基于深度哈希网络的肺结节CT相似图像检索方法研究

【目的】肺结节图像具有相似度高和关联度高等特点,但传统图像哈希方法不能完整表达图像内容和语义信息导致检索的精度下降,因此,探讨一种基于深度哈希学习的肺结节CT相似图像检索方法。【方法】采用LIDC-IDRI公开数据集,首先,通过构造加入注意力机制的卷积神经网络与双向长短期记忆网络提取肺结节图像中带有权重信息的图像区域特征与区域间上下文相关信息,并将两种网络提取的深度特征进行融合,通过全连接层过渡到哈希层,实现哈希码的有效映射;其次,采用分级检索策略,利用本文的深度网络预测待查询图像的标注信息以获取对应的类库,在类内检索得到一组具有相似哈希码的候选对象构成候选池,然后根据池内图像高层语义特征进行相似度排序获取相似的肺结节图像列表。【结果】通过对公开数据集LIDC-IDRI进行实验分析,本文所提方法的平均检索精度提高到91.00%;与其他模型相比,准确率、召回率均有明显提升。【结论】本文构建了一种基于深度哈希网络的肺结节CT相似图像检索方法,该方法对肺结节病灶检索性能优于传统方法,可为临床医学诊断提供一定的参考价值。