專利名稱：標識用于評估圖像相似性的圖像特征集的制作方法
技術領域：
本發(fā)明涉及一種標識用于評估圖像相似性的圖像特征集的方法。 本發(fā)明還涉及一種標識用于評估圖像相似性的圖像特征集的系統(tǒng)。 本發(fā)明還涉及一種包括所述系統(tǒng)的圖像獲取裝置。 本發(fā)明還涉及一種包括所述系統(tǒng)的工作站。
本發(fā)明還涉及一種包括指令的計算機程序產(chǎn)品，這些指令用于在計算 機上運行所述程序產(chǎn)品時執(zhí)行所述方法。
背景技術：
在US 20040247166中描述了一種用于評估圖像相似性的方法的實現(xiàn)。 這一方法利用已知診斷從包括損傷圖像的數(shù)據(jù)庫中標識與在給定圖像中存 在的損傷相似的圖像。然而，所述方法使用的圖像特征是由例如放射人員 的用戶從諸如骨刺、形狀、邊緣銳度、紋理等多個預定損傷特征中選擇的， 或者是由該方法預先確定的。
Boroczky L、 Zhao L和Lee K P在2005年6月的IEEE Symposium on Computer-based Medical Systems 中的論文"Feature subset selection for improving the performance of false positive reduction in Lung Nodule CAD"中 描述了一種選擇圖像特征集的方法的實現(xiàn)，該論文在下文中稱之為參考文 獻1。該論文公開了一種選擇特征子集的方法，用于在將例如支持矢量機 (SVM)的分類器用于肺結核計算機輔助檢測時，通過減少檢測出假肺結 核的可能性來提高所述分類器的性能。該方法使用遺傳算法從特征池中自 動確定最優(yōu)特征子集。然后，將所確定的最優(yōu)特征子集用來訓練SVM，以 將所檢測的結構分類為真結核或假結核。然而，這一方法不能用來選擇用 于標識以下圖像的圖像特征，這些圖像描繪了諸如相似損傷、相似結核和/ 或相似血管等相似對象。在下文中，術語"圖像"也可以解釋為圖像數(shù)據(jù)、 圖像數(shù)據(jù)集和根據(jù)圖像數(shù)據(jù)呈現(xiàn)的圖像。短語"描繪對象的圖像"、"示出
對象的圖像"和類似短語也可以解釋為"包括代表對象的數(shù)據(jù)的圖像數(shù)據(jù)"、 "包括代表對象的數(shù)據(jù)子集的圖像數(shù)據(jù)集"、"在根據(jù)圖像數(shù)據(jù)呈現(xiàn)的圖像 中描繪對象"。類似地，短語"在圖像中存在的對象"和類似短語也可以解 釋為"在根據(jù)圖像數(shù)據(jù)呈現(xiàn)的圖像中描繪的對象"。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種標識圖像特征集的改進方法，所述圖像特 征集用于標識描繪相似對象的圖像。
本發(fā)明的這一目的是通過一種基于訓練圖像集從圖像特征池中標識用 于評估圖像相似性的圖像特征集的方法來實現(xiàn)的，該方法包括
選擇步驟，用于從圖像特征池中選擇圖像特征子集； 獲得步驟，用于獲得測試圖像；
計算步驟，用于使用圖像特征子集，基于在來自訓練圖像集的至少一 個圖像與測試圖像之間的相似性，來計算所述至少一個圖像的機器評級；
接收步驟，用于基于在所述至少一個圖像與測試圖像之間的相似性來 接收所述至少一個圖像的用戶評級；
評價步驟，用于基于所述至少一個圖像的用戶評級和機器評級來獲得 圖像特征子集的評價；
修改步驟，用于基于評價來修改圖像特征子集；以及
接受步驟，用于基于評價來接受圖像特征子集作為圖像特征集，由此 標識圖像特征集。
從圖像特征池中選擇用于圖像特征集的圖像特征，該圖像特征池包括 但不限于在來自訓練圖像集的訓練圖像中描繪的所關注對象的圖像特征， 例如對比度、亮度、球度、維度和/或其它特征?？蛇x地，圖像特征池包括 患者特征，例如年齡、性別和體重。先從圖像特征池中選擇圖像特征子集。 圖像特征可被隨機選擇或者可以由用戶確定。也可能存在用于為圖像特征 子集選擇圖像特征的其它方案。為了確定所選圖像特征子集對于評估圖像 相似性的有用性，在獲得步驟中從訓練圖像集中選擇測試圖像。在計算步 驟中，對于測試圖像和來自訓練圖像集的至少一個圖像，獲得來自圖像特 征子集的特征的值。這些值用于基于所述至少一個圖像相對于測試圖像的
相似性來計算所述至少一個圖像的機器評級，也稱為所述至少一個圖像相 對于測試圖像的相似性的機器評級。所述至少一個圖像相對于測試圖像的 相似性的機器評級基于例如在來自訓練圖像集的所述至少一個圖像與測試 圖像之間的距離。使用來自圖像特征子集的圖像特征的值來計算該距離。 然后，向例如放射人員的用戶示出所述至少一個圖像和測試圖像。用戶基 于在測試圖像與所述至少一個圖像之間的相似性來給出所述至少一個圖像
的用戶評級。用戶評級可以例如是從1至10范圍內(nèi)的整數(shù)，其中1表示最 高相似級，10表示最低相似級。然后，所述至少一個圖像的用戶評級和機
器評級用于評價所選圖像特征子集。該評價可以涉及例如計算在映射到用 戶評級范圍中的所述至少一個圖像的機器評級與所述至少一個圖像的用戶 評級之間的絕對差值。該評價用于接受或者拒絕所選圖像特征子集作為圖 像特征集。如果該評價指示拒絕所選圖像特征子集，則使用例如遺傳算法 運算符(如變異和交叉)來修改所選圖像特征子集。然后，如上所述，評 價所修改的圖像特征子集。如果該評價指示接受所選圖像特征子集，則接 受所述圖像特征子集作為圖像特征集，然后該方法終止。作為所標識的圖 像特征集而接受的圖像特征子集可以用來利用已知診斷來標識圖像數(shù)據(jù)庫 中與給定圖像相似的圖像。有利地，由于使用至少一個圖像相對于測試圖 像的相似性的人為評級來作為所述至少一個圖像相對于測試圖像的相似性 的機器評級的參考，所標識的圖像特征集在基于圖像相似性的人為感知這 一意義上是面向于人的。
在根據(jù)本發(fā)明的方法的一種實現(xiàn)中，基于遺傳算法修改圖像特征子集。 在參考文獻1中描述了使用遺傳算法來標識圖像特征集。平均而言，使用 遺傳算法來標識圖像特征集保證了標識圖像特征集需要相對較少的修改步 驟，由此使該方法更高效。
在根據(jù)本發(fā)明的方法的一種實現(xiàn)中，該方法還包括標識步驟，用于 使用圖像特征集，基于參考圖像相對于給定圖像的相似性從圖像數(shù)據(jù)庫中 標識參考圖像。通常，該給定圖像是未診斷圖像，圖像數(shù)據(jù)庫包括診斷圖
像。可以在用于計算機輔助診斷的CAD系統(tǒng)中使用與給定圖像相似的參考圖像。
在根據(jù)本發(fā)明的方法的一種實現(xiàn)中，該方法還包括用于向用戶呈現(xiàn)給
定圖像和參考圖像的步驟。這為例如放射人員的用戶提供了在視覺上比較 給定圖像與參考圖像的機會，這可能非常有助于用戶做出診斷。
本發(fā)明的另一 目的是提供一種用于標識開頭段落中描述的那種圖像特 征集的系統(tǒng)，所述圖像特征集對于標識描繪相似對象的圖像有用的。該目 的是通過用于基于訓練圖像集從圖像特征池中標識用于評估圖像相似性的 圖像特征集的系統(tǒng)來實現(xiàn)的，該系統(tǒng)包括 -
選擇單元，用于從圖像特征池中選擇圖像特征子集；
獲得單元，用于獲得測試圖像；
計算單元，用于使用圖像特征子集，基于在來自訓練圖像集的至少一 個圖像與測試圖像之間的相似性，來計算所述至少一個圖像的機器評級；
接收單元，用于基于在所述至少一個圖像與測試圖像之間的相似性來 接收所述至少一個圖像的用戶評級；
評價單元，用于基于所述至少一個圖像的用戶評級和機器評級來獲得 圖像特征子集的評價；
修改單元，用于基于評價來修改圖像特征子集；以及
接受單元，用于基于評價來接受圖像特征子集作為圖像特征集，由此 標識圖像特征集。
本發(fā)明的另一目的是提供在開頭段落中描述的那種圖像獲取裝置，其 對于標識描繪相似對象的圖像是有用的。該目的是通過以下圖像獲取裝置 來實現(xiàn)的，該圖像獲取裝置包括用于基于訓練圖像集從圖像特征池中標識 用于評估圖像相似性的圖像特征集的系統(tǒng)，該系統(tǒng)包括
選擇單元，用于從圖像特征池中選擇圖像特征子集；
獲得單元，用于獲得測試圖像；
計算單元，用于使用圖像特征子集，基于在來自訓練圖像集的至少一 個圖像與測試圖像之間的相似性，來計算所述至少一個圖像的機器評級；
接收單元，用于基于在所述至少一個圖像與測試圖像之間的相似性來 接收所述至少一個圖像的用戶評級；
評價單元，用于基于所述至少一個圖像的用戶評級和機器評級來獲得 圖像特征子集的評價；
修改單元，用于基于評價來修改圖像特征子集；以及
接受單元，用于基于評價來接受圖像特征子集作為圖像特征集，由此 標識圖像特征集。
本發(fā)明的另一目的是提供開頭段落中描述的那種工作站，其對于標識 描繪相似對象的圖像是有用的。該目的是通過以下工作站來實現(xiàn)的，該工 作站包括用于基于訓練圖像集從圖像特征池中標識用于評估圖像相似性的 圖像特征集的系統(tǒng)，該系統(tǒng)包括
選擇單元，用于從圖像特征池中選擇圖像特征子集；
獲得單元，用于獲得測試圖像；
計算單元，用于使用圖像特征子集，基于在來自訓練圖像集的至少一 個圖像與測試圖像之間的相似性，來計算所述至少一個圖像的機器評級；
接收單元，用于基于在所述至少一個圖像與測試圖像之間的相似性來 接收所述至少一個圖像的用戶評級；
評價單元，用于基于所述至少一個圖像的用戶評級和機器評級來獲得 圖像特征子集的評價；
修改單元，用于基于評價來修改圖像特征子集；以及
接受單元，用于基于評價來接受圖像特征子集作為圖像特征集，由此 標識圖像特征集。
本發(fā)明的另一目的是提供在開頭段落中描述的那種計算機程序產(chǎn)品， 當所述計算機程序產(chǎn)品在計算機上運行時，所述計算機程序產(chǎn)品能夠標識 圖像特征集，該圖像特征集對于標識描繪相似對象的圖像是有用的。該目 的是通過由計算機設備加載的計算機程序產(chǎn)品來實現(xiàn)的，該計算機程序產(chǎn) 品包括用于基于訓練圖像集從圖像特征池中標識用于評價圖像相似性的圖 像特征集的指令，該計算機設備包括處理單元和存儲器，該計算機程序產(chǎn) 品在被加載之后向所述處理單元提供執(zhí)行以下任務的能力
從圖像特征池中選擇圖像特征子集；
獲得測試圖像；
使用圖像特征子集，基于在來自訓練圖像集的至少一個圖像與測試圖 像之間的相似性，來計算所述至少一個圖像的機器評級；
基于在所述至少一個圖像與測試圖像之間的相似性來接收所述至少一 個圖像的用戶評級；
基于所述至少一個圖像的用戶評級和機器評級來獲得圖像特征子集的
評價；
基于評價來修改圖像特征子集；以及
基于評價來接受圖像特征子集作為圖像特征集，由此標識圖像特征集。 本領域技術人員可以基于本說明書，實現(xiàn)與所述方法的改型及其變形
對應的系統(tǒng)、圖像獲取裝置、工作站和/或計算機程序產(chǎn)品的改型及其變形。 本發(fā)明的方法可以應用于當前可通過各種數(shù)據(jù)獲取方式來例行生成的
各種多維圖像，這些數(shù)據(jù)獲取方式例如但不限于磁共振成像(MRI)、計算
斷層掃描(CT)、超聲(US)、正電子發(fā)射斷層掃描(PET)、單光子發(fā)射計
算斷層掃描(SPECT)和核醫(yī)療(NuclearMedicine)。


通過下文描述的實現(xiàn)和實施例并且參照附圖，本發(fā)明的這些和其它方 面將變得清楚并可被闡明。
圖l示出了方法的示例性實現(xiàn)的流程圖； 圖2示意性地示出了系統(tǒng)的示例性實施例； 圖3示意性地示出了圖像獲取裝置的示例性實施例；以及 圖4示意性地示出了工作站的示例性實施例。 在附圖中用相同標號表示相似部分。
具體實施例方式
圖1示出了從圖像特征池中標識圖像特征集的方法100的示例性實現(xiàn) 的流程圖。在開始步驟101之后，方法100繼續(xù)選擇步驟105，該步驟用于 從圖像特征池中選擇圖像特征子集以作為候選圖像特征集。在選擇步驟105 之后，方法100繼續(xù)用于獲得測試圖像的獲得步驟110。然后，方法100繼 續(xù)計算步驟115，該步驟用于基于來自訓練圖像集的至少一個圖像與測試圖 像之間的相似性，計算所述至少一個圖像的機器評級。使用圖像特征子集 來計算所述至少一個圖像與測試圖像之間的相似性。在計算步驟115之后， 方法IOO繼續(xù)向用戶呈現(xiàn)測試圖像和所述至少一個圖像的接收步驟120。方 法100接收測試圖像與所標識的至少一個圖像之間的相似性的用戶評級。
然后，方法100繼續(xù)評價步驟125，其中基于測試圖像與所標識的至少一個 圖像之間的相似性的機器評級和用戶評級來評價圖像特征子集。如果該評 價指示不能接受該圖像特征子集作為圖像特征集，則方法100繼續(xù)修改圖 像特征子集的步驟130。在修改步驟130之后，方法100回到用于獲得測試 圖像的獲得步驟110并且繼續(xù)處理所修改的圖像特征子集。如果該評價指 示可以接受該圖像特征子集作為圖像特征集，則方法100繼續(xù)接受步驟135， 其中接受該圖像特征子集作為所標識的圖像特征子集。然后，方法100繼 續(xù)終止步驟199。
對方法100的輸入包括圖像特征池和訓練圖像集。圖像特征池可以包 括圖像中所包含的對象的圖像特征，如對比度、亮度、球度和/或維度?？?選地，圖像特征池包括患者特征，如年齡和體重。在選擇步驟105中，從 圖像特征池中選擇圖像特征子集。在選擇步驟105中，該子集的圖像特征 可以由方法100選擇或者由用戶選擇?？蛇x地，可以預先定義初始圖像特 征子集。圖像特征子集的大小被預先定義并且可以包括例如10個圖像特征。 可選地，圖像特征子集的大小可以變化。
在該方法的一種實現(xiàn)中，訓練圖像集包括存儲于數(shù)據(jù)庫中的多個所診 斷的2Dx射線圖像，各圖像在與所描畫的相似對象(如肺結核)的慣性矩 陣的兩個特征向量所確定的平面基本上相同的平面中描繪相似對象(如肺 結核)，其中第一特征向量對應于慣性矩陣的最小特征向量，第二特征向量 對應于慣性矩陣的最大特征向量。圖像特征池包括2D和3D圖像特征。圖 像特征包括但不限于所描畫的結核的體積；在所描畫的結核內(nèi)部的灰度 等級的最大值、最小值、均值和標準偏差；所描畫的結核的慣性矩陣的特 征向量比；以及所描畫的結核的表面面積。另外，圖像特征池包括患者特 征，所述患者特征包括但不限于年齡、體重、血壓和白血球數(shù)。
可選地，訓練圖像集可以包括例如由MRI獲取裝置獲取的3D圖像數(shù) 據(jù)集。所述圖像數(shù)據(jù)集可以包括代表諸如肺結核的對象的數(shù)據(jù)子集。在3D 圖像數(shù)據(jù)集的情況下，將描繪對象解釋為包括代表該對象的數(shù)據(jù)子集，并 且在根據(jù)包括代表該對象的數(shù)據(jù)子集的圖像數(shù)據(jù)集所呈現(xiàn)的視圖中描繪該 對象。
在獲得步驟110中，獲得測試圖像。通常，測試圖像是由該方法從描
繪所關注對象的訓練圖像集中隨機選擇的。存儲訓練圖像的數(shù)據(jù)庫也可以 存儲來自圖像特征池的一些圖像特征的值，諸如患者年齡、體重、診斷、 在圖像中描繪的肺結核的大小等。這些特征可以用于選擇測試圖像?？蛇x 地，可以從另一圖像集中選擇測試圖像。
在計算步驟115中，對于來自訓練圖像集的至少一個圖像和測試圖像， 獲得來自選擇步驟105中選擇的圖像特征子集的圖像特征的值。如果在數(shù) 據(jù)庫中存儲了來自圖像特征子集的圖像特征的值，則取回這些存儲值。否 則，計算來自圖像特征子集的圖像特征的值。通常，對于來自訓練圖像集 的多個訓練圖像，獲得來自圖像特征子集的圖像特征的值。所述多個訓練 圖像常常包括來自訓練圖像集的所有圖像。可選地，所述多個訓練圖像可 以由該方法或者由用戶確定。來自圖像特征子集的圖像特征的值被用來基 于在測試圖像與來自所述多個訓練圖像的相應圖像之間的相似性，計算來 自所述多個訓練圖像的圖像的機器評級。來自所述多個訓練圖像的圖像/ 的機器評級辨/, /)是在測試圖像f與圖像Z之間基于圖像特征子集中所包含 的圖像特征的Mahalanobis距離，其被定義為
其中，p和《是來自選擇步驟105中選擇的圖像特征子集P的圖像特征，p(O 和《(O是測試圖像f的特征P和《的值，P(0和《(O是圖像z'的特征; 和《的 值，而(C')^是協(xié)方差矩陣C的逆矩陣的矩陣元素。Mahalanobis距離在可 從http:〃en.wikipedia.org/wiki/Mahaanobis distance獲得的論文 "Mahalanobis
distance"中有描述。協(xié)方差矩陣C的元素CP9由圖像特征p和g的值p(/) 和《(O定義為
CM = 1￡(M')-^(W)—W，
其中，"是所述多個訓練圖像中的圖像數(shù)量，以及其中
，=丄1>(')且 7=丄￡《(0
w 3 w 。
可選地，"可以是訓練圖像集中的圖像數(shù)量。協(xié)方差矩陣在可從 http:〃en.wikipedia.or&%Jki/Covariance—matrk獲《尋的論文"Covariance matrix"中有描述。
可選地，機器評級W(f, /)是在測試圖像f與來自所述多個訓練圖像的圖像/
之間的Euclidean距離，其被定義為 = g")-P('.))2
另一機器評級可以包括基于圖像/的第一區(qū)域的直方圖和測試圖像r的第二 區(qū)域的直方圖的項。本領域技術人員將會理解存在許多適合于定義圖像相 似性和/或圖像的機器評級的函數(shù)，并且在本說明書中使用的定義僅用于舉 例說明而并非限制權利要求的范圍。
計算步驟115也可以涉及基于來自所述多個訓練圖像的圖像的計算機 器評級來標識至少一個圖像。將具有指定機器評級的來自所述多個訓練圖 像的多個圖像標識為所述至少一個圖像，其中來自所述多個訓練圖像的所 述多個圖像通常是與測試圖像最相似的圖像。圖像的數(shù)量由該方法指定。 可選地，圖像的數(shù)量可以由用戶指定。另一種可能情況是指定機器評級所 要滿足的條件。在后一情況下，將滿足指定條件的來自所述多個訓練圖像 的所有圖像標識為所述至少一個圖像。
在接收步驟120中向用戶呈現(xiàn)所述至少一個圖像和測試圖像。用戶對 測試圖像相對于所述至少一個圖像的相似性進行評級。用戶評級可以例如 是從1至10的數(shù)字評級，其中，l表示最高相似等級，IO表示最低相似等 級，或者相反?？梢源鎯τ脩粼u級和對測試圖像的參考，以供將來使用。 可選地，數(shù)據(jù)庫可以包括測試圖像相對于所標識的至少一個圖像的相似性 的先前獲取的用戶評級。在后一情況下，無需通過進行用戶交互來接收所 述至少一個圖像的用戶評級，而是從數(shù)據(jù)庫取回所述至少一個圖像的接收 用戶評級。
在評價步驟125中，基于測試圖像相對于來自訓練圖像集的至少一個 圖像的相似性的用戶評級和機器評級，評價選擇步驟105中選擇的圖像特 征子集。該評價可以涉及例如計算在映射到用戶評級范圍中的機器評級/^力 與用戶評級t/(f,/)之間的差值絕對值。差值絕對值l^^"》'""OI是總和S的 一項，其中M(/^，/))表示由函數(shù)M映射到用戶評級范圍中的至少一個圖像 /的機器評級及(^)?？偤?"可以包括利用所計算的機器評級和所接收的用戶 評級為其它訓練圖像定義的相似項。如果該評價指示所選圖像特征子集不
可接受，即如果總和S大于閾值，則方法100繼續(xù)修改步驟130。如果該評 價指示所選圖像特征子集可接受，則方法100繼續(xù)接受步驟135并且終止。
在方法100的一個實施例中，當在圖像特征子集修改了預定次數(shù)之后 沒有獲得由總和S定義的圖像特征子集的改進時，終止該方法?？蛇x地， 當對圖像特征子集的修改評價了預定次數(shù)時，終止方法IOO。所有圖像特征 子集和這些子集的評價結果存儲于日志文件中。在評價最后的圖像特征子 集之后，從日志文件取回最佳圖像特征子集并且將它標識作為圖像特征集。
本領域技術人員將理解也可以使用其它評價技術，并且所述技術是進 行舉例說明而并非限制本發(fā)明。
在修改步驟130中，通過從圖像特征子集中去除一個或者多個特征和/ 或通過添加來自圖像特征池的一個或者多個特征來修改所選圖像特征子 集。該修改可以基于任何適當算法。例如，該修改可以涉及隨機替換先前 評價的圖像特征子集中的一個圖像特征。如果所修改的圖像特征子集優(yōu)于 先前評價的圖像特征子集，例如如果所修改的圖像特征子集的上述總和S 的值小于先前評價的圖像特征子集的總和，則接受修改并且接受所修改的 圖像特征子集作為先前評價的圖像特征子集。在該方法的下一次重復中修 改所述先前評價的圖像特征子集并且評價所修改的圖像特征子集。如果所 修改的圖像特征子集并不優(yōu)于先前評價的圖像特征子集，則拒絕所修改的 圖像特征子集，并且在該方法的下一次重復中再次修改和評價先前^F價的 圖像特征子集。圖像特征子集的大小可以固定或者可以在預定義范圍內(nèi)變 化。在修改步驟130之后，該方法回到獲得步驟110并且繼續(xù)進行對所修 改的圖像特征子集的評價的下一次重復。如果該評價指示可以接受所修改 的圖像特征子集作為圖像特征子集，則在接受步驟135中接受該圖像特征 子集作為圖像特征集。
可選地，可以在評價步驟125中評價附加條件，例如圖像特征子集的 修改次數(shù)。如果修改次數(shù)超過預定的最大值，則可以在接受步驟135中接 受當前最佳圖像特征子集作為圖像特征集，然后方法100可以終止。也可 以應用其它條件
在本發(fā)明的方法100的一種實現(xiàn)中，基于遺傳算法修改圖像特征子集。 在該方法中，從圖像特征池中選擇多個圖像特征子集。如前所述，使用測試圖像和來自訓練圖像集的至少一個圖像來評價來自所述多個子集的各圖 像特征子集。在修改步驟中使用遺傳算法來修改來自所述多個子集的子集。 在參考文獻1中描述了用于修改圖像特征子集的遺傳算法的實現(xiàn)。這 里，將來自圖像特征池的圖像特征子集稱為染色體，而將圖像特征稱為基
因。來自染色體組的各染色體包括預定數(shù)量的基因，例如10個基因?？蛇x
地，不同染色體可以包括不同數(shù)量的基因。使用染色體的機器評級和用戶 評級，例如使用上述總和s，來評價染色體。評價結果被稱為染色體適合度 值。標識出最有用的染色體，即具有較高適合度值的染色體，例如具有最 低總和s的染色體。通過使用交叉和變異操作，比其它染色體更有用的染 色體被修改的可能性更高，從而創(chuàng)建新染色體組。對來自新染色體組的各 染色體進行評價。該修改-評價過程繼續(xù)進行，直至滿足接受染色體作為圖 像特征集的條件為止。所述算法的優(yōu)點在于該算法允許標識和保留染色體 中的有用基因，而標識和丟棄并不十分有用的基因。平均來講，這保證了 標識有用染色體，即特征集，需要相對較少的修改。
在根據(jù)本發(fā)明的方法100的一種實現(xiàn)中，方法100還包括標識步驟，
該步驟用于使用圖像特征集，基于來自圖像數(shù)據(jù)庫的參考圖像相對于給定 圖像的相似性，來標識所述參考圖像。通常，給定圖像是未診斷圖像，圖 像數(shù)據(jù)庫包括診斷圖像。對于給定圖像和來自圖像數(shù)據(jù)庫的圖像，獲得來 自圖像特征集的圖像特征的值。這些值用于基于在給定圖像與來自圖像數(shù) 據(jù)庫的圖像之間的相似性，計算來自圖像數(shù)據(jù)庫的所述圖像的機器評級。 可以使用來自圖像特征集的圖像特征的值，將來自圖像數(shù)據(jù)庫的圖像的機 器評級定義為例如在給定圖像與來自圖像數(shù)據(jù)庫的所述圖像之間的
Mahalanobis距離。來自圖像數(shù)據(jù)庫的圖像的機器評級用于標識來自圖像數(shù) 據(jù)庫的參考圖像。例如，對機器評級進行檢查，以確定這些機器評級是否 滿足條件。如果機器評級滿足條件，則認為相應圖像類似于給定圖像，并 且該方法將該相應圖像標識為參考圖像。
在根據(jù)本發(fā)明的方法100的一種實現(xiàn)中，方法100還包括用于向用戶 呈現(xiàn)給定圖像和參考的呈現(xiàn)步驟。這為用戶提供了在視覺上比較給定圖像 與參考圖像的機會，由此能夠幫助例如放射人員的用戶來做出診斷?？蛇x 地，可以向用戶呈現(xiàn)從給定圖像和/或從所標識的參考圖像導出的其它信息，
例如在給定圖像中描繪的肺結核呈惡性的可能性估計、對給定圖像中所描 畫的肺結核進行描述的參數(shù)值、以及對在所標識的圖像中所描繪的肺結核 進行描述的參數(shù)值。參數(shù)可以是來自圖像特征集的圖像特征或者可以是其 它預定義或用戶選擇的參數(shù)?？蛇x地，為了具有有用參考，還可以向用戶 呈現(xiàn)滿足某個標準的圖像和/或圖像特征，例如與良性肺結核和/或惡性肺結 核對應的圖像和/或圖像特征。
在本發(fā)明的方法100的所述實現(xiàn)中的步驟順序不是強制性的，在不脫
離本發(fā)明主旨的情況下，本領域技術人員可以使用線程模型、多處理器系 統(tǒng)或多進程來改變一些步驟的順序或者并行執(zhí)行一些步驟?？蛇x地，本發(fā)
明的方法100的兩個或者多個步驟可以組合成一個步驟?？蛇x地，本發(fā)明 的方法100的步驟可以分成多個步驟。
圖2示意性地示出了用于基于可由任一要求保護的方法所獲得的圖像 特征集，從圖像數(shù)據(jù)庫中標識至少一個圖像的系統(tǒng)200的示例性實施例， 該系統(tǒng)包括
選擇單元205，用于從圖像特征池中選擇圖像特征子集； 獲得單元210，用于獲得測試圖像；
計算單元215，用于使用圖像特征子集，基于在來自訓練圖像集的至少 一個圖像與測試圖像之間的相似性，來計算所述至少一個圖像的機器評級；
接收單元220，用于基于在所述至少一個圖像與測試圖像之間的相似性 來接收所述至少一個圖像的用戶評級；
評價單元225，用于基于所述至少一個圖像的用戶評級和機器評級來獲 得圖像特征子集的評價；
修改單元230，用于基于該評價來修改圖像特征子集；
接受單元235，用于基于該評價來接受圖像特征子集作為圖像特征集；
以及
用戶接口 265，用于與系統(tǒng)200通信。
在圖2所示系統(tǒng)200的實施例中，存在用于傳入數(shù)據(jù)的三個輸入連接 器281、 282和283。第一輸入連接器281被配置用于接收來自例如硬盤、 磁帶、閃存或者光盤的數(shù)據(jù)存儲器的數(shù)據(jù)傳入。第二輸入連接器282被配 置用于接收來自例如(但不限于)鼠標或觸摸屏的用戶輸入設備的數(shù)據(jù)傳入。第三輸入連接器283被配置用于接收來自例如鍵盤的用戶輸入設備的 數(shù)據(jù)傳入。輸入連接器281、 282和283連接到輸入控制單元280。
在圖2所示系統(tǒng)200的實施例中，存在用于傳出數(shù)據(jù)的兩個輸出連接 器291和292。第一輸出連接器291被配置用于將數(shù)據(jù)輸出到例如硬盤、磁 帶、閃存或者光盤的數(shù)據(jù)存儲器。第二輸出連接器292被配置用于將數(shù)據(jù) 輸出到顯示設備。輸出連接器291和292經(jīng)由輸出控制單元290接收相應 數(shù)據(jù)。
本領域技術人員將會理解存在許多方式來將輸入設備連接到系統(tǒng)200 的輸入連接器281、 282和283，以及將輸出設備連接到系統(tǒng)200的輸出連 接器291和292。這些方式包括但不限于有線和無線連接、例如局域網(wǎng) (LAN)和廣域網(wǎng)(WAN)的數(shù)字網(wǎng)絡、互聯(lián)網(wǎng)、數(shù)字電話網(wǎng)和模擬電話網(wǎng)。
在根據(jù)本發(fā)明的系統(tǒng)200的一個實施例中，系統(tǒng)200包括存儲器單元 270。系統(tǒng)200被配置用于經(jīng)由輸入連接器281、 282和283中的任何一個 從外部設備接收輸入數(shù)據(jù)，以及在存儲器單元270中存儲所接收的輸入數(shù) 據(jù)。將數(shù)據(jù)加載到存儲器單元270中允許系統(tǒng)200的單元對相關數(shù)據(jù)部分 進行快速存取。輸入數(shù)據(jù)可以包括圖像特征池和訓練圖像集。存儲器單元 270可以由例如隨機存取存儲器(RAM)芯片、只讀存儲器(ROM)芯片 和/或硬盤的設備實現(xiàn)。優(yōu)選地，存儲器單元270包括用于存儲輸入數(shù)據(jù)和/ 或輸出數(shù)據(jù)的RAM。存儲器單元270也被配置用于經(jīng)由存儲器總線275從 系統(tǒng)200的單元接收數(shù)據(jù)以及將數(shù)據(jù)傳遞到這些單元，這些單元包括選擇 單元205、獲得單元210、計算單元215、標識單元220、接收單元220、評 價單元225、修改單元230、接受單元235和用戶接口 265。存儲器單元270 還被配置用于經(jīng)由輸出連接器291和292中的任何一個而使得所述數(shù)據(jù)對 于外部設備是可用的。在存儲器單元270中存儲來自系統(tǒng)200的單元的數(shù) 據(jù)顯著地提高了系統(tǒng)200的單元性能以及從系統(tǒng)200的單元到外部設備的 數(shù)據(jù)傳送速率?？蛇x地，系統(tǒng)200的一個單元可以實現(xiàn)為包括計算機可讀 代碼和處理單元的一個存儲器件。存儲器件中所包含的計算機可讀代碼為 處理單元提供了執(zhí)行向所述單元分配的任務的能力。
可選地，系統(tǒng)200不包括存儲器單元270和存儲器總線275。系統(tǒng)200
所使用的輸入數(shù)據(jù)由連接到系統(tǒng)200的單元的至少一個外部設備提供，所 述外部設備例如外部存儲器或者處理器。類似地，將由系統(tǒng)200產(chǎn)生的輸 出數(shù)據(jù)提供給連接到系統(tǒng)200的單元的至少一個外部設備，例如外部存儲 器或者處理器。系統(tǒng)200的單元被配置用于經(jīng)由內(nèi)部連接或者經(jīng)由數(shù)據(jù)總 線彼此接收數(shù)據(jù)。
在根據(jù)本發(fā)明的系統(tǒng)200的另一實施例中，系統(tǒng)200包括用于與系統(tǒng) 200通信的用戶接口 265。用戶接口 265可以包括用于向用戶顯示數(shù)據(jù)的顯 示單元和用于進行選擇的選擇單元。系統(tǒng)200與用戶接口 265的組合允許 用戶與系統(tǒng)200通信。用戶接口 265可以被配置用于顯示測試圖像和來自 訓練圖像集的至少一個圖像。可選地，用戶接口可以包括系統(tǒng)200的多個 操作模式，例如自動模式，其中方法100的所有參數(shù)采用默認值和/或由 該方法生成；以及交互模式，其中用戶輸入某些可選方法參數(shù)，例如圖像 特征集的大小、圖像特征子集的最大修改次數(shù)。本領域技術人員將會理解 可以在系統(tǒng)200的用戶接口 265中有利地實現(xiàn)更多功能。
可選地，該系統(tǒng)可以利用經(jīng)由輸入連接器282和/或283以及輸出連接 器292而連接到系統(tǒng)200的外部輸入設備和/或外部顯示器。本領域技術人 員也將會理解存在可被有利地包含于本發(fā)明的系統(tǒng)200中的許多用戶接口 設備。
如圖2中所示的系統(tǒng)200可以實現(xiàn)為計算機程序產(chǎn)品，并且可以存儲 于任何適當介質(zhì)中，例如RAM、磁帶、磁盤或者光盤。所述計算機程序可 以加載到包括處理單元和存儲器的計算機設備中。計算機程序產(chǎn)品在被加 載之后向處理單元提供執(zhí)行系統(tǒng)200的步驟的能力。
圖3示意性地示出了利用了用于標識圖像特征集的系統(tǒng)200的圖像獲 取裝置300的實施例，所述圖像獲取裝置300包括經(jīng)由內(nèi)部連接與用于標 識圖像特征集的系統(tǒng)200連接的圖像獲取單元310、輸入連接器301和輸出 連接器302。這種配置通過向所述圖像獲取裝置300提供用于標識圖像特征 集的系統(tǒng)200的有利能力，有利地增加了圖像獲取裝置300的能力，其中 系統(tǒng)200的所述有利能力是對于標識描繪相似對象的圖像有用的能力。圖 像獲取裝置的實例包括但不限于CT系統(tǒng)、X射線系統(tǒng)、MRI系統(tǒng)、US系 統(tǒng)、PET系統(tǒng)、SPECT系統(tǒng)和核醫(yī)療系統(tǒng)。
圖4示意性地示出了工作站400的實施例。工作站包括系統(tǒng)總線401。 處理器、存儲器420、盤片輸入/輸出(I/O)適配器430和用戶接口 (UI) 440操作性地連接到系統(tǒng)總線401。盤片存儲設備431操作性地耦合到盤片 1/0適配器430。鍵盤441、鼠標442和顯示器443操作性地耦合到UI440。 實現(xiàn)為計算機程序的用于標識圖像特征集的系統(tǒng)200被存儲于盤片存儲設 備431中。工作站400被配置用于將程序和輸入數(shù)據(jù)加載到存儲器420中 并且在處理器410上執(zhí)行程序。用戶可以使用鍵盤441和/或鼠標442將信 息輸入到工作站400。工作站被配置用于將信息輸出到顯示設備443和/或 盤片431。本領域技術人員將會理解存在許多本領域己知的工作站400的其 它實施例，并且本實施例用于舉例說明本發(fā)明而不應將其視為限制本發(fā)明 到該特定實施例。
應當注意上述實現(xiàn)和實施例舉例說明本發(fā)明而非限制本發(fā)明，并且本 領域技術人員將能夠在不脫離所附權利要求的范圍的情況下設計出替代實 施例。在權利要求中，不應將置于括號之間的任何參考標號理解為限制權 利要求。詞語"包括"并不排除存在權利要求或說明書中未列舉的單元或 步驟。在單元之前的詞語"一個"并不排除存在多個這樣的單元?？梢越?助包括若干不同單元的硬件以及借助適當編程的計算機來實現(xiàn)本發(fā)明。在 列出若干單元的系統(tǒng)權利要求中，這些單元中的一些單元可以由同一個硬 件或者軟件項實現(xiàn)。詞語第一、第二和第三等的使用并不指示任何排序。 應將這些詞語解釋為名稱。
權利要求
1. 一種基于訓練圖像集從圖像特征池中標識用于評估圖像相似性的圖像特征集的方法(100)，所述方法包括選擇步驟(105)，用于從所述圖像特征池中選擇圖像特征子集；獲得步驟(110)，用于獲得測試圖像；計算步驟(115)，用于使用所述圖像特征子集，基于在來自所述訓練圖像集的至少一個圖像與所述測試圖像之間的相似性，來計算所述至少一個圖像的機器評級；接收步驟(120)，用于基于在所述至少一個圖像與所述測試圖像之間的相似性來接收所述至少一個圖像的用戶評級；評價步驟(125)，用于基于所述至少一個圖像的所述用戶評級和所述機器評級來獲得所述圖像特征子集的評價；修改步驟(130)，用于基于所述評價來修改所述圖像特征子集；以及接受步驟(135)，用于基于所述評價來接受所述圖像特征子集作為所述圖像特征集，由此標識所述圖像特征集。
2. 如權利要求l所述的方法(100)，其中，基于遺傳算法修改所述圖 像特征子集。
3. 如權利要求l所述的方法(100)，還包括標識步驟，用于使用所 述圖像特征集，基于參考圖像相對于給定圖像的相似性，從圖像數(shù)據(jù)庫中 標識所述參考圖像。
4. 如權利要求3所述的方法(100)，還包括呈現(xiàn)步驟，用于向用戶 呈現(xiàn)所述給定圖像和所述參考圖像。
5. —種基于訓練圖像集從圖像特征池中標識用于評估圖像相似性的圖 像特征集的系統(tǒng)(200)，所述系統(tǒng)包括選擇單元(205)，用于從所述圖像特征池中選擇圖像特征子集；獲得單元(210)，用于獲得測試圖像；計算單元(215)，用于使用所述圖像特征子集，基于在來自所述訓練 圖像集的至少一個圖像與所述測試圖像之間的相似性，來計算所述至少一 個圖像的機器評級；接收單元(220)，用于基于在所述至少一個圖像與所述測試圖像之間 的相似性來接收所述至少一個圖像的用戶評級；評價單元(225)，用于基于所述至少一個圖像的所述用戶評級和所述 機器評級來獲得所述圖像特征子集的評價；修改單元(230)，用于基于所述評價來修改所述圖像特征子集；以及接受單元(235)，用于基于所述評價來接受所述圖像特征子集作為所 述圖像特征集，由此標識所述圖像特征集。
6. —種用于獲取相關圖像數(shù)據(jù)的圖像獲取裝置(300)，包括至少一個 如權利要求5所述的系統(tǒng)。
7. —種工作站(400)，包括至少一個如權利要求5所述的系統(tǒng)。
8. —種由計算機設備加載的計算機程序產(chǎn)品，包括用于處理臨時獲取 的圖像數(shù)據(jù)的指令，所述計算機設備包括處理單元和存儲器，所述計算機 程序產(chǎn)品在被加載之后向所述處理單元提供實現(xiàn)以下任務的能力從所述圖像特征池中選擇圖像特征子集； 獲得測試圖像；使用所述圖像特征子集，基于在來自所述訓練圖像集的至少一個圖像 與所述測試圖像之間的相似性，來計算所述至少一個圖像的機器評級；基于在所述至少一個圖像與所述測試圖像之間的相似性來接收所述至 少一個圖像的用戶評級；基于所述至少一個圖像的所述用戶評級和所述機器評級來獲得所述圖 像特征子集的評價；基于所述評價來修改所述圖像特征子集；以及基于所述評價來接受所述圖像特征子集作為所述圖像特征集，由此標 識所述圖像特征集。
全文摘要
本發(fā)明涉及一種基于訓練圖像集從圖像特征池中標識用于評估圖像相似性的圖像特征集的方法(100)和系統(tǒng)(200)。所獲得的圖像特征集對于標識描繪相似對象的圖像尤為有用。有利地，由于使用人為評級作為圖像相似性的機器評級的參考，所標識的圖像特征集在基于圖像相似性的人為感知這一意義上是面向于人的。本發(fā)明還涉及一種使用圖像特征集，基于參考圖像相對于給定圖像的相似性來從圖像數(shù)據(jù)庫中標識參考圖像的方法和系統(tǒng)。
文檔編號G06K9/62GK101395614SQ200780007694
公開日2009年3月25日 申請日期2007年2月27日 優(yōu)先權日2006年3月3日
發(fā)明者L·趙 申請人:皇家飛利浦電子股份有限公司