梁娜[1]2008年在《基于语义的图像检索技术在医学影像系统中的研究与应用》文中指出医学影像是医生诊断的重要依据。随着计算机技术的不断发展,各种数字化的医学影像数据迅速增加,如何有效的从这些海量信息当中获取特定的图像,已成为当前亟待解决的问题之一。本文分析了目前图像检索的多种方法,将基于语义的图像检索技术应用于医学领域,并以颅脑CT图像为例进行了深入研究。现有医学图像检索仅是利用了文件的自身属性或是图像的低层视觉特征,鉴于医学图像具有极强的领域特征,本文把医生所关注的病理特征作为图像的语义特征,拓展了医学图像检索的范围。将医学影像学、图像语义提取以及文本语义理解等技术相结合,本文提出了一种基于语义的医学图像检索模型,并设计了医学图像检索相关算法。首先,采用自适应阈值分割、数学形态学、线邻接图等图像处理算法,充分利用DICOM文件信息,从医学图像的病理特征出发,一定程度实现了图像语义特征的提取;其次,对提取的语义特征进行向量化表示,并实现了检查报告书的辅助生成:最后,对向量空间模型做了适当的改进,利用医学用语的关联关系知识库修正向量权重,并改进了相似度算法,使其支持多特征的相似度融合,从而实现了医学图像的检索。根据提出的检索模型和相关算法,设计实现了一个基于语义的医学图像检索系统。实验证明,系统能够对DICOM格式的医学图像实现有效的语义检索。
李殿赟[2]2004年在《医学影像数据库的图像检索技术应用研究》文中研究表明生命科学是二十一世纪的最重要的科学研究领域，而生物医学工程和计算机信息工程的结合是主要的研究手段；把计算机技术、信息技术应用于整个医疗过程中便产生一种称为数字化医疗的新型现代化医疗方式。为适应数字化医疗的潮流 ，我们计划开发集图像采集、显示、存储、传输、数字化处理为一体的医学图像处理系统。系统中大量包含病人生理、病理和解剖信息的医学图像，是医生进行临床诊断、病情跟踪、手术计划、术后研究、鉴别诊断的重要客观依据。而医学图像数据的庞杂性和重要性亟待高效的医学图像检索与管理方法，以最大限度地利用医学图像所提供的信息。因此作者针对如何有效的存储、管理、组织和检索海量医学数据的问题展开研究，将基于内容的图像检索技术与数据库及多媒体技术相结合形成了医学影像数据库的图像检索技术应用研究的课题。本文从分析医学影像的特性入手，通过分析医学影像信息系统的任务、功能，从软件体系结构和系统功能划分的角度进行分析，提出适合医学图像检索的叁层医学影像数据库结构模型，并给出医学影像数据库的设计方案；通过对QBIC（基于内容的图像检索）的技术特点、工作流程、图像特征提取和相似性度量进行研究，以及对基于颜色、形状和纹理特征和空间关系的检索新技术进行分析比较，结合医学图像数据库实际，给出了结合关键字和图像内容的医学图像检索模式。首先通过图像的相关关键字确定检索图像的范围，然后通过基于内容的图像检索进行精确查询。在基于内容的图像查询中，提出了基于HSI颜色模型的局部累加直方图和小波模极大值及多尺度不变距相结合的检索方法，分析了累加直方图的优越性，改进了局部累加直方图中色度相似区间的划分，修正了不变矩，并给出相关算法的实现及效果分析。在系统中，作者实现了基于片语库的诊断报告模版，使医生可以根据个人习惯撰写所见即所得的诊断报告，完成了信息数据库的管理，依据知识管理的思想，实现了典型病例管理；并提供条件查询、模糊查询及基于内容的图像查询等方便的查询方法，同时系统为方便医学研究和交流提供了多种统计方法和医学信息的网络传输等功能。
修杜豪[3]2018年在《医学影像学教学系统的设计与实现》文中研究表明21世纪是信息的时代,随着信息与网络技术的发展,各式各样的网络应用已经渗透到人们日常生活的方方面面,与人们的日常生活建立起了密不可分的联系。近年来,随着社会经济发展,国家对教育行业的重视,我国高校医学影像教学也实现了信息化和系统化的管理。本课题基于此背景,在构建传统医学影像学习平台的基础上,研究了影像检索技术在医学影像学习平台当中的应用。设计了一种基于HSI颜色模型局部累加直方图以及小波模极大值及多尺度不变矩相结合的检索方法应用于医学影像教学当中。为今后的影像学教学做出参考范例。本系统基于B/S架构及PACS系统,采用DICOM标准进行信息图像采集。使用PHP技术和MYSQL数据库作为工具进行开发,并重点研究了基于内容的医学影像检索技术在教学上的应用,使得学生在学习过程中对于手头的病例影像信息可以参照PACS系统中的案例进行学习,进而使学习的过程更加主动。并借助WEB服务器和客户端的浏览器,利用电子工具高效率、低成本的特点进行了整体设计,节约了系统资源。系统前台主要实现了图片浏览、图片测试、图书浏览、交流提问、作业下载,图像检索等功能。教师则可通过后台进行课程章节、小节、作业和学习资源、试题的添加、编辑或删除、下载等教学资源方面的管理,管理员可以对前台用户进行添加、编辑或删除以及修改系统密码等功能操作。整个系统操作简便、界面友好、灵活实用。
王时雨[4]2011年在《面向数据库的CT数据压缩、检索和显示技术研究》文中指出医学影像是辅助医生进行临床诊断的重要工具。断层扫描数据是一种重要的医学影像,由于其数据量庞大,建立数据库是对其进行管理和应用的有效方法。压缩、检索和显示是建立断层扫描数据库的关键技术,本文对这些技术进行了深入研究,主要内容包括:(1)提出了DICOM转换方案,研究了DICOM文件与BMP图像的转换以及必要数据元素信息提取的方法,采用改进的游程编码方法和差值图像压缩方法对转换的BMP图像进行压缩,提高了压缩率。(2)研究了数据库中叁维几何模型的检索技术,提出了基于解剖参数和基于截面多线外形的两种检索方法。对于基于截面多线外形检索,研究了两种傅里叶子,设计了基于极半径的傅里叶子的形状相似度判别方法。(3)研究了MITK的二维图像和叁维模型的显示原理,对MITK的二维图像显示模型类和叁维模型显示类进行了重建,增强了MITK的显示功能。由此建立了多视图之间的位置对应机制(数据通道),实现了二维图像和叁维模型的关联显示。应用上述技术,本文建立了断层扫描数据库管理系统。初步测试显示,该系统运行稳定,交互操作达到了实时要求。
杨烨[5]2008年在《基于DICOM标准的医学影像数据库的建立》文中研究指明医学影像数据库是医疗信息系统中的数据存储中心,是PACS系统以及其它涉及医学图像的各种医疗信息系统的重要内容。医学影像数据库技术是一种面向医学图像特定领域的数据库技术。医学影像数据库是建立在图像数据库、图像处理、计算机网络技术及医学领域知识基础上,支持医学图像数据有效存储、传输、检索和管理的数据库技术。目前使用的医学影像数据库大多建立在现有的成熟的关系数据库或扩展关系数据库基础之上来管理医学图像数据,没有形成完善的适合医学图像特点的存储理论模型;在检索上,一般都是基于病人信息和图像基本信息的基于文本的查询,这已不能满足临床医学及医学研究的需要,在海量影像数据库中研究高效的基于医学图像内容的查询,包括特征的提取、相似性度量及高维索引结构(特征的组织)等具有一定的学术价值和广泛的应用前景。因此,研究和探索适合于医学图像特点的医学影像数据库技术具有重要而现实的意义。从医学影像数据库数据组织方法、存储技术、索引技术及建立系统等几方面进行了探索。
吴春霞[6]2016年在《探析医学影像数据库的图像检索技术的应用》文中进行了进一步梳理在二十一世纪通过将生物工程技术和计算机技术结合而应用到生命科学领域是主要的研究方法,通过计算机技术和信息技术的结合形成了现代的医疗方式,开发了包括图像采集、显示、存储、传输、数字化的医学处理系统。该系统包含了病人的医学影像,医生可以利用该系统对病人的诊断效果、手术等情况进行跟踪,及时的了解病人的病情。但是由于该系统庞大的数据导致在管理和效率问题上抑制是个亟需解决的难题,所以,本文针对如何高效的管理大量的医学信息进行研究,结合图像检索技术、计算机技术、数据库等技术形成了医学影像检索技术。
王志刚[7]2008年在《医学图像数据存储与语义检索研究》文中研究说明医学影像在临床诊断和治疗中必不可少。数字化医疗影像设备的广泛应用使得医学影像数据日益增加。如何利用快速发展的网络技术实现海量医学影像存储,分布式安全共享这些医学图像资源,并快速有效地检索感兴趣的图像是目前亟待解决的问题。传统的医学影像系统为PACS。这样的系统基于集中式的服务器和封闭式的体系结构,可以对有限图像工作站提供服务。PACS系统医学影像检索主要是依据应用病例号,日期等,不能按病理类型,医生诊断,图像特征等进行检索,其系统容量扩展性不强。研究从叁个方面着手进行。其一是研究海量医学影像分布式存储。其二是研究网格环境下医学图像安全共享。其叁是应用MPEG-7技术构建医学影像数据库,并实现医学图像高级语义信息如病理类型,图像异常等的检索。本研究对照传统的PACS系统构架,从分布式数据存储构架着手,引入网络存储技术特别是iSCSI技术,研究了大容量的影像共享存储中心的构建。本研究提出了利用Globus技术实现医学信息安全共享方案,并在此基础上实现了基于GridFTP协议的医学图像共享系统,讨论了Globus环境下的安全问题。本研究对符合医学图像存档和通信标准DICOM3.0的图像数据进行了研究。作为DICOM标准的扩展,基于内容的图像检索(Content-Based Image Retrieval,CBIR)技术,可以利用图像的低级特征如颜色、纹理和形状等从图像数据库中检索感兴趣的图像,通过引入MPEG-7技术,对医学图像的高级语义信息如病理类型和图像异常结构进行注释,实现了医学图像的高级语义信息检索。本研究利用iSCSI技术,在局域网环境下实现了容量易于扩展的医学图像存储系统,架设了Globus网格实验平台,在广域网环境下成功实现了安全地医学信息的传输。本研究以乳腺X线影像为例,应用MPEG-7对医学图像高级语义信息进行注释,建立了符合医学影像特征要求的数据库。本研究工作可以大幅度地提高数据库的性能,可以实现医学图像高级语义信息如病理特征、异常结构及其位置关系等的检索。
杨斌[8]2013年在《医学影像案例关联模型挖掘及检索技术研究》文中研究表明医学图像的检索以及诊断技术研究作为计算机科学和医学的交叉研究领域，逐渐成为国内外医学以及计算机科学领域的重要研究方向之一。利用数据挖掘技术可以挖掘出蕴含在图像内部丰富的特征信息与规则，从而辅助医生进行相似案例的比较以及对图像的诊断，学术价值较高并且应用前景广泛。目前，利用数据挖掘技术对医学图像的研究不多，并且还存在许多问题。研究并探索出利用数据挖掘方法对医学图像进行高效而准确的处理具有现实而重要的意义。图像的有效分割可以保证之后提取出来的图像特征的可信度，本文提出了一种自适应区域生长方法，利用关联规则对图像特征进行提取，并改进关联分类引擎算法(Associative Classifier Engine,ACE)实现对医学图像的分类。本论文主要研究了以下几个方面：首先，针对肿块图像分割这一难题，提出了一种自适应区域生长方法对肿块图像进行分割。首先利用最小二乘法拟合出肿块感兴趣区域(ROI)的背景区域，利用原区域减去背景区域得到预处理后的ROI，再利用图像的梯度信息自适应地对图像进行生长，实现对肿块的分割，将算法的分割结果与手动分割进行对比，采用误分率评估该方法。其次，针对图像特征的选择，提取出每个感兴趣区域的形状特征及纹理特征共32个，采用基于关联规则的特征选择算法对图像特性进行选择，相比其它特征选择算法，所选取的特征的检索性能更出众。然后，建立并实现医学图像关联分类模型，采用最小描述长度方法(minimum descriptionlength，MDL)离散化图像的连续特征，利用离散化的特征提取分类关联规则，改进ACE算法实现了对医学图像的关联分类，提高了分类精度。最后，建立了一个包含219幅乳腺X图像的ROI的数据库，同时建立一个相应的图像特征库，为用户提供了一个方便的ROI查询及更新系统。
吴梦麟[9]2014年在《基于半监督学习的医学图像检索研究》文中研究指明随着医学成像技术的发展和普及,医院和医疗研究机构产生的医学影像数据(CT, MRI, X射线等)呈现海量化的增长趋势。如何准确、有效地管理和分析医学影像数据库,是当前生物医学领域的一个关键课题。基于内容的图像检索技术以图像的视觉特征作为依据,快速查询病理相似的临床医学影像,成为计算机辅助诊断和医学研究的重要手段。然而现有的医学图像检索系统存在叁方面的问题：首先,医学图像中医学本体属性复杂,不利于发现和描述；其次,图像的底层特征与高层医学语义之间存在语义鸿沟,仅仅采用视觉特征作为相似性匹配和度量的依据,不能有效的表达用户的查询语义；最后,检索过程中忽略了医学病例中包含的文本标注信息及其表达的语义特征。针对以上问题,本文以基于图的半监督学习方法为主要理论基础,重点探讨了医学图像检索中的四个关键环节：结合视觉语义的影像检索、相关反馈模型、基于多模态信息的医学病例检索和高效的检索算法。论文的主要的研究内容和创新性成果如下：(1)提出一种结合视觉语义和局部特征的医学图像检索方法。该方法首先在基于图的半监督学习框架中嵌入结构假设,提出一种加入密度约束的标记传播算法,以获得查询图像的类别归属度作为视觉语义；然后提取图像的Dense SIFT特征生成视觉单词,得到图像的局部特征表示；最后设计基于视觉语义和局部特征的相似性度量方法。实验结果表明,该方法能够有效的表达查询图像的医学语义,检索效率优于单一底层特征检索。(2)根据医师对查询的反馈信息,构建一个基于成对约束传播的相关反馈模型。其基本思路是将正负反馈转化为正负约束并将约束信息传播到整个数据集以重构流形,然后在新流形结构上对医学影像进行有偏的流形排序。本文方法降低了传统相关反馈中的小样本问题和不对称训练问题对检索结果的影响。在此基础上,本文提出了基于长期反馈策略的医学检索框架,能够根据历史的查询信息更新检索模型,其检索性能优于其它常用反馈模型。(3)针对计算机辅助诊断中的相似病例查询,提出一种基于多图半监督学习的多模态病例检索算法。该算法将医学影像和文本标注视为相互补偿的不同模态的信息,定义结合视觉特征和文本标注的多图融合的半监督学习框架,目的是根据图正则化模型将不同模态的特征在流形上进行融合,通过在融合图上进行流形排序获得最终的病例检索结果。多个病例影像数据库上的实验结果表明,该算法能够有效地利用影像和文本信息进行病例检索。(4)提出一种面向多特征的快速流形排序算法。计算复杂度是图方法应用于实际数据处理的瓶颈,本文采用锚点图实现对原图的重构,在保持流形结构的前提下简化图模型。本文提出基于序贯融合的多特征检索模型,在降低图的构建和排序计算两方面的复杂度的同时,通过多特征的图像表示来提升流形排序的性能,从而在保持检索精度的情况下大幅度提高检索速度。
曹阳[10]2010年在《医学图像处理与检索技术的研究》文中研究说明近年,医学影像技术得到广泛应用,医学影像设备快速发展,由此产生了大量的医学图像信息,如何有效地、快速地从大规模图像数据库中检索出目标图像是目前需要解决的问题。信息早已不拘泥于简单的文本形式,出现了大量的图像、图形、视频、音频及动画等,因此基于内容的多媒体检索应运而生。基于内容的图像检索技术也不断的在医学领域应用,在临床、教学、科研以及医学图像归档和通信系统(PACS)中都有着重要的作用。如何将图像检索技术更好地应用在医学图像检索领域,为医师提供便捷准确地检索图像的手段,并为其诊断提供辅助的建议,是本文的研究目标。本文围绕医学图像分割、特征提取与表示、图像匹配和索引技术以及相关反馈技术等图像处理和检索关键技术进行了研究。在图像分割方面,提出了一种基于Canny边缘检测的PCNN图像分割方法；在图像特征提取技术中,主要做了两方面的工作。在传统的灰度直方图特征提取技术的基础上,提出了自适应加权的改进灰度直方图方法,并用实验证明该方法能把图像重要的部分特征加强,更便于相似度的计算；将图像分割技术应用到图像特征提取中,帮助医生在复杂的医学图像中找到感兴趣的图像特征。在图像索引技术中,将人工神经网络的BP算法应用到图像分类中,对图像进行聚类,并提出了一种基于图像分割的扩散匹配算法；在相关反馈方面,本文将粗糙集和支持向量机结合,引入相关反馈技术对图像进行检索,提出了改进的粗糙集与SVM图像检索的相关反馈算法。利用粗糙集处理大数据量,消除冗余信息等方面的优势,减少SVM的训练数据,不但提高SVM的分类能力,而且挺高了检索效率。实验结果表明经本文改进的相关反馈方法无论在反馈的准确率方面还是在反馈速度上都具有相当的优势。基于以上关键技术,设计并实现了一个基于内容的图像检索的原型系统,实现了医学图像的特征提取,图像的相似度检索,并利用相关反馈技术提高图像检索的准确率该系统有较好的查准率、查全率以及效率。
参考文献：
[1]. 基于语义的图像检索技术在医学影像系统中的研究与应用[D]. 梁娜. 西北大学. 2008
[2]. 医学影像数据库的图像检索技术应用研究[D]. 李殿赟. 重庆大学. 2004
[3]. 医学影像学教学系统的设计与实现[D]. 修杜豪. 青岛大学. 2018
[4]. 面向数据库的CT数据压缩、检索和显示技术研究[D]. 王时雨. 南京航空航天大学. 2011
[5]. 基于DICOM标准的医学影像数据库的建立[D]. 杨烨. 长春理工大学. 2008
[6]. 探析医学影像数据库的图像检索技术的应用[J]. 吴春霞. 数字技术与应用. 2016
[7]. 医学图像数据存储与语义检索研究[D]. 王志刚. 中国协和医科大学. 2008
[8]. 医学影像案例关联模型挖掘及检索技术研究[D]. 杨斌. 哈尔滨理工大学. 2013
[9]. 基于半监督学习的医学图像检索研究[D]. 吴梦麟. 南京理工大学. 2014
[10]. 医学图像处理与检索技术的研究[D]. 曹阳. 东北大学. 2010