基于用戶反饋的大腦MRI圖像匹配算法研究與實現(xiàn).pdf

1、隨著醫(yī)學以及計算機技術的發(fā)展,醫(yī)學圖像的匹配逐漸成為一門關鍵技術。特別是在目前海量醫(yī)學圖像數(shù)據(jù)庫中,醫(yī)生想要人工的從中找出想要的數(shù)據(jù)已經(jīng)成為一件很困難的事情。尤其在大腦疾病的診斷中,從數(shù)據(jù)庫中找出與當前相似的病例,對提高醫(yī)生診斷的效率和準確性有著重要的意義。目前,已經(jīng)有許多相關的大腦核磁共振掃描圖像(MRI)的匹配算法被提出,如基于灰度的匹配算法、基于小波分析的算法,以及其他一些基于圖像特征的算法。但很多算法在效率上不盡人意,并且,每個

2、醫(yī)生對于病例相似度的定義可能都會因其不同的經(jīng)驗和需要而有所不同,因此,需要一個可以反映用戶偏好的算法來提高匹配結(jié)果的滿意度。
　　 針對上述問題,本文提出了一種可并行計算的基于用戶反饋大腦核磁共振掃描圖像(MRI)的匹配算法。首先將每個圖像的特征對應于一個語義標簽,這個標簽由圖像連通域個數(shù),以及每個連通域的面積、位置、灰度特征和形狀特征組成,然后,以此語義標簽為依據(jù)進行匹配,并且利用并行系統(tǒng)構(gòu)架使得該匹配算法能夠?qū)Ａ繄D像做匹配

3、處理,得到與輸入圖像最相似的一組結(jié)果,接著,為了符合不同醫(yī)生的偏好,本文提出了一種反饋算法,由于一些經(jīng)典的反饋算法不能夠很好的拆分為互不相關的幾個部分,因此,當數(shù)據(jù)達到海量級別時,無法使用本文在匹配時設計的并行框架,而本文的算法通過醫(yī)生對匹配結(jié)果相關性的反饋,分別調(diào)整每個特征標簽的權(quán)重,以此來反映不同醫(yī)生的偏好,而不同特征的權(quán)重調(diào)整是彼此獨立的,所以可以容易的擴展到并行構(gòu)架中進行加速。實驗結(jié)果表明,本文設計的算法可以在很大程度上反映出用