医学影像检索联合相关反馈的应用

引言

基于内容的图像检索(Content-Based Image Retrieval, CBIR)一因为其具备客观性、无需人工参与成为研究主流。CBIR的基本思想是对图像内容的视觉特征，如颜色、纹理、形状等底层特征进行检索，同时通过对图像视觉特征和上下文联系的分析，提取出图像的内容特征作为索引来实现较高层次上的图像检索。当检索的结果不尽人意时，相关反馈技术就可以用来提高检索结果。相关反馈是一个有监督的学习过程，具体过程是，在一次检索任务开始时，先由用户给出查询(query，然后由一个排列函数(ranking function)为每幅图像计算出一个反映该图像与用户查询间相关程度的数值，系统按这个数值以从大到小的顺序把图像排列并输出前k幅，这些图像构成一个训练集S，这样就完成了第一轮检索。相关反馈算法根据训练集S来学习一个新的查询或排列函数的参数，以期能更好地反映用户的需求;然后系统根据修改后的查询和排列函数给出新的检索结果，这样就完成了一轮相关反馈。
  本文设计一个有病灶医学图像的CBIR和联合相关反馈系统。在这个系统中，根据Qi提出的方法使用了整体特征与局部特征，首先将脑部图像进行分割，提取局部特征，然后采用整体特征与局部特征进行检索。然而Qi只提出了检索算法，并未提出相应的相关反馈算法。在进行相关反馈的时候，对局部特征采用了模糊区域内容相关反馈方法，对于全局特征采用支持向量机(SVM)算法。
 

1分割
 

先从众多的脑部MRI磁共振成像)的图像中提取脑组织，因为这是大多数医生感兴趣的区域。这项工作是以改进的BET方法为基础而自动完成的图1显示的是从原始的MRI图像系列中提取出的一系列脑组织图像。
 磁共振图像(MRI)的分割已经逐渐成为人们一项研究的热点。参数受限高斯混合模型的EM算法( PLGMM-EM)和高斯一马尔科夫模型的EM算法(G-MRF-EM )，是这个领域中两个具有代表性的方法。虽然G-MRF-EM模型考虑了图像中相邻像素点之间的空间关系，对有噪声的图像取得了相对比较良好的分割结果，但是在提高分割的精度上并没有显著的差异，而计算花销却远远大于PLGMM-EM模型(如图2所示)，故它不适合处理有大量图像的图像检索系统。本文首先通过高斯滤波去除磁共振图像中的噪声，采用改进的FGM算法分割脑组织，采用文献适应算法自动确定分割的区域数。..........
 

2 基于模糊区域特征和SVM的联合相关反馈算法

    基于模糊区域特征的检索方法能比较好地和基于模糊区域特征的相关反馈方法结合，但是基于模糊区域特征的相关反馈方法只使用相关图像，而基于支持向量机的相关反馈算法不仅使用相关图像还使用了不相关图像，日前也有将支持向量机算法应用到基于区域的图像检索中。文献中的算法直接将基于区域的图像距离函数作为支持向量机算法的核函数进行迭代得到分类函数。该方法有两个缺点:
由于基于区域的图像距离函数涉及区域优化匹配，计算远比常用线性、高斯等核函数复杂，故该算法耗时很长，不利于提高检索速度。
不能为不同特征之间自动分配权重。文献中的算法只将相关图像进行聚类，也没有用到不相关图像信息。本文将基于支持向量机的相关反馈算法与基于模糊区域特征的相关反馈算法结合起来，利用基于模糊区域特征的相关反馈算法使用相关图像对分割区域特征进行优化映射，并分配权重。利用相关图像和非相关图像对图像全局特征进行优化映射。............

3 实验结果与分析

   本实验从医院PALS系统中共收集140多个病例，580多幅颅脑T1加权MR图像，这当中包含脑膜瘤图像大约200幅，其它为垂体瘤图像与脑梗塞图像。对每一幅图像利用改进BET算法用于提取脑组织，并将脑组织利用二叉树方法分割成若干区域，然后用文献的方法提取每个区域的模糊灰度、Gabor纹理、小波纹理、不变矩、面积和位置特征，以及根据本文介绍的方法提取图像的全局小波能量特征，存人数据库中。
 

结束语

 本文在模糊相关反馈的基础上结合基于全局小波能量特征的SVM相关反馈，在全局特征反馈中同时使用正例和负例图像，提出联合相关反馈算法。实验结果表明在医学图像中，采用几种相关的算法，检索结果有了很大的提高。

参考文献:

[1]江少锋.医学图像的特征自动提取及基干模糊特征的图像检索研究[D].广州:南方医科大学，2008.
[2]Miiller H，Michoux N，http://www.dxlws.com/dxyxzclw/ Bandon D，et al. A review of con-tent-based image retrieval systems in medical annlications-clinicalbenefitsand uture directions[J].International.lournalofMedical Informatics，2004,73(1):1-23.
[3] X .I，H an Y. T..A. novel fusion annroach to content- based image retrieval[.I~.Patt. Rec.2005，38(12): 2449-2465.
[4]江少锋，陈武凡，冯前,等.基干模糊区域的c:T脑图像检索及关联反馈[D].计算机工程与应用，2008,44(5):199-202.
[5]张磊，林强宗，张拔.基干支持向量机的相关反馈图像检索算法[J].清华大学学报:自然科学版，2002,42(1):80-83.