醫(yī)學(xué)影像案例多模檢索的模態(tài)關(guān)聯(lián)建模技術(shù)研究.pdf

1、隨著醫(yī)學(xué)科技水平不斷提高，醫(yī)學(xué)影像案例也隨之不斷的增長(zhǎng)，如何快速準(zhǔn)確的找到和需要查詢案例最相似的醫(yī)學(xué)影像輔助醫(yī)生進(jìn)行診斷受到越來(lái)越多的重視。醫(yī)學(xué)影像案例包含有圖像的底層特征和語(yǔ)義特征，在對(duì)圖像進(jìn)行檢索時(shí)，底層特征和語(yǔ)義特征之間的“語(yǔ)義鴻溝”問(wèn)題一直是個(gè)難題，采用何種方法來(lái)縮減語(yǔ)義鴻溝，以達(dá)到在檢索過(guò)程中既包含有圖像的底層特征又可以用人類理解的語(yǔ)義來(lái)進(jìn)行檢索成為研究的熱點(diǎn)。
　　醫(yī)學(xué)影像案例在計(jì)算機(jī)輔助診斷過(guò)程中有重要的表現(xiàn)，本文針

2、對(duì)醫(yī)學(xué)影像進(jìn)行研究，通過(guò)模態(tài)關(guān)聯(lián)模型由醫(yī)學(xué)影像的底層特征獲知影像的視覺(jué)語(yǔ)義特征，實(shí)現(xiàn)了兩種不同模態(tài)之間的有效關(guān)聯(lián)，縮減了語(yǔ)義鴻溝并同時(shí)實(shí)現(xiàn)醫(yī)學(xué)影像視覺(jué)語(yǔ)義的自動(dòng)標(biāo)注，在此基礎(chǔ)上，結(jié)合與醫(yī)學(xué)影像語(yǔ)義相關(guān)的底層特征進(jìn)行影像案例的多模檢索，提高影像的檢索性能，為輔助醫(yī)生進(jìn)行診斷提供決策支持。主要的研究?jī)?nèi)容包含有以下三部分：
　　1.獲取醫(yī)學(xué)影像特征，包括底層特征和診斷語(yǔ)義關(guān)鍵詞。針對(duì)醫(yī)學(xué)影像感興趣區(qū)域，獲得代表醫(yī)學(xué)影像灰度、形態(tài)及紋理的

3、底層特征并進(jìn)行特征歸一化，共計(jì)32個(gè)，然后利用醫(yī)學(xué)影像相關(guān)知識(shí)，從病灶對(duì)象形態(tài)、病理診斷結(jié)果等描述信息組成的診斷報(bào)告中提取語(yǔ)義關(guān)鍵詞，共同組成醫(yī)學(xué)影像特征。
　　2.構(gòu)建模態(tài)關(guān)聯(lián)模型。針對(duì)語(yǔ)義鴻溝問(wèn)題，首先，為了達(dá)到減輕維數(shù)災(zāi)難目的，采用基于關(guān)聯(lián)規(guī)則的特征選擇算法獲得與語(yǔ)義關(guān)鍵詞具有相關(guān)性的底層特征，去除冗余特征，實(shí)現(xiàn)特征的降維；然后，采用經(jīng)典的Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則挖掘，并通過(guò)關(guān)聯(lián)規(guī)則剪枝算法得到強(qiáng)關(guān)聯(lián)規(guī)則；最后利用關(guān)聯(lián)

4、分類引擎(Associative Classifier Engine,ACE)算法建立模態(tài)關(guān)聯(lián)模型，實(shí)現(xiàn)了由醫(yī)學(xué)影像底層特征獲知語(yǔ)義特征目的，縮減語(yǔ)義鴻溝。
　　3.多模影像檢索系統(tǒng)及性能評(píng)估。針對(duì)醫(yī)學(xué)影像案例的特點(diǎn)，選擇適合醫(yī)學(xué)影像的相似度量方案，并通過(guò)SQL Server2000數(shù)據(jù)庫(kù)、Visual C++6.0以及Matlab聯(lián)合構(gòu)建影像多模檢索系統(tǒng)，以該系統(tǒng)為依托，通過(guò)查準(zhǔn)率、查全率等來(lái)評(píng)價(jià)檢索系統(tǒng)的性能，實(shí)現(xiàn)有效的計(jì)算機(jī)