基于內容的醫(yī)學圖像檢索技術研究與應用.pdf

1、醫(yī)學影像數據所呈現的爆炸式增長及數據挖掘等技術的迅速發(fā)展，對醫(yī)學圖像檢索技術提出了新的需求。但是，傳統(tǒng)的圖像檢索技術應用到醫(yī)學圖像檢索當中，其表現卻總是不盡如人意。為了能更好地將圖像檢索技術應用到輔助診斷、醫(yī)學教學實踐、醫(yī)療科研等領域中，本文對圖像檢索技術及醫(yī)學圖像的特點進行了一定的研究，并在此基礎上提出了相關改進方案。
　　本文首先對圖像檢索技術發(fā)展過程中的關鍵技術及數字化醫(yī)學影像的特點進行了研究，在分析了國內外關于圖像檢索技術

2、的研究現狀之后，將研究的重點放在了基于內容的圖像檢索技術之上。在對基于內容的圖像檢索系統(tǒng)中圖像特征提取、特征匹配、相關反饋及檢索性能評價的深入研究的基礎上，提出了針對醫(yī)學圖像這一具體領域的圖像檢索技術的應用。
　　通過對比常用的顏色特征及紋理特征在醫(yī)學圖像檢索中的表現，得出了紋理特征更利于醫(yī)學圖像檢索的結論。結合醫(yī)學圖像分割水平的局限性及醫(yī)學圖像自身的特點，選用了灰度共生矩陣作為醫(yī)學圖像檢索的全局紋理特征，并在此基礎上，提出了對灰

3、度共生矩陣的改進方案——基于加權子圖的灰度共生矩陣WS-GLCM。結合局部不變性特征SIF T在醫(yī)學圖像檢索中的表現，本文將其作為醫(yī)學圖像檢索的局部特征。在基于對BOW（Bag Of Words）模型的研究的基礎上，進一步將WS-GLCM與SIF T特征相結合，提出了兩種改進方案，即帶全局紋理上下文的SIFT特征和帶局部紋理特征上下文的SIFT特征。
　　針對現有的基于支持向量機（Support Vector Machine）的相

4、關反饋技術在醫(yī)學圖像檢索中的局限性，本文在對SVM分類器及ba gging組合分類器算法的研究的基礎之上，提出了新的相關反饋技術的改進方案，有效地解決了人工反饋模塊中所出現的訓練樣本不足，及SVM分類器對醫(yī)學圖像分類的準確率偏低的問題。
　　最后，本文對醫(yī)學圖像檢索技術在輔助診斷、醫(yī)學教學實踐及醫(yī)學科研等領域的應用做了簡要的論述。針對當下醫(yī)療信息數據及醫(yī)療影像數據的存儲及使用現狀，及機器學習技術、云計算等技術的迅速發(fā)展，提出了醫(yī)學