基于內容的醫(yī)學圖像檢索應用研究.pdf

1、數(shù)字化影像設備在臨床的廣泛應用產生了大量的醫(yī)學圖像數(shù)據(jù)。如何更有效地組織、管理和檢索醫(yī)學圖像數(shù)據(jù)，讓豐富的醫(yī)學圖像更好的為臨床、科研和教學服務成為當前迫切需要解決的問題，基于內容的醫(yī)學圖像檢索技術(Content-Based Medical Image Retrieval)應用而生。近年來，許多學者研究了基于內容的眼底圖像檢索中的一些關鍵技術，然而，基于內容的眼底圖像檢索的應用卻很少。
　　 眼底(視網膜)視神經是重要的視覺器官

2、。眼底血管循環(huán)障礙疾病以及全身性疾病導致的眼底改變均可不同程度地顯征于視網膜和脈絡膜。然而受專業(yè)和研究領域的限制，對眼底圖片的診斷是比較困難的，并非每個醫(yī)生都會分析和診斷眼底圖像。而基于內容的眼底圖像檢索系統(tǒng)，利用CBIR技術快速對眼底圖片進行檢索，可以實現(xiàn)自動識別和分類，能提示并輔助大夫提高診斷的速度和準確性，因而具有重要的研究意義和開發(fā)價值。
　　 本課題主要研究了基于內容的眼底圖像檢索和基于檢索的眼底圖像計算機輔助診斷系統(tǒng)

3、。
　　 在基于內容的眼底圖像檢索部分，本文區(qū)別于傳統(tǒng)方法提出一種基于圖像局部密度直方圖和整體顏色(或灰度)直方圖共同來提取眼底圖像特征的方法，這樣既考慮了圖像的局部區(qū)域特征，又考慮了圖像的整體特征。通過與傳統(tǒng)方法的CBIR系統(tǒng)比較，證明本文方法提高了檢索的精度。在檢索算法上，本文改進并提出KPCA+SVM圖像檢索算法，用來分類檢索復雜的眼底圖像。檢索過程中，首先用眼底圖像的明、暗區(qū)域的局部直方圖和眼底圖像的整體直方圖的組合來表

4、示標準化的眼底，由于這樣的數(shù)據(jù)維數(shù)比較高，故用KPCA降維并處理眼底特征分布的非線性。為了獲得滿意的檢索精度和推廣性能，用線性支持向量機和最鄰近聚類準則構建多分類器，并通過相關反饋策略，訓練最優(yōu)分類器。實驗表明，無論是對熒光眼底還是彩色眼底，該系統(tǒng)對五分類的小樣本都具有較高的檢索率(大于90％)。由于該系統(tǒng)是一個開放的系統(tǒng)，可擴充性和實時性都很好，因而具有很高的應用價值。
　　 在基于檢索的眼底圖像計算機輔助診斷部分，考慮到眼底

5、篩查對診斷速度和準確性的要求，文章對第三章的算法加以改進并提出了2PCA+SVM的算法，在此基礎上實現(xiàn)了一個用于眼底篩查的CAD系統(tǒng)。因為篩查只需區(qū)分正常和異常眼底，是一個兩分類問題，故只選用了一個線性的SVM做分類訓練，同時2PCA又較KPCA簡單、快速和穩(wěn)定，所以該算法相對于第三章的算法就提高了訓練速度，分類的精確性和系統(tǒng)的穩(wěn)定性。初步的實驗表明，該系統(tǒng)用于眼底篩查時的檢索正確率可以達到98.33％。該系統(tǒng)基于MatlabR2007