摘要：设计并实现了关于乳腺癌的基于内容的医学图像检索（CBMIR）。该系统主要的功能包括查询模块，特征提取模块，匹配模块和显示模块。相似度衡量标准采用欧氏距离，通过使用Tamura纹理提取特征纹理；平均查准率为53%左右。
关键词：基于内容的图像检索（CBMIR） Tamura纹理 乳腺癌
中图分类号：R737 文献标识码：A 文章编号：1007-3973（2012）011-102-03
1 绪论
在世界各地，乳腺癌仍然是一个严重威胁女性健康的疾病。乳腺X线摄影是一种检测乳腺癌的可靠方法。随着医疗成像设备的广泛应用，如CT，MRI等，将产生大量的医学图像。如何在乳腺X线图像数据库中有效的检索一幅所需的图像是一个具有挑战性的问题。在乳腺X线影像中，医生需要在他的专业知识的基础上，通过观察图像中的肿块来决定这是否是癌症肿块，同时，医生在诊断这些肿块时，往往要比较它与几个已经确认的类似的肿块图像来判断。因此，基于内容的图像检索技术将帮助医生做出他的决定，并可能提高诊断能力。
众所周知，一个边界光滑规则的肿块，通常是良性的，而模糊边界的肿块则是恶性的，在本文中，我们将专注于纹理特征的使用。1978年，Tamura等人在人类对纹理视觉感知的心理学研究基础上，提出了Tamura纹理特征的6个分量分别对应于心理学角度上的6种属性纹理特征，其中粗糙度（coarseness），对比度（contrast），方向度（directionality）对于图像识别和检索等方面尤为重要。本文中我们采用上述3种Tamura纹理特征实现一个基于纹理特征的乳腺癌圖像检索系统，采用欧式距离进行相似度计算，在包含47幅良性与53幅恶性肿块的数据集上进行了实验，结果表明Tamura纹理特征能够取得很好的效果。
2 方法
2.1 Tamura特征提取
纹理特征是指图像灰度的某种变化，可视为近似形状的重复分布，描述的是图像纹理灰度的变化规律。纹理分析是指通过一定的图像处理技术提取出这些纹理特征，从而获得纹理的定量或定性描述的处理工程，在本系统中，采用Tamura纹理特征中的重要的3种属性：粗糙度、对比度和方向度。
2.1.1 粗糙度
图像中像素点的灰度值得变化在三维形态下可形象地反映为波峰和波谷，这些峰谷的高低程度和间距状况就叫做图像的表面粗糙度，也称为不平度，它实际反映了图像灰度变化的剧烈程度。在乳腺癌图像中，肿块在图像上通常表现为亮块，而且良性肿块通常呈近视圆形，边界比较清楚，而恶性肿块常表现为形状不规则，边界模糊。其公式如下所示：
2.1.2 对比度
图像的对比度一般是指的是一幅图像中明暗区域最暗的黑和最亮的白之间的亮度层级，差异范围越大代表对比度越大，差异范围越小代表对比度越小。对于乳腺癌肿块来说，由于良性肿块通常边界较清晰，肿块区域与脂肪等组织间的对比度较大，而恶性肿块由于边界模糊，其对比度值会偏小。其中对比度定义如公式（5）所示。其中 = / ，是像素灰度均值的四阶距，而是方差。该值给出了整个图像区域或区域中对比度的全局度量。
2.1.3 方向度
一些图像具明显的方向性，图像中的像素在某个方向上呈现直线或者近似直线的形态。在医学图像中这种现象也很普遍存在，其实质就是人体肌肉或者组织的纹理方向。在乳腺癌肿块图像中，边界毛刺的肿块通常是恶性的，这种特征可以通过方向度得到体现。其公式如下所示。
2.2 相似性测度
4 实验结果
5 总结
参考文献：
[1] H.Tamura，S.Mori，T.Yamawaki.Texture features corresponding to visual perception[J].IEEE Transactions on Systems，Man and Cybernetics，1976，6（4）：460-473.
[2] 丁丽央，陈坤，沈高飞，等.乳腺癌危险因素病例对照研究[J].中国慢性病预防与控制，1998，6（6）：283-285.
[3] 张勇，王鄢，郭秀花.基于医学图像纹理特征的疾病诊断方法及其应用现状[J].北京生物医学工程，2008，27（4）：543-544.
[4] 王志芳，刘玉红，王颖，等.基于数字图像处理的人类视觉对比度分辨率限制测定[J].生物医学工程学杂志，2008，25（5）.