醫(yī)學(xué)圖像的語義標(biāo)注技術(shù)研究與應(yīng)用.pdf

1、本文對醫(yī)學(xué)圖像語義標(biāo)注的關(guān)鍵技術(shù)和算法進(jìn)行了深入地研究；設(shè)計(jì)實(shí)現(xiàn)了醫(yī)學(xué)圖像語義標(biāo)注檢索系統(tǒng)的框架與結(jié)構(gòu)；從醫(yī)學(xué)圖像內(nèi)容本身和關(guān)聯(lián)文本信息中挖掘語義信息，為醫(yī)生提供醫(yī)學(xué)圖像語義自動(dòng)標(biāo)注和檢索服務(wù)。作為國家自然科學(xué)基金資助課題“基于醫(yī)學(xué)圖像的數(shù)據(jù)挖掘技術(shù)研究(60372072)”的一部分，本文主要研究工作如下： (1)基于特征選擇的醫(yī)學(xué)圖像分類標(biāo)注。本文利用互信息(MI)及其改進(jìn)的MI貪婪最優(yōu)化算法實(shí)現(xiàn)醫(yī)學(xué)圖像的特征選擇；實(shí)現(xiàn)了基于

2、MI特征選擇的支持向量機(jī)組(SVMs)分類標(biāo)注，從而建立醫(yī)學(xué)圖像低層視覺特征到高層語義特征之間的映射關(guān)系：解決了醫(yī)學(xué)圖像語義標(biāo)注中“語義鴻溝”問題和全部特征參與分類計(jì)算量大的問題。實(shí)驗(yàn)表明，基于MI特征選擇的SVMs分類標(biāo)注方法應(yīng)用于醫(yī)學(xué)圖像分類標(biāo)注中，取得了較好的效果。 (2)基于混合模型的醫(yī)學(xué)圖像語義標(biāo)注。本文提出的基于混合模型的醫(yī)學(xué)圖像語義標(biāo)注，綜合了基于MI特征選擇的SVMs分類標(biāo)注、基于訓(xùn)練集詞匯互相關(guān)性的標(biāo)注改善和基

3、于中文一體化醫(yī)學(xué)語言系統(tǒng)(CUMLS)的圖像語義提取方法。該模型框架利用了每種算法的優(yōu)良之處，提升了醫(yī)學(xué)圖像語義標(biāo)注的準(zhǔn)確性。同時(shí)，本文給出了基于訓(xùn)練集詞匯互相關(guān)性的標(biāo)注改善實(shí)現(xiàn)算法；提出了基于CUMLS的醫(yī)學(xué)圖像語義提取方法，從醫(yī)學(xué)圖像相關(guān)文本信息中提取語義。 (3)醫(yī)學(xué)圖像視覺特征提取技術(shù)。本文實(shí)現(xiàn)了改進(jìn)的中值濾波算法和粗糙集增強(qiáng)算法；分析并實(shí)現(xiàn)了基于Canny算子、區(qū)域不變矩和灰度共生矩陣的特征提取。 (4)語義標(biāo)