数据融合技术及其在医学领域的应用
于晓青，曹慧，魏德健
山东中医药大学 理工学院，山东济南 250355
[摘要]数据融合技术作为一种高效率、高准确率的信息处理技术正越来越受到重视。随着医疗卫生事业的发展，越来越多不同类型的传感器被用于医疗诊断设备，为了综合处理众多数据信息，需最大化利用多传感器协同工作原理，利用数据融合技术进行数据处理。本文就数据融合进行概念总结，根据不同的抽象层次将其分成数据级融合、特征级融合、决策级融合3类。医学图像融合及医疗监护系统是数据融合技术在医学领域中的重要应用，文中着重分析基于数据级融合的医学图像融合技术及基于特征级与决策级融合的医疗监护系统。数据融合技术在医学领域的应用，正积极推动医疗卫生事业的发展，使病症诊断和临床治疗更加及时、准确、有效。
[关键词]数据融合；特征提取；医学图像融合；医疗监护系统；传感器
引言
医疗检测系统中单一指标通常不能准确判定受测者的健康情况，需分别采集受测者的不同生理指标来确诊某一病症，因此体检时通常设置多个传感器用于采集受测者血氧、脉率、体温、心电等 [1]。受测过程中每一个传感器所反馈的信息可以是在不同时刻采集的不同单位量参数，必须将这些传感器信息进行数据融合，综合多个检测指标确定受测者健康状况。随着医疗卫生事业的发展，越来越多不同类型的传感器被用于医疗诊断设备，为了综合处理众多数据信息，需最大化利用多传感器协同工作原理，充分发挥其在病症诊断、医疗监护、社区医疗服务等诸多应用环境中所具有的独特优势，使得传感器系统在医学领域的智能化使用方面取得飞速发展 [2-4]。
1 数据融合概念及原理
来自于多传感器系统的数据源信息可能具有不同的空间与时间特性，数据融合技术类似于脑组织收集并综合处理各类信息的过程，它将按照一定准则综合分析、处理来自于多个传感器的数据源信息，从而获得对被检测对象的一致性解释与描述，使系统获得比其各个组成部分都更为充分、准确的信息，在全面信息的基础上进行相应决策与估计，进而得到更为精准、可靠的结论 [5]。
由单一传感器支持的工作系统通常难以保证较高的数据精确度，数据融合技术在多传感器环境中的使用可以在很大程度上提高信息的准确度，从而提升系统可靠性。为节省节点能量，在中心节点向目标节点转发数据之前进行相应的数据分析操作，该过程中将处理掉大量冗余信息，从而减少数据传输量 [6-7]。
2 数据融合层次描述
不同于单传感器低水平层次上的处理与模仿，多传感器能有效的将不同种类传感器信息资源进行融合利用。现阶段的多传感器数据源信息与单传感器信息相比具有更为繁杂的结构与更为多样化的形式。故此，相较于诸多经典信号处理方法，只有具有更加复杂操作过程且能在不相同信息层次中使用的多传感器信息融合技术才能满足当前的信息通信需求 [8]。根据数据抽象的不同层次对数据融合系统中进行分类，可将其定义为数据级融合、特征级融合、决策级融合3种类型 [9]。
2.1 数据级融合
数据级融合为最低层次的融合，它是不经过预处理而在采集原始数据时直接进行相应的融合操作。该种融合中，原始多源数据在经过分析、融合后，需进一步提取该融合结果中的特征向量，基于所得的特征提取信息采取相对应的决策判断。数据级融合示意图，见图1 [10]。
图1 数据级融合
数据级融合方式中，所有数据源信息来自于同类型传感器是确保融合操作正常进行的基础。由于是在系统最底层直接融合原始数据信息，在给上层结构提供详细信息的同时，还需尽量减小传感器传输数据过程中的损失，因此在数据处理及传输过程中对数据级融合的精确度及系统的纠错处理能力要求较高。此外，由于数据级融合的最终结果受传感器类型影响较大，且系统需处理大量数据信息，使得该种融合方法存在处理时间长、处理代价大、抗干扰能力差、冗余度高、实时性差等缺点。
2.2 特征级融合
特征是对观察对象的性能、行为、功能等方面的一致性描述，以便区别于其他观察对象或得到不同观察对象的共通之处。不同于数据级层面上的融合，特征级融合是以特征向量为目标的融合操作，即在融合操作前需先提取多传感器原始数据信息中的特征数据，将特征信息融合后，以此为依据进行相应决策判断。特征级融合示意图，见图2 [10]。
特征级融合是中间层次的融合。所谓特征提取就是要对多传感器信息进行适当的压缩，在降低数据量与计算量的情况下，减少能耗与数据通信需求，提高系统实时处理效率。但从原始数据中提取特征向量必然会引起部分信息损失，导致结果不够精确。
图2 特征级融合
2.3 决策级融合
决策级融合是最高层次的融合，且融合操作的可行性不受传感器类型的限制 [11]。该种融合中需先将来自不同类型传感器的数据信息进行预处理，使每个被测目标都得到基于自身特征的分析决策，随后将目标间相互独立的分析决策进行融合，进而得到一致性较好的最终决策结果。决策级融合示意图，见图3 [10]。
图3 决策级融合
决策级融合通常从决策问题的具体需求出发，能有效反映多样化环境及目标对象各个侧面的不同种类信息，具有较高的灵活性。该种融合具有较高的抗干扰能力与较高的容错性，在一个甚至多个传感器同时出现错误时，通过信息的适当融合，系统仍能得到正确的决策结果。此外，决策级融合具有较高的系统稳定性，融合中心处理时间相对较短，处理代价低。
3 医学图像融合技术
随着影像工程学的发展，医学领域里不断更新的影像成像设备在丰富图像模态形式的同时也在极大程度上提高了图像显示的精确性，使临床病症的诊断更加可靠。诸如超声、CT、MRI、电子内窥镜、数字减影等医学成像图像，都可针对人体某一特定部位提供直观图像信息，但是由于在成像原理和成像设备的差异，这些图像所具备的特征也各不相同。例如为了给病灶部位提供较为精确的定位参照，CT图像的密度分辨率较高，使得由计算机重建的图像可不与临近体层的影像重叠，进而得到清晰的骨骼图像，但在软组织成像方面CT所成图像的对比度较低。在不同的成像技术中，MRI图像的组织分辨率较高，可清晰分辨心肌、心内膜等组织器官，使心腔与血流、心肌之间形成良好的组织对比度，但其存在所成图像钙化点不敏感的问题，且在受到磁干扰后极易出现几何失真现象 [12]。由此可见，不同成像技术的优缺点各不相同，同一解剖结构所得的多种医学图像在形态功能上的描述有较大差异。因此，为使病理研究与诊断更加严谨，需充分利用不同成像技术的优势，将各种影像信息集成融合，以保证临床病症诊断与疾病治疗的正确性。
单一图像在光谱、几何和空间分辨率等方面存在差异，图像融合可以有效克服局限性，提高所成图像的质量，使事件和物理现象的识别、定位与解释更为精准，因此需尽可能保留原始图像信息。医学图像的融合一般采用数据级融合方法，分3个主要步骤完成 [13]。
首先，需先对图像源信息进行去噪声、增强对比度或分割区域等预处理操作，预处理过程中针对不同种类应用所采用的处理方法也不尽相同，一般是分割目标或者将目标对象进行视觉增强处理，用以进一步突出目标细节。
其次，进行图像配准操作 [14]。不同的图像源信息需要在位置关系上找到相互对应的点，使图像源信息在空间上达到一致，然后进行信息的融合与显示处理。在当前研究领域，基于互信息的配准法是医学图像融合的常用方法，即以充分利用目标图像之间最大化的互信息量为配准原则。由于在频域和时域上有着各自的突出特点，基于小波的方法在图像融合 [15-16]方面得到了广泛应用，使用小波技术实现了配准图像在高分辨率模型和低分辨率模型中的快速匹配。像素匹配是数据级融合的重要前提条件，其精准度将直接影响融合结果。
再次，进行医学图像的融合。图像融合的目的是分析众多不同成像技术所产生的图像特征信息，将图像各自的特征信息予以保留并做加强处理。医学图像融合过程中，把经过配准处理的图像进行加权叠加是最为简单的融合方法[17]。
利用图像融合技术，将不同成像模式下产生的医学图像源信息融合处理成为一个新影像模式，从而提高图像质量，增加目标部位的可视性，其在临床病症诊断、放射治疗、术后观察过程中起到极其重要的作用 [18]。
4 基于数据融合的医疗监护系统
重症监护病房（Intensive Care Unit，ICU）作为重危病人的抢救中心，为提供及时、准确的病人体征信息，ICU病房里配备了床边监护仪、中心监护仪、心电图机等多种检测治疗辅助设备。随着科学技术领域里创新成果的不断更新，新式的医疗仪器设备正不断进入监护领域。各项检测指标的局限性与制约因素都有可能影响到最终结果，为得到全面、合理的检测结论，需充分考虑不同系统间和同系统不同指标间的联系。当前的ICU监护病房配备了先进的监测仪器，能定量且动态的监测患者的各项生理功能并捕捉瞬间的变化，及时反馈信息以便采取恰当的治疗决策 [19]。监测过程中，各项设备依据生命体征信息得到相应数据流，但是由于数据量过大，在数据传输及处理的过程中极易出现信息拥塞、冗余现象，导致无法使监测信息的利用达到最优状态。因此，为快速获得监测信息，使医生能及时采取相应救治措施，建立一个集成智能型的监测系统成为提高诊断质量与应急水平的迫切需求 [20]。
医疗监护系统中充分利用了基于特征级融合与基于决策级融合的数据融合技术。用于检测病人体征信息的医疗监护仪一般内置多种传感器，特征级融合要分别分析各种传感器监护信息，如心电信号等，从所得信息中提取时域或频域特征，综合病人的监测数据，根据正常及异常时的特征数据建立适当的监护模型 [21]。当建立监护报警的决策判别树或神经网分类器后，利用监护模型进行分类及判别，然后在决策级数据融合层面上进行相应决策。最简单的决策级融合方法是：如果决策判别树或者神经网分类器其一或全部判别病人出现异常，在传送监测数据的同时，立即向医疗监护中心报警。目前国内外在心脏预测方面的研究已逐渐转为对病人多生理源信息融合的提取及综合预测评估。
5 总结与展望
近年来，图像融合技术发展迅速。医疗领域中，其在影像诊断、可视化手术、肿瘤放射治疗等临床应用中起到了极好的辅助作用。目前，对图像融合方面的研究主要集中在提高融合精准度与三维重建显示技术的发展与应用 [22]。其中，三维重建显示技术是根据CT、MRI等二维图像中获得的人体信息在虚拟现实环境中构建人体立体仿真模型，医生可从计算机显示屏上直接观察病灶部位与病变特征，并可通过旋转、平剖等操作模拟手术过程。另外，图像融合中将越来越多的融入神经网络与人工智能技术，利用人工智能对图像源信息进行自动分割与融合处理，这也是融合技术研究的一个全新方向 [23]。
医疗监护系统方面，大规模集成电路的使用正逐渐取代晶体管在医疗系统中的作用。高能型有源电极以及电磁耦合、光耦合等方法的应用，使监护仪不再受操作空间的限制，其中小型化及微型化的携带式和植入式监护仪通过功能检测后，将逐步面向市场。另外，在智能化识别及快速处理方面的深入研究，也将进一步提高监护系统的有效性与及时性 [24-25]。
6 小结
本文对数据融合技术及其在医学领域的应用进行了介绍，并对融合技术的研究趋势进行总结展望。随着计算机相关技术的不断进步，数据融合将向着愈加高速、可靠的方向不断完善，基于此的医学图像融合与医疗监护系统将在信息处理技术不断完善的过程中以更高速、精准的形式融入到医用领域，将为医疗事业的进步提供更多的信息支持，为临床诊断、远程监护、可视化手术等提供更加丰富且精确的信息。
[参考文献]
[1] 李逸明,李斌,钱明理,等.无线传感器网络及其在医疗领域的应用[J].中国医疗器械杂志,2013,37(5):351-354.
[2] 何友,王国宏,彭应宁.多传感器信息融合及应用[M].北京:电子工业出版社,2000.
[3] 杨硕.多传感器信息融合技术在远程医疗监护系统中的应用[D].保定:河北大学,2014.
[4] 孙振华,孙立宁.腕带式多参数健康监护系统的研究[D].哈尔滨:哈尔滨工业大学,2007.
[5] LeBlanc K,Saffiotti A.Multi-robot Object Localization: A Fuzzy Fusion Approach[J].IEEE Trans Syst Man Cybern B Cybern,2009,39(5):1259-1276.
[6] 潘良勇.无线传感网络下的数据融合技术研究[D].武汉:武汉理工大学,2012.
[7] 丁仁伟.无线传感器网络中能量收集节点的研究与实现[D].北京:北京交通大学,2014.
[8] 姜延吉.多传感器数据融合关键技术研究[D].哈尔滨:哈尔滨工程大学,2010.
[9] 黄漫国,樊尚春,郑德智,等.多传感器数据融合技术研究进展[J].传感器与微系统,2010,29(3):5-8.
[10] 黄惠宁,刘源璋,梁昭阳.多传感器数据融合技术概述[J].科技信息,2010,72-73.
[11] 刘桐欢.无线传感器网络多源数据融合技术研究[D].北京:北京交通大学,2014.
[12] 王国栋,李业芹,秦红勇.信息融合技术及其在医学领域中的应用[J].中国医疗设备,2012,27(9):131-132.
[13] 肖利华.无线传感器网络数据融合技术的研究与实现[D].广州:华南理工大学,2011.
[14] 李斌.基于多尺度角点特征检测的图像配准技术研究[D].汕头:汕头大学,2009.
[15] 王帮元.一种小波变换的医学图像融合方法[J].电脑知识与技术,2015,11(14):171-172.
[16] 付亚男.医学图像融合方法研究[D].保定:河北大学,2011.
[17] 姚汝,丁雪.灰度值加权医学图像融合方法[J].电脑编程技巧与维护,2015,(8):90-92.
[18] 刘硕明,陆敏,陈军.医学图像融合技术浅谈[J].黑龙江科技信息,2012,(36):11.
[19] 宋爱娟.基于无线传感器网络远程医疗监护系统研究[D].秦皇岛:燕山大学,2013.
[20] 顿文涛,卢高飞,左秀生,等.无线传感器网络在远程医疗监护系统中的应用[J].农业网络信息,2014,(2):43-46.
[21] 张伟强.胎儿心电远程监护系统设计[D].广州:华南理工大学,2013.
[22] 郝利国,刘志鹏.医学影像图像融合技术研究[J].齐齐哈尔医学院学报,2010,31(1):74-76.
[23] 孟庆明.医学图像融合与三维重建研究[D].吉林:吉林大学,2015.
[24] 牟岚,金新政.远程医疗发展现状综述[J].卫生软科学,2012,26(6):506-509.
[25] 徐玉炎,明轩,张瑞,等.基于WSN的医疗监护系统的设计[J].电子设计工程,2015,23(2):1-4.
本文编辑 刘峰
Data Fusion Technology and Its Application in Medical Field
YU Xiao-qing, CAO Hui, WEI De-jian
School of Science and Engineering, Shandong University of Traditional Chinese Medicine, Jinan Shandong 250355, China
Abstract：Data fusion technology, as an information processing technology of high efficiency and high accuracy, is getting increasing attention. With the development of medical and health services, more various types of sensors are used in medical diagnostic equipments. In order to comprehensively process mass data information, it is necessary to adopt multisensory coordinated working principle and data fusion technology to process data. This article summarized the conceptual data fusion, and divided it into data-level fusion, feature-level fusion and decision-level fusion depending on different levels of abstraction. Medical image fusion and medical monitoring system are important applications of data fusion technology in the medical field. This article mainly analyzed the medical image fusion technology based on data-level fusion and medical monitoring system based on feature-level and decision-level fusion. The application of data fusion technology in medical field is promoting the development of medical and health services, which makes clinical diagnosis and treatment more timely, accurate and effective.
Key words：data fusion; feature extraction; medical image fusion; medical monitoring system; sensor
[中图分类号]TP274；TH774
[文献标识码]A
doi：10.3969/j.issn.1674-1633.2017.03.027
[文章编号]1674-1633(2017)03-0099-04
收稿日期：2016-05-06
基金项目：国家自然科学基金（81473708）；山东高校科研发展计划（J15LN21）。
作者邮箱：yuxiaoqing2012@163.com