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

1、隨著臨床醫(yī)學(xué)影像數(shù)據(jù)海量化趨勢的加劇，如何存儲和管理這些醫(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)相對成熟，但其必不可少所的人工標注方法耗時耗力，難以滿足影像數(shù)量海量增長的趨勢。而基于語義的醫(yī)學(xué)圖像檢索技術(shù)就是為了解決這類問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，可以充分利用先驗知識，通過機器學(xué)習(xí)等方法來建立語義模型，從而達到從醫(yī)學(xué)圖像數(shù)據(jù)庫中

2、檢索出具有相似病理特征的醫(yī)學(xué)圖像的目的。
　　本文在對醫(yī)學(xué)圖像語義檢索的研究現(xiàn)狀進行分析的基礎(chǔ)上，對醫(yī)學(xué)圖像語義表達、提取和檢索等若干關(guān)鍵技術(shù)進行了深入的研究。主要內(nèi)容如下：
　　針對如何提取胸部CT圖像感興趣區(qū)域的問題，本文提出一種基于改進的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，通過均勻化蛇點的分布來改善局部凹陷的輪廓逼近問題，同時，通過變高斯的

3、處理策略在迭代過程中動態(tài)控制搜索范圍，從而達到有效逼近真實輪廓的目的。實驗結(jié)果表明該算法能夠準確有效的提取肺實質(zhì)的輪廓。
　　為了能夠全面描述胸部CT圖像的特點，本文利用灰度直方圖統(tǒng)計特征、灰度共生矩陣紋理特征、Tamura紋理特征、Gabor小波紋理特征和SIFT特征來表達該類圖像的底層視覺特征。針對醫(yī)學(xué)圖像特征表達中出現(xiàn)的特征維數(shù)過高的問題，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，重點研究局部保持映射中影響重

4、建權(quán)重計算的鄰近點和可調(diào)參數(shù)t的范圍確定問題。通過將重建權(quán)重構(gòu)造為與零均值正態(tài)分布概率密度函數(shù)相差一個常系數(shù)的形式，確定特征點的鄰近點，并以特征點間距離作為采樣點，利用樣本方差得到重建權(quán)重計算公式中可調(diào)參數(shù)t的調(diào)整范圍。實驗結(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行圖像檢索不會對圖像檢索的結(jié)果造成太大影響，但是會提高計算效率。
　　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知識的胸部CT圖像語義層次模型，

5、從兩個層次來描述胸部病變的種類和語義描述。并在此基礎(chǔ)上提出了一種醫(yī)學(xué)圖像的分級語義映射機制，針對不同分類方法的適用性，分別利用支持向量機和多示例學(xué)習(xí)的方法對不同層次的語義先進行粗映射再進行細映射。實驗結(jié)果表明該方法具有較好的語義映射能力。
　　在分析了傳統(tǒng)機器學(xué)習(xí)存在的不能夠借鑒相似領(lǐng)域中知識，每次學(xué)習(xí)都要從零開始學(xué)習(xí)問題的基礎(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)圖像的語義標注。本文提出的方法綜合了實例遷移和