首页|一种新颖的医学图像建模及相似性搜索方法

一种新颖的医学图像建模及相似性搜索方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
医学图像采集和存储技术的发展导致了相关数据的飞速增长,这些医学图像数据能够有效地辅助医生进行精确的诊断,但由于医学图像在相似性搜索方面要求图像匹配的精度远高于普通图像,所以目前仍没有一种有效的方法解决医学图像的相似性搜索问题.文中首先提出一种不确定定点图模型(ULG,Uncertain Location graph),并针对脑部CT图像的固有特点,提出一种基于脑部CT图像纹理的从图像到不确定定点图的建模方法,继而提出一种基于不确定定点图的相似性搜索算法,并通过一种有效的索引结构,有效地减少了无意义的查询处理,降低了搜索时间.实验结果表明,该方法可以更精确地找出具有相似纹理的脑部CT图像.
A Novel Model for Medical Image Modeling and Similarity Retrieval
The development of medical images acquisition and storage technology has led to the rapid growth of the relevant data.These medical images can effectively help doctors to diagnose diseases more accurately.However the similarity retrieval for medical image requires accuracy much higher than the normal images.In this paper,a novel model of uncertain location graph is presented for medical image modeling and similarity retrieval.According to the characteristics of medical image,a novel method is proposed to model brain CT images to uncertain location graphs based on brain CT image textures.Then a scheme for uncertain location graph similarity retrieval is introduced.Furthermore,an effective index structure is applied to reduce the searching time.Experimental results show that this novel model functions well on brain CT images similarity retrieval with higher accuracy and efficiency.

image modelinguncertain location graphmedical imagesimilarity retrieval

潘海为、李鹏远、韩启龙、谢晓芹、张志强、高琳琳

展开 >

哈尔滨工程大学计算机科学与技术学院 哈尔滨 150001

图像建模 不确定定点图 医学图像 相似性搜索

国家自然科学基金国家自然科学基金国家自然科学基金黑龙江省自然科学基金黑龙江省自然科学基金黑龙江省自然科学基金黑龙江省自然科学基金教育部新世纪优秀人才支持计划中央高校自由探索计划项目中央高校自由探索计划项目哈尔滨科技创新人才特别基金

612721846120209061100007F200903F201016F201024F201130NCET-11-0829HEUCF100609HEUCFT1202RC2010QN010024

2013

10.3724/SP.J.1016.2013.01745

计算机学报
中国计算机学会 中国科学院计算技术研究所

计算机学报

CSTPCDCSCD北大核心EI
影响因子：3.18
ISSN：0254-4164
年,卷(期)：2013.36(8)
  • 4
  • 24