面向肺部CT影像表征的多層語義檢索.pdf

1、隨著計算機技術(shù)和醫(yī)學影像技術(shù)的不斷發(fā)展,醫(yī)學影像已經(jīng)成為醫(yī)生進行病情分析診斷的重要依據(jù)?，F(xiàn)代化的醫(yī)院每天都要產(chǎn)生大量的醫(yī)學影像數(shù)據(jù),如何能在這些海量的數(shù)據(jù)中快速準確地找到特定的圖像,是目前醫(yī)生要面臨的亟待解決的問題。本文在分析總結(jié)多種圖像檢索算法的基礎(chǔ)上,結(jié)合基于語義的圖像檢索技術(shù)和醫(yī)學影像的專業(yè)領(lǐng)域知識,設(shè)計并實現(xiàn)了面向肺部CT影像表征語義關(guān)鍵詞的醫(yī)學圖像檢索系統(tǒng)。
　　本文對圖像檢索技術(shù)的發(fā)展歷史進行了簡要的回顧,對國內(nèi)外基于

2、語義的醫(yī)學圖像檢索的研究現(xiàn)狀進行了總結(jié)和分析,介紹了圖像語義檢索中的關(guān)鍵技術(shù)。本文利用肺部CT圖像對語義檢索技術(shù)做了系統(tǒng)深入的研究。首先,為了提取出肺部CT圖像中的有意義區(qū)域即肺實質(zhì),設(shè)計了一種實現(xiàn)簡單且實驗效果較好的肺實質(zhì)分割算法。該算法利用常規(guī)方法提取肺實質(zhì)的粗略輪廓,并針對肺實質(zhì)病灶信息等的缺失現(xiàn)象,利用改進的二維凸包算法對肺實質(zhì)的外輪廓進行再修復(fù),而內(nèi)輪廓的修復(fù)利用區(qū)域生長和形態(tài)學運算進行實現(xiàn)。然后,分別對原始的CT圖像和有意義

3、區(qū)域的圖像進行了灰度和紋理特征提取,分別是:灰度直方圖統(tǒng)計特征,灰度共生矩陣紋理特征,Tamura紋理特征和Gabor小波紋理特征。而后分析了醫(yī)學圖像的高層語義特征,通過醫(yī)生給出的診斷分析統(tǒng)計出現(xiàn)頻率較高的影像表征的詞匯作為該幅圖像的語義關(guān)鍵詞,共選出六個語義關(guān)鍵詞(空腔空洞、結(jié)節(jié)腫塊、水樣弧形低密度影、斑點狀密度增高影、斑片狀密度增高影和斑塊狀密度增高影),并針對醫(yī)學圖像建立了醫(yī)學圖像的語義層次模型。利用k-最近臨分類算法進行圖像低層