1、醫(yī)學(xué)影像數(shù)據(jù)所呈現(xiàn)的爆炸式增長(zhǎng)及數(shù)據(jù)挖掘等技術(shù)的迅速發(fā)展，對(duì)醫(yī)學(xué)圖像檢索技術(shù)提出了新的需求。但是，傳統(tǒng)的圖像檢索技術(shù)應(yīng)用到醫(yī)學(xué)圖像檢索當(dāng)中，其表現(xiàn)卻總是不盡如人意。為了能更好地將圖像檢索技術(shù)應(yīng)用到輔助診斷、醫(yī)學(xué)教學(xué)實(shí)踐、醫(yī)療科研等領(lǐng)域中，本文對(duì)圖像檢索技術(shù)及醫(yī)學(xué)圖像的特點(diǎn)進(jìn)行了一定的研究，并在此基礎(chǔ)上提出了相關(guān)改進(jìn)方案。
　　本文首先對(duì)圖像檢索技術(shù)發(fā)展過(guò)程中的關(guān)鍵技術(shù)及數(shù)字化醫(yī)學(xué)影像的特點(diǎn)進(jìn)行了研究，在分析了國(guó)內(nèi)外關(guān)于圖像檢索技術(shù)

2、的研究現(xiàn)狀之后，將研究的重點(diǎn)放在了基于內(nèi)容的圖像檢索技術(shù)之上。在對(duì)基于內(nèi)容的圖像檢索系統(tǒng)中圖像特征提取、特征匹配、相關(guān)反饋及檢索性能評(píng)價(jià)的深入研究的基礎(chǔ)上，提出了針對(duì)醫(yī)學(xué)圖像這一具體領(lǐng)域的圖像檢索技術(shù)的應(yīng)用。
　　通過(guò)對(duì)比常用的顏色特征及紋理特征在醫(yī)學(xué)圖像檢索中的表現(xiàn)，得出了紋理特征更利于醫(yī)學(xué)圖像檢索的結(jié)論。結(jié)合醫(yī)學(xué)圖像分割水平的局限性及醫(yī)學(xué)圖像自身的特點(diǎn)，選用了灰度共生矩陣作為醫(yī)學(xué)圖像檢索的全局紋理特征，并在此基礎(chǔ)上，提出了對(duì)灰

3、度共生矩陣的改進(jìn)方案——基于加權(quán)子圖的灰度共生矩陣WS-GLCM。結(jié)合局部不變性特征SIF T在醫(yī)學(xué)圖像檢索中的表現(xiàn)，本文將其作為醫(yī)學(xué)圖像檢索的局部特征。在基于對(duì)BOW（Bag Of Words）模型的研究的基礎(chǔ)上，進(jìn)一步將WS-GLCM與SIF T特征相結(jié)合，提出了兩種改進(jìn)方案，即帶全局紋理上下文的SIFT特征和帶局部紋理特征上下文的SIFT特征。
　　針對(duì)現(xiàn)有的基于支持向量機(jī)（Support Vector Machine）的相

4、關(guān)反饋技術(shù)在醫(yī)學(xué)圖像檢索中的局限性，本文在對(duì)SVM分類(lèi)器及ba gging組合分類(lèi)器算法的研究的基礎(chǔ)之上，提出了新的相關(guān)反饋技術(shù)的改進(jìn)方案，有效地解決了人工反饋模塊中所出現(xiàn)的訓(xùn)練樣本不足，及SVM分類(lèi)器對(duì)醫(yī)學(xué)圖像分類(lèi)的準(zhǔn)確率偏低的問(wèn)題。
　　最后，本文對(duì)醫(yī)學(xué)圖像檢索技術(shù)在輔助診斷、醫(yī)學(xué)教學(xué)實(shí)踐及醫(yī)學(xué)科研等領(lǐng)域的應(yīng)用做了簡(jiǎn)要的論述。針對(duì)當(dāng)下醫(yī)療信息數(shù)據(jù)及醫(yī)療影像數(shù)據(jù)的存儲(chǔ)及使用現(xiàn)狀，及機(jī)器學(xué)習(xí)技術(shù)、云計(jì)算等技術(shù)的迅速發(fā)展，提出了醫(yī)學(xué)