版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著醫(yī)學成像技術的發(fā)展和普及,醫(yī)院和醫(yī)療研究機構產(chǎn)生的醫(yī)學影像數(shù)據(jù)(CT、MRI、X射線等)呈現(xiàn)海量化的增長趨勢。如何準確、有效地管理和分析醫(yī)學影像數(shù)據(jù)庫,是當前生物醫(yī)學領域的一個關鍵課題。基于內容的圖像檢索技術以圖像的視覺特征作為依據(jù),快速查詢病理相似的臨床醫(yī)學影像,成為計算機輔助診斷和醫(yī)學研究的重要手段。然而現(xiàn)有的醫(yī)學圖像檢索系統(tǒng)存在三方面的問題:首先,醫(yī)學圖像中醫(yī)學本體屬性復雜,不利于發(fā)現(xiàn)和描述;其次,圖像的底層特征與高層醫(yī)學語義
2、之間存在語義鴻溝,僅僅采用視覺特征作為相似性匹配和度量的依據(jù),不能有效的表達用戶的查詢語義;最后,檢索過程中忽略了醫(yī)學病例中包含的文本標注信息及其表達的語義特征。
針對以上問題,本文以基于圖的半監(jiān)督學習方法為主要理論基礎,重點探討了醫(yī)學圖像檢索中的四個關鍵環(huán)節(jié):結合視覺語義的影像檢索、相關反饋模型、基于多模態(tài)信息的醫(yī)學病例檢索和高效的檢索算法。論文的主要的研究內容和創(chuàng)新性成果如下:
(1)提出一種結合視覺語義和局部特
3、征的醫(yī)學圖像檢索方法。該方法首先在基于圖的半監(jiān)督學習框架中嵌入結構假設,提出一種加入密度約束的標記傳播算法,以獲得查詢圖像的類別歸屬度作為視覺語義;然后提取圖像的Dense SIFT特征生成視覺單詞,得到圖像的局部特征表示;最后設計基于視覺語義和局部特征的相似性度量方法。實驗結果表明,該方法能夠有效的表達查詢圖像的醫(yī)學語義,檢索效率優(yōu)于單一底層特征檢索。
(2)根據(jù)醫(yī)師對查詢的反饋信息,構建一個基于成對約束傳播的相關反饋模型。
4、其基本思路是將正負反饋轉化為正負約束并將約束信息傳播到整個數(shù)據(jù)集以重構流形,然后在新流形結構上對醫(yī)學影像進行有偏的流形排序。本文方法降低了傳統(tǒng)相關反饋中的小樣本問題和不對稱訓練問題對檢索結果的影響。在此基礎上,本文提出了基于長期反饋策略的醫(yī)學檢索框架,能夠根據(jù)歷史的查詢信息更新檢索模型,其檢索性能優(yōu)于其它常用反饋模型。
(3)針對計算機輔助診斷中的相似病例查詢,提出一種基于多圖半監(jiān)督學習的多模態(tài)病例檢索算法。該算法將醫(yī)學影像和
5、文本標注視為相互補償?shù)牟煌B(tài)的信息,定義結合視覺特征和文本標注的多圖融合的半監(jiān)督學習框架,目的是根據(jù)圖正則化模型將不同模態(tài)的特征在流形上進行融合,通過在融合圖上進行流形排序獲得最終的病例檢索結果。多個病例影像數(shù)據(jù)庫上的實驗結果表明,該算法能夠有效地利用影像和文本信息進行病例檢索。
(4)提出一種面向多特征的快速流形排序算法。計算復雜度是圖方法應用于實際數(shù)據(jù)處理的瓶頸,本文采用錨點圖實現(xiàn)對原圖的重構,在保持流形結構的前提下簡化
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于半監(jiān)督學習的圖像檢索技術研究.pdf
- 基于半監(jiān)督學習的靜態(tài)極光圖像分類.pdf
- 基于自然鄰居圖的半監(jiān)督學習在圖像檢索技術的應用研究.pdf
- 結合顯著性分析和半監(jiān)督學習的圖像檢索算法.pdf
- 基于Voronoi圖的半監(jiān)督學習自動圖像標注.pdf
- 基于半監(jiān)督學習的高光譜圖像分類方法研究.pdf
- 基于半監(jiān)督學習的JPEG圖像隱密分析方法.pdf
- 基于連續(xù)預測的半監(jiān)督學習圖像語義標注研究.pdf
- 基于圖的半監(jiān)督學習的研究.pdf
- 基于集成學習的半監(jiān)督學習算法研究.pdf
- 基于半監(jiān)督學習的遙感圖像地物識別方法研究.pdf
- 基于半監(jiān)督學習和區(qū)域特性的圖像分割算法研究.pdf
- 基于LNP的半監(jiān)督學習算法.pdf
- 基于半監(jiān)督學習的圖像分割系統(tǒng)的設計與實現(xiàn).pdf
- 基于半監(jiān)督學習的木材識別研究.pdf
- 基于半監(jiān)督學習的物體識別.pdf
- 基于語義和半監(jiān)督學習的醫(yī)學文獻知識發(fā)現(xiàn).pdf
- 基于圖的半監(jiān)督學習的改進研究.pdf
- 基于半監(jiān)督學習的文本分類研究
- 基于稀缺標記樣本的半監(jiān)督學習研究.pdf
評論
0/150
提交評論