【摘要】：肺結(jié)節(jié)CT圖像的相似性檢索是計(jì)算機(jī)輔助診斷系統(tǒng)中最重要的部分,目前常用的檢索方法通常匹配精度低,檢索速度慢.針對(duì)上述問(wèn)題,提出一種新的基于視覺(jué)信息與征象標(biāo)簽的雙概率超圖哈希算法,使用兩層結(jié)構(gòu)提高肺結(jié)節(jié)圖像的檢索精度:在第一層,將肺結(jié)節(jié)影像視覺(jué)信息和標(biāo)簽信息分別構(gòu)建概率超圖,最優(yōu)劃分概率超圖得到哈希碼;在第二層,使用結(jié)節(jié)圖像的視覺(jué)特征、標(biāo)簽特征和第一層得到的哈希碼來(lái)訓(xùn)練哈希函數(shù).在檢索時(shí),對(duì)待檢圖像通過(guò)訓(xùn)練好的哈希函數(shù)進(jìn)行0,1編碼,與數(shù)據(jù)集中圖像比較漢明距離,返回相似結(jié)節(jié)圖像.對(duì)9種不同征象類(lèi)型的3422張肺結(jié)節(jié)CT圖像進(jìn)行實(shí)驗(yàn),并與不同哈希算法進(jìn)行比較,結(jié)果表明,提出的方法在哈希碼長(zhǎng)為32位時(shí)可以達(dá)到最高精度90.18%,有效提高了檢索精度,可以給醫(yī)生提供客觀的輔助診斷.
[Abstract]:The similarity retrieval of CT images of pulmonary nodules is the most important part in the computer-aided diagnosis system. At present, the commonly used retrieval methods usually have low matching accuracy and slow retrieval speed. In order to solve the above problems, a new double-probability hypergraph hashing algorithm based on visual information and sign label is proposed, which uses two-layer structure to improve the retrieval accuracy of pulmonary nodule image: in the first layer, In the second layer, the visual features of the nodule image, the label feature and the hash code of the first layer are used to train the hash function. In retrieval, the detected image is encoded by a trained hash function, and the hamming distance of the image is compared with that of the dataset image, and the similar nodule image is returned. 3422 pulmonary nodule CT images of 9 different types of signs were tested and compared with different hash algorithms. The results show that the proposed method can achieve the highest accuracy of 90.18 when the hash code length is 32 bits, and the retrieval accuracy is improved effectively. It can provide the doctor with objective auxiliary diagnosis.
【作者單位】： 太原理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;山西省人民醫(yī)院CT室;美國(guó)德克薩斯大學(xué)圣安東尼奧分校計(jì)算機(jī)科學(xué)系;
【基金】：國(guó)家自然科學(xué)基金(61373100) 山西省回國(guó)留學(xué)人員科研資助項(xiàng)目(2016-038) 虛擬現(xiàn)實(shí)技術(shù)與系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(BUAA-VR-17KF-14,BUAA-VR-17KF-15)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 潘爍;張煜;王凱;高紹英;曹蕾;;基于血管增強(qiáng)分割的三維肺結(jié)節(jié)自動(dòng)檢測(cè)[J];計(jì)算機(jī)應(yīng)用與軟件;2014年05期

2 依玉峰;高立群;郭麗;;一種基于改進(jìn)隨機(jī)游走的肺結(jié)節(jié)分割方法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

3 曹蕾;張煜;路利軍;陳武凡;;基于徑向梯度指數(shù)的肺結(jié)節(jié)假陽(yáng)性篩除方法[J];計(jì)算機(jī)工程;2010年13期

4 孫娟;王兵;楊穎;田學(xué)東;;聚類(lèi)分析在肺結(jié)節(jié)識(shí)別中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2014年07期

5 曹蕾;路利軍;楊蕊夢(mèng);陳武凡;;基于區(qū)域增長(zhǎng)的肺結(jié)節(jié)自適應(yīng)形態(tài)分割[J];南方醫(yī)科大學(xué)學(xué)報(bào);2008年12期

6 欒國(guó)欣;魏穎;薛定宇;;一種改進(jìn)的邊界法向量疊加疑似肺結(jié)節(jié)提取[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年08期

7 宋佳;聶生東;王遠(yuǎn)軍;魯雯;;一種基于三維特征的肺結(jié)節(jié)概率分割算法[J];生物醫(yī)學(xué)工程學(xué)雜志;2014年04期

8 周翰遜;郭薇;王妍;徐紅艷;賈大宇;;一種自適應(yīng)的分布式肺結(jié)節(jié)檢測(cè)方法[J];儀器儀表學(xué)報(bào);2010年10期

9 孫申申;郭陽(yáng);任會(huì)之;范立南;康雁;;基于流向特征熵和測(cè)地線距離的粘連血管型肺結(jié)節(jié)聚類(lèi)分割[J];中國(guó)科學(xué):信息科學(xué);2013年09期

10 李彬;歐陜興;田聯(lián)房;齊燕;劉思偉;張婧;;肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)與定位系統(tǒng)[J];計(jì)算機(jī)應(yīng)用研究;2010年06期

相關(guān)會(huì)議論文 前10條

1 杜建軍;陸建榮;喬愛(ài)科;劉有軍;;一種基于CT圖像的血管快速分割方法[A];2008年全國(guó)生物流變學(xué)與生物力學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2008年

2 汪家旺;俞同福;張也樂(lè);孫濤;;基于FCM肺結(jié)節(jié)檢測(cè)研究[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年

3 沈宏榮;;控制CT掃描中的變量因素提高CT圖像質(zhì)量[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年

4 楊誼;喻德曠;申洪;;用基于主動(dòng)輪廓模型的方法分割肺部病理CT圖像病灶[A];2005年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

5 李國(guó)麗;張建;胡存剛;;基于小波軟閾值法的CT圖像偽影去除方法[A];全國(guó)第13屆計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)（CAD/CG）學(xué)術(shù)會(huì)議論文集[C];2004年

6 胡戰(zhàn)利;張娜;鄒晶;戎軍艷;桂建保;鄭海榮;;人體CT圖像的三維可視化(英文)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)成立30周年紀(jì)念大會(huì)暨2010中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)大會(huì)壁報(bào)展示論文[C];2010年

7 陳旭文;朱紅麗;;一種高效的圖像檢索方法[A];中國(guó)儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

8 周向東;張亮;張琪;劉莉;殷慷;施伯樂(lè);;一種新的圖像檢索相關(guān)反饋方法[A];第十九屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2002年

9 陳世亮;李戰(zhàn)懷;閆劍鋒;;一種基于本體描述的空間語(yǔ)義圖像檢索方法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

10 趙海英;彭宏;;基于最優(yōu)近似反饋的圖像檢索[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

相關(guān)重要報(bào)紙文章 前1條

1 吉林 鄒連瑞;CT圖像偽影淺析與對(duì)策[N];電子報(bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 劉陽(yáng);基于肺部高分辨率CT影像的肺結(jié)節(jié)識(shí)別方法研究[D];東北大學(xué);2011年

2 裴曉敏;基于CT影像的孤立性肺結(jié)節(jié)檢測(cè)關(guān)鍵技術(shù)研究[D];東北大學(xué);2011年

3 韓芳芳;基于CT圖像多維特征的肺結(jié)節(jié)檢測(cè)和診斷方法研究[D];東北大學(xué);2015年

4 孫申申;基于CT影像的肺結(jié)節(jié)檢測(cè)與分割方法研究[D];東北大學(xué)　;2009年

5 張婧;基于SVM的肺結(jié)節(jié)自動(dòng)識(shí)別方法研究[D];華南理工大學(xué);2011年

6 崔超然;圖像檢索中自動(dòng)標(biāo)注、標(biāo)簽處理和重排序問(wèn)題的研究[D];山東大學(xué);2015年

7 楊迪;基于內(nèi)容的分布式圖像檢索[D];北京郵電大學(xué);2015年

8 張旭;網(wǎng)絡(luò)圖像檢索關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2014年

9 吳夢(mèng)麟;基于半監(jiān)督學(xué)習(xí)的醫(yī)學(xué)圖像檢索研究[D];南京理工大學(xué);2015年

10 高毫林;基于哈希技術(shù)的圖像檢索研究[D];解放軍信息工程大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 黑嘯吉;基于低劑量CT圖像的肺結(jié)節(jié)分割算法研究[D];鄭州大學(xué);2016年

2 劉晨輝;基于DoG的胸部CT肺結(jié)節(jié)自動(dòng)檢測(cè)算法研究[D];廣州大學(xué);2016年

3 樂(lè)昂霖;基于SVM的肺結(jié)節(jié)分割與識(shí)別[D];東北大學(xué);2015年

4 柏蕓;低劑量胸腔CT肺部影像的肺結(jié)節(jié)計(jì)算機(jī)輔助診斷方法研究[D];西南交通大學(xué);2017年

5 王國(guó)明;基于CT圖像的肺結(jié)節(jié)分割方法研究[D];長(zhǎng)春工業(yè)大學(xué);2017年

6 廖曉磊;薄掃CT序列圖像的肺實(shí)質(zhì)分割和肺結(jié)節(jié)檢測(cè)方法研究[D];太原理工大學(xué);2017年

7 肖小嬌;基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)自動(dòng)檢測(cè)深度學(xué)習(xí)模型[D];太原理工大學(xué);2017年

8 高園園;肺結(jié)節(jié)檢測(cè)算法的研究[D];南方醫(yī)科大學(xué);2008年

9 郭怡菲;基于多投影相關(guān)圖像的肺結(jié)節(jié)檢測(cè)關(guān)鍵算法研究[D];沈陽(yáng)航空航天大學(xué);2014年

10 石國(guó)良;基于肺實(shí)質(zhì)分割的肺結(jié)節(jié)檢測(cè)系統(tǒng)研究與實(shí)現(xiàn)[D];重慶大學(xué);2012年

，

本文編號(hào)：2281257