謝夢怡

(泉州信息工程學(xué)院 軟件學(xué)院,福建 泉州 362000)

0 引 言

醫(yī)院每天接受大量的病患,從患者進入醫(yī)療醫(yī)院診治到診治結(jié)束,所經(jīng)歷的一切事宜都會記錄成文字、報告、影像,將這些信息綜合到一起形成檔案,由于在短時間內(nèi)很難建立出最完善的醫(yī)療檔案,由此嚴(yán)重影響了當(dāng)代醫(yī)療事業(yè)的發(fā)展[1]。近年來,醫(yī)療檔案信息共享、數(shù)字化醫(yī)院、醫(yī)院數(shù)字化建設(shè)等概念不斷出現(xiàn),也使得“醫(yī)院檔案信息搜索”這一概念成為人們熱門研究的問題[2]。

文獻[3]提出了基于信息網(wǎng)模型的Web實體語義信息搜索方法,使用信息網(wǎng)模型對Web數(shù)據(jù)進行語義表示和建模,將實體的所有語義信息組織在一個對象中,快速獲取實體完整的語義信息,基于信息網(wǎng)模型構(gòu)建復(fù)雜語義數(shù)據(jù)庫,設(shè)計可對教育領(lǐng)域相關(guān)實體信息進行精確搜索的TLDW系統(tǒng)。但該方法花費的搜索時間較長。文獻[4]提出一種基于模糊集的海量圖書館檔案信息快速檢索方法，利用多個向量代表檔案信息的對象,建立特征向量模型對圖書館檔案信息進行處理,需要在數(shù)據(jù)庫中對檔案信息的語義索引和語義特征向量進行處理。在對圖書館檔案信息處理完成的基礎(chǔ)上,計算索引項在檔案信息中的頻率,對圖書館檔案信息檢索式進行量化和劃分,獲得檔案信息向量,利用檔案信息向量計算相似度函數(shù),實現(xiàn)模糊集的圖書館檔案信息快速檢索方法。但該方法搜索結(jié)果的相關(guān)性較差。

針對以上問題,提出基于機器視覺的醫(yī)院檔案信息智能搜索方法。作為人工智能領(lǐng)域的一個分支,機器視覺具有成本低、效果好、操作簡單等優(yōu)點。將其應(yīng)用到醫(yī)院檔案信息智能搜索中,可以有效提高搜索效率,確保搜索的精準(zhǔn)率。

1 信息目標(biāo)區(qū)域選取

醫(yī)院檔案信息主要包括患者從進入醫(yī)院診治到診治結(jié)束過程中的檢驗報告、影像以及病況記錄等?；跈C器視覺智能搜索醫(yī)院檔案信息,需要確定信息的目標(biāo)區(qū)域,對醫(yī)院檔案信息的目標(biāo)區(qū)域選取可以縮小醫(yī)院海量檔案信息的搜索范圍。采用機器視覺多視角注意的方法選取目標(biāo)區(qū)域。機器視覺多視角注意指的是在眾多物體中從多個角度選擇性地進行注意,這種方式可以確保機器在復(fù)雜的日常環(huán)境中高效完成活動[5-7]。如圖1所示為多視角下機器視覺注意模型。

圖1 機器視覺注意模型Fig.1 Machine vision attention model

機器視覺注意檔案信息主要有2種,分別是自下而上注意機制和自上而下注意機制,這2種注意機制會共同發(fā)揮作用,二者不可分開,但是在不同情況下,兩種機制發(fā)揮的作用權(quán)重是不同的[8-9]。

機器視覺注意的方式可減少云機器在執(zhí)行任務(wù)時的計算量,會根據(jù)目前的任務(wù)進行一系列的動作,降低智能搜索過程的復(fù)雜性。機器在注意到目標(biāo)后,會自動對醫(yī)院檔案信息目標(biāo)進行采樣,提取相應(yīng)的特征,搜索焦點,確定目標(biāo)為感興趣目標(biāo)后,對目標(biāo)區(qū)域投入注意力。具體的目標(biāo)區(qū)域選取過程如圖2所示。

圖2 目標(biāo)區(qū)域選取流程Fig.2 Target area selection process

根據(jù)圖2中的選取流程,將目標(biāo)區(qū)域選擇設(shè)置為三個階段:預(yù)注意階段、顯著信息生成階段、注意力轉(zhuǎn)移階段。

(1) 預(yù)注意階段。通過計算得到醫(yī)院檔案早期視覺特征,針對所有的醫(yī)院檔案信息進行計算,一般檔案中的顯著性越強,特征越明顯,通過競爭的方式表現(xiàn)[9]。

(2) 顯著信息生成階段。當(dāng)預(yù)處理階段得到計算結(jié)果之后,將待搜索的醫(yī)院檔案中的顯著信息提取,這些顯著信息對于評價模型優(yōu)劣有著關(guān)鍵意義。

(3) 注意力轉(zhuǎn)移階段。當(dāng)確定顯著信息后,機器視覺會自動對顯著度最大的點進行關(guān)注,這些點被稱為首次注意點,再通過返回抑制機制轉(zhuǎn)移注意力。被注視過的信息顯著性會得到抑制,由此來確保該檔案信息不會被重復(fù)注意,有些位置一旦被注視過,顯著度就會降為零,接著注視顯著度相對小的目標(biāo),依次類推直到機器視覺找到想要搜索的目標(biāo)為止[10]。

機器視覺能很好地檢測醫(yī)院檔案信息潛在的顯著區(qū)域,是一個很強的視覺注意力裝置,能快速在醫(yī)院檔案信息中找到目標(biāo)區(qū)域,并對目標(biāo)區(qū)域進行識別,提高識別效率,即使面對很復(fù)雜的物體,也能快速完成搜索識別工作[11]。

2 信息智能搜索模式分析

在以上分析研究的基礎(chǔ)上,利用機器視覺對目標(biāo)區(qū)域醫(yī)院檔案信息進行搜索,整體的醫(yī)院檔案信息目標(biāo)搜索流程圖如圖3所示。

圖3 醫(yī)院檔案信息目標(biāo)搜索流程圖Fig.3 Flow chart of target search for hospital file information

其中,目標(biāo)信息區(qū)域的信息特征計算方法為

(1)

式中:P代表目標(biāo)信息區(qū)域的信息特征;N代表目標(biāo)區(qū)域的大小;Q表示檔案信息的存儲大小;C代表每種檔案信息出現(xiàn)的次數(shù)。

為了確保醫(yī)院全部檔案信息搜索結(jié)果的充分性,機器視覺要對所有的醫(yī)院檔案信息都進行搜索[12],但是由于醫(yī)院中記錄的檔案信息非常多,所以要對這些信息進行模式匹配,在目標(biāo)區(qū)域內(nèi)對信息進行搜索[13]。在搜索醫(yī)院檔案信息時,主要的智能搜索方式有語義搜索、群體搜索、內(nèi)容特征搜索、整合搜索、垂直搜索、個性化搜索和社會搜索等[14-15]。語義搜索主要是通過理解醫(yī)院檔案信息的類別來完成搜索的,通過分析輸入到搜索框內(nèi)中的內(nèi)容,給出能夠滿足目標(biāo)檔案的相關(guān)結(jié)果,這種檢索方式加強了智能性,提高了機器搜索醫(yī)院海量檔案信息的準(zhǔn)確率[16-17];群體搜索依據(jù)醫(yī)院檔案信息的關(guān)鍵詞和表達方式進行搜索,通過多重搜索得到一個相對準(zhǔn)確的結(jié)果，并能夠深入分析目標(biāo)搜索的要求,根據(jù)不同的要求給出針對性的搜索結(jié)果;內(nèi)容搜索不僅僅是對醫(yī)院檔案的就醫(yī)人員本身信息進行搜索,也能夠就醫(yī)人員診斷治療過程中的檢查結(jié)果進行搜索,如CT圖像、化驗結(jié)果等,這種方式得到的結(jié)果能夠很大程度地避免主觀性;羅盤搜索注重搜索結(jié)果的精準(zhǔn)性,根據(jù)給出的關(guān)鍵詞進行智能分類,并在每個大類中歸納出多個子類,相關(guān)人員可以根據(jù)提示的信息一步步進行選擇,這樣得到的檔案信息結(jié)果就更加精準(zhǔn);整合搜索會將所有功能和終端通用連接,提高搜索的靈活性和適應(yīng)性,整合搜索可以為醫(yī)院提供更加合適的操作方式,降低操作過程的復(fù)雜度;垂直搜索會將所有醫(yī)療信息檔案規(guī)劃成一個垂直的矩陣,以模型化的方式向用戶展示,垂直搜索具有“專、精、深”的特點,能夠滿足醫(yī)院檔案信息的特定需求,提高搜索結(jié)果的信息質(zhì)量,將很多不易被發(fā)現(xiàn)的檔案信息明確地展現(xiàn)在醫(yī)護人員面前;個性化搜索更加強調(diào)檔案的個性化特征,個性化搜索所設(shè)置的分類導(dǎo)航欄是完全滿足搜索需求的,能夠確保得到合理搜索結(jié)果的基礎(chǔ)上,實現(xiàn)最大程度的智能化;社會化搜索會將所有相同的搜索方式歸類到一起,讓相關(guān)醫(yī)護人員或就醫(yī)人員可以共同探討搜索結(jié)果,確保搜索方法不斷提高[18-19]。

為此,在利用機器視覺鎖定目標(biāo)搜索區(qū)域并計算醫(yī)院檔案信息特征的基礎(chǔ)上,依據(jù)不同需求智能選擇不同且合適的檔案信息搜索方式,進行搜索模式匹配,最終輸出顯示搜索結(jié)果,以實現(xiàn)最終的醫(yī)院檔案信息智能化搜索。

在分析醫(yī)院檔案信息的模式后,要對待搜索信息進行模式匹配,模式匹配是醫(yī)院檔案信息搜索重要的一步,利用計算機代替人腦解決復(fù)雜的信息問題,并將醫(yī)院信息進行分類[20]。醫(yī)院檔案信息模式匹配可對不同時間和不同條件下的檔案信息進行校準(zhǔn),使信息的特征更加明顯[21]。

若想在海量醫(yī)院檔案信息中完成精確的提取、識別、匹配工作,就必須對目標(biāo)信息進行完整處理,一般處理思路是:首先將所有信息的特征集合到一起,然后通過機器學(xué)習(xí)的方法在所有的特征集合中找到最能反映醫(yī)院檔案信息的特征,對這些特征進行匹配和識別,為最后的工作搜索工作打下基礎(chǔ)[22]。待搜索信息的模式匹配識別過程如圖4所示。

圖4 待搜索信息的模式匹配識別過程Fig.4 Model matching identification process for information to be searched

在統(tǒng)計模式下匹配檔案信息,每一個醫(yī)院檔案信息所屬的模式都會被事先定義,統(tǒng)計模式下檔案信息匹配的計算過程如下:設(shè)定共有n個信息,M個搜索模式類,

代表搜索模式矢量。對這些模式下的信息進行分類,找到每個信息所對應(yīng)的模式類,模式分類基于統(tǒng)計決策理論建立,可將信息模式匹配看成信息分類問題[23]:

A=P[A1,A2,…,An]

(2)

式中：A代表醫(yī)院檔案信息的描述符;A1,A2,…,An代表醫(yī)院檔案信息矢量。

利用機器視覺中相似性度量方法進行模式匹配,具體相似性度量公式為

(3)

式中:d(·)代表的是醫(yī)院檔案信息矢量與搜索模式矢量之間的歐式距離。

根據(jù)式(3)實現(xiàn)醫(yī)院檔案信息與搜索模式的匹配,選取相應(yīng)的搜索模式對醫(yī)院檔案信息進行智能搜索,從而實現(xiàn)醫(yī)院檔案信息的準(zhǔn)確搜索。

3 實驗研究

為了檢測本文基于機器視覺的醫(yī)院檔案信息智能搜索方法的有效性,與基于模糊集的檢索方法(文獻[4]方法)進行比較,設(shè)計對比實驗。實驗選取飛思卡爾單片機、紅外傳感器、電機驅(qū)動器、光電編碼器、PC核心處理器以串口通信的方式進行醫(yī)院檔案信息智能搜索。

根據(jù)上述實驗參數(shù),同時選取本文設(shè)定的醫(yī)院檔案信息智能搜索方法和文獻[4]方法,搜索相同醫(yī)院檔案信息,記錄搜索時間以及搜索結(jié)果的相關(guān)性,對比結(jié)果如圖5所示。

圖5 信息搜索時間結(jié)果Fig.5 Results of information search time

隨著搜索信息量的增加,智能搜索時間也在不斷增加,從圖5可知,當(dāng)搜索信息量為30 GB時,本文方法花費的搜索時間為5.6 min,文獻[4]中檢索方法花費的搜索時間為11.8 min,本文方法花費的搜索時間比文獻[4]花費的搜索時間少6.2 min,這是因為本文使用的搜索算法具有很強的針對性,能夠?qū)⑿畔⒎峙涞讲煌Ｊ街?在搜索時僅針對每種模式進行搜索即可,而文獻[4]搜索方法為籠統(tǒng)搜索,需要在海量信息中進行搜索,搜索過程復(fù)雜,難度大,需要花費的時間很長。

為了進一步驗證本文方法的有效性,對本文方法和文獻[4]方法的相關(guān)性進行對比分析,對比結(jié)果如表1所示。

表1 相關(guān)性測試結(jié)果Table 1 Correlation test results

從表1可知,在5次測試中,文獻[4]得到的結(jié)果相關(guān)性有3次差,2次普通,這證明文獻[4]搜索的結(jié)果與用戶實際需求僅有少量相關(guān),即使相關(guān)性較高,顯示方式也很負(fù)責(zé),用戶需要在眾多信息中逐一篩選,找到合適的信息。

本文研究的方法在5次測試中,相關(guān)性都很強,搜索結(jié)果與實際需求信息匹配度很高,顯示的搜索結(jié)果都是用戶需要的內(nèi)容,使用者不需要再次篩選,直接就可以使用。

根據(jù)上述實驗結(jié)果,得到如下的實驗結(jié)論:在搜索同一類醫(yī)院檔案信息時,研究的智能搜索方法花費的時間更小,相關(guān)性更高,能夠滿足用戶的需求,更加適合醫(yī)療系統(tǒng)。

4 結(jié) 語

由于機器視覺技術(shù)具有很強的自主性、交互性和自適應(yīng)性,所以十分適合搜索醫(yī)院檔案信息。利用機器視覺研究了一種醫(yī)院檔案信息智能搜索方法,利用機器視覺的多視角采集醫(yī)院檔案信息,并選取目標(biāo)區(qū)域,在智能搜索前進行模式匹配,該方法能夠在海量醫(yī)院檔案信息中精確地識別出有效信息。

本文的研究具有一定的搜索效果,但是由于研究時間有限,所以對視覺注意里選擇機制的研究較少,僅針對一種匹配識別方式進行探討,未來需要進一步完善。