盛建強(qiáng)，陳驍，鄭洪英

（深圳信息職業(yè)技術(shù)學(xué)院，廣東 深圳 518172）

0 引言

伴隨著互聯(lián)網(wǎng)的高度發(fā)展和普及，出現(xiàn)在網(wǎng)絡(luò)環(huán)境下的圖片數(shù)量呈幾何級(jí)增長(zhǎng)，如何有效的在海量的圖片數(shù)據(jù)中搜索、瀏覽和查找到用戶關(guān)心的數(shù)據(jù)，成為很多研究者關(guān)心的一個(gè)熱點(diǎn)問(wèn)題。面對(duì)上述問(wèn)題，本文設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)生物醫(yī)學(xué)流程圖的檢索系統(tǒng)。該系統(tǒng)運(yùn)用生物醫(yī)學(xué)的特征提取，及圖像分類(lèi)算法，流程圖的相似性估計(jì)算法等構(gòu)建了一個(gè)基于內(nèi)容的圖像搜索引擎。

1 整體設(shè)計(jì)

生物醫(yī)學(xué)信息系統(tǒng)設(shè)計(jì)的主要目標(biāo)是在合適的時(shí)間、合適的地點(diǎn)對(duì)合適的人群提供所需要的信息。所以，本系統(tǒng)的研究對(duì)象和目標(biāo)人群也非常的明確，研究對(duì)象為生物醫(yī)圖像中非常重要的一類(lèi)圖片——流程圖，并且研究該類(lèi)圖像的人員非常少，在學(xué)界還沒(méi)引起足夠的重視；該系統(tǒng)的使用對(duì)象主要是生物圖像研究著或?qū)︶t(yī)學(xué)圖像感興趣的科研人員和臨床醫(yī)生[1-2]。就整體設(shè)計(jì)架構(gòu)而言，本系統(tǒng)的設(shè)計(jì)與傳統(tǒng)的基于內(nèi)容的生物醫(yī)學(xué)圖像搜索引擎的設(shè)計(jì)基本類(lèi)似，本系統(tǒng)設(shè)計(jì)的另外一個(gè)目的，就是為本文對(duì)生物醫(yī)學(xué)圖像的研究成果提供一個(gè)驗(yàn)證和測(cè)試的環(huán)境，盡可能遵循系統(tǒng)設(shè)計(jì)的一般原則：高內(nèi)聚、低耦合、模塊可重用。下面分別從系統(tǒng)的設(shè)計(jì)目標(biāo)、技術(shù)架構(gòu)、數(shù)據(jù)流模型等方面對(duì)基于生物醫(yī)學(xué)領(lǐng)域流程圖檢索系統(tǒng)進(jìn)行詳細(xì)描述。

1.1 流程圖搜索引擎設(shè)計(jì)目標(biāo)

基于現(xiàn)有的CBIR生物醫(yī)學(xué)圖像檢索系統(tǒng)的設(shè)計(jì)框架，結(jié)和我們系統(tǒng)的應(yīng)用需求和特點(diǎn)，提出了如下幾個(gè)方面的設(shè)計(jì)目標(biāo)：

1.1.1 良好的界面設(shè)計(jì)

系統(tǒng)設(shè)計(jì)的最終目的是提供使用者一個(gè)高效的、便捷的系統(tǒng)，良好的界面風(fēng)格設(shè)計(jì)(GUI)就顯得至關(guān)重要。

1.1.2 專(zhuān)門(mén)性

由于本系統(tǒng)是專(zhuān)門(mén)用于生物醫(yī)學(xué)圖像領(lǐng)域、而且是針對(duì)生物醫(yī)學(xué)流程圖進(jìn)行檢索。所以，在具體的設(shè)計(jì)和實(shí)現(xiàn)中，需要考慮到這一實(shí)際情況。

1.1.3 實(shí)時(shí)性眾所周知，許多圖像處理的算法的復(fù)雜度是比較高的，尤其是圖像特征提取算法[3-4]。

1.2 流程圖搜索引擎技術(shù)架構(gòu)

從系統(tǒng)角度分析，本搜索引擎主要由GUI接口、圖像的特征的提取以及流程圖相似性度量三個(gè)模塊組成。GUI接口模塊是用戶與系統(tǒng)之間進(jìn)行信息交互的途徑，是用戶提交查詢請(qǐng)求的窗口。圖像特征提取模塊主要包括圖像的預(yù)處理過(guò)程，以及圖像特征提取過(guò)程，在以圖搜圖的環(huán)節(jié)中，本文用基于概率圖模型的相似性度量方法來(lái)計(jì)算相似性，而對(duì)于手繪方式搜索環(huán)節(jié)，其方法是基于ccLDA模型的流程圖相似度量方法。

2 流程圖搜索引擎數(shù)據(jù)流模型

整個(gè)系統(tǒng)的信息處理流程就像一個(gè)標(biāo)準(zhǔn)的工作流程序，從特征提取開(kāi)始，到圖像的分類(lèi)，到數(shù)據(jù)索引、圖像檢索，最后經(jīng)相似性計(jì)算得到最終的檢索結(jié)果。在本系統(tǒng)設(shè)計(jì)過(guò)程中，每個(gè)關(guān)鍵算法（如特征提取、圖像分類(lèi)、相似度計(jì)算等）分別被抽象成一個(gè)處理器(Processor)，該處理器都有一個(gè)輸入和一個(gè)輸出，且輸入與輸出均采用數(shù)據(jù)對(duì)象(Data)來(lái)表示。

搜索引擎的關(guān)鍵技術(shù)的實(shí)現(xiàn)需要借助Lucene工具。Lucene提供了一個(gè)全文檢索引擎的架構(gòu)，并且為用戶提供了完整的查詢引擎和索引引擎，部分文本分析引擎。其目的是為開(kāi)發(fā)者提供一個(gè)易用、簡(jiǎn)單的工具包、方便軟件開(kāi)發(fā)者在系統(tǒng)中實(shí)現(xiàn)全文檢索的功能，或者是以此為基礎(chǔ)建立起完整的全文檢索引擎[5]。具體流程為：

2.1 構(gòu)建數(shù)據(jù)庫(kù)的索引文件

構(gòu)建了3張數(shù)據(jù)庫(kù)表：DIR INFORM, FIGURE INFORM, FC INFORM。對(duì)于表DIR INFORM，它存儲(chǔ)的信息主要是流程圖所在的源文檔信息，包括：文檔的題目、文檔的作者信息、摘要、關(guān)鍵詞、以及文檔的鏈接地址；對(duì)于表FIGURE INFORM，它存儲(chǔ)的信息主要的流程圖本身的信息，如流程圖的主題等；對(duì)于FC INFORM，主要有關(guān)于流程圖的所檢測(cè)出來(lái)的元素和嵌入在流程圖中的文本信息。接著，我們開(kāi)始創(chuàng)建索引：①指定索引文件的存儲(chǔ)路徑；②生成一個(gè)IndexWriter對(duì)象，用于創(chuàng)建索引文件；③生成一個(gè)Document對(duì)象，它包含多個(gè)屬性，這些屬性可供查詢和索引；④把Document對(duì)象加入到IndexWriter對(duì)象中；⑤優(yōu)化IndexWriter對(duì)象。Lucene索引文件構(gòu)建成功。

索引文件構(gòu)建成功后，我們可以利用Lucece對(duì)每一次查詢進(jìn)行檢索，但僅僅是根據(jù)流程圖里面本身的本文信息來(lái)進(jìn)行，所以這個(gè)查詢結(jié)果相對(duì)而言，精度和相關(guān)度不一定很穩(wěn)定，關(guān)于這一點(diǎn)，我們?cè)诘?，4章做對(duì)比試驗(yàn)的時(shí)候，就對(duì)用Lucene工具檢索的結(jié)果做過(guò)比對(duì)試驗(yàn)。所以還有進(jìn)一步求精的必要。

2.2 流程圖相似性度量算法

在第(1)步驟的檢索結(jié)果基礎(chǔ)上，進(jìn)一步引入本文第4章的流程圖相似性度量算法，重新對(duì)索引結(jié)果進(jìn)行相似性度量排序，得到最終的查詢結(jié)果。

3 流程圖搜索引擎的檢索過(guò)程

生物醫(yī)學(xué)流程圖檢索系統(tǒng)的主界面如圖1所示。本系統(tǒng)的檢索方式有兩種：一種是采用以圖搜圖的方式，也就是給定一副流程圖，點(diǎn)擊”Search”按鈕直接檢索；另外一種就是基于sketch的方式，即用戶手繪一副流程圖，不需要多么完整和復(fù)雜，但這個(gè)sketch需要體現(xiàn)用戶本人最想要表達(dá)的關(guān)鍵信息，或者關(guān)鍵結(jié)構(gòu)信息，如關(guān)鍵節(jié)點(diǎn)及內(nèi)容，與節(jié)點(diǎn)相連的邊的信息等等。后面的過(guò)程就以第二種情況為例進(jìn)行說(shuō)明和展示。生物醫(yī)學(xué)流程圖檢索系統(tǒng)的檢索流程如下：

圖1 搜索引擎的主界面，并且簡(jiǎn)單地手繪了以“pharmacist care”為主題的查詢示例

用戶通過(guò)網(wǎng)頁(yè)內(nèi)嵌的繪圖板的菜單欄，選擇相應(yīng)的形狀，并連接和添加文本，繪制用于檢索的流程圖。

繪制流程圖完畢后，用戶點(diǎn)擊”Search”按鍵，系統(tǒng)將返回檢索結(jié)果，且相似的圖像以縮略圖形式展示。

用戶選取感興趣的圖像，通過(guò)點(diǎn)擊系統(tǒng)提供的超鏈接，可以訪問(wèn)該圖像的詳細(xì)信息，如流程圖所對(duì)應(yīng)的論文的題目、摘要、作者，論文的出處，以及上下信息等。

4 搜索引擎實(shí)驗(yàn)結(jié)果分析

好的評(píng)價(jià)標(biāo)準(zhǔn)對(duì)于任何一項(xiàng)技術(shù)地推動(dòng)具有非常重要而積極的意義，比如信噪比(signal noise ratio, SNR)是數(shù)據(jù)壓縮領(lǐng)域的評(píng)價(jià)標(biāo)準(zhǔn)；而在信息檢索領(lǐng)域，查準(zhǔn)率(precision)和查全率(recall)是兩個(gè)重要的評(píng)價(jià)指標(biāo)。一個(gè)檢索系統(tǒng)的性能評(píng)估準(zhǔn)則包括:效率(efficiency)、有效性(effectiveness)以及靈活性(flexibility)。它們分別代表檢索的速度、檢索與查詢圖像相似的圖像的成功率、及對(duì)不同應(yīng)用的適應(yīng)性。目前對(duì)檢索系統(tǒng)的性能的評(píng)價(jià)則更多地放在檢索的有效性上，即檢索系統(tǒng)結(jié)果的正確與否上。下面，主要從效率及有效性兩方面來(lái)對(duì)這個(gè)搜索引擎進(jìn)行評(píng)價(jià)。本文選擇了共計(jì)8組查詢主題，分別是：乳腺癌、胃癌、非霍奇金淋巴瘤、多發(fā)性骨髓瘤、HIV、慢性腎臟炎、心臟病、瘧疾。每一組查詢主題我們分別進(jìn)行6次隨機(jī)的查詢，具體作法是：在系統(tǒng)中用手繪的方式，在手繪的第一個(gè)文本框里輸入主題，其他的文本框的內(nèi)容隨機(jī)，重復(fù)進(jìn)行6次。系統(tǒng)能自動(dòng)統(tǒng)計(jì)每次查詢所需的時(shí)間。本文系統(tǒng)的檢索過(guò)程所需的時(shí)間均在毫秒級(jí)。

5 結(jié)語(yǔ)

本文實(shí)現(xiàn)了一個(gè)生物醫(yī)學(xué)流程圖的檢索系統(tǒng)。該系統(tǒng)運(yùn)用了一些成熟的關(guān)鍵算法和技術(shù)，如生物醫(yī)學(xué)的特征提取，及圖像的分類(lèi)算法，流程圖的相似性估計(jì)算法等，基于這些方法和模型，本文構(gòu)建了一個(gè)基于內(nèi)容的圖像搜索引擎，本系統(tǒng)提供用戶兩種查詢方法：用戶輸入一張流程圖，查詢與之相似的圖像；另外一種方式就是由用戶根據(jù)自己的查詢意圖，手繪草圖進(jìn)行搜索。實(shí)驗(yàn)表明，本文提出的系統(tǒng)在實(shí)時(shí)性、結(jié)果相關(guān)度等方面有不錯(cuò)的性能。