基于內容的醫(yī)學影像圖像檢索.pdf

1、隨著各種模態(tài)的醫(yī)學影像設備大量出現(xiàn),特別是256排CT和高場強MR的臨床應用,醫(yī)學圖像的復雜性和重要性需要高效的圖像檢索與管理方法。傳統(tǒng)的基于文本關鍵字的圖像檢索方法已不能滿足對大型醫(yī)學圖像數(shù)據(jù)庫檢索的需要,基于內容的圖像檢索(Content-BasedImageRetrieval,CBIR)技術于是應運而生。
　　 基于內容的圖像檢索是從圖像本身的內容出發(fā),由計算機提取圖像本身所包含的顏色、紋理、形狀等信息,通過檢索這些信息對

2、圖像數(shù)據(jù)庫進行檢索。CBIR是利用圖像的低級特征來檢索相似性圖像,在醫(yī)學圖像數(shù)據(jù)庫檢索中有著廣泛的需求,而醫(yī)學圖像除了圖像的內容信息外還包含大量的文本或語義的信息,高級語義和低級特征的“語義鴻溝”是影響檢索效果的重要原因。因此,本文提出了聯(lián)合DICOM高級特征和圖像內容低級特征的方法來檢索相似的醫(yī)學圖像,達到減少“語義鴻溝”的目的,從而提高檢索效果。
　　 本文首先介紹了影像圖像的特點、醫(yī)生檢索習慣和圖像數(shù)據(jù)庫的建立,提取了圖像

3、DICOM的信息頭的信息,選取了部分與實驗相關的頭信息進行存儲:接著論述了CBIR系統(tǒng)紋理和形狀特征提取及特征比較方法,實驗選用DT-CWT小波變換和Canny算子分別提取圖像的紋理特征和形狀特征;然后根據(jù)醫(yī)學圖像的特點,選取DICOM頭信息對圖像進行預篩選,再提取經預篩選后的圖像和樣本圖像的紋理特征和形狀特征,相比較得到相似圖像。PACS中圖像檢索的方法是基于文本的,cBIR中圖像檢索的方法是基于圖像內容的,這兩者的有機結合正是放射科