面向醫(yī)學(xué)影像資源庫的圖像特征提取算法研發(fā).pdf

1、隨著現(xiàn)代醫(yī)學(xué)影像技術(shù)的發(fā)展，大量的醫(yī)學(xué)圖像數(shù)據(jù)隨之產(chǎn)生。這些數(shù)據(jù)是輔助醫(yī)生診斷、遠(yuǎn)程教學(xué)、培訓(xùn)的重要資料，傳統(tǒng)的基于文本的醫(yī)學(xué)圖像管理系統(tǒng)已經(jīng)不能滿足人們的這些要求。因此，基于內(nèi)容的圖像檢索技術(shù)應(yīng)用于醫(yī)學(xué)影像成為研究的熱點(diǎn)。目前，基于內(nèi)容檢索技術(shù)應(yīng)用于醫(yī)學(xué)影像中都是針對某一特定的組織器官，例如僅僅針對肺部圖像的ASSERT系統(tǒng)，針對頸部和腰椎X-Ray圖像的WEBMIRS系統(tǒng)等等。由于各個組織器官都有自己獨(dú)特病理特征，這樣限制了算法的通

2、用性和可移植性，同時也限制了算法性能評價的比較，提出通用的檢索算法和構(gòu)造評價算法數(shù)據(jù)集成為本論文研究的主要內(nèi)容。 評價算法數(shù)據(jù)集的構(gòu)造是算法評估的前提，也是本論文的難點(diǎn)，本文構(gòu)造了包含8種不同組織器官的圖像評價數(shù)據(jù)集，該數(shù)據(jù)集中的圖像全部為512×512大小的DICOM格式醫(yī)學(xué)圖像。 為了便于評價檢索算法本文用VC++搭建了檢索實驗平臺，該平臺能夠?qū)崿F(xiàn)簡單的特征提取、相似性比較和檢索功能。 在特征提取算法方面，本

3、文從灰度、紋理和形狀三個方面入手，首先實現(xiàn)了現(xiàn)有的提取灰度特征的顏色直方圖和累加直方圖算法；提取紋理特征的灰度共生矩陣、Gabor濾波、Tamura紋理特征、直方圖二階矩、小波包分解算法；提取形狀特征的七個不變矩算法。在評價現(xiàn)有算法過程中發(fā)現(xiàn)，由于醫(yī)學(xué)圖像本身具有的圖像數(shù)據(jù)量大，不同組織部位特征不同，使得特征提取速度的提高、特征的選擇和圖像分割成為了研究的重點(diǎn)。針對這些重點(diǎn)，對原有算法進(jìn)行了改進(jìn)，提出了一種新的分塊提取灰度特征方法，在此