多级多特征的医学图像检索系统研究

摘要

随着医学成像技术的发展和医院信息网络的普及，可供临床、教学及研究使用的医学图像正在迅速膨胀，基于内容的医学图像检索(Content-basedMedicalImageRetrieval,CBMIR)系统因其可以有效管理和检索大量医学图像数据而成为医学图像领域的研究热点。
　　近年来，国内外研究人员开展了大量CBMIR的相关研究，取得了一定成果，但仍存在不足，如可移植性差、检索模式单一、与人类主观判断存在差异等。如何扩大CBMIR的应用范围，满足多用户多层次的检索需求，为医师和科研人员提供便捷准确的检索图像的手段，是医学图像检索技术发展的关键。
　　本文对CBMIR的关键技术进行了研究，根据不同类型的医学图像特点，对特征提取方法作了详细的比较分析。在构建医学图像数据库的基础上，设计了一个多级多特征的医学图像检索系统。主要研究工作如下：
　　①研究医学图像文本信息自动提取技术。通过学习数字影像和通信标准(DigitalImagingandCommunicationsinMedicine,DICOM)，实现了对DICOM文件中患者、研究、序列等文本信息的自动提取和录入，并建立索引，将文本与内容相结合用于检索，以缩小检索范围。
　　②研究多特征融合技术。为了更全面的描述图像的视觉内容，本文根据图像底层特征的特点，依据互补性原则，将纹理特征与形状特征相结合，全局特征与区域特征相结合。针对二维全局图像、二维感兴趣区域和三维感兴趣区域设计了不同的特征组合。
　　③研究多级检索模式。针对用户多方面的检索需求，设计了一种三级检索模式：一级检索为基于文本的检索，通过DICOM文本信息匹配对图像进行预筛选；二级检索为基于全局图像的检索，通过这一级可以检索出整体视觉相似的图像，为后续的ROI检索缩小了查找范围。三级检索是基于ROI的检索，用于检索医生更关注的相似病灶区域。
　　④研究三维医学图像检索技术。针对三维结肠息肉数据，研究了三维灰度梯度共生矩阵、形状指数(ShapeIndex,SI)及曲度(Curvedness,CV)三个三维特征，而后利用这些特征对分割后的三维ROI进行描述，建立索引，为用户提供一种能够更完整地反映病灶情况的三维检索手段。
　　最后，本文采用结肠CT图像和膀胱MR图像，通过多个检索实验得出以下结论：多特征融合技术有效地利用了不同特征的优势，更全面的表达出图像的视觉内容，其检索效果优于使用单一特征的检索效果；多级检索模式可以根据用户不同需要逐步缩小检索范围从而查找到所需图像，其检索准确率普遍高于单级检索准确率；三维ROI检索由于使用了特异性特征，检索效果较好，与二维图像检索相比更具临床诊断意义。实验证明，多级多特征的医学图像检索系统能够有效地将文本信息与视觉内容、全局图像与ROI、二维图像与三维图像相结合，提高了医学图像检索的准确率，具有可行性和实用性。

目录

封面

声明

目录

缩略语表

中文摘要

英文摘要

前言

文献回顾

1 CBMIR 概述

2 CBMIR 研究现状

3 现有 CBMIR 系统的特点及发展趋势

4 本文的主要研究内容

正文

1 基于内容的医学图像检索关键技术

2 医学图像特征提取的研究

3 基于内容医学图像检索系统设计与实现

4 检索实验及系统性能评估

小结

参考文献

个人简历和研究成果

致谢