陰道鏡圖像數據庫設計與基于內容檢索算法應用

朱 瓔，唐 南，趙 俊

上海交通大學生物醫學工程系，上海，200240

陰道鏡圖像數據庫設計與基于內容檢索算法應用

【作 者】朱 瓔，唐 南，趙 俊＊

上海交通大學生物醫學工程系，上海，200240

針對我國在陰道鏡圖像數據庫資料保存方面的不足，提出了一種新的陰道鏡圖像的數據庫系統的設計與實現，用于宮頸癌早期篩查。文中針對陰道鏡圖片的特點，對基于顏色的檢索算法進行了改進，初步試驗獲得較為令人滿意的結果。

宮頸癌；陰道鏡；數字圖像數據庫；基于內容圖像檢索

根據美國癌癥協會2007年發表的相關報告，在全球范圍內，宮頸癌已經成為女性因腫瘤死亡的第二號殺手，每年有將近500,000個新的病例出現，同時有超過270,000例死亡[1-3]。宮頸上皮內瘤樣病變(cervical intraepithelial neoplasia，簡稱CIN)是宮頸浸潤癌發展演變過程中的癌前期病變階段。

隨著腔鏡技術的不斷發展，陰道鏡已成為宮頸癌和癌前病變的重要輔助診斷方法之一。陰道鏡其最主要的臨床應用價值是在陰道鏡指示下定點活檢和HPV病毒感染的檢查，可提高活檢的陽性率和宮頸癌的早期診斷率[4]，但檢查有賴于檢查者有嚴格的訓練和豐富的經驗。Ballagh等人曾以病理檢查為標準做過比對[5]，個人陰道鏡診斷漏診率比起多人診斷要高。由于醫務人員缺乏經驗，在區分良性上皮結構與CIN 2期或CIN 3期過程中，陰道鏡檢查結果與活體組織檢查結果的相關性往往會降至35%以下[6]。

基于內容的圖像檢索（Content-Based Image Retrieval，簡寫為CBIR）因其直觀（示例描述）、高效（相似性匹配檢索）、通用（與領域知識無關）等特點而被廣泛應用。本文中嘗試將此方法應用于陰道鏡圖像數據庫中圖像的分析研究中。針對陰道鏡圖像正常病例與異常病例的顏色信息的差別，使用改進的基于顏色直方圖的檢索算法，嘗試自動判別臨床陰道鏡圖片的異常可能性，從而達到最終輔助醫生判斷，減少人工工作量的目的。

1 圖像數據庫開發工具

本文中提到的建立圖像數據庫的前臺界面以及基于內容的圖像檢索算法皆是通過Delphi7.0編程軟件實現。其后臺的數據庫服務器是基于SQL Sever 2000編寫的。利用Delphi中提供的ADO工具，連接前臺軟件界面與數據庫服務器，實現數據庫各個功能。

2 圖像數據庫的功能與實現

2.1 數據庫基本功能實現

由于該數據庫將應用于輔助診斷和教學，根據醫生的建議，將每一張陰道鏡圖像根據是否見鱗柱交界和轉化區等共8項大指標進行了分類，并作分開存儲。每一張陰道鏡的圖像都是640*480的JPEG格式圖像，攝取時間一般為宮頸口涂抹醋酸后3～5 min。對于每一條記錄，每一幅圖片在存儲過程中，都有相應的文件名、病人姓名和檢查時間等輔助信息。

在檢索模塊中有非常全面的查詢功能，實現了支持任意組合的關鍵字搜索查詢功能，由找到的記錄調閱相應的圖像和病歷的功能，并做到了可在查詢結果中再次查詢的無限次循環查詢的功能。

同時，數據庫提供了對已有記錄的修改或刪除的模塊。在修改或刪除界面下，除了可以常規地對記錄中的病理指標或者病理描述進行修改外，還提供了對于圖像的修改或者刪除功能，操作簡單，靈活性較好。

2.2 圖像的局部截取

為了使后期對各不同級別的陰道鏡圖像進行分析，不受圖像在拍攝過程中帶來的外來干擾，例如圖像由于反光造成的高亮（如圖1所示），圖片的攝取中包含擴陰器等的影響。同時，也為了使圖像的數據庫中，能保留一些較為典型的圖片的病理部分以供圖像存儲與臨床教學之用。在與臨床醫生進行了長時間的溝通之后，進一步設計了截取圖像并存儲的功能——通過鼠標滑動，任意截取局部圖像來保存。

圖1 陰道鏡圖像示例Fig.1 Typical colposcopic image example

如果選取的結果不理想，可以直接重新選定；如果對于選定的結果感到滿意，則可以根據提示，對選定的圖片進行保存。對于局部圖像的記錄保存，仍將附有病人姓名、級別和病歷描述等資料，以供查詢。

2.3 登錄系統與權限設置

基于保護病人隱私的原則，在數據庫構成時，考慮了數據庫的不同的權限設置。設計方案為要求所有用戶在使用前必須登錄，在登錄時根據用戶提供的信息，分配以不同的權限，最大程度的保護了系統的安全（如表1所示）。

表1 醫生與普通病人權限設置異同表Tab.1 Different operation rights of doctor and patient

系統內部共設有兩種權限：醫生有執行系統內任何操作的權限，如插入數據、瀏覽所有病人的所有病例、修改或刪除數據和新建賬號等；病人僅限于瀏覽自己的病例。

3 基于內容圖像檢索應用

3.1 特征與顏色空間的選擇

通常圖像檢索時，可供選擇的特征有顏色、紋理及形狀特征。在陰道鏡圖像中，具有重要病理意義的白斑組織并沒有典型的紋理及形狀特征（如圖1所示），因此選用了顏色特征作為檢索的主要依據。

HSV 顏色空間較RGB顏色空間，更符合人們對顏色的心理感知，適合用來對圖像進行處理。因此，將圖片由RGB顏色空間投影至HSV顏色空間，從而利于對陰道鏡圖片進行進一步分析處理工作。

3.2 改進的量化算法

在一般的顏色量化方法中，對不同的顏色通道的量化是均勻的。實際上，不同的顏色通道對最終顏色心理感知的貢獻不同，因此均勻量化不是一個好的量化機制。正確的算法應該在對人眼區分度貢獻較大的顏色區間給以更為細致的量化空間，而在人眼感覺不敏銳的顏色區間給以較少的關注（如圖2所示）。基于人類對顏色的感知特性，Zhang 對HSV 顏色空間進行了分析[7]。利用Zhang獲得的結論，圖像將得到一個36欄的直方圖，這樣的量化算法比均勻量化[8]有更好的性能。

圖2 H平面量化轉換圖Fig.2 Value-changing chart of H in HSV color space

3.3 直方圖生成算法與改進

按照常規的直方圖統計算法，是統計落到每個量化區間內的像素點的數目。但是，這樣會導致在量化區間交界面附近的原本相似的顏色被分配到不同的區間，統計的結果導致相似的圖片可能會產生很大的差別，尤其是在噪聲等干擾信息較大時。

如果在直方圖生成時，就考慮到不同顏色之間的相似性，特別是相鄰量化區間的顏色的相似性，則產生了一種改進的直方圖生成算法[9]。這種算法在生成直方圖的時候，需要考慮和該區間之間相似性的區間稱為該區間的相鄰區間。本文采用的相鄰區間定義為：

(1) 對于黑色(b=0)或白色(b=7)區域，無相鄰區間；

(2) 對于灰色區域（0＜b＜7），相鄰區間為與其相鄰（b±1）的兩個灰色區間，b=1 和b=6 對應的區間只有一個相鄰區間；

(3) 對于彩色區域（7＜b＜36），相鄰區間為在HSV空間中與之相鄰的4 個彩色區間。

其算法的具體流程如下：

(1) 遍歷所有像素點，遍歷完成執行（6）；否則對每一個像素點P，執行（2）至（5）；

(2) 得到像素點P 所在的量化區間b；

(3) 如果b=0 或b=7，直方圖中對應分量加1，結束本次循環，執行（1），處理下一像素點；否則，執行（4）；

(4) 給直方圖中的對應分量加（1-X）；（X是0到1之間的任一個數）

(5) 計算象素點P 和區間b、區間b 相鄰區間的中心點的距離，按照和距離成反比的原則，將剩下的X 分配到直方圖的對應分量上去，然后執行（1），處理下一像素點；

(6) 對得到的直方圖進行歸一化操作。

由以上可知，當X取0時，該算法即為經典的直方圖生成算法；而當X取1時，該算法便是改進后算法的極端情況。

3.4 測試結果

測試的樣本來自臨床的134幅真實陰道鏡圖片。該樣本已經經過專業醫師的診斷，分為異常與正常兩大類，其中異常圖片94張，正常圖片40張。

測試方法是，根據3.1-3.3節的算法，將這134張圖片與示例圖片的相似度按由高到低排列。預期的結果是，與示例圖片同樣含有白斑的異常圖片，因相似度較高，將排在靠前的位置，而不含白斑組織的正常圖片排在靠后的位置。測試選用了異常圖片中的一張作為示例圖片（如圖3（左）所示），該圖片白斑明顯，面積較大，且無出血癥狀，故十分適合用顏色特征算法來將正常與異常的圖片區分開來。圖3（右）與示例圖片是同一天對同一個患者進行拍攝的，故以此作為測試的手段。

本文采用了經典圖像相似度的度量方法——直方圖相交法，來度量示例圖片與數據庫內陰道鏡圖片的相似程度[10]。當X在0到1之間變化時，將134幅測試圖片與示例圖片的相似度按照由高到低排列，(圖3(右))一直處于與示例圖片(圖3(左))相似程度的第一位，與我們先前預計的結果十分一致。具體的相似度值見表2。

圖3 左圖為測試用示例圖片；右圖為與示例圖像極為相似的陰道鏡圖像Fig.3 The example for testing (left); the most similar image to the example (right)

圖4 測試圖庫中與示例圖片相似度最高的四幅圖像（X=1）Fig.4 Four images with highest similarity to the example in the database（X=1）

表2 圖3（右）與示例圖片圖3（左）相似度隨X值變化表Tab.2 Similarity changing with different value of X in the test (shown in Fig. 3)

圖4顯示的是當X=1 時，測試圖庫中與示例圖片相似度最高的前四幅圖片。通過觀察可知，該四幅圖片白斑區域面積較大，屬于陰道鏡圖像檢查異常明顯的圖像。

進一步分析測試結果發現，當X=0，即該算法退化成為經典的直方圖生成算法時，相似度位于前30的測試圖片中，有26幅異常圖片，4幅正常圖片，準確率為87%；當X=1時，即該算法成為改進的直方圖生成算法的極端情況時，相似度位于前30的測試圖片中，有28幅異常圖片，2幅正常圖片，準確率為93%。由此可見，利用顏色這一特征進行陰道鏡圖像的檢索是可行的，對于異常陰道鏡圖像的自動篩查具有積極意義。

4 結論與展望

陰道鏡最主要的臨床應用價值是可進一步發現和評價異常細胞。在陰道鏡指示下定點活檢，活檢的陽性率提高，可明顯提高宮頸癌的早期診斷率。有文獻報道，宮頸四點常規活檢正確率僅50%，而鏡下活檢診斷正確率為88.3%[11]。陰道鏡檢查結合定點活檢病理診斷，明顯提高了CIN診斷率。CIN具有可逆性及進展性，積極治療CIN可有效降低宮頸癌的發病率[12]。

本文所提到的數據庫完成之后，已經初步應用于臨床陰道鏡圖像的收集整理工作中，為陰道鏡圖像自動分析輔助診斷積累原始信息。在一段時間的使用之后，其初步的使用結果是令人滿意的，醫生可以較為靈活地使用圖像數據庫的各種不同操作，該數據庫現已有約300多條不同病人的病例信息。隨著網絡科技的迅猛發展，未來可將這個陰道鏡數據庫設置網絡共享功能，使陰道鏡圖像數據庫支持在線的查詢或會診，為移動數字醫院的建立提供原始資料。

針對時下研究熱點的基于內容的圖像檢索系統（CBIR）和算法，分析了陰道鏡圖像的顏色特征與量化特點，對現有的量化方法與經典直方圖獲取算法作了相應的改進，為陰道鏡圖像數據庫基于內容的檢索實現做出了初步的嘗試，并獲得了較為良好的效果。當收集的圖像數據等達到一定的數量后，將進一步嘗試開發臨床上可自動輔助醫生進行陰道鏡圖像的白斑識別，以及確定是否需要活檢或HPV感染測試的篩查系統。

[1] Saslow, D., P. E. Castle, et al. American Cancer Society guideline for human papillornavirus (HPV) vaccine use to prevent cervical cancer and its precursors[J]. Ca-a Cancer Journal for Clinicians, 2007, 57(1): 7-28.

[2] Ferlay J, Bray F, Pisani P, et al. Globocan 2000: Cancer incidence, Mortality and Prevalence Worldwide, Version 1.0. IARC CancerBase No.5. IARC Press; 2001.

[3] Pisani P, Parkin DM, Ferlay J. Estimates of the worldwide mortality from eighteen major cancers in 1985. Implications for prevention and projections of future burden. Int J Cancer 1993; 55: 891-903.

[4] 張志勝.陰道鏡圖譜[M], 第2版. 北京: 人民衛生出版社, 2000.

[5] Ballagh SA, Mauck CK, Henry D. A comparison of techniques to assess cervicovaginal irritation and evaluation of the variability between two observers[J]. Contraception: An International Journal, 2004, 70(3): 0010-7824.

[6] M. R. Toglia, K. M. Coburn, M. L. Pearl. Evaluation of colposcopic skills in an obstetrics and gynecology residency training program. J. Lower Gen. Tract, Dis, 1997(1): 5–8.

[7] Zhang L., Lin F. Zhang B.. A CBIR Method Based on Color-Spatial Feature. In Proc. IEEE Region 10 Annual Int'l Conf.1999, Cheju, Korea, 1999: 166-169.

[8] Smith J.R.. Integrated Spatial and Feature Image System: Retrieval, Analysis and Compression. Ph.D. Thesis, Columbia University New York, 1997.

[9] 楊冉. 圖像數據庫相關技術的研究與應用. 西安: 西安電子科技大學, 2005.

[10] Zhang D.S. Image Retrieval Based on Shape. PhD Thesis. Monash University, March, 2002.

[11] 石一復. 子宮頸疾病. 北京: 人民衛生出版社, 2000. 1-39.

[12] 常青, 任玉香, 龍玲, 等. 87例宮頸上皮內瘤變的臨床分析. 第三軍醫大學學報, 2002,24(12): 1 468-1 470.

[13] Baum F, Fischer U., Obenauer S, et al. Computer-aided detection in direct digital full - field mammography: initial results[J]. EurRadio, 2002, 12 (12): 3015- 3017.

無創冠狀動脈CTA替代心臟導管檢查

無創冠狀動脈計算機斷層血管造影（CTA）是一種具有成本低、無創的檢查方法，可以用來替代心導管檢查，適于那些冠狀動脈疾病（CAD ）率低于50%者。

冠狀動脈疾病(CAD)是比較常見的一種心臟疾病，如果患有CAD，即心臟冠狀動脈正在發生狹窄或阻塞，心臟可能就得不到足夠的血流供給，可能會發生心臟病。 病人如果心腔內壓成陽性，但沒有與心臟病有關的癥狀，或者有非典型胸痛，將需要進行心導管檢查時可用冠狀動脈CTA來替代心導管檢查。由于其無創成像檢查，成本低，可以用篩選分流病人。

冠狀動脈CTA是一個較便宜的替代心臟導管的檢測方法。冠狀動脈CTA的結果更有可能避免心導管檢查，從而降低了成本和有效輻射劑量。 冠狀動脈CTA檢查假陰性率為2.5%，輻射暴露平均為1 mSv - 2 mSv。

（本刊訊）

磁導航膠囊內窺鏡胃檢查系統

德國西門子醫療和日本奧林巴斯醫療合作研制成功磁導航膠囊內窺鏡（MGCE）胃內檢查系統，包括膠囊內鏡、磁鐵導航系統、圖像處理和信息導航系統。檢查時讓病人吞下一個膠囊型內窺鏡并通過磁導航完成胃部檢查，檢查時病人的胃將充滿水，為膠囊內窺鏡的檢查擴充視野，以進行舒適導航。

醫生通過一個操縱桿控制膠囊內窺鏡對感興趣的領域進行高清晰度成像，并允許膠囊內窺鏡傾斜和旋轉，以及橫向和縱向的定位。指導磁鐵會隨時間產生變化磁場，從而能夠引導膠囊根據需要做出改變。

膠囊內視鏡大約31毫米長，直徑11毫米，攝像系統安裝在艙的兩端允許觀察胃的內部。實時觀測將可能通過在線傳送給圖像處理系統，并通過磁導航對膠囊內視鏡位置進行指導。

磁導膠囊內窺鏡為病人提供了更舒適快捷的檢查，將是對現有內鏡檢查方法的一個極好的補充，膠囊內窺鏡具有美好前景。

（本刊訊）

Colposcopy Image Database Design and Application of Retrieval Algorithm

【Writers】Zhu Ying, Tang Nan, Zhao Jun＊

Department of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, 200240

Due to the insuf fi ciency in colposcopy image database collection in china, a novel image database is developed and it will be the basis of a computer-aided-diagnosis system for colposcopy. An improved search algorithm of color is designed based on the current content-based image retrieval algorithms for the characteristics of colposcopy images. This algorithm is authenticated by more than one hundred of clinical pictures with primary satisfactory result.

uterine cervical cancer, colposcopy image database, retrieval algorithm

R319, TP392

A dio:10.3696/J.issn.1671-7104.2010.03.002

1671-7104(2010)03-0160-04

2010-02-05

上海交通大學醫工(理)交叉研究基金 YG2007MS05

趙俊，E-mail: junzhao@sjtu.edu.cn