基于医学图像内容检索的计算机辅助乳腺X线影像诊断技术

乳腺癌是女性中高发的恶性肿瘤疾病。近年来,其发病率呈增高趋势。早期发现、早期诊断和早期治疗是降低乳腺癌患者死亡率的关键。计算机辅助诊断(CAD)技术能够有效提高早期诊断的准确性,而基于内容医学图像检索(CBMIR)技术的引入,为乳腺癌的诊断提供了有效的决策支持。文中就近年来基于医学图像内容检索的计算机辅助乳腺X线影像诊断关键技术进行了较为详尽的综述,包括微钙化和肿块检测、特征提取、相似性测度和相关反馈技术等,同时对该领域的发展趋势进行了展望。

基于内容的图像检索在PACS中的应用进展

本文分析了基于内容的图像检索CBIR在PACS中的应用背景,提出了基于内容的医学图像检索CBMIR,介绍了其应用现状及存在的问题,并讨论了医学图像的信息特点及CBMIR模型,总结并展望了CBMIR的发展前景。

融合多尺度特征及注意力机制的医学图像检索

针对目前医学图像普遍存在病理区域尺寸分布较分散、细节特征不明显以及同类组织影像间的视觉差异较大等问题,本文在CBMIR系统的基础上,提出了一种融合多尺度特征及注意力机制的医学图像检索方法。该方法通过融合多尺度特征并设置可学习权重系数来自适应平衡浅层图像纹理特征和深层图像语义特征的关系,提高网络对不同尺度上的病理特征提取能力。同时,引入注意力模块,对网络输出的特征图进行通道加权求和,提高关键特征通道的特征表达能力,使网络更能关注到图像中的具有辨识性的病理特征区域。最后,在损失函数设计时,使用多重损失进一步优化样本特征在特征空间的分布。最终在Mura数据集上的mAP@100、mAP@20两个指标上分别达到了0.95、0.98的检索精度,基本符合实际场景对模型的检索精度要求。

基于面积直方图及交互信息测度论的医学图像检索方法

颜色直方图是基于内容的医学图像检索(CBMIR)中提取图像特征的一种重要方法,然而其完全丢弃了医学图像颜色的空间分布信息。为了有效地利用图像颜色的空间分布信息,本文提出了一种基于面积直方图及交互信息测度法的医学图像检索方法。该方法进一步分析了具有相同灰度的像素之间在空间分布上的差异,用其在图像中形成的主要连通区域的面积大小代替传统直方图中使用的像素总和,从而能够间接反映色彩的空间分布特征;同时,为了提高检索准确率,本文引进了交互信息测度方法。实验结果表明,本文提出的检索方法能够较为准确的反映医学图像的信息特征,从而提高了检索的鲁棒性、准确性和高效性。

基于全局特征和尺度不变特征转换特征融合的医学图像检索

特征提取是图像检索或图像配准的关键步骤,针对单一特征不能很好地表述图像的问题,根据医学图像的特点,提出了一种融合全局特征和局部特征的医学图像检索算法。首先在研究单一特征医学图像检索算法的基础上,提出了融合全局特征和相关反馈的检索算法;其次对尺度不变特征转换(SIFT)特征进行了优化,提出了改进的SIFT特征提取算法和匹配算法;最后,为了保证结果的准确性并改进检索效果,采用了融合局部特征的方法逐步求精。通过对标准临床数字式X射线成像(DR)图像数据库的实验研究表明,该算法应用在医学图像的检索中有较好的结果。