基于內(nèi)容的醫(yī)學(xué)圖像檢索研究.pdf

1、X射線、CT、MRI等醫(yī)療儀器的出現(xiàn)和成像技術(shù)的快速發(fā)展使得醫(yī)學(xué)圖像變得越來越數(shù)字化、多樣化，PACS系統(tǒng)的出現(xiàn)和應(yīng)用更使得每天都有大量的數(shù)字化醫(yī)學(xué)圖像存儲于計算機中。這些海量圖像的出現(xiàn)，極大的豐富了醫(yī)學(xué)工作者和科研人員的參考、教學(xué)和研究。而對這些圖像資源的有效管理和利用，便成了擺在科研人員面前的一道課題。傳統(tǒng)的基于文字的醫(yī)學(xué)圖像檢索技術(shù)由于其依賴人的主觀性較強，并且不能反映圖像的底層特征等缺陷已越來越無法滿足實際的要求。在這種情況下，

2、基于內(nèi)容的醫(yī)學(xué)圖像檢索(Content-based Medical Image Retrieval，CBMIR)技術(shù)迅速發(fā)展起來。 對圖像特征的提取和表達(dá)是基于內(nèi)容的圖像檢索技術(shù)的核心之一。醫(yī)學(xué)圖像的成像有其自身的機理和特點，本文在充分了解現(xiàn)有圖像特征提取方法的基礎(chǔ)上，結(jié)合醫(yī)學(xué)圖像自身的特點，著重研究了適合醫(yī)學(xué)圖像的特征提取算法。重點討論了灰度特征(灰度直方圖、累積分布函數(shù))、紋理特征(灰度共生矩陣、灰度梯度共生矩陣)、形狀特征

3、(Hu矩、Zernike矩)等算法，給出了各種特征提取算法的實驗結(jié)果，并從查準(zhǔn)率和查全率的角度分析、比較了各個特征提取算法的優(yōu)劣。在此基礎(chǔ)上，提出了結(jié)合累積分布函數(shù)和灰度梯度共生矩陣的兩級檢索方法，得出了較好的檢索效果。 通過對現(xiàn)有的醫(yī)學(xué)圖像特征提取方式的討論，我們又重點研究了灰度特征的提取及其檢索效果，圖像灰度特征雖然能較好的反映圖像的灰度值的分布，但卻不能反應(yīng)圖像的空間信息，灰度值分布相似的圖像，其形狀、紋理等可能極不相同。