基于内容的化验数据搜索引擎研究

提高诊断的正确性并为病人提供更好的医疗服务,一个重要手段是在电子病历数据库中查找以往具有相似疾病特征且已确诊的病历,来辅助当前病人的诊断和治疗。这些疾病特征可能包含在不同类型的病历中,如诊断和报告文本、放射及超声报告/图像,以及化验产生的数字信息等。医疗化验数据是一种多维结构化信息,作为子病历的重要组成部分,对疾病的确定和描述起着关键作用。将高维索引算法引入医学领域,建立一个化验数据高维搜索引擎,方便医生使用化验数据库中的知识,实现计算机辅助诊断。

基于内容的医学图像检索高维数据库系统的设计

在医学影像信息学中,基于内容的图像检索(CBIR)技术被用来帮助放射科医师检索具有相似图像容的图像。CBIR通过图像的量化特征来检索高维特征数据库中与查询图像类似的影像。然而,当前大部分CBIR系统都会受特征维数影响,系统检索的响应时间随着特征向量维数及检索图像数量的增加而增长。对此提出了一种新的框架,使用VA-Trie结构来对图像特征建立高维数据库索引,以提高集成RIS/PACS中的CBIR的准确性和检索速度。