基于内容的医学图像检索中相关反馈技术的研究与实现-计算机应用技术专业论文.docxVIP

独 创 性 说 明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作 及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论 文中不包含其他人已经发表或撰写的研究成果，也不包含为获得内蒙古科 技大学或其他教育机构的学位或证书所使用过的材料。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做了明确的说明并表示了谢意。 关于学位论文使用授权的说明 本人完全了解内蒙古科技大学有关保留、使用学位论文（纸质版和电 子版）的规定，即：本人唯一指定研究生院有权保留送交学位论文在学校 相关部门存档，允许论文在校内被查阅和借阅，可以采用影印、缩印或其 他复制手段保存论文。在论文作者同意的情况下，研究生院可以转授权第 三方使用查阅该论文。 （保密的论文在解密后应遵循此规定） 内蒙 内蒙古科技大学硕士学位论文 I I 摘 要 随着医学领域影像数字化进程的推进，医学影像成像技术和设备不断发展，数 字医学影像已日益成为现代医疗最重要的基础手段之一。每天都会有大量包含生 理、病理相关信息的医学图像产生，这些图像和信息对于临床诊疗、医学研究等活 动具有举足轻重的作用。因此，针对海量医学图像进行快捷有效的检索筛选和保存 管理技术相关研究工作逐渐成为研究热点，备受关注。图像的传统检索方式是以文 本注释为基础的，即关键字索引，这样的检索方式优点是快速准确，但缺点是标注 工作量太大，不仅如此，特别对于医学图像，标注的主观性和准确性更是不便于统 一和标准化的关键问题。 为解决此问题，随 之 出现了基于内容的 医 学图像检索技术 (Content Based Medical Image Retrieval，CBMIR)，该技术是以基于内容的图像检索 (Content Based Image Retrieval，CBIR)为技术原型，结合医学图像自身特点改进而成。它 以医学图像的灰度、纹理、形状等底层物理特征构成特征向量，并选择适当的特征 匹配或度量算法完成目标图像与数据库图像的检索匹配工作。检索的目的是对用户 呈现出特征集上最接近目标图像的最大相似集合，并按照相似性降序排列显示。 本文在对检索过程关键环节全面分析之后，针对医学数字图像，提出了一种将 动态权重调整与加权马氏距离相结合的相关反馈方法。方法首先将灰度共生矩阵的 五个特征算法与 tamura 的两个纹理特征算法结合起来，构成特征更加丰富的综合特 征向量集。然后利用改进的加权马氏距离算法作为匹配算法，然后建立相关反馈机 制，利用用户简单反馈信息对综合特征的权重做自适应的调整，从而修改检索策 略，通过有限次调整，使检索结果更好地满足用户需求。 本课题的编程语言为 C++，开发平台为 VS2005，数据库为 Sql Server2005，辅 助工具包为 OpenCV 和 ITK。实验表明，该方法有效地提高了反馈检索的执行效率， 使查全率和查准率都有明显提升。 关键词：特征提取；加权马氏距离；医学图像检索；相关反馈 II II Abstract With the developing of digital image in the field of medical, medical image equipments are emerging in an endless. Digital medical image is an important part of modern treatment, large number of medical images with pathology information are generated from hospital. The information and images are so important to clinical and medical study. So, it has been a hot topic about how to search and save the magnanimity image. The traditional image research is based on text annotations, that is keyword index. The advantage of this method is fast, accurate, but it is amount of work for labeling. Except for medical image, subjectivity and accuracy are not good for developing unit and standardization. In order to solve the problem, the te