|
|||||
|
|
| 基于有监督哈希的肺结节CT图像检索* | |
| 引用本文： | 潘 玲,杜晓平,赵涓涓. 基于有监督哈希的肺结节CT图像检索*[J]. 计算机应用研究, 2017, 34(9) |
| 作者姓名： | 潘 玲 杜晓平 赵涓涓 |
| 作者单位： | 太原理工大学 计算机科学与技术学院,山西省煤炭中心医院 PET-CT中心,太原理工大学 计算机科学与技术学院 |
| 基金项目： | 低剂量CT薄层扫描影像的早期肺癌计算机辅助筛查方法（61540007）；基于医学影像结构和功能混合特征的周围型肺癌计算机辅助诊断方法（61373100）；基于三维重建的周围型肺癌计算机辅助诊断方法（BUAA-VR-15KF02）；序列CT图像的肺部疾病计算机辅助诊断方法研究（BUAA-VR-16KF-13） |
| 摘 要： | 针对传统方法在面对大量肺部数据时检索效率不高的问题，提出了一种基于有监督哈希的肺结节CT图像检索方法。首先，通过图像预处理建立肺结节图像库，并从灰度、形态、纹理方面提取图像多特征；然后，利用监督信息构造哈希函数，将多特征映射为低维哈希码；最后，根据设计的自适应权重计算图像相似度，并返回相似的肺结节图像。实验结果表明，本文方法能有效地实现肺结节CT图像的快速检索，对查询病灶的良恶性分类达到89.45%。 |
| 关 键 词： | 肺结节 图像检索 多特征提取 有监督哈希 自适应权重 分类 |
| 收稿时间： | 2016-06-27 |
| 修稿时间： | 2017-06-02 |
Lung nodules CT image retrieval based on supervised hashing |
|
| Pan Ling,Du Xiaoping and Zhao Juanjuan. Lung nodules CT image retrieval based on supervised hashing[J]. Application Research of Computers, 2017, 34(9) | |
| Authors: | Pan Ling Du Xiaoping Zhao Juanjuan |
| Affiliation: | College of Computer Science and Technology,Taiyuan University of Technology,PET-CT Center,Shanxi coal center hospital, |
| Abstract: | In order to improve the retrieval efficiency when facing a large number of lung images, this paper presented a retrieval method for lung nodules CT image based on supervised hashing. The method firstly built lung nodules image database through image pre-procession and extracted the multi-features from gray, morphology and texture. Then, utilized supervised information to construct hash functions and translated the multi-features into short hash codes. Finally, retrieved the similar lung nodules CT images according to similarity calculation with adaptive weight. Experimental results show that the proposed method can effectively achieve the rapid retrieval of lung nodules CT image and the classification of benign and malignant tumor can reach 89.45%. |
| Keywords: | lung nodules image retrieval multi-feature extraction supervised hashing adaptive weight classification |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 | |
| 点击此处可从《计算机应用研究》下载全文 | |