【技术实现步骤摘要】
一种医疗影像特征的提取与检索方法
本专利技术属于图像检索技术中心的特征提取与检索领域，具体是涉及一种医疗影像特征的提取与检索方法。
技术介绍
近年来，随着科技的进步，医学影像技术也得到了迅速的发展。许多医院已经收集了大量的数字医学图像数据，也引入了大量的医学成像设施。据统计，医院内部的医疗设备，每日每台增加的数据量远不止10GB，这其中包含着大量的无用的信息和潜在的有用信息。为了发现和利用医疗影像数据中的潜在有用信息，国内外专家和学者正在尝试着运用计算机领域的相关技术自动处理海量医疗影像数据。如何有效地检索和组织大量的数字医疗影像数据是智能诊断技术的主要任务。智能图像检索技术的关键技术是特征提取技术与图像数据库等技术。通过这些技术，可以很好的检索和组织大量的数字医疗影像数据。数字医疗的实现是基于医学图像相关的处理技术。医院信息管理系统，放射科信息系统，图像存档和通信系统都是基于智能检索技术。医生通过这些应用系统提供技术支持可以检索到病人的历史就医信息，不但可以给医生后续诊断和治疗提供信息，而且也可以减少病人做一系列重...
【技术保护点】
1.一种医疗影像特征提取与检索方法，其特征在于，主要包括以下步骤：/n第一步、基于IFMA算子生成基于医疗影像特征的视觉词典，/n第二步、基于视觉词典进行数据训练，进而以直方图的形式构建视觉词典的索引，/n第三步、对目标图像进行特征提取，并与训练之后的视觉词典进行比较，从而输出检索结果；/n所述第一步生成基于医疗影像特征的视觉词典主要包括以下步骤：首先寻找特征点来表达图像，之后通过聚类算法来生成IFMA集合的特征向量集合，而后再通过聚类算法分析得到一个含有m个词汇的视觉词典；/n所述第二步构建视觉词典的索引主要包括以下步骤：/n首先、对训练库中的医疗影像进行IFMA基于关键...
【技术特征摘要】
1.一种医疗影像特征提取与检索方法，其特征在于，主要包括以下步骤：
第一步、基于IFMA算子生成基于医疗影像特征的视觉词典，
第二步、基于视觉词典进行数据训练，进而以直方图的形式构建视觉词典的索引，
第三步、对目标图像进行特征提取，并与训练之后的视觉词典进行比较，从而输出检索结果；
所述第一步生成基于医疗影像特征的视觉词典主要包括以下步骤：首先寻找特征点来表达图像，之后通过聚类算法来生成IFMA集合的特征向量集合，而后再通过聚类算法分析得到一个含有m个词汇的视觉词典；
所述第二步构建视觉词典的索引主要包括以下步骤：
首先、对训练库中的医疗影像进行IFMA基于关键点检测，并把医疗影像划分为用128维的特征向量表示的块，
然后、将上述步骤所获得的IFMA特征点向量汇集到一起，并用聚类算法对其进行聚类分析，从而得到一个含有m个词汇的视觉词典，
最后、统计各个词汇在医疗影像中出现的次数，并以直方图的形式表示，进而构建视觉词典的索引；
所述第三步对目标图像进行提成提取和检索主要包括以下步骤：
首先、利用IFMA对要查询的医疗图像进行特征提取，得到一个维度为128特征向量集合，
其次、使用第二步训练阶段得到的视觉词典，重新对目标医疗影像进行表达，以得到该医疗影像的直方图，
最后、把目标医疗影像的直方图与数据库中医疗影像直方图的相似度进行比较，从而得到检索结果。
2.根据权利要求1所述的一种医疗影像特征提取与检索方法，其特征在于，所述IFMA算子为通过以下步骤改进的算子：
首先，把开始的医疗影像分割成均匀的小块，然后算出各个局部块的LFEM特征，并将其表达为LFEM直方图的形式；
然后，把得到的LFEM直方图汇集在一起，从而形成该医疗影像的全局的LFEM直方图。
3.根据权利要求1所述的一种医疗影像特征提取与检索方法，其特征在于，所述医疗影像特征提取与检索为基于医疗影像IFMA和全局LFEM特征的提取与检索，其第二步数据训练和构建视觉词典索引阶段主要包括以下步骤：
首先、对训练库中的医疗影像进行IFMA基于特征点检测，用128维的特征向量表示，
其次、将特征向量集合通过聚类算法进行聚类分析，其结果用含有m个词汇的视觉词典表达，
然后、使用视...
【专利技术属性】
技术研发人员：胡若，李学日，徐虹，李戍军，赵慧民，柳长青，李明，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。