基于內(nèi)容的醫(yī)學(xué)圖像檢索關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著CT、MRI、X光片等影像設(shè)備的普及，近年來(lái)可供臨床、教學(xué)和研究使用的醫(yī)學(xué)圖像數(shù)量正在迅速膨脹。基于文本的數(shù)據(jù)庫(kù)管理方式由于其主觀性、人工性等原因已經(jīng)漸漸無(wú)法滿足大規(guī)模醫(yī)學(xué)圖像數(shù)據(jù)庫(kù)的檢索需要，因此基于內(nèi)容的醫(yī)學(xué)圖像檢索(Content-Based Medical Image Retrieval, CBMIR)技術(shù)成為近年來(lái)醫(yī)學(xué)圖像領(lǐng)域的研究熱點(diǎn)。
　　本文以提高基于內(nèi)容的醫(yī)學(xué)圖像檢索系統(tǒng)查準(zhǔn)率和查全率為目標(biāo)，主要圍繞圖像特征

2、提取和相關(guān)反饋技術(shù)展開(kāi)研究，簡(jiǎn)述了基于內(nèi)容的圖像檢索技術(shù)基礎(chǔ)理論，在此基礎(chǔ)上提出了采用雙密度雙樹(shù)復(fù)小波進(jìn)行醫(yī)學(xué)圖像紋理特征提取方法，提高了系統(tǒng)的查全率和查準(zhǔn)率;并采用基于支持向量機(jī)主動(dòng)學(xué)習(xí)的相關(guān)反饋技術(shù)，改善了系統(tǒng)對(duì)同一部位不同病理醫(yī)學(xué)圖像的檢索性能。
　　本文的主要研究成果如下:
　　(1)深入分析和研究了基于內(nèi)容的醫(yī)學(xué)圖像檢索領(lǐng)域的關(guān)鍵技術(shù)，其內(nèi)容包括醫(yī)學(xué)圖像主要低層特征的描述方法、圖像特征間的相似性度量準(zhǔn)則以及圖像檢索

3、算法的性能評(píng)價(jià)方法，并且通過(guò)在同一測(cè)試環(huán)境下的實(shí)驗(yàn)，對(duì)一些經(jīng)典的方法進(jìn)行了比較。
　　(2)針對(duì)醫(yī)學(xué)圖像比較復(fù)雜的特點(diǎn)，提出了采用雙密度雙樹(shù)復(fù)小波進(jìn)行醫(yī)學(xué)圖像紋理特征提取方法，通過(guò)多組實(shí)驗(yàn)進(jìn)行了對(duì)比觀察，該方案比采用離散小波和雙樹(shù)復(fù)小波的方案查準(zhǔn)率和查全率都要高。
　　(3)針對(duì)目前方法對(duì)同一部位不同病理醫(yī)學(xué)圖像檢索效果不好的缺陷，提出了基于支持向量機(jī)的主動(dòng)學(xué)習(xí)技術(shù)來(lái)進(jìn)行相關(guān)反饋，實(shí)驗(yàn)表明，通過(guò)四次相關(guān)反饋，該方法將系統(tǒng)在T