一种基于局部敏感哈希算法的相似医学影像计算方法技术

本发明专利技术提出一种基于局部敏感哈希算法的相似医学影像计算方法。该方法包含医学影像向量化、哈希桶计算、哈希桶列表构建、医学影像向量相似计算等步骤。本发明专利技术主要应用场景为医学影像构成的海量高维向量空间，在高维向量空间中，本发明专利技术能够快速对医学影像进行分类，并快速筛选出目标影像的相似项，相比目前已有的分类计算方法，本发明专利技术具有更好的时间复杂度。本发明专利技术具有更好的时间复杂度。本发明专利技术具有更好的时间复杂度。

【技术实现步骤摘要】
一种基于局部敏感哈希算法的相似医学影像计算方法


[0001]本专利技术涉及大数据领域，属于医学影像和计算机交叉学科，特别是涉及一种高维向量空间中相似向量求解的计算方法。

技术介绍

[0002]目前，大数据在医疗领域的应用非常广泛，医疗领域聚集了非常丰富的数据资源，医学影像包括X射线、核磁共振成像、超声波等，这些都是医疗过程中的关键环节。放射科医生往往需要单独查看每一个检查结果，不但无形中产生了巨大的工作量，同时也有可能耽误患者的最佳治疗时间。但是大数据能够完全改变他们的分析方式。以往大量医学影像数据都是单独查看，利用人工的方式进行分类，该方法十分耗费人力时间，医疗领域人力资源十分宝贵的，如何利用大数据技术帮助医疗工作者对医学影像数据进行分类和相似检索式非常重要的工作。本专利技术提出一种基于局部敏感哈希算法的相似医学影像计算方法技术，本方法是对现有局部敏感哈希算法的改进，它可以帮助医疗工作者快速完成医学影像资料的分类和检索，同时，本专利技术充分挖掘医学影像数据中的隐含信息，达到性能和效率的平衡。本专利技术可以从海量医学影像数据中快速分类，并筛选出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部敏感哈希算法的相似医学影像计算方法，其特征在于，包含以下步骤：步骤1，医学影像图片一维化，将大小为(N
×
N)的影像图片执行一维化操作，平铺为N2维的向量，构造高维向量空间。步骤2，构建随机参考向量，将向量空间中所有医学影像向量投影至中心桶和冗余桶中。步骤3，重复步骤2中操作，构建n个哈希桶列表，完成医学影像的分类。步骤4，在n个哈希桶列表中，计算单个医学影像向量的相似向量，采用投影计数的方法选择相似向量。步骤5，对步骤4中得到的相似向量执行距离排序，得到最相似医学影像向量。步骤6，根据步骤5得到的最相似医学影像向量，反向生成(N*N)的医学影像图片。2.根据权利要求1所述的一种基于局部敏感哈希算法的相似医学影像计算方法，其特征在于，步骤1所述医学影像图片的一维化，对于一张大小为(N
×
N)的医学影像图片，得到它的像素矩阵P，该像素矩阵维度为(N
×
N)，其中矩阵中每个元素值为0或者1；将该矩阵按行展开，得到一个为N2维高维向量，按照该一维化方法，将医学影像库中所有图片进行一维化处理，得到一个高维向量空间Q。3.根据权利要求1所述的一种基于局部敏感哈希算法的相似医学影像计算方法，其特征在于，步骤2所述计算向量空间中所有医学影像向量的中心桶和冗余桶，具体如下：(1)步骤1得到一个高维向量空间为Q，其中向量维度为N2，构建一个N2维的随机向量x，随机向量x的每个元素满足高斯分布，以该随机向量作为参考向量。(2)对于上述向量空间中的所有向量，利用下式，将其投影到一个或者两个哈希桶中。(2)对于上述向量空间中的所有向量，利用下式，将其投影到一个或者两个哈希桶中。其中v是向量空间Q中一个向量，x是上述的随机N2维向量，d(v，x)计算向量v在向量x方向上的投影距离，w是哈希桶的宽度，宽度的选择很大程度上决定了落入同一个哈希桶的向量的数量和哈希桶的稀疏程度。d(v，x)的计算公式如下：上式中k表示向量维度，v
i
，x
i
分别表示向量v，x的第i个分量。(3)上述公式中的表示计算的向下取整值n，我们把向下取整值n对应的哈希桶作为中心桶，向量v首先需要放入中心桶中。(4)公式计算冗余相似桶，mod()表示计算的余数r。如图1所示，当目标项的哈希值靠近左边界(右边界)时，目标向量的相似点可能落在其左侧哈希桶中，为了充分获取目标向量的相似集合，应该分情况讨论边界。具体计算公式如下：
c是一个超参数，w是哈希桶的宽度，下面根据不同情况进行阐述。若r＜c
×
w，则冗余桶位于中心桶的左侧，将向量x放入左侧冗余桶中。若c
×
w≤r≤(1
...

【专利技术属性】
技术研发人员：刘万里，杨晓辉，张武，王逸文，王泽廷，徐雷，李鑫，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：