基于不確定定點(diǎn)圖模型的醫(yī)學(xué)圖像檢索技術(shù).pdf

1、隨著醫(yī)學(xué)成像技術(shù)的飛速發(fā)展，醫(yī)學(xué)圖像越來(lái)越多的被用于臨床診斷中，并取得了顯著的效果。這一情況導(dǎo)致了相關(guān)數(shù)據(jù)的飛速增長(zhǎng)。找到與患者圖像相似的醫(yī)學(xué)圖像，有助于發(fā)現(xiàn)之前和該患者患有相同或相似病理情況的病人，從而幫助醫(yī)生結(jié)合經(jīng)驗(yàn)知識(shí)做出更為準(zhǔn)確的診斷。
　　然而，由于醫(yī)學(xué)圖像在相似性搜索方面要求圖像匹配的精度遠(yuǎn)高于普通圖像，目前仍沒(méi)有一種有效的方法解決醫(yī)學(xué)圖像的相似性搜索問(wèn)題。并且，在實(shí)際應(yīng)用中用戶往往只對(duì)前k(Top-k)個(gè)搜索結(jié)果感興

2、趣，而目前已有的基于內(nèi)容的醫(yī)學(xué)圖像搜索方法均是基于查詢圖像與數(shù)據(jù)庫(kù)中全部圖像的匹配問(wèn)題，目前還沒(méi)有基于內(nèi)容的醫(yī)學(xué)圖像Top-k查詢問(wèn)題的相關(guān)研究。
　　本文首先提出一種基于不確定定點(diǎn)圖模型（Uncertain LocationGraph, ULG）的醫(yī)學(xué)圖像搜索方法。該部分首先提出不確定定點(diǎn)圖模型，然后針對(duì)腦部CT圖像的固有特點(diǎn)，提出一種基于腦部CT圖像紋理的從圖像到不確定定點(diǎn)圖的建模方法，繼而提出一種基于不確定定點(diǎn)圖的相似性搜索

3、算法，并通過(guò)一種基于像素點(diǎn)的的索引結(jié)構(gòu)，有效地減少了無(wú)意義的查詢處理，降低了搜索時(shí)間。實(shí)驗(yàn)結(jié)果表明，基于不確定定點(diǎn)圖的醫(yī)學(xué)圖像檢索方法可以更精確的找出具有相似紋理的腦部CT圖像。
　　其次，本文在基于不確定定點(diǎn)圖的醫(yī)學(xué)圖像檢索方法的基礎(chǔ)上提出一種基于關(guān)聯(lián)圖模型的醫(yī)學(xué)圖像Top-k查詢方法。該部分首先提出一種關(guān)聯(lián)圖模型。使用這種模型，可以有效的刻畫圖像之間的關(guān)聯(lián)關(guān)系，并利用這一關(guān)聯(lián)關(guān)系，提出關(guān)聯(lián)性度量計(jì)算方法，從而使得僅需對(duì)圖像匹配

4、一次即可更新所有圖像與查詢圖像的相似度范圍。由此，提出醫(yī)學(xué)圖像Top-k查詢方法，并提出三種基于游走的查詢優(yōu)化策略。實(shí)驗(yàn)證明，本文提出的基于關(guān)聯(lián)圖模型的醫(yī)學(xué)圖像Top-k查詢方法可以在不降低查準(zhǔn)率的情況下有效的減少圖像匹配次數(shù)，降低時(shí)間復(fù)雜度。
　　綜上所述，本文提出了一種基于不確定定點(diǎn)圖模型的醫(yī)學(xué)圖像檢索方法有效的解決了醫(yī)學(xué)圖像搜索準(zhǔn)確性低的問(wèn)題，并通過(guò)一種基于關(guān)聯(lián)圖模型的醫(yī)學(xué)圖像Top-k查詢方法，有效的解決了傳統(tǒng)醫(yī)學(xué)圖像檢索