基于內(nèi)容的醫(yī)學(xué)影像檢索技術(shù)研究.pdf

1、近些年，隨著數(shù)字化醫(yī)學(xué)成像設(shè)備如X射線、CT、MRI、超聲等在臨床醫(yī)學(xué)中的廣泛應(yīng)用，醫(yī)療機(jī)構(gòu)每天都會產(chǎn)生大量的醫(yī)學(xué)數(shù)字圖像。這些醫(yī)學(xué)圖像極大的豐富和方便醫(yī)學(xué)人士和科學(xué)工作者的參考和研究，但是隨之而來的如何有效的管理和組織這些醫(yī)學(xué)圖像也成了醫(yī)學(xué)人士和科學(xué)工作者都要面對的問題。基于內(nèi)容的醫(yī)學(xué)影像檢索(Contend-based Medical Image Retrieval，CBMIR)在這樣的背景下逐漸發(fā)展起來，在近十年里成為研究熱點。<

2、br>　　在閱讀了大量的國內(nèi)外有關(guān)的期刊、論文和書籍的基礎(chǔ)上，本文采用多級多特征融合的方法分別在基于醫(yī)學(xué)圖像的灰度、形狀和紋理特征方面展開了深入的分析和研究，在對現(xiàn)有算法研究的基礎(chǔ)上，提出了基于醫(yī)學(xué)圖像灰度-形狀特征和基于醫(yī)學(xué)圖像紋理特征的兩級檢索方法。本文的主要內(nèi)容是:1.研究了灰度直方圖作為醫(yī)學(xué)圖像灰度特征的優(yōu)缺點，并將環(huán)形分割、累積直方圖的統(tǒng)計特征和空間分布熵的方法應(yīng)用進(jìn)來，對其進(jìn)行了改進(jìn);2.對傳統(tǒng)的小波模極大值提取邊界的方法進(jìn)

3、行改進(jìn)，提出采用小波分解和小波模極大值提取圖像高頻部分邊界，采用改進(jìn)的Canny算子提取低頻部分邊界，然后采用邊界融合的方法得到圖像的邊界信息，并用邊界形狀和密度直方圖對邊界進(jìn)行描述。并將提取的形狀特征與之前得到的灰度特征進(jìn)行了融合形成了第一級檢索算法;3.研究了多種基于醫(yī)學(xué)圖像紋理特征的檢索算法，重點研究了灰度共生矩陣作為醫(yī)學(xué)圖像紋理特征的優(yōu)缺點，并將梯度相位互信息法、蒙板圖法和分塊法應(yīng)用到傳統(tǒng)的灰度共生矩陣當(dāng)中，對其進(jìn)行了改進(jìn)，形成