《基於稀疏表示技術的大規模醫學圖像檢索新方法研究》是依託復旦大學，由馬煜擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於稀疏表示技術的大規模醫學圖像檢索新方法研究
- 依託單位：復旦大學
- 項目類別：青年科學基金項目
- 項目負責人：馬煜
項目摘要,結題摘要,
項目摘要
現有的大規模醫學圖像檢索方法在精度和速度方面無法滿足實際套用的需求。本項目提出一種新思路，探索最新的稀疏表示技術在大規模醫學圖像檢索中的套用，以突破檢索精度和速度的瓶頸，為醫學圖像檢索系統實用性的增強提供新方法和理論基礎。.首先採用特徵包技術綜合醫學圖像的各類特徵，通過訓練產生過完備的特徵字典，並對特徵包進行稀疏投影以得到稀疏特徵，獲得比現有方法更好的特徵融合效果，從而提高檢索精度；此外，稀疏字典和稀疏表示係數的數據量遠小於傳統特徵的數據量，可顯著降低特徵存儲空間。然後利用稀疏特徵相似性度量和索引算法進行檢索，計算量低於傳統特徵的相似性度量和索引，提高了檢索速度。最後利用相關反饋技術對系統各部分的算法進行修改，獲取最好的總體性能。總之，基於稀疏表示技術的新方法有望在檢索精度、速度和存儲空間等性能上超越現有方法，對大規模醫學圖像檢索系統綜合性能的提高具有重要意義。
結題摘要
隨著信息技術的發展，醫學圖像檢索技術在醫療信息系統、遠程診斷、遠程醫療服務、醫學教學等各種不同的套用中起著越來越重要的作用。由於醫學圖像數量增加的速度非常快，圖像資料庫的規模都非常大。現有的大規模醫學圖像檢索方法在精度和速度方面無法滿足實際套用的需求。本項目探索了最新的稀疏表示技術在大規模醫學圖像檢索中的套用，通過對醫學圖像特徵的稀疏表示、稀疏特徵的相似性度量和稀疏特徵的相似性索引等新技術的研究，有效提高醫學圖像檢索的精度和速度，為醫學圖像檢索系統實用性的增強提供新方法和理論基礎。研究中建立了用於研究的大規模醫學圖像資料庫，對所有圖像建立了索引和人工標註，對圖像進行了特徵提取，將這些特徵組合成特徵包，比較了對圖像直接進行稀疏表示和對特徵包進行稀疏表示的效果；研究了大規模醫學圖像特徵稀疏表示的字典學習方法，對傳統的方法進行了改進，提出了採用動態字典策略的字典學習方法，最佳化了生成字典的尺度；針對醫學圖像中包含文本信息的特點，提出了一種醫學圖像文本區域自動檢測方法，挖掘內嵌在醫學圖像中的文本信息，為檢索提供更多的參考條件；研究了稀疏特徵的相似性度量方法，提出了一種基於多尺度近鄰搜尋的特徵相似度快速計算方法，降低了相似性度量的計算量和稀疏特徵的存儲空間；將最新的基於哈希的最近鄰搜尋方法套用於特徵索引中，提高了稀疏特徵最近鄰搜尋的效率；設計了基於稀疏表示的大規模醫學圖像檢索系統，並採用相關反饋技術對採用的新算法進行了改進和最佳化。本課題所探索的基於稀疏表示技術的各種新方法有望提升醫學圖像檢索在檢索精度、速度和存儲空間等方面的性能，對很多稀疏表示技術進行比較的結果也將有助於後續研究的開展，對大規模醫學圖像檢索系統綜合性能的提高具有重要意義。
