一種基于多模態(tài)醫(yī)學影像數(shù)據(jù)模型的醫(yī)學數(shù)據(jù)提取和并行加載方法
【技術領域】
[0001]本發(fā)明屬于醫(yī)療信息技術領域，具體涉及一種基于多模態(tài)醫(yī)學影像數(shù)據(jù)模型的醫(yī)學數(shù)據(jù)提取和并行加載方法。
【背景技術】
[0002]如何有效利用醫(yī)療機構產(chǎn)生的醫(yī)學影像大數(shù)據(jù)輔助醫(yī)生做出準確的診斷已經(jīng)成為信息處理領域的研究熱點。隨著近幾年國內(nèi)外醫(yī)療信息化領域的長足發(fā)展，各種醫(yī)療信息平臺都產(chǎn)生了大量的醫(yī)學影像數(shù)據(jù)，同時伴隨著數(shù)據(jù)挖掘技術在各個行業(yè)的大規(guī)模普及和應用，這些醫(yī)學影像數(shù)據(jù)也成為了數(shù)據(jù)挖掘的重要應用領域。這些數(shù)據(jù)中既包含有結構化的文本信息，也包含有非結構化的圖像信息，而且不同信息間的關系也是復雜多樣的，醫(yī)學影像數(shù)據(jù)的這種多模態(tài)特性使得如何處理和使用它不同于一般的圖像，傳統(tǒng)的圖像語義處理技術已很難滿足用戶使用這類影像數(shù)據(jù)的需求，所以通過對這種多模態(tài)的數(shù)據(jù)進行統(tǒng)一建模并基于這個模型對數(shù)據(jù)進行提取和加載建立醫(yī)學影像數(shù)據(jù)庫對充分有效地使用醫(yī)學影像數(shù)據(jù)是有較高學術價值和實際應用前景的。
[0003]目前，國內(nèi)外在圖像的語義處理研究方面，主要采用面向?qū)ο蟮膱D像語義模型對圖像進行建模，將圖像中的不同部分進行對象化處理，但是將與圖像數(shù)據(jù)存在關聯(lián)的其他模態(tài)數(shù)據(jù)統(tǒng)一進行對象化建模則暫時還沒有實現(xiàn)。醫(yī)學影像往往伴隨著大量其他模態(tài)數(shù)據(jù)，這些數(shù)據(jù)或者和圖像直接相關，或者間接描述了圖像。為此提出一種能夠?qū)D像和其他模態(tài)數(shù)據(jù)進行統(tǒng)一建模的模型和基于此模型對影像數(shù)據(jù)進行提取和加載的方法是一個亟待解決的問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是針對醫(yī)學領域使用最為廣泛的符合DICOM(Digital Imaging andCommunicat1ns in Medicine)標準的文件提出一種能夠提高醫(yī)學影像數(shù)據(jù)利用率的基于多模態(tài)醫(yī)學影像數(shù)據(jù)模型的醫(yī)學數(shù)據(jù)提取和并行加載方法。
[0005]本發(fā)明的目的是這樣實現(xiàn)的:
[0006]本發(fā)明包括如下步驟:
[0007](I)數(shù)據(jù)準備:準備待加載的DICOM類型文件，提出加載請求；
[0008](2)數(shù)據(jù)建模:根據(jù)DICOM數(shù)據(jù)字典的規(guī)定，對DICOM文件中各個模態(tài)的信息建立多模態(tài)數(shù)據(jù)模型；
[0009](3)數(shù)據(jù)提取:開啟多個并行線程，每個線程依據(jù)DICOM數(shù)據(jù)字典和上一步已建立的多模態(tài)數(shù)據(jù)模型對文件分別獨立地進行數(shù)據(jù)的讀取并建立模型元素；
[0010](4)數(shù)據(jù)加載:多個并行線程將數(shù)據(jù)提取階段生成的模型元素加載至數(shù)據(jù)庫中；
[0011](5)數(shù)據(jù)使用:基于多模態(tài)數(shù)據(jù)模型的DICOM數(shù)據(jù)提取和并行加載技術將原始醫(yī)學影像數(shù)據(jù)中的各個模態(tài)數(shù)據(jù)全部進行了提取和統(tǒng)一建模并以數(shù)據(jù)庫的形式進行了存儲，按照模型中實體和實體間關系的結構讀取數(shù)據(jù)庫即可使用已加載完成的數(shù)據(jù)。
[0012]數(shù)據(jù)建模為:該模型采用面向?qū)ο蟮乃枷氩凑铡皩嶓w-關系”的形式對數(shù)據(jù)進行建模，具體建模過程如下:加載DICOM標準的數(shù)據(jù)字典D ={(t，n，v) |t e Tag, n e Name, v e VR}(其中Tag為字段標簽集合，每一個字段標簽由組號和元素號組成，Name為字段名稱集合，VR為值表示集合);根據(jù)t = (0010，****) (0010為組號，****代表該組中全部元素)的數(shù)據(jù)組建立病人實體，該實體的屬性和屬性類型的取值為t在數(shù)據(jù)字典D中對應的η和V (每個實體在數(shù)據(jù)庫都以一張表存儲，實體的屬性和屬性類型為該表中的記錄)；對應t= (0018,0015)的數(shù)據(jù)元素中記錄的檢查部位信息，建立檢查部位實體，若t = (0018,0015)為空，則根據(jù)t = (0018，1030)數(shù)據(jù)元素中的協(xié)議名稱確定檢查部位，該實體的屬性留空；建立病人實體和檢查部位實體之間的實體間關系，其屬性和屬性類型留空(每個實體間關系在數(shù)據(jù)庫同樣以一張表存儲，其屬性和屬性類型為該表中的記錄)；根據(jù)t = (0028，****)數(shù)據(jù)組中記錄的圖像參數(shù)以及t = (7FE0, 0000)和t= (7FE0,0010)中存儲的圖像像素數(shù)據(jù)建立圖像實體，該實體的屬性和屬性類型的取值為t在數(shù)據(jù)字典D中對應的η和V ;根據(jù)t = (0008, ****)數(shù)據(jù)組中記錄的病人檢查信息、t = (0018，****)中記錄的成像信息和t = (0020，****)中記錄的圖像信息建立圖像實體與檢查部位實體之間的實體間關系，其屬性和屬性類型的取值為t在數(shù)據(jù)字典D中對應的η和V。
[0013]數(shù)據(jù)提取為:根據(jù)數(shù)據(jù)準備階段已經(jīng)準備好的DICOM文件建立文件隊列；開啟多個并行線程，在線程間分配DICOM文件；單個線程中，首先建立病人對象P、檢查部位對象e、P和e的對象間關系p-e、圖像對象i以及e和i的對象間關系e_i ;然后讀取t =(0002，0000)數(shù)據(jù)元素確定DICOM文件的設備通訊組長度，讀取t = (0002, 0010)數(shù)據(jù)元素確定DICOM文件的傳輸語法，并根據(jù)DICOM數(shù)據(jù)字典中對字段類型的規(guī)定對文件中的每個字段逐一進行讀取，最后根據(jù)實體和實體間關系中屬性對字段的規(guī)定，將讀取到的字段內(nèi)容賦值給對應的對象或?qū)ο箝g關系的屬性，建立五元組(P，e, p-e, i, e-1)。
[0014]數(shù)據(jù)加載為:每個線程根據(jù)數(shù)據(jù)提取階段已經(jīng)建立的五元組(p，e, p-e, i, e-1)，依次向數(shù)據(jù)庫中存儲五元組中的每個元素(每個對象和對象間關系在數(shù)據(jù)庫中都是根據(jù)其對應的實體表或?qū)嶓w間關系表建立的一張表，屬性作為該表的字段，而一個對象或?qū)ο箝g關系即為該表的一條記錄，加載一個對象或?qū)ο箝g關系即為在對應表中新增一條記錄并為每個字段賦值，對象間關系表通過設置兩個對象的外鍵來表示這兩個對象之間的關系)；存儲時，首先判斷P和e是否在數(shù)據(jù)庫中已經(jīng)存在，若存在則不再重復存儲，而且每個線程在判斷P和e的存在性以及存儲P和e的過程中要進入臨界區(qū)，防止和其他線程發(fā)生線程沖突。
[0015]本發(fā)明的有益效果在于:
[0016]本發(fā)明提出的多模態(tài)數(shù)據(jù)模型是對醫(yī)學影像數(shù)據(jù)的一個統(tǒng)一模型。提出的基于多模態(tài)數(shù)據(jù)模型的DICOM提取和并行加載技術實現(xiàn)了醫(yī)學影像數(shù)據(jù)的統(tǒng)一建模和存儲。這種統(tǒng)一建模的數(shù)據(jù)提取和加載技術對原始數(shù)據(jù)的利用率很高，不同類型數(shù)據(jù)之間的關系也被精確完整地表達，從而擴展了基于醫(yī)學影像數(shù)據(jù)的數(shù)據(jù)挖掘的挖掘范圍和深度。采用統(tǒng)一模型對所有模態(tài)的數(shù)據(jù)建模，使數(shù)據(jù)的后期使用和更新具有更好的通用性和一致性。
【附圖說明】
[0017]圖1是提取和并行加載技術的流程圖；
[0018]圖2是DICOM類型文件的常用數(shù)據(jù)組示例；
[0019]圖3是多模態(tài)數(shù)據(jù)模型的建模示例圖；
[0020]圖4是并行加載算法的流程圖。
【具體實施方式】
[0021]下面結合附圖和具體實施例對本發(fā)明作進一步的說明:
[0022]本發(fā)明提出了一種基于多模態(tài)數(shù)據(jù)模型的DICOM提取和并行加載技術，其特征在于利用一種多模態(tài)數(shù)據(jù)模型對DICOM文件進行建模，然后在建立好的模型基礎上對批量DICOM文件進行數(shù)據(jù)的提取和加載，而且在提取和加載過程中使用了并行策略。多模態(tài)數(shù)據(jù)模型的定義是:將數(shù)據(jù)文件中各種類型的文本數(shù)據(jù)和圖像數(shù)據(jù)按照“實體-關系”的方式進行重組，在數(shù)據(jù)庫中建立對應表結構。對于每一個DICOM文件，其提取和分類過程為:開啟多個并行線程，在一個線程中，首先按照DICOM的數(shù)據(jù)字典對文件中的各個字段逐一進行讀取，然后按照已建立的模型對于字段的規(guī)定將讀取到的字段內(nèi)容分配到各個對象或?qū)ο箝g關系中，最后將建立完成的各個對象和對象間關系依次加載到數(shù)據(jù)庫中，在對象的加載過程中，首先判斷其是否已存在，若存在則不再重復存儲，而且在判斷和存儲過程中使線程進入臨界區(qū)避免線程間沖突。本發(fā)明與傳統(tǒng)醫(yī)學圖像處理技術相比，提高了原始數(shù)據(jù)的利用率，對于原始數(shù)據(jù)中不同模態(tài)的數(shù)據(jù)進行了統(tǒng)一建模，將不同模態(tài)的數(shù)據(jù)及其相互關系進行了精確的表示和存儲而且使用并行策略提高了數(shù)據(jù)的提取和加載效率。
[0023]如圖1所示，第一步首先準備需要進行提取和加載的DICOM文件，這一步需要對DICOM文件的文件格式和組織形式進行歸一化處理，以利于后續(xù)形成文件隊列和對文件進行讀取。DICOM是關于在各種設備間傳送醫(yī)學圖像及其信息的工業(yè)標準，它規(guī)范了各種醫(yī)學圖像的格式并同時支持TCP/IP協(xié)議。DICOM文件是采用面向?qū)ο蟮姆椒▉碓O計和編碼的，每個文件有一個信息對象(1D)與之相關聯(lián)，信息對象的屬性由數(shù)據(jù)元素來表示，而且對象的屬性只能編碼一次，用UID標識符來唯一標識，文件除包括圖像數(shù)據(jù)外，還包括受檢者信息，成像的技術參數(shù)，醫(yī)生的診斷信息等。這些都是用數(shù)據(jù)組(DATA SET)(—系列數(shù)據(jù)元素(DATA ELEMENT)的有序排放)來管理的。DICOM將圖像數(shù)據(jù)，圖像參數(shù)和與之相關的其它信息分成若干個組，其中比較常用的信息組如圖2所示。
[0024]第二步，本示例中，根據(jù)DICOM標準的規(guī)定和建模需求，可知DICOM文件中多個數(shù)據(jù)組中需要被建模的主要有以下數(shù)據(jù)組= (0008, m)描述病人檢查信息、t = (0010，林林)描述病人信息、t = (0018，****)描述成像信息、t = (0020，****)描述圖像信息、t=(0028，****)描述圖像參數(shù)和t = (7EF0，****)存儲圖像數(shù)據(jù)。根據(jù)上述數(shù)據(jù)組進行建模，主要有以下四個步驟:
[0025]1、根據(jù)t = (0010，**#)數(shù)據(jù)組在數(shù)據(jù)庫中建立病人實體表和對應的對象表，并依據(jù)t= (0010,0010)中描述的病人姓名、t= (0010,0020)中描述的病人ID、t = (0010,0030)中描述的病人出生日期、t = (0010,0040)中描述的病人性別和t =(0010, 1010)中描述的病人年齡等數(shù)據(jù)元素在該病人實體表中添加以下記錄(“patient_name”，“string”)、(“patient_id”，“string”)、(“patient_birth”，“date”)、(“patient_sex