1、隨著醫(yī)學(xué)成像技術(shù)的發(fā)展和醫(yī)院信息網(wǎng)絡(luò)的普及，可供臨床、教學(xué)及研究使用的醫(yī)學(xué)圖像正在迅速膨脹，基于內(nèi)容的醫(yī)學(xué)圖像檢索(Content-basedMedicalImageRetrieval,CBMIR)系統(tǒng)因其可以有效管理和檢索大量醫(yī)學(xué)圖像數(shù)據(jù)而成為醫(yī)學(xué)圖像領(lǐng)域的研究熱點(diǎn)。
　　近年來，國內(nèi)外研究人員開展了大量CBMIR的相關(guān)研究，取得了一定成果，但仍存在不足，如可移植性差、檢索模式單一、與人類主觀判斷存在差異等。如何擴(kuò)大CBMIR的

2、應(yīng)用范圍，滿足多用戶多層次的檢索需求，為醫(yī)師和科研人員提供便捷準(zhǔn)確的檢索圖像的手段，是醫(yī)學(xué)圖像檢索技術(shù)發(fā)展的關(guān)鍵。
　　本文對(duì)CBMIR的關(guān)鍵技術(shù)進(jìn)行了研究，根據(jù)不同類型的醫(yī)學(xué)圖像特點(diǎn)，對(duì)特征提取方法作了詳細(xì)的比較分析。在構(gòu)建醫(yī)學(xué)圖像數(shù)據(jù)庫的基礎(chǔ)上，設(shè)計(jì)了一個(gè)多級(jí)多特征的醫(yī)學(xué)圖像檢索系統(tǒng)。主要研究工作如下：
　?、傺芯酷t(yī)學(xué)圖像文本信息自動(dòng)提取技術(shù)。通過學(xué)習(xí)數(shù)字影像和通信標(biāo)準(zhǔn)(DigitalImagingandCommunic

3、ationsinMedicine,DICOM)，實(shí)現(xiàn)了對(duì)DICOM文件中患者、研究、序列等文本信息的自動(dòng)提取和錄入，并建立索引，將文本與內(nèi)容相結(jié)合用于檢索，以縮小檢索范圍。
　?、谘芯慷嗵卣魅诤霞夹g(shù)。為了更全面的描述圖像的視覺內(nèi)容，本文根據(jù)圖像底層特征的特點(diǎn)，依據(jù)互補(bǔ)性原則，將紋理特征與形狀特征相結(jié)合，全局特征與區(qū)域特征相結(jié)合。針對(duì)二維全局圖像、二維感興趣區(qū)域和三維感興趣區(qū)域設(shè)計(jì)了不同的特征組合。
　　③研究多級(jí)檢索模式。針

4、對(duì)用戶多方面的檢索需求，設(shè)計(jì)了一種三級(jí)檢索模式：一級(jí)檢索為基于文本的檢索，通過DICOM文本信息匹配對(duì)圖像進(jìn)行預(yù)篩選；二級(jí)檢索為基于全局圖像的檢索，通過這一級(jí)可以檢索出整體視覺相似的圖像，為后續(xù)的ROI檢索縮小了查找范圍。三級(jí)檢索是基于ROI的檢索，用于檢索醫(yī)生更關(guān)注的相似病灶區(qū)域。
　?、苎芯咳S醫(yī)學(xué)圖像檢索技術(shù)。針對(duì)三維結(jié)腸息肉數(shù)據(jù)，研究了三維灰度梯度共生矩陣、形狀指數(shù)(ShapeIndex,SI)及曲度(Curvedness

5、,CV)三個(gè)三維特征，而后利用這些特征對(duì)分割后的三維ROI進(jìn)行描述，建立索引，為用戶提供一種能夠更完整地反映病灶情況的三維檢索手段。
　　最后，本文采用結(jié)腸CT圖像和膀胱MR圖像，通過多個(gè)檢索實(shí)驗(yàn)得出以下結(jié)論：多特征融合技術(shù)有效地利用了不同特征的優(yōu)勢(shì)，更全面的表達(dá)出圖像的視覺內(nèi)容，其檢索效果優(yōu)于使用單一特征的檢索效果；多級(jí)檢索模式可以根據(jù)用戶不同需要逐步縮小檢索范圍從而查找到所需圖像，其檢索準(zhǔn)確率普遍高于單級(jí)檢索準(zhǔn)確率；三維ROI