王紅歡+陳芝薇+吳真斌

摘要：大數(shù)據(jù)環(huán)境下的腦腫瘤圖像的特征提取，根據(jù)不同的特征提取技術(shù)生成不同的特征向量將這些特征向量獨(dú)立的保存在特征數(shù)據(jù)庫中，通過計(jì)算機(jī)的輔助診斷，能夠快速準(zhǔn)確地判斷出醫(yī)學(xué)圖像某些部位的正常與異常。

關(guān)鍵詞：大數(shù)據(jù)環(huán)境；特征提?。活伾?；紋理；形狀

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2017）14-0167-02

1背景

腦腫瘤的發(fā)病率逐年上升。腦腫瘤在20-50歲間最為常見。各項(xiàng)數(shù)據(jù)表明，腦腫瘤死亡率較高，進(jìn)行研究治療迫在眉睫。但醫(yī)療行業(yè)遇到了海量數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的挑戰(zhàn)，因而很多國家都在積極推進(jìn)醫(yī)療大數(shù)據(jù)化發(fā)展。大數(shù)據(jù)的意義在于，對大體量、高復(fù)雜數(shù)據(jù)、影像的挖掘和運(yùn)用，讓個(gè)性化、精準(zhǔn)化的醫(yī)療服務(wù)成為可能。

2項(xiàng)目研究

2.1大數(shù)據(jù)收集及數(shù)據(jù)預(yù)處理

大數(shù)據(jù)的收集意義在于對大體量、高復(fù)雜數(shù)據(jù)、影像的挖掘和運(yùn)用，讓個(gè)性化、精準(zhǔn)化的醫(yī)療服務(wù)。大數(shù)據(jù)不依賴于隨機(jī)取樣，樣本等于總體。目前我們收集到300多組數(shù)據(jù)，主要包含3類腫瘤圖像：膠質(zhì)瘤、腦膜瘤、垂體瘤。數(shù)據(jù)集包含來自患者的切片。

醫(yī)學(xué)圖像常常存在很多問題，例如非均勻性，不一致性，噪聲大，缺少結(jié)構(gòu)等等。所以要對數(shù)據(jù)進(jìn)行預(yù)處理。數(shù)據(jù)預(yù)處理就是通過計(jì)算機(jī)輔助進(jìn)行各種加工。處理手段有利用局部和卷積算子以及像素運(yùn)算等技術(shù)對圖像去噪與增強(qiáng)等等。我們小組前期通過opencv3.2+vs做了算法比較。也使用醫(yī)學(xué)影像處理軟件MIPAV對收集到的圖像進(jìn)行去殼以及灰度均衡化的預(yù)處理工作以及統(tǒng)一了所有數(shù)據(jù)的格式。圖1顯示了MIPAV軟件對腦腫瘤圖像的恢復(fù)結(jié)果。

2.2特征提取

在對醫(yī)學(xué)影像分析，特征提取便是第一步。根據(jù)不同的特征提取技術(shù)生成不同的特征向量將這些特征向量獨(dú)立的保存在特征數(shù)據(jù)庫中。圖像的特征提取就是把不重要的特征過濾，逐步提取重要的特征。我們通過圖像的顏色、形狀、紋理分類多尺度提取圖像特征。

2.2.1顏色特征

顏色特征是基于像素點(diǎn)的特征，顏色對圖像或圖像區(qū)域的方向、大小等變化不敏感，所以顏色特征不能很好地捕捉圖像中對象的局部特征。我們主要使用顏色直方圖，使用RGB和HSV顏色空間。使用kmeans聚類。

2.2.2形狀特征

形狀特征有兩類表示方法，一類是輪廓特征，另一類是區(qū)域特征。我們使用改進(jìn)的傅立葉形狀描述符。