述三 個額外特征是1至3階的歸一化慣量，對于一個圖像平面內(nèi)區(qū)域Ri, r階歸一化慣量是一個 有限集合，其計算方式可以為：
其中，（X，Y)圖像區(qū)域Ri中的一點坐標，（見Γ)為&的質(zhì)心，V(Ri)是R i的體積，對二 維圖像來說V(Ri)是區(qū)域面積；通過對單位球的計算得到最小歸一化質(zhì)心，把單位球的第r 階歸一化慣暈幾位I.，其計算方式為：
這樣圖像的區(qū)域特征匕（I f j f C)分別由表達區(qū)域灰度、紋理的聚類中心向量和表 達區(qū)域形狀的慣量向量組成。
【專利摘要】本申請?zhí)峁┮环N海量醫(yī)學(xué)影像數(shù)據(jù)存儲的方法及其裝置，所述裝置包括：醫(yī)學(xué)影像數(shù)據(jù)特征提取模塊和醫(yī)學(xué)影像數(shù)據(jù)存儲模塊；所述醫(yī)學(xué)影像數(shù)據(jù)特征提取模塊，其接收來自各個醫(yī)療組織發(fā)送來的醫(yī)學(xué)影像數(shù)據(jù)，并對每個醫(yī)學(xué)影像數(shù)據(jù)記錄進行特征提取并進行標記，并將標記過的醫(yī)學(xué)影像數(shù)據(jù)記錄發(fā)送至醫(yī)學(xué)影像數(shù)據(jù)存儲模塊。
【IPC分類】G06K9-46, G06K9-62
【公開號】CN104657733
【申請?zhí)枴緾N201510078064
【發(fā)明人】馮貴良, 張曉 , 郭本振
【申請人】馮貴良
【公開日】2015年5月27日
【申請日】2015年2月14日