基于有監(jiān)督哈希圖像檢索的肺結(jié)節(jié)征象識別方法研究.pdf

1、醫(yī)學(xué)征象是醫(yī)師診斷肺部疾病的重要依據(jù)，它與肺部病灶之間存在著較強(qiáng)的關(guān)聯(lián)性，能夠幫助醫(yī)師判斷肺癌的良惡性程度。隨著醫(yī)學(xué) CT（Computed Tomography）的廣泛應(yīng)用，肺部CT影像數(shù)據(jù)呈現(xiàn)爆炸式增長，極大增加了放射科醫(yī)師的工作量，在疾病診斷過程中容易造成誤診和漏診。計(jì)算機(jī)輔助診斷技術(shù)能夠有效減輕醫(yī)師的工作負(fù)擔(dān)，輔助他們完成基于醫(yī)學(xué)影像的疾病檢測和診斷，同時也提高了診斷穩(wěn)定性和診斷效率。在海量的已確診的醫(yī)學(xué)影像數(shù)據(jù)中，通過圖像檢索

2、技術(shù)獲得與待診斷圖像相似的病灶圖像，這些已確診的歷史病灶的醫(yī)學(xué)征象和診斷方案，為醫(yī)師提供了強(qiáng)有力的參考，是一種有效的計(jì)算機(jī)輔助診斷肺部疾病的方法。
　　針對肺部醫(yī)學(xué)征象種類繁多，表現(xiàn)復(fù)雜多樣，醫(yī)師在篩查大量醫(yī)學(xué)影像時難以精確和穩(wěn)定地診斷，本文提出一種基于圖像相似性檢索的肺結(jié)節(jié)醫(yī)學(xué)征象識別方法，以幫助醫(yī)師正確識別結(jié)節(jié)征象，并為判斷肺結(jié)節(jié)的良惡性提供參考依據(jù)。本文方法基于有監(jiān)督哈希的圖像檢索技術(shù)，從肺結(jié)節(jié)CT影像庫中快速檢索出相似病灶

3、圖像，然后在檢索結(jié)果的基礎(chǔ)上判斷肺結(jié)節(jié)的征象類型。本文的具體研究內(nèi)容如下：
　?。?）基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)特征提取。特征提取是實(shí)現(xiàn)肺結(jié)節(jié)CT圖像檢索的基礎(chǔ)。由于大多數(shù)肺結(jié)節(jié)同時包含多種征象類型（混合征象），人工提取的底層視覺特征難以有效表達(dá)混合征象信息。針對此問題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）的肺結(jié)節(jié)特征提取方法。該方法首先使用參數(shù)共享的CNN訓(xùn)練單一征象數(shù)據(jù)，

4、通過調(diào)整網(wǎng)絡(luò)參數(shù)使其有效識別各個征象；然后將網(wǎng)絡(luò)參數(shù)轉(zhuǎn)移到訓(xùn)練混合征象數(shù)據(jù)的網(wǎng)絡(luò)中，通過損失函數(shù)和誤差反向傳播機(jī)制來微調(diào)網(wǎng)絡(luò)參數(shù)，從全連接層中獲得肺結(jié)節(jié)的語義特征；最后，為了評價提取的肺結(jié)節(jié)圖像特征，使用支持向量機(jī)和極限學(xué)習(xí)機(jī)按照征象類型對這些特征進(jìn)行分類，并對比了紋理特征的分類效果，實(shí)驗(yàn)結(jié)果表明，本文方法提取的圖像特征能更有效表達(dá)肺結(jié)節(jié)的征象信息。
　?。?）基于有監(jiān)督哈希的肺結(jié)節(jié)圖像檢索及征象識別。為了從肺結(jié)節(jié)圖像庫中快速且準(zhǔn)

5、確地檢索出相似圖像，提出一種基于有監(jiān)督哈希的肺結(jié)節(jié)圖像檢索方法。首先使用主成分分析算法處理提取的肺結(jié)節(jié)語義特征，并通過由監(jiān)督信息構(gòu)造的哈希函數(shù)將圖像特征映射為簡潔的哈希碼，以保留原始特征空間中的語義相似性；然后通過設(shè)計(jì)自適應(yīng)的權(quán)重向量，采用加權(quán)漢明距離衡量肺結(jié)節(jié)圖像的相似度；最后利用 k近鄰算法從檢索結(jié)果中識別肺結(jié)節(jié)的征象類型。公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，在48位哈希碼長度下，本文方法的肺結(jié)節(jié)圖像檢索精度可以達(dá)到87.29％，有助于提高