醫(yī)學圖像特征的自動獲取與基于內(nèi)容檢索的方法研究.pdf

1、隨著醫(yī)學數(shù)字化影像設(shè)備在臨床工作中日益廣泛的應(yīng)用,電子病歷和圖像歸檔通信系統(tǒng)方面的技術(shù)不斷發(fā)展,臨床上每天都會產(chǎn)生大量醫(yī)學圖像數(shù)據(jù).傳統(tǒng)的基于文本方式的數(shù)據(jù)庫管理方式已經(jīng)漸漸無法滿足大規(guī)模醫(yī)學圖像數(shù)據(jù)庫的檢索需要,為此基于內(nèi)容的圖像檢索(CBIR,Content-based Image Retrieval)技術(shù)成為近年來該領(lǐng)域中的研究熱點.在醫(yī)學影像診斷中,臨床診斷決策一般是根據(jù)圖像局部特征來完成的.為了能夠自動獲取圖像區(qū)域特征表達,該

2、文提出的策略是:對醫(yī)學圖像進行EM分割;為了克服當前分割問題中不可避免的不確定性,我們采用了區(qū)域模糊特征;為了能對臨床輔助診斷提供針對性的查詢,引入了感興趣區(qū)域特征的自動提取方法;最后,組合兩類特征進行相似性匹配運算,通過和查詢圖像比較,返回所有與之視覺上相似,診斷意義上相近的同類型圖像.在嘗試將CBIR技術(shù)和醫(yī)學醫(yī)學圖像歸檔和通信系統(tǒng)(PACS)相結(jié)合的探索性工作中,該文提出了一個嘗試性的設(shè)計方法.其中,為了確保醫(yī)學圖像的CBIR系統(tǒng)

3、能夠在特定圖像類別下進行有意義的查詢處理,我們結(jié)合成像設(shè)備(Modality)、體位方向(Orientation)、解剖部位(Anatomy)和生物系統(tǒng)(Biology)等四項信息設(shè)計了新穎的醫(yī)學圖像MOAB分類編碼系統(tǒng).實驗表明MOAB(以上四組信息的英語首字母)編碼能夠?qū)崿F(xiàn)對醫(yī)學圖像進行唯一的分類,而且分類編碼的構(gòu)架靈活,易于擴充.為了不影響兩套系統(tǒng)功能的獨立性和醫(yī)學圖像通信的標準化,該文設(shè)計了結(jié)合CBIR技術(shù)平臺到PACS系統(tǒng)的接