数据挖掘在医学影像储存与传输系统结构化报告中的应用

林 妍

（梧州市红十字会医院信息科 广西 梧州 543002）

数据挖掘指的是数据库中的知识发现，主要挖掘对影像诊断有效信息，该项技术在20世纪80年代中后期开始得到广泛应用。数据挖掘涉及较多学科，包括数据库、模式识别、人工智能、统计学等，因此数据挖掘是一门交叉学科[1]。随着医学研究的深入，渐渐的将之用于医学界中，本次研究针对数据挖掘技术相关理论知识及挖掘方法进行探究，分析该项技术在影像学存储系统报告的基础上提取有效信息的效果。旨在完善数据库内容，快速得到有效的影像学资料。

1 资料与方法

1.1 开发工具

本次研究选择兼容机、80G硬盘等硬件软件开展探究；软件方面选择操作平台为简体中文，选择双轴分类的美国放射学院编码数据库。

1.2 结构化报告系统

选择已有的结构化报告系统作为研究基础，涉及影像学诊断、归档等数据库，需要生成相关结构化报告，从而实施存储、传送等操作，对一经生成的图像、波形等各种医学数字影响和通讯标准信息进行整理，根据不同类型的医学数字影响和通讯标准，建立结构化报告树形文档，入嵌套参考文献引用，输入关键词引用相关图像[2]。结构化报告中的储存和传送采取医学数字影响和通讯标准中的递归嵌套项目序列数据集，使用树形结构将之串联，并予以验证和审核，与医学数字影响和通讯标准服务器保持通信，将该操作归纳为层级目录当中，采取Microsoft Access 2000数据库将影像诊断数据库进行管理和整合，知识库中的内容包括影像库、诊断建议模板数据可库等，同时诊断建议模板库等几项数据库。归档数据库这一方面，主要针对报告文本库和报告图像库，前者采取SQL Server2000展开存储管理，后者则经文件方式储存即可。

1.3 方法

（1）在对医学影像结构化报告进行操作期间，最大限度了解归档文本数据库，通过录入疾病征象扩展数据库相关内容，数据库知识数据达到一定量，有利于发现诊断规律。本次涉及的研究方法有粗糙集理论，在MDRBR算法基础上寻找规律，使得知识自动获取识别，从而实现能在较短时间内获得病例中的有效信息，从而不断完善数据库内容。该理论是由波兰学者提出的一种挖掘方法，通过对“概念”一词展开剖析，认为是对象的集合，根据知识类型进行分类的能力。围绕一个固定的问题知识点将之分为不同类型，在根据划分的每一小部分组成形成一个概念。其特点在于可有效分析、处理不完全、不一致的各类信息，挖掘其中潜在的知识点或信息。（2）步骤，数据挖掘分步骤完成，共涉及8个步骤，首先了解医学影像学基础理论知识，确定系统目标；其次根据目标寻找数据，数据集合或者是发现变量；再次，数据预处理无关数据，将噪声信息保留后期再处理；数据约减和投影，挖掘到相关数据表达特征后，数据这一模块需要减少规模，并将目标与数据进行匹配，在数据变化中发现规律，开展数据挖掘，总结关联规则等模式；对挖掘到的模式做分析和评估；最后应用挖掘到的信息。（3）结构，挖掘原始数据可通过德文本、图像及数据实现，特别是异构型数据，有效挖掘原始数据，结构化报告则可以归档数据中获取，将噪声去除，从而建立结构化报告数据库；并对数据库中提出出来的数据进行分析，从变换后样本中提出数据模式，数据挖掘结果一般包括概念、规则、模式等内容。经过数据挖掘获取相关知识，并将之用于新得储备系统中。

2 结果

2.1 扩充影像诊断知识库

结构化报告将之纳入数据库报告中，并对之进行整理，影像学疾病类型、图像等做好分类，对疾病“部位、大小、数量、密度”等内容的CT征象做好分类，形成带有节点的疾病知识库树形图，并将之存于数据库中。生产诊断报告，将对应疾病的属性进行判断，最终形成结构化报告，并将之录入诊断报告库内，经特征值对结构化报告进行检索。

2.2 辅助影像诊断

将结构化报告归档数据库中，形成数据库挖掘模式后，利用SQL Server2000相关操作，录入患者一般资料、临床疾病信息，形成基本数据表格。经检查，大部分患者诊断出已确诊疾病，其诊断率高达90.00%。

3 讨论

数据挖掘技术随着时代技术的进步得到广泛应用，在医学影像学科也逐渐得到重视，利用该项技术整合患者一般资料，对其归档资料进行整理，寻找影像诊断规律，最后得出诊断结论，加之得到大量数据作为支撑，因而诊断规则及模式具备一定的有效性。查阅相关文献[3]，表示国内外具有该技术的研究成果，经粗糙集理论分析医学影像学数据库中的有效性信息，为急诊科医生以及各科护理提供正确决断提供参考。这次的研究中，通过粗糙理论对挖掘技术病例展开分析，经建立影像诊断知识库后显示确诊率达95.00%以上，说明挖掘技术在影像学诊断中发挥良好的作用。查阅相关文献显示[4]，应用贝叶斯学习分类法对男、女患者CT图像继续自动诊断，通过关联规则对头部创伤患者CT检查图像做分析，通过CT、HRCT影像和超声影像纹理展开评估。CT图像做钙化、数量等方面的特征参考相关数据分析肿瘤性质。但需要注意的是，数据研究只能在结构化报告文本中操作，鉴于目前还有较多技术问题需要解决，仍需不断优化操作步骤，数据分析准确性还有待提升[5]。

数据挖掘技术在医学影像查询及检索中的应用，数据库数据的引用促进PACS的发展，对不同设备医学影像数据进行处理，PACS的应用会使得影像学数据发生较大的变化，以增长为主要趋势。针对该情况，在文本检索系统基础上，影像存储的同时建立有关患者的基本信息，对设备信息进行检索时使用数据库进行管理。在检索系统中对图像进行搜索，获取有效信息，利用投影、数据分析等方式对其做深度处理，得到相关特征向量，所得信息与已知对象做对比处理，本次研究利用模糊神经网络算法进行深度处理[6]。而关于复杂图像方面的分析，需通过复杂的计算，计算量极大，且得到的结结果并不能确保其准确性，当前该算法在影像学图像中的应用该处在摸索阶段[7]。通过结构化报告的研究，应用挖掘技术将疾病CT诊断知识库进行扩大，每一个模板需要在特定条件下进行可能性诊断。影像学诊断医生的报告可从系统中查阅，选取与结果相符或相贴合的选项，对影像学图像进行处理期间整理数据，将数据录入后选择对应菜单即可将报告调出[8]。极大提升了医务人员的工作效率，还能使得医学影像学结构化报告更为完善。

总之，数据挖掘技术在医学影像学中还处在完善阶段，未来需要更深入开发相关工具，全面提升查阅结构化报告图像的效率，同时保证得到有效的数据信息，为患者临床治疗提供有效信息，保证广大患者的身心健康。