Hadoop平台下基于内容的医学图像检索.docVIP

Hadoop平台下基于内容的医学图像检索 　　摘 要： 针对海量医学图像存储及检索效率低的问题，该文提出利用Hadoop平台分别实现大量医学图像的分布式存储以及并行处理模式下的基于内容的医学图像检索。利用HIPI图像处理接口将医学图像上传到分布式文件系统（HDFS）中；然后，分别提取图像的形状以及纹理特征，并将其特征向量存储到HDFS中；最后，利用MapReduce模型实现并行式?z索并将图像检索结果按照相似度大小进行排序及显示。实验结果表明，在Hadoop云平台下大量医学图像的存储效率以及检索效率较高，且图像数量越多效率优势越明显。 　　关键词： Hadoop平台； 分布式存储； 并行处理； 医学图像检索 　　中图分类号： TN911.73?34 文献标识码： A 文章编号： 1004?373X（2017）04?0115?05 　　Content?based medical image retrieval by means of Hadoop platform 　　HAO Juan1，2， L? Xiaoqi1， WEN Xiumei2， GU Yu1， HUANG Xianwu1 　　（1. School of Information Engineering， Inner Mongolia University of Science and Technology， Baotou 014010， China； 　　2. School of Information Engineering， Hebei University of Architecture， Zhangjiakou 075000， China） 　　Abstract： Since the storage and retrieval efficiency of massive medical images is low， the Hadoop platform is used to realize the distributed storage of the massive medical images and content?based medical image retrieve in the parallel processing mode respectively. The Hadoop image processing interface （HIPI） is adopted to upload the medical images to the Hadoop distributed file system （HDFS）. The shape and texture features of the images are extracted respectively， and their feature vectors are stored in HDFS. The MapReduce model is employed to realize the parallel retrieval， and sort and display the image retrieval results according to their similarity. The experimental results show that the efficiency of the massive medical images storage and retrieval by means of Hadoop cloud platform is high， and the efficiency advantage is significantly obvious with the increase of the image quantity. 　　Keywords： Hadoop platform； distributed storage； parallel processing； medical image retrieval 　　0 引 言 　　传统的基于文本的医学图像检索方法需要人工对图像添加文本描述，再利用文本检索系统对图像进行检索，因其检索过程比较复杂、时效性较低且准确率不高被淘汰，而基于内容的医学检索（Content?based Medical Image Retrieval，CBMIR）[1]是运用图像自身特征进行检索，自身特征一般包括颜色、纹理、形状等，因其检索准确性较高被广泛采用。由于医学图像大多是灰度图像，因此颜色特征在医学图像检索中作用不明显；纹理特征是图像的重要信息，可反映图像中同质现象的视觉特征，体现物体表面共有的内在属性，包含物体表面