（生物医学工程专业论文）基于纹理特征的医学图像检索.pdf

硕士学位论文 洲iiiiii ll1 1 1 111i ii iilli 17 7 0 2 4 0 基于纹理特征的医学图像检索 硕士研究生：赵帅 指导教师：陈武凡教授 摘要 在医学领域，随着医学影像设备的大量出现，医学图像已成为现代医疗中 的一种基础性工具，这些医学图像在临床诊疗、医学教学和科研活动中占有不 可替代的地位，由此对医学图像数据进行有效的管理和检索产生了巨大的需求。 对规模越来越大的医学图像数据库进行高效的管理就成为迫切需要解决的问 题。因而将基于内容的图像检索技术( c o n t e n tb a s e di m a g er e t r i e v a l ，c b i r ) z jl 入 到医学领域进行研究是一项非常有意义的工作。 基于内容的医学图像检索( c o n t e n tb a s e dm e d i c a li m a g er e t r i e v a l ，c b m i r ) 的 基本步骤是：对图像数据库中的所有图像进行图像预处理和分析，提取图像特 征，建立特征库，并将特征库与图像库由特定的标识关联起来；在检索过程中， 先提取检索样图相应的特征向量，然后将该特征向量与特征库中的特征向量进 行比较，根据匹配结果在图像数据库中检索出所需要的图像返回给用户；用户 可以对检索结果进行评价和标记，并反馈给系统，系统则利用反馈信息进行学 习，并在再次检索返回更符合用户要求的查询结果。 本文主要围绕医学图像特征提取的关键技术进行研究。在研究了c b i r 现有 特征提取方法的基础上，结合医学图像的成像机理和特点，针对医学图像的纹 理信息，提出了一种基于调幅一调频模型的纹理特征提取方法，采用欧式距离度 量图像之间的相似度。在特征提取算法研究的基础上，设计开发了一个小型的 基于内容检索的医学图像检索系统。本文包括以下的研究工作： 1 ) 系统介绍了基于内容的图像检索的基础知识和若干关键技术，主要包括： c b i r 的体系结构、图像特征的提取和表达方法、相似性度量方法、相关反馈机 制和检索性能评价标准。 2 ) 阐述了非线性信号的调幅调频模型，对调幅调频模型的基本原理、能量分 离算法进行深入的研究，剖析了a m f m 模型在二维图像信号上的应用，最后针 对能量分离算法过程中出现的离散化误差，提出了改进后的e s a 算法。 3 ) 在了解医学图像的特点及m r i 成像原理的基础上，首先对图像进行预处理， 中文摘要 然后采用改进后的能量分离算法( g a b o r - e s a 算法) 对图像提取a m f m 纹理特 征，并采用归一化的欧式距离来比较图像之间的相似程度。离线构建好图像数 据库及特征库，进行实验分析与讨论。 4 ) 实现了一个基于内容的医学图像检索系统。通过实际需求确定了系统功能并 阐述了若干关键功能模块的实现，主要包括图像入库、图像预处理、纹理特征 提取、检索设置和检索等功能模块，还有数据库中表的结构等内容的介绍。 关键词：基于内容的图像检索，基于内容的医学图像检索，调幅一调频模型，纹理特征，能 量分离算法，离散化误差 l l a b s t r a c t w i t ht h ea p p e a r a n c eo fm e d i c a li m a g i n ge q m p m e n ti nt h em e d i c a lf i e l d ，m e d i c a l i m a 西n gh a sb e c o m eab a s i ct o o li nm o d e mm e d i c i n e i tp l a y sa ni r r e p l a c e a b l er o l ei n c l i n i c a ld i a g n o s i sa n dt r e a t m e n t , m e d i c a lt e a c h i n ga n dr e s e a r c h n o w a d a y s , i t s a p p l i c a t i o nr e s e t si nl a r g em e d i c a li m a g ed a t a , a n dg e n e r a t eu r g e n td e m a n do f e f f e c t i v em a n a g e m e n ta n dr e t r i e v a lf o rt h e m h o wt o e f f i c i e n t l ym a n a g el a r g e m e d i c a li m a g ed a m b a s eh a sb e c o m ea nu r g e n tp r o b l e mt ob es o l v e d ，n l et e c h n o l o g y o fc o n t e n t - b a s e di m a g er e t r i e v a l ( c a m ) i si n t r o d u c e di n t om e d i c a lf i e l d r e s e a r c ho n c o n t e n t - b a s e dm e d i c a li m a g er e t r i e v a l ( c b m i r ) i sav e r ys i g n i f i c a n tw o r ka n d b e c o m e sah o tt o p i ci nr e c e n ty e a r s c o n t e n t - b a s e dm e d i c a li m a g er e t r i e v a lh a st h ef o l l o w i n gb a s i cs t e p s f i r s t l y , e s t a b l i s ht h em e d i c a li m a g ed a t a b a s e a l li m a g e si nd a t a b a s es h o u l db ep r e p r o c e s s e d a n da n a l y z e d t h e n , e x t r a c tt h ef e a t u r e sw h i c hc a n e f f e c t i v e l yd e s c r i b et h e c h a r a c t e r i s t i c so fi m a g e sa n de s t a b l i s hf e a t u r ed a t a b a s e f e a t u r ed a t a b a s ea n dm e d i c a l i m a g ed a t a b a s ea r ea s s o c i a t e db yap a r t i c u l a ri d e n t i t y i nt h or e t r i e v a lp r o c e s s ， f e a t u r e so fq u e r ym e d i c a li m a g ea l ee x t r a c t e d ，a n dt h ec o m p a r e d 、) l ，i mf e a t u r e so f m e d i c a li m a g e si nd a t a b a s e s y s t e mr e t r i e v e st h es i m i l a r _ i m a g e sf r o md a t a b a s e a c c o r d i n gt ot h ec o m p a r i s o nr e s u l t n er e t r i e v a lr e s u l tw o u l db ee v a l u a t e db yu s e r s a r 盯l e a r n i n gt h er e t u r ni n f o r m a t i o n , t h es y s t e mr e p a y sab e t t e rr e t r i e v a lr e s u l tt o l 塔e 璐 t h i sp a p e rf o c u s e so nf e a t u r ee x t r a c t i o no fm e d i c a li m a g e s w h i c hi st h ek e y t e c h n o l o g yi nr e t r i e v a ls y s t e m a f t e rs t u d y i n gt h ee x i s t i n gf e a t u r ee x t r a c t i o nm e t h o d ， t h r o u g hc o m b i n i n gm e d i c a li m a g i n gm e c h a n i s m ，at e x t u r ef e a t u r ee x t r a c t i o nm e t h o d i sp r e s e n t e db a s e do na m p l i t u d e f r e q u e n c ym o d u l a t i o nm o d e l u s ee u c l i d e a n d i s t a n c et om e a s u r et h es i m i l a r i t yo ff e a t u r e so fd i f f e r e n ti m a g e s b a s e do nt h i s t e x t u r ef e a t u r ee x t r a c t i o nm e t h o & as m a l lc o n t e n t b a s e dr e t r i e v a ls y s t e mo fm e d i c a l i m a g e si sd e s i g n e d t h i st h e s i si n c l u d e st h ef o l l o w i n gw o r k ： a b s t r a c t ( 1 ) s y s t e m a t i c a l l yi n t r o d u c et h eb a s i ck n o w l e d g eo fc o n t e n t - b a s e di m a g er e t r i e v a l a n ds o m e k e yt e c h n o l o g i e s o fi t , i n c l u d i n g ：c b i ra r c h i t e c t u r e ，i m a g e r e p r e s e n t a t i o na n df e a t u r ee x t r a c t i o nm e t h o d s ，s i m i l a r i t ym a t c h i n g ，a n dr e l e v a n c e f e e d b a c ka n dr e t r i e v a lp e r f o r m a n c ee v a l u a t i o nc d t e r i a ( 2 ) e x p a t i a t eo nn o n l i n e a rs i g n a la m p l i t u d e f r e q u e n c ym o d u l a t i o nm o d e l d e e p l y s t u d yt h eb a s i cp r i n c i p l eo fa m - f mm o d e l sa n de n e r g ys e p a r a t i o na l g o r i t h ma n d a n a l y z et h ea m f mm o d e li nt h ea p p l i c a t i o no ft w o d i m e n s i o n a li m a g es i g n a l f i n a l l y , p r o p o s ea l li m p r o v e de s aa l g o r i t h ma g a i n s td i s c r e t ee l r o ta r i s i n gi n e n e r g ys e p a r a t i o na l g o r i t h m ( 3 ) g r o u n d e do nt h ec h a r a c t e r i s t i c so fm e d i c a li m a g e sa n dm r ip r i n c i p l e ，f i r s t i m a g e sa r ep r e - t r e a t e d , a n dt h e nt h ei m p r o v e de n e r g ys e p a r a t i o na l g o r i t h m ( g a b o r - e s aa l g o r i t h m ) i sa p p l i e dt oe x t r a c ta m f mt e x t u r ef e a t u r e so fm e d i c a l i m a g e s u s et h en o r m a l i z e de u c l i d e a nd i s t a n c et om e a s u r et h ed e g r e eo f s i m i l a r i t yb e t w e e nt h ei m a g e s b u i l di m a g ed a t a b a s ea n df e a t u r ed a t a b a s eo f f i i n e ， a n dt h e nr e t r i e v a le x p e r i m e n t sa r ea n a l y z e da n dd i s c u s s e d ( 4 ) i m p l e m e n ta c o n t e n t - b a s e dm e d i c a li m a g er e t r i e v a ls y s t e m t h es y s t e mf u n c t i o n m o d u l e sa r er e a l i z e da c c o r d i n gt ot h ea c t u a ln e e d s t h ef u n c t i o nm o d u l e si n c l u d e ： s t o r i n go fi m a g e s ，p r e - t r e a t m e n tf o ri m a g e s ，e x t r a c t i o no ft e x t u r ef e a t u r e s ， r e t r i e v a ls e t t i n ga n dr e t r i e v a ls t a g e ，e t c a d d i t i o n a l ，s o m et a b l es t r u c t u r e si nt h e d a t a b a s ea r ei n t e r p r e t e d k e y w o r d s ：c o n t e n t - b a s e di m a g er e t r i e v a l ；c o n t e n t - b a s e dm e d i c a li m a g er e t r i e v a l ；a m - f m m o d e l ；t e x t u r ef e a t u r e s ；e n e r g ys e p a r a t i o na l g o r i t h m ；d i s c r e t ee r r o r 硕士学位论文 目录 摘要i a b s t r a c t i 第一章绪论一l 1 1图像检索的背景1 1 2c b i r 在医学领域的研究意义。2 1 3 医学c b i r 国内外研究现状3 1 4 本文的主要研究内容及章节安排4 参考文献4 第二章基于内容的图像检索的关键技术。7 2 1c b i r 体系结构。7 2 2 图像特征的提取8 2 2 1 颜色特征的提取8 2 2 2 纹理特征的提取9 2 2 3 形状特征的提取l0 2 3图像特征的相似性度量1 1 2 3 1m i n k o w s k i 距离：_ 1r 2 3 2 马氏距离。1 2 2 3 3l p 范数方法1 2 2 3 4z 2 统计方法。1 2 2 3 5 非几何的相似度方法。1 2 2 4 相关反馈1 3 2 5 检索系统的性能评价1 4 2 5 1 查准率和查全率。1 4 2 5 2 命中准确率1 5 2 5 3 排序方法一l5 2 5 4 检索响应时间一1 5 2 6 小结1 6 参考文献16 第三章调幅调频理论研究1 8 3 1 引言18 3 2 调幅调频模型的基本原理1 8 3 2 1 一维能量方程及一维能量分离算法1 9 3 2 2 多维能量方程及多维能量分离算法2 2 目录 3 3a m f m 图像模型。2 3 3 4 二维g a b o r - e s a 算法2 4 3 5 小结2 5 参考文献一2 5 第四章基于a m f m 纹理特征的脑部m r 图像检索2 7 4 1 医学图像的特点2 7 4 2 脑组织的提取2 8 4 2 1 轮廓初始化。2 8 4 2 2 轮廓演化。2 8 4 3 纹理特征的提取3 0 4 3 1 调幅一调频模型介绍3 0 4 3 2 二维g a b o r - e s a 算法3l 4 3 3a m f m 纹理特征的提取3 3 4 4 实验设计与分析。3 3 4 5 小结3 6 参考文献一3 6 第五章基于内容医学图像检索系统的设计与实现3 8 5 1 系统功能需求分析3 8 5 2 数据库的组织3 9 5 3 数据库的访问4 0 5 3 1 准备工作4 0 5 3 2a d o 访问数据库。4 0 5 4 系统功能介绍4 l 第六章总结与展望4 3 6 1 工作总结4 3 6 2 工作展望4 3 完成和发表的论文4 4 致谢4 5 2 硕士学位论文 第一章绪论 1 1图像检索的背景 近年来，随着计算机技术和多媒体技术的发展突飞猛进，图像、视频数据 呈现级数增长趋势，大容量存储设备和数字设备普及，于是出现了大容量存储 数据库系统。这些存储系统将各种非文本数据，如数字化的声音、图像和视频 等集成到系统中，使现代社会拥有了以往无法比拟的丰富的信息资源。然而， 系统并没有提供对这些数据信息有效和高效地管理，无法在需要时快速找到相 应的数据信息，大量的信息淹没在数据库中。因此，如何迅速、准确的从海量 的图像中查询到所需要的图像成为当前研究热点之一。 传统的检索技术是基于关键字的精确匹配检索，用相关的文字对图像进行 说明、标注，查询图像时根据标注的文字查找。这种方法在小数据量时是比较 直接和有效的，但随着图像的爆炸性增长，在大型数据库中使用传统的基于关 键字的检索技术越来越不能适应图像检索的要求。这种检索技术不仅耗时费力， 带有很强的主观性，而且用文字也很难反映图像中包含的丰富的视觉内容。 为了克服传统的图像检索技术的缺陷，有效的管理和查询图像，人们开始 致力于一种新的图像检索技术的研究，基于内容的图像检索技术( c o n t e n tb a s e d i m a g er e t r i e v a l ，c b i r ) 应运而生。c b i r 的基本思想【l 卅是根据图像的内容提取出 特定的信息特征，然后根据这些特征从大量的图像中进行匹配，检索出具有相 似特征的图像。这些特征可以基于空间域，也可以基于频率域，可以是视觉信 息，如颜色，形状，纹理等，也可以是语义高级信息。它区别于传统的检索技 术，采用该方法，用户不需要对检索的图像进行精确地表述，克服了传统检索 方法中需要人工标注图像所带来的缺陷，比较适合实际应用；同时检索过程具 有很强的交互性，用户可以参与，系统可以不断地根据用户的需求改变查询结 果，提高查询的效率，也更符合用户的需求。 基于内容的图像检索技术自产生以来，广泛应用于多个领域，如：军事， 知识产权保护，w e b 搜索，预防犯罪等。基于内容的图像检索技术的发展，也给 医学事业带来了很大的发展契机r 7 1 。信息检索与基于内容的医学图像检索的关系 如图1 1 所示。 第一章绪论 信息 检索 基于内容的多i、l 基于内容的i、i 基于内容的 媒体信息检 基于文本方式 检索的局限性 l 医学领域中 的应用 学图像检索 图1 - 1 信息检索与基于内容的医学图像检索的关系 f i g l - 1t h er e l a t i o n s h i po fi n f o r m a t i o nr e t r i e v a la n dc b m i r 1 2c b i r 在医学领域的研究意义 在医学领域，随着x 线，c t , m r i 等医学影像设备的大量出现，各类医学图 像已成为现代医疗中的一门基础性技术，这些医学图像在临床诊疗、医学教学 和科研活动中占有不可替代的地位，由此对医学图像数据进行有效的管理和检 索产生了巨大的需求。人们对医学图像的查询需求不断增长，使得对规模越来 越大的医学图像数据库进行高效的管理就成为迫切需要解决的问题。因而将基 于内容的检索技术引入到医学领域进行研究是一项非常有意义的工作。 基于内容的医学图像检索( c o n t e n tb a s e dm e d i c a li m a g er e t r i e v a l ，c b m i r ) 在 临床、教学和科研中都将发挥重要的作用。在临床诊断中，可以根据病变区域 的信息建立特征库，进而实现疾病智能诊断。对于无经验的实习医生或经验少 的医师，检索的结果能给他们的诊断提供必要的建议；在教学中，教师不仅可 以从大型的医学图像数据库中搜索感兴趣的病例展示给学生，而且还可以选择 视觉相似的不同疾病的病例来区分各种疾病的关键不同之处，以此提高教学质 量。而科研同样可以从中受益。 由此可见，c b i r 技术在医学领域的应用前景非常广阔。但是在实际的应用 过程中仍存在一些问题。医学领域对c b i r 技术的需求是迫切的，很多图像检索 系统在实现时也都是采用的医学图像来进行算法演示，但是很少有人真正的根 据医学图像的特点及专业要求来进行图像分析；性能指标是检验一个图像检索 系统实用性的重要指标，医学图像检索的性能分析离不开对诊断效果的分析， 但是现有的医学图像系统评价检索性能时并没有针对临床诊断效果的分析：基 于内容的图像检索的特点是基于相似性的匹配，而非精确匹配，医学图像库本 来就存在许多相似图像，要想从图像库中检索出具有相同病理特征的相似医学 图像难度更大，不仅需要一般的图像学特征，而且还需要将这些特征与医学需 要相结合，将人工智能技术与图像技术相结合，进行符合医学需要的内容检索。 2 硕士学位论文 1 3 医学c b i r 国内外研究现状 医学图像因其多模态、数据的庞大和对精度的高要求，并且要求检索速度 快，查询准确率高，特征存储空间小，使得对基于内容的医学图像检索研究难 度很大。 国外在这方面的研究起步较早，目前已有的检索系统和研究成果包括： 美国p u r d u e 大学研究的原型系统a s s e r t - ap h y s i c i a n - i n - t h e 1 0 0 p c o n t e n t - b a s e dr e t r i e v a ls y s t e m 弘1 1 】，该系统针对肺部的高分辨率c t 图 像进行研究。在图像入库时，由医生指定病理区域( p a t h o l o g yb e a r i n g r e g i o n s ，p b r ) ，然后根据医生对该病理区域的知觉分类提取了2 5 5 维纹 理、形状、灰度等特征，存入特征库，并且由训练样本集确定任意两个 病理类型的分类器，库中的所有图像都被标明了疾病种类。该系统不但 可以进行图像检索，而且可以起到辅助诊断的作用，不足是特征向量维 数太高，计算复杂度较高； 美国l o sa l a m o s 国家实验室的c td a t a b a s e 系统【1 2 】，该数据库中包含大 量肺部不同疾病的c t 图像，系统对所有c t 图像提取纹理特征并建立 特征库，查询时只比较查询样图和库中图像的特征向量，可以快速的找 到需要的图像； 美国加州大学洛杉矶分校研究的基于知识的脑部m r i 图像检索系统 1 3 , 1 4 ，该系统针对脑部的肿瘤病变建立了一个四层模型，将肿瘤几何形， 状及与脑组织间的空间关系等高层语义转变为底层特征参数，用高级语 义与底层特征相结合的检索方式； 瑞士g e n e v a 大学医院开发的c a s i m a g e ，针对多种模态医学图像，提取 了约1 9 0 维的全局、局部颜色特征和纹理特征，并集成到p a c s 系统中， 采用文本与内容结合的检索方式； 此外还有希腊c r e t e 大学医学信息系统实验室集成在其研制的t e l e p a c s 系统中的针对二维放射医学图像的1 2 c ( i m a g ei n d e x i n gb yc o n t e n t ) 系统 和c a r n e g i e m e l l o n 大学研制的三维神经图像检索系统【1 5 1 ，这两个系统 都是用于脑肿瘤的辅助诊断的。 在国内，基于内容的医学图像检索研究工作方兴未艾，相关的报道有 1 6 - 2 0 。对于医学图像检索，不仅要考虑图像病变区域的信息，而且还涉及到 与图像相关联的其他医学信息，例如医生的诊断报告等。随着图像处理技术和 数据库技术的不断发展，医学信息检索技术和高级语义检索技术必然要在基于 3 第一章绪论 内容的医学图像检索中起到重要的作用，这正是今后发展的必然方向，也是基 于内容的医学图像检索系统走向真正广泛应用的必由之路。 1 4 本文的主要研究内容及章节安排 本文的主要研究目标是将c b i r 技术应用于医学领域，使图像检索技术与医 学图像有机地结合，解决医学图像检索中某些关键技术，为医学影像学学者和 相关科研人员提供帮助，使基于内容的图像检索技术在医学领域中朝着实用化 的方向发展。 第一章首先描述了图像检索的背景和基于内容的医学图像检索的研究意义， 阐述了医学c b i r 国内外研究现状，其次介绍了文章的主要研究内容及章节安 排。 第二章系统介绍了基于内容的图像检索的基础知识和若干关键技术，主要包 括：c b i r 的体系结构、图像特征的提取和表达方法、相似性匹配方法、相关反 馈机制和检索性能评价标准。这些内容为研究基于内容的图像检索在医学领域 中的应用奠定基础。 第三章介绍了调幅调频模型的基本理论。首先阐述了基于语音信号的调幅一 调频模型，然后对调幅一调频模型的基本原理、能量分离算法进行深入的研究， 剖析了a m f m 模型在二维图像信号上的应用，最后针对能量分离算法过程中出 现的离散化误差，提出了改进后的e s a 算法。 第四章在了解医学图像的特点及m r i 成像原理基础上，先对图像进行预处 理，提取出脑组织，然后采用改进后的能量分离算法( g a b o r - e s a 算法) 对图像提 取a m f m 纹理特征，并采用归一化的欧式距离来比较图像之间的相似程度。离 线构建好图像数据库及特征库，进行实验分析与讨论，最后是本章小结。 第五章是基于内容的医学图像检索系统的设计分析与具体实现。通过实际 需求确定了系统功能并阐述了若干关键功能模块的实现，主要包括图像入库、 图像预处理、纹理特征提取、检索设置和检索等功能模块，还有数据库中表的 结构等内容的介绍。 第六章对所做的工作进行总结，并对今后的努力和发展方向进行了展望。 参考文献 【1 】m m l e rh ，m i c h o u xn ，b a n d o nd ，e ta 1 ar e v i e wo fc o n t e n t - b a s e di m a g e r e t r i e v a ls y s t e m si nm e d i c a la p p l i c a t i o n s c l i n i c a lb e n e f i t sa n df u t u r ed i r e c t i o n s 叨i n t e r n a t i o n a lj o u r n a lo f m e x i i c a li n f o r m a t i c s ，2 0 0 4 ，7 3 ( 1 ) ：1 2 3 【2 】s m e u l d e r sa w , w o r r i n gm ，s a n t i n is ，e ta 1 c o n t e n t - b a s e di m a g er e t r i e v a la tt h e 4 硕士学位论文 e n do f t h ee a r l yy e a r s 叨i e e et r a m p a t t e r na n a l y s i sa n dm a c h i n e i n t e l l i g e n c e ， 2 0 0 0 ，2 2 ( 12 ) ：13 4 9 - 13 8 0 【3 】d a t t ar j o s h id ，l ij ，w a n gj z i m a g er e t r i e v a l ：i d e a s ，i n f l u e n c e s ，a n dt r e n d s o f t h en e w a g e 【c 】a c mc o m p u t i n gs u r v e y s ，2 0 0 8 ，4 0 ( 6 5 ) 【4 】d a t t ar j o s h id ，l ij w a n gj z c o n t e n t - b a s e di m a g er e t r i e v a l a p p r o a c h e sa n d t r e n d so ft h en e wa g e 【c 】p r o c e e d i n g so ft h e7 t hi n t e r n a t i o n a lw o r k s h o po n m u l t i m e d i ai n f o r m a t i o nr e t r i e v a l ，i nc o n j u n c t i o n 诵廿la c mi n t e r n a t i o n a l c o n f e r e n c eo nm u l t i m e d i a , s i n g a p o r e ，a c m ，n o v e m b e r2 0 0 5 2 5 3 - 2 6 2 【5 】a i g r a i np z h a n gh ，p e t k o v i cd c o n t e n t - b a s e dr e p r e s e n t a t i o na n dr e t r i e v a lo f v i s u a lm e d i a ：ar e v i e wo ft h e s t a t e o f - t h e a r t 【j 】m u l t i m e d i at o o l sa n d a p p l i c a t i o n s ，19 9 6 ，3 ( 3 ) ：17 9 2 0 2 【6 】y a n gz j ，k u oc - c j s u r v e yo ni m a g ec o n t e n ta n a l y s i s ，i n d e x i n g ，a n dr e t r i e v a l t e c h n i q u e sa n ds t a t u sr e p o r to fm p e g - 7 叨t a m k a n gj o u r n a lo fs c i e n c ea n d e n g i n e e r i n g ，1 9 9 9 ，2 ( 3 ) ：1 0 1 1 1 8 【7 】t a g a r eh d ，j a f f ec c ，d u n c a nj m e d i c a li m a g ed a t a b a s e s ：ac o n t e n t - b a s e d r e t r i e v a la p p r o a c h j j o u r n a lo ft h ea m e r i c a nm e d i c a li n f o r m a t i c sa s s o c i a t i o n 1 9 9 7 ，4 ：1 8 4 1 9 8 【8 】s h y ucrb r o d l e yce ，e ta 1 a s s e r t ：ap h y s i c i a n - i n - t h e 1 0 0 pc o n t e n t - b a s e d r e t r i e v a ls y s t e mf o rh r c ti m a g ed a t a b a s e s j c o m p u t e rv i s i o na n di m a g e ，一一 u n d e r s t a n d i n g ，1 9 9 9 ，7 5 ( 1 2 ) ：1 1 1 1 3 2 【9 】s h y ucrp a v l o p o u l o uc ，e ta 1 u s i n gh u m a np e r c e p t u a lc a t e g o r i e sf o r c o n t e n t - b a s e dr e t r i e v a lf r o mam e d i c a li m a g ed a t a b a s e j c o m p u t e rv i s i o na n d i m a g eu n d e r s t a n d i n g ，2 0 0 2 ，8 8 ：119 151 【10 】k a kap a v l o p o u l o uc c o n t e n t - b a s e di m a g er e t r i e v a lf r o ml a r g em e d i c a l d a t a b a s e s c p r o c o ft h ef i r s ti n t e m a t i o n a ls y m p o s i u mo n3 d p v t 0 2o f i e e e ， 2 0 0 2 ：1 3 8 1 4 7 【1 1 】m a r c h i o r i 八b r o d l e yc c b i rf o rm e d i c a li m a g e s a ne v a l u a t i o nt r i a l c i n ： i e e ew o r k s h o po nc b a l 2 0 0 l ，d e c 2 0 01 ：8 9 9 3 【12 】k e l l ypm ，c a n n o ntm ，a n dh u s hdi lq u e r yb yi m a g ee x a m p l e ：t h e c a n d i da p p r o a c h c p r o c o fs p i ec o n f e r e n c eo fs t o r a g ea n dr e t r i e v a lf o r i m a g ea n dv i d e od a t a b a s e si i l ，1 9 9 5 ：2 3 8 - 2 4 8 【13 】c h uww h s ucc ，e ta 1 k n o w l e d g e - b a s e di m a g er e t r i e v a l 、i t l ls p a t i a la n d t e m p o r a lc o u s t r u c t s 阴i e e et r a m o nk n o w l e d g ea n dd a t ae n g i n e e r i n g ，1 9 9 8 ， 1 0 ( 6 ) ：8 7 2 - 8 8 8 【1 4 】h s ucc ，c h uww e ta 1 ak n o w l e d g e - b a s e da p p r o a c hf o rr e t r i e v i n gi m a g e sb y c o n t e n t j i e e e t r a n s o n k n o w l e d g e a n dd a t a e n g i n e e r i n g ，1 9 9 6 ， 5 第一章绪论 8 ( 4 ) ：5 2 2 - 5 3 2 15 】l i uyx ，r o t h f u swe ，k a n a d et - c o n t e n t - b a s e d3 dn e u r o r a d i o l o g i ci m a g e r e t r i e v a l - p r e l i m i n a r yr e s u l t s c p r o c o fi e e ei n t e r n a t i o n a lw o r k s h o p o n c o n t e n t - b a s e da c c e s s o fi m a g ea n d v i d e od a t a b a s e ，j a n 19 9 8 ：91 10 0 【1 6 】蔡蕾，王珂，张立保基于局部二值模式的医学图像检索 j 光电子一激 光，2 0 0 8 ，1 9 ( 1 ) ：1 0 4 1 0 6 【1 7 】李顺天，庄天戈，陈辉基于灰度直方图和互相关方法的