基于特征融合的醫(yī)學(xué)影像檢索算法設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著信息技術(shù)和醫(yī)學(xué)的發(fā)展，CT、MRI等數(shù)字化醫(yī)療設(shè)備在臨床工作和輔助診斷中得以日益廣泛的應(yīng)用。這些現(xiàn)代化的設(shè)備使得醫(yī)療機(jī)構(gòu)每天都會(huì)產(chǎn)生大量的醫(yī)學(xué)影像數(shù)據(jù)。醫(yī)學(xué)影像作為臨床診斷中的不可缺少的一部分，不僅可以反映人體的解剖信息及結(jié)構(gòu)形態(tài)，而且還可以直觀的解釋人體組織器官功能，是醫(yī)生進(jìn)行臨床診斷、病情監(jiān)控、手術(shù)參考、病理研究的重要客觀依據(jù)。
　　醫(yī)生在臨床診斷的過程中，通常需要對不同患者或者同一患者不同時(shí)間的影像進(jìn)行分析和比較，并結(jié)合

2、診斷報(bào)告做出最終的診斷結(jié)論。醫(yī)生一般通過對比同一部位影像的某些局部特征做出判斷。這就需要根據(jù)局部特征進(jìn)行檢索，而單一局部特征來檢索會(huì)出現(xiàn)非同一部位的誤檢。因?yàn)樵谀承┣闆r不同的部位組織局部特征可能相似，如腦部影像某種病變的局部特征與腿部某種病變的局部特征相似，所以在檢索前需要將不同組織的輸入影像進(jìn)行過濾。本文設(shè)計(jì)了基于特征融合的醫(yī)學(xué)影像檢索算法來解決這一問題。
　　本文設(shè)計(jì)了一種融合了全局特征和局部特征的醫(yī)學(xué)影像檢索算法，通過全局特

3、征先對影像進(jìn)行預(yù)分類，然后利用局部特征進(jìn)行檢索。文中提取影像的SIFT特征點(diǎn)作為影像的局部特征，通過構(gòu)建BOVW模型對影像的局部特征進(jìn)行檢索。具體是通過K-means聚類方法對由局部特征詞集聚類得到BOVW模型所需要的詞典。之后，利用詞典統(tǒng)計(jì)影像中特征詞出現(xiàn)的頻率對影像進(jìn)行描述。然后根據(jù)影像的描述向量對影像數(shù)據(jù)庫建立索引。而對于局部特征相似的其他部位的影像通過影像的預(yù)分類來進(jìn)行排除。具體通過融合一種Tamura紋理特征和一種Shape