醫(yī)療影像智能檢索技術(shù)研究與應(yīng)用.pdf

1、醫(yī)療影像為醫(yī)生診斷疾病提供了重要的依據(jù)，并且隨著時(shí)間的積累和醫(yī)療影像設(shè)備種類和數(shù)目的日益增多，醫(yī)院已經(jīng)積累了大量的醫(yī)療影像數(shù)據(jù)。醫(yī)療影像數(shù)據(jù)種類多，數(shù)據(jù)格式差異性大，由于不同的成像技術(shù)和干擾信息的存在，對(duì)其進(jìn)行有效的組織和檢索一直是研究的重點(diǎn)。醫(yī)療影像智能檢索技術(shù)是構(gòu)建數(shù)字一體化的醫(yī)療體系、疾病智能診斷等技術(shù)的關(guān)鍵基礎(chǔ)，同時(shí)也能充分挖掘現(xiàn)有醫(yī)療影像數(shù)據(jù)的潛在價(jià)值。本文結(jié)合智能圖像檢索系統(tǒng)中的關(guān)鍵技術(shù)和醫(yī)療影像數(shù)據(jù)自身的特點(diǎn)，對(duì)醫(yī)療影像智

2、能檢索系統(tǒng)中的關(guān)鍵技術(shù)進(jìn)行了研究和改進(jìn)。
　　在基于醫(yī)療影像全局特征的檢索技術(shù)中，本文選取了部分全局特征進(jìn)行了檢索測(cè)試。綜合不同特征檢索結(jié)果的精準(zhǔn)度和醫(yī)療影像數(shù)據(jù)的特點(diǎn)，選取醫(yī)療影像的LBP紋理特征作為特征表達(dá)，并提出了非均勻分塊和改進(jìn)編碼方式的LBP算子，該算子使檢索系統(tǒng)的性能得到了提升。對(duì)醫(yī)療影像進(jìn)行非均勻分塊，使特征表達(dá)中增加了空間位置信息，提高了特征的維數(shù)，改善了使用Uniform LBP特征分類效果差的問(wèn)題。同時(shí)，改進(jìn)編

3、碼的LBP算子較普通的LBP特征增加了穩(wěn)定性。
　　在基于醫(yī)療影像局部特征的檢索技術(shù)中，針對(duì)基于SIFT的視覺(jué)單詞特征存在的單詞無(wú)序性問(wèn)題，本文提出了兩種改進(jìn)算法。把SIFT特征向量和全局LBP特征融合，提出基于醫(yī)療影像SIFT和全局LBP特征的檢索。該算法在一定程度上解決了單詞的無(wú)序性問(wèn)題，提升了檢索性能，但是由于引入不相關(guān)的干擾因素，存在不穩(wěn)定的問(wèn)題。把SIFT特征和局部LBP特征拼接，提出基于醫(yī)療影像SIFT-LBP局部特征

4、的檢索。該算法把局部的LBP紋理特征和SIFT特征結(jié)合，消除了噪聲的影響，同時(shí)也提升了檢索系統(tǒng)的性能。
　　在檢索系統(tǒng)的相關(guān)反饋模塊中，本文應(yīng)用集成學(xué)習(xí)技術(shù)的思想，選取了Bagging集成學(xué)習(xí)模型。學(xué)習(xí)過(guò)程中調(diào)整訓(xùn)練數(shù)據(jù)集中正負(fù)樣本的比例，充分利用了未標(biāo)記的影像數(shù)據(jù)，通過(guò)集成多個(gè)具有差異性的學(xué)習(xí)器，使學(xué)習(xí)機(jī)的性能得到了提升。同時(shí)，該模型彌補(bǔ)了SVM分類器存在的過(guò)度擬合和方差較大的問(wèn)題，提高了泛化能力，對(duì)醫(yī)療影像數(shù)據(jù)集具有良好的適用