基于內(nèi)容的醫(yī)學圖像檢索技術(shù)研究與應用.pdf

1、醫(yī)學影像數(shù)據(jù)所呈現(xiàn)的爆炸式增長及數(shù)據(jù)挖掘等技術(shù)的迅速發(fā)展，對醫(yī)學圖像檢索技術(shù)提出了新的需求。但是，傳統(tǒng)的圖像檢索技術(shù)應用到醫(yī)學圖像檢索當中，其表現(xiàn)卻總是不盡如人意。為了能更好地將圖像檢索技術(shù)應用到輔助診斷、醫(yī)學教學實踐、醫(yī)療科研等領(lǐng)域中，本文對圖像檢索技術(shù)及醫(yī)學圖像的特點進行了一定的研究，并在此基礎(chǔ)上提出了相關(guān)改進方案。
　　本文首先對圖像檢索技術(shù)發(fā)展過程中的關(guān)鍵技術(shù)及數(shù)字化醫(yī)學影像的特點進行了研究，在分析了國內(nèi)外關(guān)于圖像檢索技術(shù)

2、的研究現(xiàn)狀之后，將研究的重點放在了基于內(nèi)容的圖像檢索技術(shù)之上。在對基于內(nèi)容的圖像檢索系統(tǒng)中圖像特征提取、特征匹配、相關(guān)反饋及檢索性能評價的深入研究的基礎(chǔ)上，提出了針對醫(yī)學圖像這一具體領(lǐng)域的圖像檢索技術(shù)的應用。
　　通過對比常用的顏色特征及紋理特征在醫(yī)學圖像檢索中的表現(xiàn)，得出了紋理特征更利于醫(yī)學圖像檢索的結(jié)論。結(jié)合醫(yī)學圖像分割水平的局限性及醫(yī)學圖像自身的特點，選用了灰度共生矩陣作為醫(yī)學圖像檢索的全局紋理特征，并在此基礎(chǔ)上，提出了對灰

3、度共生矩陣的改進方案——基于加權(quán)子圖的灰度共生矩陣WS-GLCM。結(jié)合局部不變性特征SIF T在醫(yī)學圖像檢索中的表現(xiàn)，本文將其作為醫(yī)學圖像檢索的局部特征。在基于對BOW（Bag Of Words）模型的研究的基礎(chǔ)上，進一步將WS-GLCM與SIF T特征相結(jié)合，提出了兩種改進方案，即帶全局紋理上下文的SIFT特征和帶局部紋理特征上下文的SIFT特征。
　　針對現(xiàn)有的基于支持向量機（Support Vector Machine）的相

4、關(guān)反饋技術(shù)在醫(yī)學圖像檢索中的局限性，本文在對SVM分類器及ba gging組合分類器算法的研究的基礎(chǔ)之上，提出了新的相關(guān)反饋技術(shù)的改進方案，有效地解決了人工反饋模塊中所出現(xiàn)的訓練樣本不足，及SVM分類器對醫(yī)學圖像分類的準確率偏低的問題。
　　最后，本文對醫(yī)學圖像檢索技術(shù)在輔助診斷、醫(yī)學教學實踐及醫(yī)學科研等領(lǐng)域的應用做了簡要的論述。針對當下醫(yī)療信息數(shù)據(jù)及醫(yī)療影像數(shù)據(jù)的存儲及使用現(xiàn)狀，及機器學習技術(shù)、云計算等技術(shù)的迅速發(fā)展，提出了醫(yī)學