阴道镜图像数据库设计与基于内容检索算法应用

朱 璎，唐 南，赵 俊

上海交通大学生物医学工程系，上海，200240

阴道镜图像数据库设计与基于内容检索算法应用

【作 者】朱 璎，唐 南，赵 俊＊

上海交通大学生物医学工程系，上海，200240

针对我国在阴道镜图像数据库资料保存方面的不足，提出了一种新的阴道镜图像的数据库系统的设计与实现，用于宫颈癌早期筛查。文中针对阴道镜图片的特点，对基于颜色的检索算法进行了改进，初步试验获得较为令人满意的结果。

宫颈癌；阴道镜；数字图像数据库；基于内容图像检索

根据美国癌症协会2007年发表的相关报告，在全球范围内，宫颈癌已经成为女性因肿瘤死亡的第二号杀手，每年有将近500,000个新的病例出现，同时有超过270,000例死亡[1-3]。宫颈上皮内瘤样病变(cervical intraepithelial neoplasia，简称CIN)是宫颈浸润癌发展演变过程中的癌前期病变阶段。

随着腔镜技术的不断发展，阴道镜已成为宫颈癌和癌前病变的重要辅助诊断方法之一。阴道镜其最主要的临床应用价值是在阴道镜指示下定点活检和HPV病毒感染的检查，可提高活检的阳性率和宫颈癌的早期诊断率[4]，但检查有赖于检查者有严格的训练和丰富的经验。Ballagh等人曾以病理检查为标准做过比对[5]，个人阴道镜诊断漏诊率比起多人诊断要高。由于医务人员缺乏经验，在区分良性上皮结构与CIN 2期或CIN 3期过程中，阴道镜检查结果与活体组织检查结果的相关性往往会降至35%以下[6]。

基于内容的图像检索（Content-Based Image Retrieval，简写为CBIR）因其直观（示例描述）、高效（相似性匹配检索）、通用（与领域知识无关）等特点而被广泛应用。本文中尝试将此方法应用于阴道镜图像数据库中图像的分析研究中。针对阴道镜图像正常病例与异常病例的颜色信息的差别，使用改进的基于颜色直方图的检索算法，尝试自动判别临床阴道镜图片的异常可能性，从而达到最终辅助医生判断，减少人工工作量的目的。

1 图像数据库开发工具

本文中提到的建立图像数据库的前台界面以及基于内容的图像检索算法皆是通过Delphi7.0编程软件实现。其后台的数据库服务器是基于SQL Sever 2000编写的。利用Delphi中提供的ADO工具，连接前台软件界面与数据库服务器，实现数据库各个功能。

2 图像数据库的功能与实现

2.1 数据库基本功能实现

由于该数据库将应用于辅助诊断和教学，根据医生的建议，将每一张阴道镜图像根据是否见鳞柱交界和转化区等共8项大指标进行了分类，并作分开存储。每一张阴道镜的图像都是640*480的JPEG格式图像，摄取时间一般为宫颈口涂抹醋酸后3～5 min。对于每一条记录，每一幅图片在存储过程中，都有相应的文件名、病人姓名和检查时间等辅助信息。

在检索模块中有非常全面的查询功能，实现了支持任意组合的关键字搜索查询功能，由找到的记录调阅相应的图像和病历的功能，并做到了可在查询结果中再次查询的无限次循环查询的功能。

同时，数据库提供了对已有记录的修改或删除的模块。在修改或删除界面下，除了可以常规地对记录中的病理指标或者病理描述进行修改外，还提供了对于图像的修改或者删除功能，操作简单，灵活性较好。

2.2 图像的局部截取

为了使后期对各不同级别的阴道镜图像进行分析，不受图像在拍摄过程中带来的外来干扰，例如图像由于反光造成的高亮（如图1所示），图片的摄取中包含扩阴器等的影响。同时，也为了使图像的数据库中，能保留一些较为典型的图片的病理部分以供图像存储与临床教学之用。在与临床医生进行了长时间的沟通之后，进一步设计了截取图像并存储的功能——通过鼠标滑动，任意截取局部图像来保存。

图1 阴道镜图像示例Fig.1 Typical colposcopic image example

如果选取的结果不理想，可以直接重新选定；如果对于选定的结果感到满意，则可以根据提示，对选定的图片进行保存。对于局部图像的记录保存，仍将附有病人姓名、级别和病历描述等资料，以供查询。

2.3 登录系统与权限设置

基于保护病人隐私的原则，在数据库构成时，考虑了数据库的不同的权限设置。设计方案为要求所有用户在使用前必须登录，在登录时根据用户提供的信息，分配以不同的权限，最大程度的保护了系统的安全（如表1所示）。

表1 医生与普通病人权限设置异同表Tab.1 Different operation rights of doctor and patient

系统内部共设有两种权限：医生有执行系统内任何操作的权限，如插入数据、浏览所有病人的所有病例、修改或删除数据和新建账号等；病人仅限于浏览自己的病例。

3 基于内容图像检索应用

3.1 特征与颜色空间的选择

通常图像检索时，可供选择的特征有颜色、纹理及形状特征。在阴道镜图像中，具有重要病理意义的白斑组织并没有典型的纹理及形状特征（如图1所示），因此选用了颜色特征作为检索的主要依据。

HSV 颜色空间较RGB颜色空间，更符合人们对颜色的心理感知，适合用来对图像进行处理。因此，将图片由RGB颜色空间投影至HSV颜色空间，从而利于对阴道镜图片进行进一步分析处理工作。

3.2 改进的量化算法

在一般的颜色量化方法中，对不同的颜色通道的量化是均匀的。实际上，不同的颜色通道对最终颜色心理感知的贡献不同，因此均匀量化不是一个好的量化机制。正确的算法应该在对人眼区分度贡献较大的颜色区间给以更为细致的量化空间，而在人眼感觉不敏锐的颜色区间给以较少的关注（如图2所示）。基于人类对颜色的感知特性，Zhang 对HSV 颜色空间进行了分析[7]。利用Zhang获得的结论，图像将得到一个36栏的直方图，这样的量化算法比均匀量化[8]有更好的性能。

图2 H平面量化转换图Fig.2 Value-changing chart of H in HSV color space

3.3 直方图生成算法与改进

按照常规的直方图统计算法，是统计落到每个量化区间内的像素点的数目。但是，这样会导致在量化区间交界面附近的原本相似的颜色被分配到不同的区间，统计的结果导致相似的图片可能会产生很大的差别，尤其是在噪声等干扰信息较大时。

如果在直方图生成时，就考虑到不同颜色之间的相似性，特别是相邻量化区间的颜色的相似性，则产生了一种改进的直方图生成算法[9]。这种算法在生成直方图的时候，需要考虑和该区间之间相似性的区间称为该区间的相邻区间。本文采用的相邻区间定义为：

(1) 对于黑色(b=0)或白色(b=7)区域，无相邻区间；

(2) 对于灰色区域（0＜b＜7），相邻区间为与其相邻（b±1）的两个灰色区间，b=1 和b=6 对应的区间只有一个相邻区间；

(3) 对于彩色区域（7＜b＜36），相邻区间为在HSV空间中与之相邻的4 个彩色区间。

其算法的具体流程如下：

(1) 遍历所有像素点，遍历完成执行（6）；否则对每一个像素点P，执行（2）至（5）；

(2) 得到像素点P 所在的量化区间b；

(3) 如果b=0 或b=7，直方图中对应分量加1，结束本次循环，执行（1），处理下一像素点；否则，执行（4）；

(4) 给直方图中的对应分量加（1-X）；（X是0到1之间的任一个数）

(5) 计算象素点P 和区间b、区间b 相邻区间的中心点的距离，按照和距离成反比的原则，将剩下的X 分配到直方图的对应分量上去，然后执行（1），处理下一像素点；

(6) 对得到的直方图进行归一化操作。

由以上可知，当X取0时，该算法即为经典的直方图生成算法；而当X取1时，该算法便是改进后算法的极端情况。

3.4 测试结果

测试的样本来自临床的134幅真实阴道镜图片。该样本已经经过专业医师的诊断，分为异常与正常两大类，其中异常图片94张，正常图片40张。

测试方法是，根据3.1-3.3节的算法，将这134张图片与示例图片的相似度按由高到低排列。预期的结果是，与示例图片同样含有白斑的异常图片，因相似度较高，将排在靠前的位置，而不含白斑组织的正常图片排在靠后的位置。测试选用了异常图片中的一张作为示例图片（如图3（左）所示），该图片白斑明显，面积较大，且无出血症状，故十分适合用颜色特征算法来将正常与异常的图片区分开来。图3（右）与示例图片是同一天对同一个患者进行拍摄的，故以此作为测试的手段。

本文采用了经典图像相似度的度量方法——直方图相交法，来度量示例图片与数据库内阴道镜图片的相似程度[10]。当X在0到1之间变化时，将134幅测试图片与示例图片的相似度按照由高到低排列，(图3(右))一直处于与示例图片(图3(左))相似程度的第一位，与我们先前预计的结果十分一致。具体的相似度值见表2。

图3 左图为测试用示例图片；右图为与示例图像极为相似的阴道镜图像Fig.3 The example for testing (left); the most similar image to the example (right)

图4 测试图库中与示例图片相似度最高的四幅图像（X=1）Fig.4 Four images with highest similarity to the example in the database（X=1）

表2 图3（右）与示例图片图3（左）相似度随X值变化表Tab.2 Similarity changing with different value of X in the test (shown in Fig. 3)

图4显示的是当X=1 时，测试图库中与示例图片相似度最高的前四幅图片。通过观察可知，该四幅图片白斑区域面积较大，属于阴道镜图像检查异常明显的图像。

进一步分析测试结果发现，当X=0，即该算法退化成为经典的直方图生成算法时，相似度位于前30的测试图片中，有26幅异常图片，4幅正常图片，准确率为87%；当X=1时，即该算法成为改进的直方图生成算法的极端情况时，相似度位于前30的测试图片中，有28幅异常图片，2幅正常图片，准确率为93%。由此可见，利用颜色这一特征进行阴道镜图像的检索是可行的，对于异常阴道镜图像的自动筛查具有积极意义。

4 结论与展望

阴道镜最主要的临床应用价值是可进一步发现和评价异常细胞。在阴道镜指示下定点活检，活检的阳性率提高，可明显提高宫颈癌的早期诊断率。有文献报道，宫颈四点常规活检正确率仅50%，而镜下活检诊断正确率为88.3%[11]。阴道镜检查结合定点活检病理诊断，明显提高了CIN诊断率。CIN具有可逆性及进展性，积极治疗CIN可有效降低宫颈癌的发病率[12]。

本文所提到的数据库完成之后，已经初步应用于临床阴道镜图像的收集整理工作中，为阴道镜图像自动分析辅助诊断积累原始信息。在一段时间的使用之后，其初步的使用结果是令人满意的，医生可以较为灵活地使用图像数据库的各种不同操作，该数据库现已有约300多条不同病人的病例信息。随着网络科技的迅猛发展，未来可将这个阴道镜数据库设置网络共享功能，使阴道镜图像数据库支持在线的查询或会诊，为移动数字医院的建立提供原始资料。

针对时下研究热点的基于内容的图像检索系统（CBIR）和算法，分析了阴道镜图像的颜色特征与量化特点，对现有的量化方法与经典直方图获取算法作了相应的改进，为阴道镜图像数据库基于内容的检索实现做出了初步的尝试，并获得了较为良好的效果。当收集的图像数据等达到一定的数量后，将进一步尝试开发临床上可自动辅助医生进行阴道镜图像的白斑识别，以及确定是否需要活检或HPV感染测试的筛查系统。

[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] 张志胜.阴道镜图谱[M], 第2版. 北京: 人民卫生出版社, 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] 杨冉. 图像数据库相关技术的研究与应用. 西安: 西安电子科技大学, 2005.

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

[11] 石一复. 子宫颈疾病. 北京: 人民卫生出版社, 2000. 1-39.

[12] 常青, 任玉香, 龙玲, 等. 87例宫颈上皮内瘤变的临床分析. 第三军医大学学报, 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.

无创冠状动脉CTA替代心脏导管检查

无创冠状动脉计算机断层血管造影（CTA）是一种具有成本低、无创的检查方法，可以用来替代心导管检查，适于那些冠状动脉疾病（CAD ）率低于50%者。

冠状动脉疾病(CAD)是比较常见的一种心脏疾病，如果患有CAD，即心脏冠状动脉正在发生狭窄或阻塞，心脏可能就得不到足够的血流供给，可能会发生心脏病。 病人如果心腔内压成阳性，但没有与心脏病有关的症状，或者有非典型胸痛，将需要进行心导管检查时可用冠状动脉CTA来替代心导管检查。由于其无创成像检查，成本低，可以用筛选分流病人。

冠状动脉CTA是一个较便宜的替代心脏导管的检测方法。冠状动脉CTA的结果更有可能避免心导管检查，从而降低了成本和有效辐射剂量。 冠状动脉CTA检查假阴性率为2.5%，辐射暴露平均为1 mSv - 2 mSv。

（本刊讯）

磁导航胶囊内窥镜胃检查系统

德国西门子医疗和日本奥林巴斯医疗合作研制成功磁导航胶囊内窥镜（MGCE）胃内检查系统，包括胶囊内镜、磁铁导航系统、图像处理和信息导航系统。检查时让病人吞下一个胶囊型内窥镜并通过磁导航完成胃部检查，检查时病人的胃将充满水，为胶囊内窥镜的检查扩充视野，以进行舒适导航。

医生通过一个操纵杆控制胶囊内窥镜对感兴趣的领域进行高清晰度成像，并允许胶囊内窥镜倾斜和旋转，以及横向和纵向的定位。指导磁铁会随时间产生变化磁场，从而能够引导胶囊根据需要做出改变。

胶囊内视镜大约31毫米长，直径11毫米，摄像系统安装在舱的两端允许观察胃的内部。实时观测将可能通过在线传送给图像处理系统，并通过磁导航对胶囊内视镜位置进行指导。

磁导胶囊内窥镜为病人提供了更舒适快捷的检查，将是对现有内镜检查方法的一个极好的补充，胶囊内窥镜具有美好前景。

（本刊讯）

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

上海交通大学医工(理)交叉研究基金 YG2007MS05

赵俊，E-mail: junzhao@sjtu.edu.cn