肺结节的有效诊断对医师合理准确的判断肺癌的种类具有重要的意义。面对呈爆炸式增长的肺部CT影像数据,需要大量有经验的放射科医师进行诊断,才能满足临床的需要,这样势必会出现误诊和漏诊的情况。计算机辅助诊断技术的出现为医师的诊断提供了有效的帮助,在一定程度上可以减轻医师的工作负担。随着计算机辅助诊断技术兴起的图像检索技术,尤其是利用图像哈希方法进行图像检索的技术,由于其存储空间小、检索速度快等优点,可以很好的运用到医学图像检索中。在检索相似病灶肺结节的过程中,由于传统的基于特征提取方法的图像检索技术未能全面表达肺部图像的全部医学信息,因而与深度学习方法相结合的图像哈希方法被广泛的运用到图像检索领域中,用以提取较为全面的图像特征,例如可以表征图像关键信息的高级语义特征。本文在借鉴深度学习方法优势的同时,基于图像哈希技术,对具体方法所使用的网络框架进行合理的改进,提出了一种基于深度哈希的肺结节CT图像检索方法,主要通过设计有效的检索方法,以充分的利用未经过医师标注的大量未标记肺结节数据,同时对表征肺结节类型的肺结节关键医学征象信息,设计有效的算法进行研究。本文的具体研究内容如下:(1)相似肺结节图像的准确检索对快速识别肺结节的良恶性同时减轻医师的工作负担具有重要的意义,基于此,提出了一种基于伪标签的肺结节CT图像检索方法。该方法首先构建一个深度学习框架来学习经过标记的肺部数据特征;然后使用该深度学习框架来学习基于伪标签哈希方法的未经过标记的肺部数据特征,以利用伪标签技术实现在网络框架内部对未经过标记的肺部数据进行加标签操作,同时生成相应的哈希码;之后设计高效的损失函数指导整个网络进行高效的训练;最后使用自适应加权相似度计算方法检索出相似的肺结节图像。实验结果表明,本文所提检索方法大大提高了检索性能,检索效果优于使用传统检索方法和传统汉明距离计算进行检索的结果,并取得了较高的准确率和检索精度。(2)针对传统哈希方法在进行含有医学征象信息的肺结节CT图像检索时存在图像特征表达完善度不高,检索效果不佳的问题,提出了一种改进距离计算检索相似肺结节的哈希方法。首先使用深度学习方法在改进深度网络结构后提取肺部图像的深度特征并进行肺部图像的分类,同时将肺部图像的深度特征映射为相应的哈希码;然后对概率值分布一致的训练肺部图像类中的每一副肺部图像和待查询的肺部图像进行图像特征关联表示;之后用本文提出的改进的距离计算方法计算候选图像之间的相似性;最终可以快速的返回最相似的肺结节图像。实验结果表明,所提方法能快速检索出肺结节征象特征相似的图像,进而实现相似肺结节CT图像的有效检索,且检索精度较高。