基于內(nèi)容的醫(yī)學(xué)圖像檢索若干技術(shù)的研究.pdf

1、隨著計算機(jī)斷層掃描(Computed Tomography,CT)、核磁共振影像(Megnectic Resollance Imaging,MRI)、超聲圖像(Ultrasonograph,US)等醫(yī)學(xué)成像技術(shù)在臨床工作中的廣泛應(yīng)用,在醫(yī)療機(jī)構(gòu)中,每天都會產(chǎn)生大量的醫(yī)學(xué)圖像數(shù)據(jù)。如何高效地管理和檢索海量的醫(yī)學(xué)圖像,使其能更好地為臨床診斷和醫(yī)學(xué)科研服務(wù),已經(jīng)成為當(dāng)前迫切需要解決的問題。
　　 本文旨在找出更適合醫(yī)學(xué)圖像的檢索方法,

2、使之能從醫(yī)學(xué)圖像的特點出發(fā),最大程度地提高醫(yī)學(xué)圖像檢索的查準(zhǔn)率、查全率及檢索效率,并最終能夠有益于臨床醫(yī)學(xué)診斷的實踐。
　　 傳統(tǒng)的基于內(nèi)容的醫(yī)學(xué)圖像檢索主要利用圖像的顏色、紋理、形狀等特征進(jìn)行相似性比較,但大量的實驗和應(yīng)用表明,使用任何一種單一的圖像特征進(jìn)行圖像檢索,結(jié)果都不十分理想。近些年,許多科研人員提出了各種新的綜合多種特征的檢索方法,但這些方法還未能在醫(yī)學(xué)圖像的檢索技術(shù)上有較大突破。為了提高醫(yī)學(xué)圖像的檢索準(zhǔn)確度及效率,

3、本文從醫(yī)學(xué)圖像的特點出發(fā),基于粗糙集的不可分辨關(guān)系理論,對醫(yī)學(xué)圖像劃分出感興趣的對象,并對對象作增強(qiáng)處理,然后提取出最能反映其內(nèi)容的特征,進(jìn)而提出了一種專門針對醫(yī)學(xué)圖像的基于灰度和輪廓曲線特征的檢索方法。通過對最適合醫(yī)學(xué)圖像數(shù)據(jù)存儲模型的探索,最終完整地實現(xiàn)基于內(nèi)容的醫(yī)學(xué)圖像檢索(Content-Based Medical Image Retrieval,CBMIR)系統(tǒng)。
　　 本文研究的主要內(nèi)容包括:
　　 1.基于

4、粗糙集的醫(yī)學(xué)圖像增強(qiáng)處理
　　 利用醫(yī)學(xué)圖像灰度的特點,基于粗糙集的不可分辨理論,突出了醫(yī)學(xué)圖像中感興趣的對象信息,從而減弱或去除了無用的信息,增強(qiáng)醫(yī)學(xué)圖像的對比度。該方法從醫(yī)學(xué)圖像的特點出發(fā),改善原始圖像的視覺效果,而且實現(xiàn)了一定程度上的濾噪。
　　 2.基于灰度和輪廓曲線特征的醫(yī)學(xué)圖像檢索
　　 針對傳統(tǒng)的經(jīng)典圖像檢索方法,采用去粗取精的思想,結(jié)合醫(yī)學(xué)圖像的特征,提出了一種基于灰度和輪廓曲線特征的醫(yī)學(xué)圖像檢索

5、方法。首先,對醫(yī)學(xué)圖像中的感興趣對象(Object of Interest,OI),利用canny算子提取輪廓,接著對提取的輪廓進(jìn)行變換及最小值化處理,經(jīng)處理后的輪廓帶有邊緣的完整信息,并具有幾何不變性;然后,利用聚類的灰度信息,提取主聚類的直方圖;最后,再利用檢索對象與被檢索對象的灰度距離直方圖及輪廓曲線距離偏差的加權(quán),度量檢索及被檢索對象的相似性。
　　 3.基于網(wǎng)狀結(jié)構(gòu)的醫(yī)學(xué)圖像檢索系統(tǒng)的實現(xiàn)
　　 本文所建立的C