基于内容的医学图像检索技术研究与应用

《基于内容的医学图像检索技术研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＇各种泼Ａ葦ＡＴＲＯＮＨＨＯＬＯＧＹＯＦＣＨＩＨＡＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＩＣＳＣＩ巨ＮＣＥＡＮＯ巧Ｃ硕壬学位论文ＩＭＡＳＴＥＲＴＨＥＳＩＳ轉，鸯今ｖＶ：：；ｉ｜：．：＾．Ｋ．；心货论支题目基于内容的医学图像检索技术抑究与应用举科专业计算机应用技术２０１３２１０６０３１０学号化者姓名曹生牙指导教师陈雷靈教授独剑性声明本人声明所呈交的学位论文是本人在导师指导下进行的硏究工作及取得的研究成果。据我所知，除了文中特别加封标注和致谢的地方，外，论文中不包

2、含其他人已经发表或撰写过的研究成果也不包含为获得电子科技大学或其它教育机构的学位或证书而使巧过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。姜气。：帝日期：年＾月；日作者签名ＶＩＩ论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，，有权保留并向国家有关部口或机构送交论文的复印件和磁盘允许论文被查阅和借阅。本人授权电子科技大学可将学位论文的全＾１、＜部或部分内容编入有关数据库进行检索，可＾采用殼印缩印或扫描等复制手段保存、汇编学位论文。此规）（保密的学位论文在解密后应遵守

3、定秦聲－；Ｔ东签巧导师签名；巧作者名＿＿ｉｔ曰曰：年月期ｖ．ｔ分类号密级注1UDC学位论文基于内容的医学图像检索技术研究与应用曹生才指导教师陈雷霆教授电子科技大学成都申请学位级别硕士学科专业计算机应用技术提交论文日期2016.3.28论文答辩日期2016.5.18学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。ResearchandapplicationofcontentbasedmedicalimageretrievalAMasterThesisSubmittedtoUniversityofElectronic

4、ScienceandTechnologyofChinaMajor:ComputerApplicationTechnologyAuthor:CaoShengcaiSupervisor:Prof.ChenLeitingSchool:SchoolofComputerScience&Engineering摘要摘要医学影像数据所呈现的爆炸式增长及数据挖掘等技术的迅速发展，对医学图像检索技术提出了新的需求。但是，传统的图像检索技术应用到医学图像检索当中，其表现却总是不尽如人意。为了能更好地将图像检索技术应用到辅助诊断、医学教学实践、医疗科研等领域中，本文对图像检索技术及医学图像的特点进行了一定的研

5、究，并在此基础上提出了相关改进方案。本文首先对图像检索技术发展过程中的关键技术及数字化医学影像的特点进行了研究，在分析了国内外关于图像检索技术的研究现状之后，将研究的重点放在了基于内容的图像检索技术之上。在对基于内容的图像检索系统中图像特征提取、特征匹配、相关反馈及检索性能评价的深入研究的基础上，提出了针对医学图像这一具体领域的图像检索技术的应用。通过对比常用的颜色特征及纹理特征在医学图像检索中的表现，得出了纹理特征更利于医学图像检索的结论。结合医学图像分割水平的局限性及医学图像自身的特点，选用了灰度共生矩阵作为医学图像检索的全局纹理特征，并在此基础上，提出了对灰度共生矩阵的改进方案—

6、—基于加权子图的灰度共生矩阵WS-GLCM。结合局部不变性特征SIFT在医学图像检索中的表现，本文将其作为医学图像检索的局部特征。在基于对BOW（BagOfWords）模型的研究的基础上，进一步将WS-GLCM与SIFT特征相结合，提出了两种改进方案，即带全局纹理上下文的SIFT特征和带局部纹理特征上下文的SIFT特征。针对现有的基于支持向量机（SupportVectorMachine）的相关反馈技术在医学图像检索中的局限性，本文在对SVM分类器及bagging组合分类器算法的研究的基础之上，提出了新的相关反馈技术的改进方案，有效地解决了人工反馈模块中所出现的训练样本不足，及SVM分类

7、器对医学图像分类的准确率偏低的问题。最后，本文对医学图像检索技术在辅助诊断、医学教学实践及医学科研等领域的应用做了简要的论述。针对当下医疗信息数据及医疗影像数据的存储及使用现状，及机器学习技术、云计算等技术的迅速发展，提出了医学图像检索技术的主要发展方向，并对从海量的医学数据中挖掘出巨大的医学价值，以更好地促进医疗水平的提升做出了美好的展望。关键词：基于内容的图像检索，灰度共生矩阵，WS-GLCM，SIFT，支持向量机IABSTRACTABST