醫(yī)學(xué)圖像語(yǔ)義檢索關(guān)鍵技術(shù)研究.pdf

1、隨著臨床醫(yī)學(xué)影像數(shù)據(jù)海量化趨勢(shì)的加劇，如何存儲(chǔ)和管理這些醫(yī)學(xué)影像成為了醫(yī)院影像管理中亟待解決的問(wèn)題。目前，醫(yī)院的影像管理系統(tǒng)大都仍采用傳統(tǒng)的文本檢索方式，雖然文本檢索技術(shù)相對(duì)成熟，但其必不可少所的人工標(biāo)注方法耗時(shí)耗力，難以滿足影像數(shù)量海量增長(zhǎng)的趨勢(shì)。而基于語(yǔ)義的醫(yī)學(xué)圖像檢索技術(shù)就是為了解決這類問(wèn)題所衍生出的研究方向。醫(yī)學(xué)圖像的不同層次間存在相互聯(lián)系，因此，可以充分利用先驗(yàn)知識(shí)，通過(guò)機(jī)器學(xué)習(xí)等方法來(lái)建立語(yǔ)義模型，從而達(dá)到從醫(yī)學(xué)圖像數(shù)據(jù)庫(kù)中

2、檢索出具有相似病理特征的醫(yī)學(xué)圖像的目的。
　　本文在對(duì)醫(yī)學(xué)圖像語(yǔ)義檢索的研究現(xiàn)狀進(jìn)行分析的基礎(chǔ)上，對(duì)醫(yī)學(xué)圖像語(yǔ)義表達(dá)、提取和檢索等若干關(guān)鍵技術(shù)進(jìn)行了深入的研究。主要內(nèi)容如下：
　　針對(duì)如何提取胸部CT圖像感興趣區(qū)域的問(wèn)題，本文提出一種基于改進(jìn)的GVF-Snake模型的醫(yī)學(xué)圖像邊界提取算法，并將其用于肺部感興趣區(qū)域的提取。該算法利用網(wǎng)格自適應(yīng)處理技術(shù)優(yōu)化蛇點(diǎn)，通過(guò)均勻化蛇點(diǎn)的分布來(lái)改善局部凹陷的輪廓逼近問(wèn)題，同時(shí)，通過(guò)變高斯的

3、處理策略在迭代過(guò)程中動(dòng)態(tài)控制搜索范圍，從而達(dá)到有效逼近真實(shí)輪廓的目的。實(shí)驗(yàn)結(jié)果表明該算法能夠準(zhǔn)確有效的提取肺實(shí)質(zhì)的輪廓。
　　為了能夠全面描述胸部CT圖像的特點(diǎn)，本文利用灰度直方圖統(tǒng)計(jì)特征、灰度共生矩陣紋理特征、Tamura紋理特征、Gabor小波紋理特征和SIFT特征來(lái)表達(dá)該類圖像的底層視覺(jué)特征。針對(duì)醫(yī)學(xué)圖像特征表達(dá)中出現(xiàn)的特征維數(shù)過(guò)高的問(wèn)題，本文提出一種基于重建權(quán)重調(diào)節(jié)的有監(jiān)督局部保持特征降維算法，重點(diǎn)研究局部保持映射中影響重

4、建權(quán)重計(jì)算的鄰近點(diǎn)和可調(diào)參數(shù)t的范圍確定問(wèn)題。通過(guò)將重建權(quán)重構(gòu)造為與零均值正態(tài)分布概率密度函數(shù)相差一個(gè)常系數(shù)的形式，確定特征點(diǎn)的鄰近點(diǎn)，并以特征點(diǎn)間距離作為采樣點(diǎn)，利用樣本方差得到重建權(quán)重計(jì)算公式中可調(diào)參數(shù)t的調(diào)整范圍。實(shí)驗(yàn)結(jié)果表明該算法應(yīng)用于圖像檢索中，利用降維后的特征進(jìn)行圖像檢索不會(huì)對(duì)圖像檢索的結(jié)果造成太大影響，但是會(huì)提高計(jì)算效率。
　　在分析胸部病癥CT影像表現(xiàn)的基礎(chǔ)上，本文提出了一種基于先驗(yàn)知識(shí)的胸部CT圖像語(yǔ)義層次模型，

5、從兩個(gè)層次來(lái)描述胸部病變的種類和語(yǔ)義描述。并在此基礎(chǔ)上提出了一種醫(yī)學(xué)圖像的分級(jí)語(yǔ)義映射機(jī)制，針對(duì)不同分類方法的適用性，分別利用支持向量機(jī)和多示例學(xué)習(xí)的方法對(duì)不同層次的語(yǔ)義先進(jìn)行粗映射再進(jìn)行細(xì)映射。實(shí)驗(yàn)結(jié)果表明該方法具有較好的語(yǔ)義映射能力。
　　在分析了傳統(tǒng)機(jī)器學(xué)習(xí)存在的不能夠借鑒相似領(lǐng)域中知識(shí)，每次學(xué)習(xí)都要從零開(kāi)始學(xué)習(xí)問(wèn)題的基礎(chǔ)上，本文提出了一種混合遷移的學(xué)習(xí)方法，并將該方法應(yīng)用于醫(yī)學(xué)圖像的語(yǔ)義標(biāo)注。本文提出的方法綜合了實(shí)例遷移和