Hadoop云平臺(tái)下基于內(nèi)容的醫(yī)學(xué)圖像檢索技術(shù)研究.pdf

1、隨著現(xiàn)代數(shù)字化技術(shù)以及多媒體和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，醫(yī)學(xué)診療技術(shù)不斷提升，醫(yī)學(xué)影像數(shù)據(jù)量也在大幅增長(zhǎng)。如何在與日俱增的醫(yī)學(xué)圖像數(shù)據(jù)中進(jìn)行快速且準(zhǔn)確的檢索，是醫(yī)學(xué)研究工作者面臨的一個(gè)重要課題。傳統(tǒng)的基于文本的醫(yī)學(xué)圖像檢索方法需要人工對(duì)圖像添加文本描述，再利用文本檢索系統(tǒng)對(duì)圖像進(jìn)行檢索，因其檢索過(guò)程比較復(fù)雜、時(shí)效性較低且準(zhǔn)確率不高基本被淘汰?；趦?nèi)容的醫(yī)學(xué)圖像檢索CBMIR(Content-Based Medical Image Ret

2、rieval)是運(yùn)用圖像自身特征進(jìn)行檢索的，特征一般包括顏色、紋理、形狀等，因其檢索準(zhǔn)確性較高被廣泛采用。然而，現(xiàn)階段國(guó)內(nèi)外關(guān)于醫(yī)學(xué)圖像檢索技術(shù)的研究依然存在兩大問(wèn)題：第一、基本都是在單機(jī)環(huán)境下進(jìn)行，大規(guī)模醫(yī)學(xué)影像數(shù)據(jù)的檢索使得該串行模式的醫(yī)學(xué)圖像檢索技術(shù)已出現(xiàn)進(jìn)程瓶頸，不能滿足客觀需求；第二、當(dāng)前醫(yī)學(xué)圖像檢索中大都是對(duì)圖像依次進(jìn)行遍歷，而沒(méi)有很好的索引機(jī)制來(lái)做索引，也增大了檢索系統(tǒng)的負(fù)荷。
　　Hadoop云平臺(tái)的出現(xiàn)為解決第一

3、個(gè)問(wèn)題提供了全新思路。隨后，學(xué)者們也開(kāi)始在Hadoop平臺(tái)下進(jìn)行了醫(yī)學(xué)圖像檢索技術(shù)的相關(guān)研究。其研究是將醫(yī)學(xué)圖像以及圖像特征均存儲(chǔ)于分布式文件系統(tǒng)HDFS(Hadoop Distributed File System)，然后采用MapReduce并行模型進(jìn)行匹配，減少了檢索時(shí)間，提高了圖像檢索速度。也有研究者提出基于大量醫(yī)學(xué)影像數(shù)據(jù)處理過(guò)程中的優(yōu)化方法，分析Hadoop云平臺(tái)在處理小文件時(shí)存在的不足，對(duì)醫(yī)學(xué)圖像DICOM文件格式進(jìn)行研究

4、，最終設(shè)計(jì)形成SF-DICOM文件格式，在HDFS存儲(chǔ)環(huán)境下進(jìn)實(shí)驗(yàn)并驗(yàn)證了該方法的有效性。然而，HDFS只能提供一種快速訪問(wèn)特定數(shù)據(jù)條目的機(jī)制，不能隨著數(shù)量集的增長(zhǎng)有很好的擴(kuò)展，而HBase的主要優(yōu)勢(shì)就是快速隨機(jī)訪問(wèn)，提升系統(tǒng)性能。針對(duì)第二個(gè)問(wèn)題，基于倒排索引的Lucene框架的引入可以將其很好地解決，并將特征提取以及查詢之間進(jìn)行整合，為檢索建立索引進(jìn)而提高檢索效率。
　　本文結(jié)合HDFS和HBase的最優(yōu)功能，提出將DICOM圖