基于内容的全局相似医学图像检索方法研究

摘要

随着数字化成像设备，如，数字化CT、MRI、X射线、超声、PET等设备的高速发展，现在的医疗机构每天都要产生大量数字医学图像。大型医疗机构每年的数字图像数量呈指数级增长，对于高效的数字图像存储、管理工具的需求日益迫切。在使用传统的文本信息检索不能完全满足应用需求的情况下，基于内容的图像检索(Content-Based Image Retrieval，CBIR)技术越来越受到重视，也成为研究热点之一。
　　本文在系统地分析基于内容的医学图像检索关键技术以及发展趋势的基础上，针对全局相似的医学图像检索方法进行研究，并取得了良好的效果。本文主要研究工作包括:
　　(1)面向多部位的医学图像的全局相似检索。基于刚性配准的检索方法可以获得很高的准确性，但是耗时过长，难以实际应用。针对这个问题，本文提出使用梯度相位互信息以及图像重心，分别估计两幅匹配图像的角度偏差和平移偏差。实验表明，新算法具有与基于刚性配准的检索方法相同的准确性，同时计算耗时大幅缩短。
　　(2)面向同一部位医学图像的相同解剖范围检索。提出融合先验知识的线性加权相似度组合方法。基于鲍威尔优化算法，根据先验知识，合理地排列不同类型特征的相似度。采用少量的数据训练鲍威尔算法，依次优化不同类型特征的相似度的组合权重。得到的组合相似度达到了良好的检索准确性，而且鲍威尔算法的寻优过程快速收敛。
　　(3)面向多部位的医学图像的相同标注类检索。通过组合多种全局和局部特征相似度来提高检索性能。首先提出分段聚类构造码书的方法，在获得良好的检索准确性的同时大幅缩短了计算用时;然后组合大数量的相似度在多个公共数据集上进行实验，得出“和规则”的检索准确性总体优于“乘积规则”的实验结论，并辅以理论分析，对实际应用提供可靠的依据。
　　(4)面向多部位的医学图像相同标注类检索结果的排序优化。引入排序支持向量机对检索结果进行优化。通过计算相似度与相似性之间的互信息来滤除冗余的相似度，并以互信息选择的相似度作为排序支持向量机的输入，进行排序优化。实验与分析表明，该方法大幅提高了医学图像检索的准确性，并且计算代价较小，适于实际应用。

目录

声明

摘要

第1章 绪论

1．1 研究背景与研究意义

1．2 研究现状

1．2．1 从应用角度分析医学图像检索

1．2．2 相关研究文献总括

1．2．3 较有影响力的医学图像检索系统

1．3 基于内容的医学图像检索的关键问题

1．3．1 图像视觉特征提取问题

1．3．2 图像相似性匹配问题

1．3．3 检索结果排序问题

1．4 研究目标和研究内容

1．5 论文结构和研究路线

第2章 基于内容的医学图像检索关键技术

2．1 基于内容的图像检索一般框架

2．2 图像配准技术

2．3 图像视觉特征提取技术

2．3．1 全局特征提取技术

2．3．2 局部特征提取技术

2．4 特征降维技术

2．5 相似性匹配技术

2．5．1 基于特征向量的相似性匹配技术

2．5．2 基于局部特征的相似性匹配技术

2．6 基于相似度组合的图像检索技术

2．7 基于机器学习的检索结果排序技术

2．8 检索性能的评测

2．8．1 查全-查准率曲线

2．8．2 MAP值

2．8．3 P@n

2．9 本章小结

第3章 面向多部位医学图像的全局相似检索方法研究

3．1 检索方案

3．2 面向多部位医学图像的全局相似初检

3．3 面向多部位医学图像的全局相似精化检索

3．3．1 图像梯度

3．3．2 梯度相位直方图

3．3．3 互信息

3．3．4 梯度相位互信息(GP_MI)

3．3．5 基于梯度相位互信息的精化匹配算法

3．4 实验与讨论

3．4．1 实验数据

3．4．2 实验用例及评测方法

3．4．3 基于灰度共生矩阵特征的初检结果

3．4．4 基于梯度相位互信息的精化检索结果

3．5 本章小结

第4章 面向同一部位医学图像的相同解剖范围检索方法研究

4．1 数据分析、特征提取与相似性匹配

4．1．1 对于同一部位医学图像特点的分析

4．1．2 特征提取

4．2 融合先验知识的线性加权方法

4．2．1 鲍威尔优化算法

4．2．2 融合先验知识的鲍威尔线性加权

4．3 实验与讨论

4．3．1 实验数据

4．3．2 实验方案

4．3．3 MAP比较

4．3．4 寻优后权值的分布

4．4 本章小结

第5章 面向多部位医学图像的相同标注类检索方法研究

5．1 基于视觉词袋的局部特征构造

5．1．1 常用的视觉词袋构造方法

5．1．2 改进的视觉词袋构造方法

5．2 相似度组合方法

5．2．1 相似度的组合过程

5．2．2 组合规则的选择

5．2．3 特征提取及相似度计算

5．3 实验与讨论

5．3．1 局部特征码书构造的实验及讨论

5．3．2 基于不同组合规则的相似度组合检索实验及讨论

5．4 本章小结

第6章 面向多部位医学图像的相同标注类检索结果排序优化

6．1 相似度降维

6．1．1 基于互信息选择的相似度降维

6．1．2 最大依赖准则与最大相关准则

6．1．3 基于Parzen窗的互信息计算

6．2 排序支持向量机

6．2．1 支持向量机简介

6．2．2 支持向量机用于检索排序

6．2．3 基于互信息选择相似度的排序支持向量机

6．3 实验及讨论

6．3．1 基于互信息选择相似度实验及讨论

6．3．2 基于排序支持向量机的图像检索结果排序实验及讨论

6．4 本章小结

第7章 结论及展望

7．1 论文工作总结

7．2 未来工作展望

参考文献

致谢

攻读博士学位期间发表及录用的论文

攻读博士学位期间专利授权情况

攻读博士期间参加的科研项目

作者简介