基于紋理特征的醫(yī)學圖像檢索方法研究.pdf

1、隨著醫(yī)學影像設備在臨床工作中日益廣泛的應用，醫(yī)院每天都會產(chǎn)生大量的醫(yī)學圖像數(shù)據(jù)。如何有效地組織、管理和檢索大規(guī)模的醫(yī)學圖像數(shù)據(jù)，是當前迫切需要解決的問題。將基于內(nèi)容的圖像檢索(CBIR)引入醫(yī)學圖像數(shù)據(jù)庫中研究是一項非常有意義的工作，在臨床、醫(yī)學教學、科研以及醫(yī)學圖像歸檔和通信系統(tǒng)(PACS)中都有著重要作用。
　　 紋理是醫(yī)學圖像的一個顯著特征，也是基于內(nèi)容圖像檢索中的一個重要手段。醫(yī)學圖像包含大量臨床相關的紋理信息，根據(jù)各種

2、紋理分布可以區(qū)分不同的醫(yī)學疾病。本文主要研究了兩種紋理特征提取方法，并引入了人機交互的相關反饋，主要工作如下：
　　 本文將分形技術用于醫(yī)學圖像特征提取，并對分形維估算方法進行改進，提高了分形維的估算精度。用改進的方法對圖像進行單分形維分析，得到了正常的與常見的幾類肺部疾病的CT圖像具有明顯不同的分形維值，大部分值區(qū)分度較強，即單分形維對大部分病變具有較好的識別能力。針對單分形維對一些整體特征相近的圖像區(qū)分能力較弱的不足，本文進

3、一步提出多分辨率分形維特征提取方法。它對肺部CT圖像的分形維描述的更細致，能從各個角度和尺度對圖像進行區(qū)分。將該方法在含有肺癌等240幅醫(yī)學圖像的數(shù)據(jù)庫中進行系統(tǒng)仿真，采用平均距離比較圖像間的相似性，實驗結果具有較高的查全率和查準率。
　　 為了解決多分辨率分形方法不適用于旋轉(zhuǎn)圖像庫的問題，本文又引入一種“Uniform”形式的LBP(局部二值模式)紋理特征提取算子，該算子具有旋轉(zhuǎn)不變性，并且計算復雜度低。同時，為了增加圖像的局

4、部和空間信息，在用LBP提取特征前先對圖像分塊，并且采用一種環(huán)形分塊的方法避免了通常的分塊會破壞LBP特征旋轉(zhuǎn)不變性的問題。在醫(yī)學圖像數(shù)據(jù)庫中進行系統(tǒng)仿真，采用基于分塊的X2概率統(tǒng)計比較圖像間的相似性，實驗結果驗證了該方法對旋轉(zhuǎn)不敏感，對旋轉(zhuǎn)圖像具有較好的檢索效果，同時該方法明顯降低了計算量，減少了檢索時間，實時性效果好。
　　 為了彌補計算機和人在理解圖像上的差異，在前面兩種紋理方法建立的仿真檢索系統(tǒng)上，引入支持向量機用于反饋