醫(yī)學影像案例多模檢索的模態(tài)關聯(lián)建模技術研究.pdf

1、隨著醫(yī)學科技水平不斷提高，醫(yī)學影像案例也隨之不斷的增長，如何快速準確的找到和需要查詢案例最相似的醫(yī)學影像輔助醫(yī)生進行診斷受到越來越多的重視。醫(yī)學影像案例包含有圖像的底層特征和語義特征，在對圖像進行檢索時，底層特征和語義特征之間的“語義鴻溝”問題一直是個難題，采用何種方法來縮減語義鴻溝，以達到在檢索過程中既包含有圖像的底層特征又可以用人類理解的語義來進行檢索成為研究的熱點。
　　醫(yī)學影像案例在計算機輔助診斷過程中有重要的表現(xiàn)，本文針

2、對醫(yī)學影像進行研究，通過模態(tài)關聯(lián)模型由醫(yī)學影像的底層特征獲知影像的視覺語義特征，實現(xiàn)了兩種不同模態(tài)之間的有效關聯(lián)，縮減了語義鴻溝并同時實現(xiàn)醫(yī)學影像視覺語義的自動標注，在此基礎上，結合與醫(yī)學影像語義相關的底層特征進行影像案例的多模檢索，提高影像的檢索性能，為輔助醫(yī)生進行診斷提供決策支持。主要的研究內容包含有以下三部分：
　　1.獲取醫(yī)學影像特征，包括底層特征和診斷語義關鍵詞。針對醫(yī)學影像感興趣區(qū)域，獲得代表醫(yī)學影像灰度、形態(tài)及紋理的

3、底層特征并進行特征歸一化，共計32個，然后利用醫(yī)學影像相關知識，從病灶對象形態(tài)、病理診斷結果等描述信息組成的診斷報告中提取語義關鍵詞，共同組成醫(yī)學影像特征。
　　2.構建模態(tài)關聯(lián)模型。針對語義鴻溝問題，首先，為了達到減輕維數(shù)災難目的，采用基于關聯(lián)規(guī)則的特征選擇算法獲得與語義關鍵詞具有相關性的底層特征，去除冗余特征，實現(xiàn)特征的降維；然后，采用經典的Apriori算法進行關聯(lián)規(guī)則挖掘，并通過關聯(lián)規(guī)則剪枝算法得到強關聯(lián)規(guī)則；最后利用關聯(lián)

4、分類引擎(Associative Classifier Engine,ACE)算法建立模態(tài)關聯(lián)模型，實現(xiàn)了由醫(yī)學影像底層特征獲知語義特征目的，縮減語義鴻溝。
　　3.多模影像檢索系統(tǒng)及性能評估。針對醫(yī)學影像案例的特點，選擇適合醫(yī)學影像的相似度量方案，并通過SQL Server2000數(shù)據(jù)庫、Visual C++6.0以及Matlab聯(lián)合構建影像多模檢索系統(tǒng)，以該系統(tǒng)為依托，通過查準率、查全率等來評價檢索系統(tǒng)的性能，實現(xiàn)有效的計算機