论文部分内容阅读
随着医学数字化影像设备在临床中日益广泛的应用,大量的医学图像数据随之产生。传统的医学档案管理系统采用简单的基于标注的图像数据库,甚至完全人工的方式来进行图像数据的管理,严重影响了图像在诊断等临床过程中作用的发挥。如何有效地组织、管理和检索医学图像成为当前迫切需要解决的问题。基于内容的图像检索技术(CBIR,Content-Based Image Retrieval)是利用图像的视觉特征来进行检索,直接对图像内容进行分析并抽取特征的一门新技术,在临床、教学、科研、多媒体以及医学图像归档和通信系统(PACS)中都有着重要的作用。 基于内容的医学图像检索是基于内容的图像检索技术在医学领域中的应用。如何将图像检索技术与医学图像有机地结合,为医师提供便捷准确的检索图像的手段,并为其诊断提供辅助的建议,是本文的主要研究目标。 由于医学领域大多数图像并不包含彩色或在有限条件下采用,比如伪彩色,因此,在视觉特征中,相比颜色特征而言,提取灰度、纹理和形状特征对医学图像检索显得尤为重要。因此,本文重点研究了医学图像中的超声图像的灰度特征、纹理特征以及形状特征的提取问题。 基于内容的图像检索技术核心之一是图像特征的提取和表达。本文在充分了解现有特征提取方法的基础上,结合超声图像的成像机理和特点,着重研究了适合医学超声图像的特征提取算法。研究了灰度统计特征、纹理特征(包括灰度共生矩特征,灰度-基元共生矩特征)、形状特征(不变矩特征)提取算法。其中,灰度-基元共生矩阵是对灰度共生矩阵的算法改进。在对不同算法分析基础上,给出了各个特征的检索结果,并从查准率和查全率的角度比较了不同特征的优劣。由于单一特征不能全面反映一幅图像,为了进一步提高图像检索的性能,本文进一步对多特征融合的组合检索方法进行了研究,得到了较好的检索效果。 最后,本文建立了一个基于内容的超声医学图像检索实验性原型系统,以部分超声医学图像为例对所本文所研究的算法进行了初步的实验验证,获得了令人满意的实验结果。