医学图像检索

摘要： 针对医学图像数据检索和存储效率低的问题,提出了一种基于多模态哈希编码的一种简单而有效的快速无监督多模态哈希(FUMH)方法.首先将多模态特征中的判别语义协同保存到哈希码中,构建新的无监督多模态哈希学习模型.然后利用新的无参数多模态二值哈希投影加权方案,自动计算模态组合权值,实现优秀的检索准确性和存储效率.最后通过实验方法与现有最新的无监督哈希方法进行比较,从多个方面验证了该方法相对于现有方法的优势.

摘要： 针对传统医学图像检索存储体量大、检索效率低等问题,提出一种基于加权深度特征的医学图像并行检索方法.利用基于部分语义加权的卷积神经网络进行图像深度特征提取,筛选深层网络中对图像信息有效表达的特征;建立图像分布式乘积量化哈希编码模型,实现对高维特征的分布式编码压缩;最后,结合Spark并行模型对查询的医学图像执行分布式并行检索.在医学图像数据集上的实验证明,所提出的方法与传统方法相比具有更好的检索精度和检索效率表现.

摘要： 医学图像为临床诊断提供了重要的影像学信息,如何从海量图像库中快速准确检索到病人影像信息是一项重要研究课题.提出一种基于深度哈希卷积神经网络的医学图像检索方法,通过建立深度哈希编码神经网络,以成对柯西交叉熵损失函数为优化目标,采用迁移学习方法实现了医学图像的实时精确检索.以ImageCLEF(Med)数据集为实验对象,实验证实新提出的方法是可行、高效的,对于大规模医学图像,基于深度哈希卷积神经网络的医学图像检索方法,明显提高了图像检索性能.当采用48维哈希编码时,平均检索准确率为91.9％,平均检索时间为0.037 s,结果优于当前基于深度学习的图像检索方法.

摘要： 医学图像检索是有效利用医学资源的基础,而医学图像的海量性和增量性为图像检索带来了新的挑战和要求;为了提高医学图像检索过程的效率,设计并实现一种基于Flink的海量医学图像检索系统;首先,系统通过Web应用作为用户操作入口,在后端搭建数据平台和业务集群;其次,系统通过HBase对医学图像数据进行分布式存储,利用深度卷积神经网络模型提取医学图像特征;然后,将所提取的医学图像特征数据进行乘积量化编码,并通过HBase进行存储;最后,通过基于Flink的内存计算对接Kafka进行实时图像检索,以及对批量导入图像的特征索引编码;系统在4个节点的服务器上部署分布式集群,使用真实医学图像数据集进行测试,通过在MapReduce和Spark两种不同技术模块下的对比实验表明本系统具有更好的检索效率表现.

摘要： 医学图像为临床诊断提供了重要的影像学信息,如何从海量图像库中快速准确检索到病人影像信息是一项重要研究课题。提出一种基于深度哈希卷积神经网络的医学图像检索方法,通过建立深度哈希编码神经网络,以成对柯西交叉熵损失函数为优化目标,采用迁移学习方法实现了医学图像的实时精确检索。以ImageCLEF(Med)数据集为实验对象,实验证实新提出的方法是可行、高效的,对于大规模医学图像,基于深度哈希卷积神经网络的医学图像检索方法,明显提高了图像检索性能。当采用48维哈希编码时,平均检索准确率为91.9%,平均检索时间为0.037 s,结果优于当前基于深度学习的图像检索方法。

摘要： 随着医学成像技术的不断发展,患者的各类扫描图像呈爆发式增长,医务人员的工作量日益繁重,基于内容的医学图像检索(Content-based Medical Image Retrieval,CBMIR)系统可以精准地辅助医务工作者决策,减轻医务工作者的负担.基于此,笔者综述了CBMIR方法,着重探讨了特征提取、特征融合、相似性度量等的主流算法,跟踪其研究成果,并对CBMIR技术的未来研究方向进行了展望.

摘要： 现有基于内容的医学图像检索(CBMIR)算法存在特征提取的不足,导致图像的语义信息表达不完善、图像检索性能较差,为此提出一种多尺度密集网络算法以提高检索精度.首先,将512 ×512的肺结节图像降维到64×64,同时加入密集模块以解决提取的低层特征和高层语义特征之间的差距;其次,由于网络的不同层提取的肺结节图像信息不同,为了提高检索精度和效率,采用多尺度方法结合图像的全局特征和结节局部特征生成检索哈希码.实验结果分析表明,与自适应比特位的检索(ABR)算法相比,提出的算法在64位哈希码编码长度下的肺结节图像检索查准率可以达到91.17％,提高了3.5个百分点;检索一张肺切片需要平均时间为48 μs.所提算法的检索结果在表达图像丰富的语义特征和检索效率方面,优于其他对比的网络结构,适用于为医生临床辅助诊断提供依据、帮助患者有效治疗.

摘要： 医学图像语义概念识别是医学图像知识表示的重要技术环节.研究医学图像语义概念识别方法,有助于机器理解和学习医学图像中的潜在医学知识,在影像辅助诊断和智能读片等应用中发挥重要作用.将医学图像的高频概念识别问题转化为多标签分类任务,利用基于卷积神经网络的深度迁移学习方法,识别有限数量的高频医学概念;同时利用基于图像检索的主题建模方法,从给定医学图像的相似图像中提取语义相关概念.国际跨语言图像检索论坛ImageCLEF于2018年5月组织ImageCLEFcaption 2018评测,其子任务“概念检测”的目标是给定222 314张训练图片和9 938张测试图片,识别111 156个语义概念.上述两种方法的实验结果已被提交.实验结果表明,利用基于卷积神经网络的深度迁移学习方法识别医学图像高频概念,F1值为0.092 8,在提交团队中排名第二;基于图像检索的主题模型可召回部分低频相关概念,F1值为0.090 7,然而其性能依赖于图像检索结果的质量.基于卷积神经网络的深度迁移学习方法识别医学图像高频概念的鲁棒性优于基于图像检索方法的鲁棒性,但在大规模开放语义概念的识别技术研究上仍需进一步完善.

摘要： 为了克服肺部病变CT表现复杂,极易造成医生误诊的缺点,提出了一种基于相似性度量的医学图像检索算法并用于肺癌的诊断研究,该相似性度量保持了图像的语义相关和视觉相似.首先,根据相似性度量理论构建距离度量学习算法学习一个马氏距离;然后,根据学习的马氏距离度量,提出新的医学图像检索算法,并将提出的算法应用于肺癌的诊断研究.实验结果证明了该检索算法在肺癌诊断应用中的可行性和有效性.

摘要： 随着医学影像设备产生的数字图像日益增加,如何从大规模海量医学图像中有效检索出相关图像成为当前图像处理与分析领域研究的热点.为了给相关研究者提供有益参考,有必要对近年来医学图像检索领域提出的方法进行全面的综述.通过查阅国内外相关研究资料,发现医学图像检索的研究点主要包括特征提取和特征匹配2个方面.在特征提取方面,主要概述了传统特征提取方法和新近提出的基于深度学习的特征表示方法;而对于特征匹配方面,则通过对词汇树、哈希等方法的概述进行介绍.最后提出,特征的高效表示法和检索的实时性是医学图像检索领域未来研究的主要趋势.

摘要： 医学图像数据库的不断庞大使得医学图像检索成为研究热点。相似病例对医生的诊断大有益处．快速、准确地从医学图像库中检索出相似病理图像足非常重要的。纹理特征是反映图像内容的重要特征之一，并且医学图像的纹理分布可以区分各种医学疾病，因此本文采用纹理特征作为图像检索的依据。针对目前提取纹理特征的方法用于医学图像都需要大量的计算问题。本文将一种低计算复杂度但对纹理识别非常有效的局部二进制模式(LBP)纹理提取算子用于医学图像检索。实验结果表明，与传统相比，本方法能达到较高的查全率和查准率，并且明显降低了计算量，减少了检索时间。

摘要： 医学图像数据库的不断庞大使得医学图像检索成为研究热点。相似病例对医生的诊断大有益处，快速、准确地从医学图像库中检索出相似病理图像是非常重要的。纹理特征是反映图像内容的重要特征之一，并且医学图像的纹理分布可以区分各种医学疾病，因此本文采用纹理特征作为图像检索的依据。根据实验分析得到医学肺部图像各种病变具有分形特征，正常肺部图像的分维数值与各种具有病变的肺部图具有不同的分形维数值，因此分形纹理特征值可以作为区分肺部图像的各种病变的依据，实现相似病状图像的检索。但是单纯只其于原图的一个分形维数的纹理分析，还不足以体现所有的纹胖信息，特别是对细节上差异的区分，于是本文就提出了一种多分辨率分形纹理特征的提取方法，同时对分形维数的计算方法进行了改进。实验结果表明，本方法能达到较高的查全率和查准率，能很好地应用于医学图像检索。

摘要： 医学图像数据库的不断庞大使得医学图像检索成为研究热点.本文根据医学图像的特点,提出了一种基于哈尔小波变换纹理分析的图像检索方法,同时与基于共生矩阵的纹理识别方法进行比较和分析.据此,实现了一个图像检索原型系统.实验证明,本文提出的方法具有良好的检索效果。

摘要： 基于文本的医学图像检索是通过关键字和文本对医学图像进行检索，需要线下对所有图像进行标注;基于内容的医学图像检索是提取图像本身所具有的视觉特征，包括颜色、形状、纹理等，建立特征向量，并以此构建索引和匹配准则进行所需图像的检索;基于语义的医学图像检索是通过分析医学图像的高层语义内容，建立起底层视觉特征和高层语义内容之间的映射关系，或用户根据检索结果进行反馈来逐步减小语义鸿沟。本文着重对以上三种医学图像检索方法的关键技术进行详细的综述和分析，并对其发展趋势做出展望。

摘要： 医学图像中灰度信息蕴含了成像组织的解剖或者功能信息,对于研究病灶症状的现状和进展具有重要的指导作用.实际应用中许多成像因素对灰度带来不利的影响,造成灰度的不一致.根据CT图像显示上的特点,我们采用相对光密度转换来实现CT显示图像的灰度归一化处理,在保留图像中具有医学诊断意义的灰度改变同时,减小由成像因素造成的同种性质组织在灰度上的不一致.该方法具有运算速度快的优点,受外界条件的影响较小.实验结果表明,该方法叮以有效地减小相同部位CT显示图像中不同窗宽窗位参数设置带来的灰度不一致,有利于图像的比较和识别,可应用于计算机辅助诊断和医学图像检索中。

摘要： 本发明公开了一种本发明基于医学图像特征权重调整的眼底造影检索方法，分别对眼底造影图像样本和待检索的眼底造影图像提取4个特征矩阵，根据预设的权重计算加权特征矩阵，然后计算待检索的眼底造影图像的加权特征矩阵和每张眼底造影图像样本的加权特征矩阵的相似度，选取相似度最大的K张眼底造影图像样本作为检索结果输出，如果对检索结果不满意，检索人员根据其检索偏好从检索结果中选取D张眼底造影图像样本，对特征矩阵的权重进行调整，重新计算待检索的眼底造影图像的加权特征矩阵，再次进行检索，如果检索结果还不满意，则继续调整权重，直至检索人员对检索结果满意为止。采用本发明可以使检索结果更符合用户的需求，提高检索性能。

摘要： 本发明请求保护一种多图正则化深度哈希多模态医学图像检索方法，具体是通过多通道深度模型同时提取多模态医学图像组的特征；根据多模态医学图像组的特征对应构建多个图正则化矩阵；融合多个图正则化矩阵，并利用模态自适应受限玻尔兹曼机学习得到多模态医学图像组的哈希码；通过汉明距离度量求出单个模态数据哈希码与多模态医学图像组哈希码的距离并按升序排序，选择距离最小的n组多模态医学图像返回给用户，从而实现了多模态医学图像检索。该方法的实现，能帮助医生在超声图像，争端文本，核磁共振图像等多模态医学图像中，通过某一模态的数据迅速查找到另外多种模态的数据，有助于医生的医学诊断，减少医生的工作量，提高工作效率。

摘要： 本发明公开了基于几何约束和空间像素强度的医学图像检索方法，涉及医学图像处理技术领域，首先对脑瘤图像ROI进行膨胀增强，经膨胀以后的ROI融入了其边缘邻域的图像信息，能更好的对脑瘤图像的ROI进行描述。然后在几何约束的前提下提取ROI的空间像素强度特征，即在提取每个像素点像素强度特征的同时提取其周围与之具有一定几何关系的像素点的像素强度特征，共同来描述一个像素点信息。对提取到的空间像素强度特征进行K‑means聚类，生成VLAD模型。最后通过图像VLAD向量之间的距离来判断图像之间的相似性进行检索，可以有效地提高脑瘤图像检索的检索性能。

摘要： 本发明公开了一种基于内容相似度和Softmax分类器的医学图像检索方法，包括以下步骤：步骤S1：使用大规模医学图像数据集训练Softmax模型；步骤S2：使用经过训练的Softmax模型对输入图像进行预测和检索。与现有技术相比较，本发明采用Softmax分类器对医学图像建立了分类模型，缩小了相似度比较范围，提高了分类和检索性能，使得医学图像检索的效率更高，改善了现有的基于内容的医学图像检索技术高计算复杂度的缺点；另外本发明还采用了改进的相似度计算算法，有助于提高医学图像类别预测的准确性和检索的精确性，改善了现有的基于内容的医学图像检索技术对海量数据检索分类准确性差的缺点。

摘要： 一种基于深度学习和Radon变换的医学图像检索方法涉及计算机视觉和图像检索领域。在“粗”检索阶段，采用BING目标建议算法检测具有显著对象的区域，通过在深度卷积网络架构中引入部分均值Pooling，可提取出基于区域的显著区分性特征并降低特征维度，再聚合形成一个全局特征表达。在特征向量量化过程中，使用乘积量化算法来解决特征向量间相似性度量计算高复杂度问题。“细”检索阶段，借助Radon变换可将图像在多角度做积分投影，获取图像更多细节信息的特性，将“粗”检索中得到的Top50图像经过Radon变换生成Radon条码，经过相似性度量达到更精确检索。本发明提高医学图像检索的准确率，克服了直接使用卷积神经网络带来的特征区分性不强，特征维度高等医学图像检索问题。

摘要： 本发明公开了图像检索技术领域的一种基于计算机处理下的医学图像检索系统，包括获取图像子系统，所述获取图像子系统电性输出连接中央处理器，所述中央处理器电性双向连接检索子系统，所述中央处理器电性输出连接显示子系统，所述显示子系统电性双向连接反馈子系统，本发明通过获取图像子系统直接读取输入图像中的信息，保证检索的准确性，有利于对病理的分析的准确性，减少个人主观性和不确定性，通过中央处理器使图像的检索有序性，保证快速的检索效率和准确性，通过检索子系统能够快速准确的分别从计算机数据库、互联网和索引数据库中检索到要检索的信息，保证信息的准确性和检索的范围广。

摘要： 本发明涉及一种基于混合注意的语义增强哈希医学图像检索方法。首先将数据集划分为训练集和测试检索集，从训练集中随机选择图像组成医学三元组，然后构建整体网络模型，将医学三元组样本作为网络模型的输入，最后训练整体网络模型，并使用训练好的网络得到检索结果。本发明利用通道注意模块和空间注意模块构成混合注意机制，能高效提取感兴趣区域(ROI)信息；利用类别级语义信息来约束哈希码的学习过程，有助于区分不同类别的相似哈希码；当深度嵌入映射至离散哈希码时，利用量化损失项减少深度嵌入和哈希码之间的量化误差，能够进一步提升医学图像检索的精度。

摘要： 本发明涉及一种基于循环查询扩展的多监督医学图像检索方法，包括：以已知医学图像数据集对卷积神经网络进行训练，获得分类模型；以该分类模型对该已知医学图像数据集进行三元组挖掘，以挖掘出的三元组对该分类模型进行训练，以获得图像检索模型；对于目标医学图像，通过该图像检索模型从该已知医学图像数据集获得检索结果。本发明还涉及一种基于循环查询扩展的多监督医学图像检索系统，以及一种数据处理装置。本发明的多监督医学图像检索方法采用NM三元组挖掘，解决了仅适用标签信息或仅使用相似标签信息不足以满足CBMIR高精度要求的问题，并提出RQE查询扩展方法，进一步提高了医学图像检索的性能，充分利用了检索结果中的信息。

摘要： 本发明公开了一种医学图像检索方法，该方法对待查询图像进行分类，并在与待查询图像相同的类别图像中使用排序融合算法进行检索，该计算方法能够提高检索正确率，并且该方法能够被目前实际系统软件平台实现，具有极大的实际应用前景。

摘要： 本发明请求保护一种多图正则化深度哈希多模态医学图像检索方法，具体是通过多通道深度模型同时提取多模态医学图像组的特征；根据多模态医学图像组的特征对应构建多个图正则化矩阵；融合多个图正则化矩阵，并利用模态自适应受限玻尔兹曼机学习得到多模态医学图像组的哈希码；通过汉明距离度量求出单个模态数据哈希码与多模态医学图像组哈希码的距离并按升序排序，选择距离最小的n组多模态医学图像返回给用户，从而实现了多模态医学图像检索。该方法的实现，能帮助医生在超声图像，争端文本，核磁共振图像等多模态医学图像中，通过某一模态的数据迅速查找到另外多种模态的数据，有助于医生的医学诊断，减少医生的工作量，提高工作效率。