基于半監(jiān)督學(xué)習(xí)的醫(yī)學(xué)圖像檢索研究.pdf

1、隨著醫(yī)學(xué)成像技術(shù)的發(fā)展和普及，醫(yī)院和醫(yī)療研究機(jī)構(gòu)產(chǎn)生的醫(yī)學(xué)影像數(shù)據(jù)(CT、MRI、X射線等)呈現(xiàn)海量化的增長趨勢(shì)。如何準(zhǔn)確、有效地管理和分析醫(yī)學(xué)影像數(shù)據(jù)庫，是當(dāng)前生物醫(yī)學(xué)領(lǐng)域的一個(gè)關(guān)鍵課題。基于內(nèi)容的圖像檢索技術(shù)以圖像的視覺特征作為依據(jù)，快速查詢病理相似的臨床醫(yī)學(xué)影像，成為計(jì)算機(jī)輔助診斷和醫(yī)學(xué)研究的重要手段。然而現(xiàn)有的醫(yī)學(xué)圖像檢索系統(tǒng)存在三方面的問題:首先，醫(yī)學(xué)圖像中醫(yī)學(xué)本體屬性復(fù)雜，不利于發(fā)現(xiàn)和描述;其次，圖像的底層特征與高層醫(yī)學(xué)語義

2、之間存在語義鴻溝，僅僅采用視覺特征作為相似性匹配和度量的依據(jù)，不能有效的表達(dá)用戶的查詢語義;最后，檢索過程中忽略了醫(yī)學(xué)病例中包含的文本標(biāo)注信息及其表達(dá)的語義特征。
　　針對(duì)以上問題，本文以基于圖的半監(jiān)督學(xué)習(xí)方法為主要理論基礎(chǔ)，重點(diǎn)探討了醫(yī)學(xué)圖像檢索中的四個(gè)關(guān)鍵環(huán)節(jié):結(jié)合視覺語義的影像檢索、相關(guān)反饋模型、基于多模態(tài)信息的醫(yī)學(xué)病例檢索和高效的檢索算法。論文的主要的研究內(nèi)容和創(chuàng)新性成果如下:
　　(1)提出一種結(jié)合視覺語義和局部特

3、征的醫(yī)學(xué)圖像檢索方法。該方法首先在基于圖的半監(jiān)督學(xué)習(xí)框架中嵌入結(jié)構(gòu)假設(shè)，提出一種加入密度約束的標(biāo)記傳播算法，以獲得查詢圖像的類別歸屬度作為視覺語義;然后提取圖像的Dense SIFT特征生成視覺單詞，得到圖像的局部特征表示;最后設(shè)計(jì)基于視覺語義和局部特征的相似性度量方法。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效的表達(dá)查詢圖像的醫(yī)學(xué)語義，檢索效率優(yōu)于單一底層特征檢索。
　　(2)根據(jù)醫(yī)師對(duì)查詢的反饋信息，構(gòu)建一個(gè)基于成對(duì)約束傳播的相關(guān)反饋模型。

4、其基本思路是將正負(fù)反饋轉(zhuǎn)化為正負(fù)約束并將約束信息傳播到整個(gè)數(shù)據(jù)集以重構(gòu)流形，然后在新流形結(jié)構(gòu)上對(duì)醫(yī)學(xué)影像進(jìn)行有偏的流形排序。本文方法降低了傳統(tǒng)相關(guān)反饋中的小樣本問題和不對(duì)稱訓(xùn)練問題對(duì)檢索結(jié)果的影響。在此基礎(chǔ)上，本文提出了基于長期反饋策略的醫(yī)學(xué)檢索框架，能夠根據(jù)歷史的查詢信息更新檢索模型，其檢索性能優(yōu)于其它常用反饋模型。
　　(3)針對(duì)計(jì)算機(jī)輔助診斷中的相似病例查詢，提出一種基于多圖半監(jiān)督學(xué)習(xí)的多模態(tài)病例檢索算法。該算法將醫(yī)學(xué)影像和

5、文本標(biāo)注視為相互補(bǔ)償?shù)牟煌B(tài)的信息，定義結(jié)合視覺特征和文本標(biāo)注的多圖融合的半監(jiān)督學(xué)習(xí)框架，目的是根據(jù)圖正則化模型將不同模態(tài)的特征在流形上進(jìn)行融合，通過在融合圖上進(jìn)行流形排序獲得最終的病例檢索結(jié)果。多個(gè)病例影像數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，該算法能夠有效地利用影像和文本信息進(jìn)行病例檢索。
　　(4)提出一種面向多特征的快速流形排序算法。計(jì)算復(fù)雜度是圖方法應(yīng)用于實(shí)際數(shù)據(jù)處理的瓶頸，本文采用錨點(diǎn)圖實(shí)現(xiàn)對(duì)原圖的重構(gòu)，在保持流形結(jié)構(gòu)的前提下簡化