随着社会经济的不断发展,物质条件日益优越,人们养成很多不健康的生活习惯。同时也导致近年来癌症的发病人数逐年增加,其中女性新发癌症病例中比例最高的是乳腺癌。通常使用乳腺X影像检测手段发现乳腺癌早期症状,是预防乳腺癌最有效的手段之一。采用计算机辅助诊断工具帮助医生筛查乳腺癌,不但可以减轻医生的工作压力,还能够降低诊疗过程中对医生阅片能力的要求。乳腺肿块检索主要是利用乳腺X影像的形态结构特征,在影像数据库中进行相似性搜索,寻找与待检索影像相似的病例,从而为乳腺癌诊断提供参考依据。受基于深度哈希的图像检索方法的启发,结合联合特征学习思想,充分利用图像特征之间的相似性和差异性,本文提出了基于联合特征学习的深度哈希乳腺影像检索方法,主要工作如下:首先,本文提出一种基于联合特征学习的深度哈希检索方法。该算法针对卷积神经网络提取的正常组织影像特征和部分早期病变影像特征相似的问题,提出在特征提取阶段同时学习同类特征间相似性和异类特征间差异性的方法。该算法达到增加正常组织和病变组织特征距离的目的,而且能够解决卷积神经网络提取哈希特征的过程中同类特征聚类效果差和异类特征辨识度较低的问题。该方法得到的哈希特征与待检索图像之间保持原有相似关系不变,有效的提高了乳腺肿块影像检索精度。其次,本文提出一种基于相似差的乳腺肿块良恶性检索方法。该算法针对良恶性乳腺肿块的哈希特征在汉明空间距离接近的问题,提出了使用向量范数表示特征距离,并在特征学习阶段使用向量相似差来增大良恶性肿块特征之间距离。该算法解决了向量内积不能全面表示向量之间汉明距离问题,并达到更好地区分病变性质的目的。该方法在乳腺肿块良恶性检索任务中表现良好,有效提高良恶性肿块检索精度。最后,本文搭建了一个面向患者诊疗流程的辅助影像检索平台。区别于大多数互联网医疗软件平台通常只具有挂号、病情监管、医患交流等功能,该平台针对需要拍片确诊的疾病,提供面向患者的影像检索功能,通过检索相似病例,帮助患者及时了解病情,解决了因患者无法准确地用语言描述真实病情,因而无法获得专业诊疗意见的问题。通过该辅助影像检索平台的搭建,实现算法理论与实际应用的有效结合。实验结果表明,本文提出的基于联合特征学习的深度哈希乳腺肿块检索方法,能够有效提高乳腺肿块检索任务精度,实现正常组织和病变组织,以及良性和恶性病变的高效检索,为胜任临床医疗场景中的检索任务提供良好的理论和技术基础。