一种基于多尺度特征融合和深度哈希的医学图像检索方法技术

本发明专利技术公开了一种基于多尺度特征融合和深度哈希的医学图像检索方法，包括步骤：S1、收集和准备医学图像数据集。S2、使用深度卷积神经网络模型对图像进行多尺度特征提取。S3、将提取到的多尺度特征进行融合。S4、构建和训练深度哈希网络。S5、将测试集与训练集图像分别输入到训练好的哈希网络中进行学习，生成二进制哈希编码。S6、计算相似度，返回与查询图像最相似的图像作为检索结果。本发明专利技术通过多尺度特征融合使模型捕捉到不同尺度的特征信息，提高了对医学图像的理解能力。通过使用深度哈希算法将高维特征映射为低维的二进制编码，使得相似的图像在空间中的距离较近，降低了存储开销，节省了存储资源。

【技术实现步骤摘要】

本专利技术属于深度学习图像检索，具体涉及一种基于多尺度特征融合和深度哈希的医学图像检索方法。

技术介绍

1、随着计算机技术与医学影像技术的快速发展，医学影像诊断已经成为医生辅助诊断的主要工具。医院每天产生大量的医学图像数据，需要运用合适的检索技术来实现高效的医学图像检索。在此背景下，如何有效地检索这些数据图像变得尤为重要，这与医生的诊断效率和准确率息息相关，医学图像检索也随之逐渐兴起。

2、医学图像检索是指通过计算机技术，从医学图像数据库中检索与用户查询相似的医学图像的过程。传统的医学图像检索方法通常基于手工设计的特征提取和传统的相似性度量方法，虽然可以有效提取颜色、纹理等底层特征，但是手工设计特征需要领域专业知识，可能无法捕捉到复杂的图像信息，缺乏对图像的深层语义描述。随着深度学习在计算机视觉领域的兴起，特别是卷积神经网络(cnn)等架构的成功应用，图像特征提取和表示学习取得了显著进展。这些网络能够从图像中学习层次化的特征表示，使得从不同层次提取特征成为可能。

3、基于深度学习的方式更加侧重于提取图像的深层语义特征，虽然效果卓越，本文档来自技高网...

【技术保护点】

1.一种基于多尺度特征融合和深度哈希的医学图像检索方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多尺度特征融合和深度哈希的医学图像检索方法，其特征在于，所述步骤S1具体包括以下步骤：

3.根据权利要求1所述的一种基于多尺度特征融合和深度哈希的医学图像检索方法，其特征在于，步骤S2中所述的深度卷积神经网络模型采用ResNet50网络模型，其框架结构由卷积层、池化层、残差块、全连接层和哈希层构成；

4.根据权利要求1所述的基于多尺度特征融合和深度哈希的医学图像检索方法，其特征在于，所述步骤S3具体包括以下步骤：

<p>5.根据权利要求...

【技术特征摘要】

1.一种基于多尺度特征融合和深度哈希的医学图像检索方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多尺度特征融合和深度哈希的医学图像检索方法，其特征在于，所述步骤s1具体包括以下步骤：

3.根据权利要求1所述的一种基于多尺度特征融合和深度哈希的医学图像检索方法，其特征在于，步骤s2中所述的深度卷积神经网络模型采用resnet50网络模型，其框架结构由卷积层、池化层、残差块、全连接层和哈希层构成；

【专利技术属性】
技术研发人员：王逊，周婷婷，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人