《面向影像表現的肺部CT圖像檢索方法研究》是依託北京理工大學，由劉峽壁擔任項目負責人的面上項目。
基本介紹
- 中文名：面向影像表現的肺部CT圖像檢索方法研究
- 依託單位：北京理工大學
- 項目負責人：劉峽壁
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
隨著醫學圖像數量的迅猛增長，有效的基於內容的醫學圖像檢索技術將在醫學進步過程中發揮重要的輔助作用。疾病影像表現是醫學圖像中的關鍵內容，而目前按照影像表現來組織、索引和檢索醫學圖像的方法尚不多見。本項目結合臨床套用，研究面向影像表現的醫學圖像檢索方法，將影像表現分為常見表現和少見表現兩大類，分別按照概念檢索和圖例檢索的方式處理。在此基礎上，根據用戶在圖像上圈定的影像表現區域，快速準確地搜尋資料庫中含有類似影像表現的圖像及其診斷資料，為醫生進行疾病的診斷、治療、研究和教育提供便利。圍繞上述目標，主要研究內容包括病變區域提取方法、常見影像表現分類方法、少見影像表現匹配方法以及多影像表現聯合檢索方法。將通過醫院臨床實驗來驗證所提出的方法。
結題摘要
本項目研究面向影像表現的醫學圖像檢索方法，為醫生進行疾病的診斷、治療、研究和教育提供便利。圍繞該目標，在徵象資料庫建設、徵象分類、徵象檢測、徵象檢索、基於徵象的肺部CT檢索原型系統等幾個方面進行了研究，重要研究成果如下: 1. 徵象資料庫建設方面：構建了含有511個2D徵象和166個3D徵象的資料庫，並對外公開發布，簡稱LISS資料庫。2D徵象包括9類，分別是GGO、分葉、鈣化、空洞空泡、毛刺、胸膜牽拉、支氣管通氣症、支氣管粘液栓和阻塞性肺炎，每類各有18~147個樣本不等。3D徵象為GGO徵象。 2. 徵象分類方面：（1）提出了基於Fisher準則和遺傳最佳化的特徵選擇方法，簡稱FIG，在常見徵象類別上進行了細緻的實驗，結果表明所提出的FIG方法是有效的。（2）提出了基於歷史和線上分類可信度的分類器融合方法，簡稱HISON，在常見徵象分類問題上取得良好的實驗效果，優於常用的Bagging和Boosting方法。 3. 徵象檢測方面：分別研究了GGO、分葉症、毛刺的檢測方法，重點是GGO檢測。（1）對已有GGO檢測方法進行了細緻的梳理，總結了共性的檢測框架，分析比較了該框架下各主要步驟中的主要方法，對於相關研究有較好的參考價值；（2）提出了基於高斯混合建模與最大最小後驗偽機率判別學習的2D GGO檢測方法，取得了較好的敏感度與特異度，優於比較的其它方法；（3）提出了局部到全局的多層閾值分割方法與最小貝葉斯風險判別學習方法，並套用於2D GGO檢測，在保證較理想的敏感度的前提下，儘量提高了檢測的特異度，具有良好的綜合性能和實用性。 4. 徵象檢索方面：（1）提出了一種基於圖像二分類器線上學習的網路圖像搜尋結果改進方法，針對Google搜尋引擎的實驗結果表明該方法是有效的。（2）提出了基於高斯混合模型樹的遞增聚類方法，簡稱ICGT。該方法通過對數據進行分層的高斯混合建模，能高效準確地在大數據流上進行聚類，具有良好的套用前景；（3）提出了一種基於語義-視覺相似度與數據流形的醫學圖像檢索方法，通過融合語義與視覺相似性，並考慮資料庫圖像之間的相似關係，取得了良好的檢索效果與計算性能。 5. 原型系統構建方面：實現了一套基於徵象的肺部CT檢索原型系統，具有圖像放大、縮小、標註、調窗、徵象自動檢測、徵象分類、相似檢索等功能，初步具備可套用性。
