文摘gydF4y2Ba

灰度医学图像检索系统中最关键的步骤是特征提取。理解病变图像的特征之间的相互关系和相应的成像特性形象培训至关重要,以及特征提取。特征提取算法是基于不同成像性质的病变和病变之间的密度差和周围正常肝组织在三相对比度增强计算机断层扫描(CT)。该算法主要包括两个过程:(1)距离变换,用于将病变分为不同的区域,代表了空间结构分布和使用袋(2)表示视觉单词(鞠躬)基于区域。评价该系统的基础上,提出了特征提取算法显示了三种类型的肝脏病变的检索结果显示在三相扫描CT图像。提出的特征提取算法的结果表明,尽管单相扫描实现平均精度为81.9%,80.8%,和70.2%,双三相扫描达到86.3%和88.0%。gydF4y2Ba

1。介绍gydF4y2Ba

电脑断层(CT)是一个主要的成像技术对肝脏局灶性病变的检测和表征。目前,CT是广泛用于肝肿瘤的诊断。大量的信息可以从CT获得;然而,即使是有经验的放射科医生或内科医生有困难解释所有的图像在某些情况下在短时间内。此外,解释在放射科医生显示实质性的变化(gydF4y2Ba1gydF4y2Ba,gydF4y2Ba2gydF4y2Ba),其精度差别很大(考虑到越来越多的图像gydF4y2Ba3gydF4y2Ba]。gydF4y2Ba

研究CT图像检索有先例gydF4y2Ba4gydF4y2Ba];然而,现有的医学图像处理技术不够成熟。因此,诊断的结果往往并不理想。在全国范围内,随着图像处理和人工智能的发展,设计和开发的计算机辅助诊断系统”来形容肝脏病变得到了相当大的关注在过去的几年中,因为这些系统可以提供诊断帮助临床医生提高诊断(gydF4y2Ba5gydF4y2Ba,gydF4y2Ba6gydF4y2Ba]。有机地结合图像处理的关键技术和医学成像技术已经成为一个主要研究目标提供科学、方便、准确的医学手段和支持诊断对放射科医生的建议。这样的系统实现图像检索系统,使放射学家寻找放射学病人数据库,并返回情况下类似的与他们当前的情况下共享成像特性。目前,许多图像检索应用程序是用于医学领域。这些应用程序不仅能够检索相似的解剖区域(gydF4y2Ba7gydF4y2Ba- - - - - -gydF4y2Ba9gydF4y2Ba),但也类似的病变(gydF4y2Ba10gydF4y2Ba- - - - - -gydF4y2Ba13gydF4y2Ba]。gydF4y2Ba

在图像检索系统中最关键的一步是特征提取,特别是对于灰度医学图像。尽管低级特性,如灰色,纹理和形状gydF4y2Ba14gydF4y2Ba,gydF4y2Ba15gydF4y2Ba)是常用的放射图像的视觉感知,他们不能充分表达图像或区分病变。不幸的是,临床诊断决策一般基于医学成像病变的行为。因此,损伤图像的特征之间的相互关系的理解和相应的成像特性对图像训练至关重要(gydF4y2Ba16gydF4y2Ba)以及特征提取。一些放射性研究最近报道的相关性之间的关系(gydF4y2Ba17gydF4y2Ba]。gydF4y2Ba

当前研究的目的有三个。(1)肝损伤的特征提取算法考虑放射学家的观点提供了关于在三相CT诊断;(2)一个基于内容的图像检索(CBIR)系统。这个系统可以促进放射学图像的检索查询病人出现病变与相似,和(3)的基础上评价该系统的实现。肝癌、肝血管瘤和肝囊肿是最常见的恶性和良性肿瘤。拟议的功能算法来源于不同的成像特点,图像和周围肝实质病变在三相CT图像,包括临床医生的诊断角度或放射科医生对三种类型的肿瘤患者。gydF4y2Ba

2。方法gydF4y2Ba

图gydF4y2Ba1gydF4y2Ba总结了当前系统的基础上,提出了特征提取。下面详细具体的开发和实现。gydF4y2Ba

2.1。肝脏病变gydF4y2Ba

三相对比增强CT扫描肝肿瘤的诊断中发挥重要作用,因为三相图片完全显示肝癌的血液供应丰富的特点(图gydF4y2Ba2gydF4y2Ba)。在动脉期,大多数与丰富的血液供给组织出现hyper-enhancement病变。密度显著高于正常肝实质,因为肝实质没有达到增强的高峰。在门户静脉阶段,薄壁组织达到高峰,而病变几乎与血液供应。肿瘤的特点是低密度结节相对于实质。“快,快出去”是最典型的运动HCC与丰富的血液供应。gydF4y2Ba

CT扫描是首选肝血管瘤成像方法。血管瘤的增强特征如下。的边缘增强动脉期通常出现严重病变,和对比剂逐渐进入病变,从边缘到中心的随着时间的推移,它提供了一种可靠的诊断HCC和血管瘤的基础。“快,慢”是最伤害运动特征。因此,病变的密度高于动脉的实质阶段,低于实质门户中静脉损伤,这也是区分肝癌和肝血管瘤的典型行为。gydF4y2Ba

肝囊肿通常是良性的,和三相增强CT扫描的囊肿表现为单个或多个,圆形或椭圆形,边缘光滑和均匀低密度。CT是接近水的价值。肝囊肿的图像对比度增强后没有受到进一步增强。gydF4y2Ba

两个事实总结三相对比度增强CT图像的特点。首先,多数病变的肝细胞癌和肝血管瘤具有特殊特性的变化,而没有改变发生在囊肿。第二,周围肝实质病变的信息是很重要的,因为病变之间的密度差和邻近正常实质三相扫描。因此,根据上述的分析,提出了损伤特征提取算法考虑到肝脏局灶性病变的特定行为及其周围肝实质后增强。gydF4y2Ba

2.2。计算机生成的功能gydF4y2Ba

表示袋视觉单词结合距离变换gydF4y2Ba。提出的特征提取算法旨在满足放射诊断意见的要求,作为派生形成的分析部分gydF4y2Ba2.1gydF4y2Ba。算法主要包括两个过程:(1)距离变换,用于将病变分为不同的区域,代表了空间结构分布和(2)袋视觉单词的表示(弓)基于区域,这是关键的一步。通常,病变实验分为三个区域,最适合成像分析上述疾病的放射学家在三阶段。选择数量CBIR的性能的影响在本文稍后讨论。算法描述如下。gydF4y2Ba

2.2.1。分区的病变通过距离变换gydF4y2Ba

距离变换的概念已被广泛应用于图像分析、计算机视觉、模式识别引入以来,罗森菲尔德和Pfaltz [gydF4y2Ba18gydF4y2Ba1966年)。gydF4y2Ba

距离变换进行二进制图像产生一个灰度图像,如图像的距离。每个像素点的灰度值的图像像素之间的距离和距离最近的背景像素。在二维空间,一个二进制图像仅包含两种像素:目标像素和背景像素。目标像素的值是1,背景像素的值是0。目前,各种各样的距离变换算法,这些算法主要采用两种距离:非欧几里得的距离和欧氏距离。前方法一般包括城市街区,棋盘,倒角。街区距离变换用于本文转换后因为距离值是整数,哪个更方便后续分区的病变。gydF4y2Ba

然后,二进制图像变换的图像的距离。集gydF4y2Ba商和余数分别产生的部门由三个层数。将病变分为三个区域,每个区域的层数gydF4y2Ba和gydF4y2Ba分别从病变的边界到中心。gydF4y2Ba

除了考虑到损伤变化,相邻正常肝实质密度差异和三期扫描的病变也是放射科医生的诊断的基础。因此,周围肝实质病变被认为是第四个区域(图gydF4y2Ba3gydF4y2Ba)。假设病变区域的边界框gydF4y2Ba如果每一方盒子的两个像素的延伸,一个边界框,包括病变的大小gydF4y2Ba终于获得。因此,新盒子不仅包含肿瘤,而且周围正常肝实质。gydF4y2Ba

2.2.2。区域弓gydF4y2Ba

通常,鞠躬表示包括四个主要步骤:(1)补丁检测到感兴趣的图像区域;(2)本地补丁用特征向量来描述(局部描述符);(3)特性是量子化的,标记的一个预定义的字典,也就是说,电报密码本的构建过程;(4)构造直方图通过积累的标签,每个图像的特征向量数据库。gydF4y2Ba

在接下来的实验中,所使用的弓方法,一般来说,遵循传统视觉码方法(gydF4y2Ba19gydF4y2Ba- - - - - -gydF4y2Ba22gydF4y2Ba]。的方法是通过选择补丁图像,特征向量的当地的视觉描述符,并使用学习视觉码标签向量。每个标签的发生是建立一个全球量化直方图,总结了图像内容。然后进行直方图距离度量方法来估计图像的疾病类别标签。从每个像素点提取的补丁的肿瘤图像。码字词汇通常是通过集群训练图像的描述符。强度值是用来描述当地的视觉描述符,它含蓄地反映病变在CT图像的类别,从而提供更重要的信息。无人管理的gydF4y2BaKgydF4y2Ba选择聚类作为基码则学习者在当前的纸。gydF4y2Ba

选择大小的正方形补丁是七。这个选择考虑的限制太多图像数据库中,像囊肿病变的大小限制。基本上,一个图像的直方图表示词的频率描述码字的码书的概率密度。一个放射图像的背景灰度值是0。因此,补丁包含更多的背景像素中节省时间和简单计算。块的像素值不等于0将大于15。的词汇gydF4y2Ba与gydF4y2BaNgydF4y2Ba码字,传统的码书模型估计的分布在图像的码字gydF4y2BargydF4y2Ba补丁gydF4y2Ba通过gydF4y2Ba,在那里gydF4y2Ba 表示gydF4y2Ba码字之间的距离gydF4y2Ba在词汇和图像补丁。gydF4y2Ba

每个区域的量化向量的病变得到使用上面描述的方法。病变的最终功能表达的安排。弓的过程如图gydF4y2Ba4gydF4y2Ba。每个病人在不同阶段的特点来确定所有对应的图像的平均值计算。例如,如果一个肝癌患者有6个图片(一个动脉相图像,三个门户静脉相图像,和两个延迟相位图像),门户的功能用于检索静脉阶段,利用(门户静脉动脉相+阶段),或三相三个图像的相应的平均特性,四个图像或所有六个图片。gydF4y2Ba

2.3。常见的低级功能gydF4y2Ba

对于每个病变,病变区域内的多个特性计算利息(ROI)。gydF4y2Ba

2.3.1。强度特性gydF4y2Ba

以下五个强度特性计算:意思是,标准差,灰度直方图的熵,偏态,kurtness [gydF4y2Ba23gydF4y2Ba]。gydF4y2Ba

2.3.2。纹理特征gydF4y2Ba

应用灰度共生矩阵建立灰度同现矩阵()(gydF4y2Ba23gydF4y2Ba- - - - - -gydF4y2Ba25gydF4y2Ba和伽柏gydF4y2Ba26gydF4y2Ba,gydF4y2Ba27gydF4y2Ba描述每个ROI的纹理特征。应用灰度共生矩阵建立16个特征计算在当前使用对比实验,同质性、能源、相关性四个角(即,gydF4y2Ba),距离为1。接下来,48伽柏特性计算均值和标准差的能量在频域四个尺度和六个方向。高频系数的均值和标准差的三级Daubechies4小波分解计算,导致12特性。gydF4y2Ba

2.3.3。形状特征gydF4y2Ba

小波系数的统计形状签名是用来描述肿瘤的形状。一维形状签名gydF4y2Ba基于径向距离,定义如下:gydF4y2Ba 在哪里gydF4y2Ba和gydF4y2Ba的坐标吗gydF4y2Ba肿瘤边界点,gydF4y2Ba和gydF4y2Ba是肿瘤区域的质心的坐标。十二特性计算均值和方差的每个子带的小波系数的绝对值的五级一维小波分解。gydF4y2Ba

这个计算收益率93特性。gydF4y2Ba

2.4。相似性距离度量gydF4y2Ba

当病变的特征向量包含详细的成像信息计算,系统计算它们之间的相似距离的措施,也就是说,对应的图像之间的相似性。病变的相似性定义为各自的特性的对应元素之间的距离向量描述病变。之前的研究表明,设计良好的距离度量可以导致更好的检索和分类性能与欧几里得距离(gydF4y2Ba28gydF4y2Ba- - - - - -gydF4y2Ba31日gydF4y2Ba]。距离度量学习的目标是确定一个线性变换矩阵项目合并成一个新的特征空间的特性可以优化一个预定义的目标函数。距离度量学习算法用于本文距离L1, L2距离,正规化的线性判别分析(RLDA) [gydF4y2Ba32gydF4y2Ba- - - - - -gydF4y2Ba34gydF4y2Ba),和线性判别预测(LDP) (gydF4y2Ba35gydF4y2Ba- - - - - -gydF4y2Ba37gydF4y2Ba]。gydF4y2Ba

在L1范数的距离称为曼哈顿距离。L2范数距离叫熟悉的欧氏距离。L1和L2距离描述如下:gydF4y2Ba 在哪里gydF4y2Ba代表的特征数据库和查询案例和案例gydF4y2BaNgydF4y2Ba维度的特性。gydF4y2Ba

RLDA首次提出是在(gydF4y2Ba32gydF4y2Ba]。你们和王提出了一个有效的算法来计算解决方案RLDA [gydF4y2Ba33gydF4y2Ba]。RLDA的性能超过了普通的线性判别分析(LDA)方法(gydF4y2Ba34gydF4y2Ba]。样品的数量设置为gydF4y2Ba。当gydF4y2Ba和功能维度gydF4y2Ba很大,应用RLDA并不可行,因为内存限制。考虑gydF4y2Ba在当前大纸,首先减少维度gydF4y2Ba利用主成分分析(PCA),之后RLDA。参数gydF4y2Ba在RLDA控制的平滑估计量。的价值gydF4y2BaαgydF4y2Ba设置为0.001。gydF4y2Ba

自民党的细节已经推断出从之前的论文。自民党方法有三个优点。首先,自民党可以适应任何数据集和任何描述符,并可直接应用于描述符。第二,自民党对噪声不敏感,因此适合肝CT图像。第三,自民党可以训练,因为快得多gydF4y2BakgydF4y2Ba最近的每个样本点不需要确定(gydF4y2Ba37gydF4y2Ba]。此外,自民党已经证明比其他方法产生更好的结果。gydF4y2Ba

2.5。损伤数据库gydF4y2Ba

所有肝脏CT图像的图像数据实验获得了天津医科大学总医院的2008年2月到2010年10月。用64 -探测器CT检查螺旋扫描(LightSpeed VCT;通用电气医疗系统,沃基肖,威斯康星州)。使用以下参数:120千伏峰值,200 - 400 mAs, 2.5 - 5毫米截面厚度和空间分辨率gydF4y2Ba像素。成像数据包括三种疾病:肝癌、肝血管瘤,囊肿。1248年,DICOM图像病变(269年498肝癌、481伤害,囊肿)被发现在187例(54 89肝癌,肝血管瘤,44囊肿)在每个病人与2 - 10的图像。所有图片都分为动脉相、门户静脉阶段,和延迟阶段,其中号码是388,443和417年,分别。描述数据库中的图片都是手动使用半自动分割,以确保CBIR系统的有效性,由医学成像专家和一些不准确的结果评估蒙蔽最终获得更精确的损伤诊断数据。gydF4y2Ba

在最近的研究中,一个病人是一个查询的例子。每个病人都有一个以上的病变。例如,他/她可能有些囊肿或有血管瘤以及囊肿。然而,只有选择一个典型的病变从每个病人每个图像,和每个病人的病变是相同的。每个病人的所有图像用于查询。病人的功能特性的图像的平均值是在单、双和三相扫描。gydF4y2Ba

2.6。评价措施gydF4y2Ba

精度和召回通用标准用于评价CBIR的有效性。精确显示检索的准确性,如何检索专门相关的图片。精度和召回率可以定义如下:gydF4y2Ba

这两个指标的价值越高,检索系统就越好。这两个指标通常是相互矛盾的。理论上,随着精度的增加,记得减少,反之亦然。因此,通用检索系统最优平衡这两种指标达到更好的检索性能。一般来说,提出了CBIR系统的最终目标是实现检索结果更好地反映实际的分类查询的情况。CBIR系统检索类似案件,从而计算(即决定价值。类似的距离),描述了相似的查询情况。因此,精度是必要的。精度越高,获取更多的有关案件,这表明CBIR系统有重要的临床应用。评价测量主要是平均精度,它被定义为返回的相关图片数的平均比例超过总返回图像。因此,在目前的实验中用来评估以下措施CBIR系统。gydF4y2Ba(我)gydF4y2Ba在这里,P (10), P (20), P (gydF4y2BangydF4y2Ba),平均精度后,前10名,20日gydF4y2BangydF4y2Ba病人返回当病变图像排名根据相似性查询病变。gydF4y2Ba(2)gydF4y2Ba意味着平均精度(MAP)的均值的平均精度时返回图像的数量是不同的从1到图像的总数。gydF4y2Ba(3)gydF4y2Ba精度和召回图。gydF4y2Ba

2.7。培训和评估gydF4y2Ba

所有的实验都是基于187名患者,使用gydF4y2Ba倍交叉验证(gydF4y2Ba简历)方法。gydF4y2Ba简历用于样品的分配。所有样品都均匀地分成gydF4y2Ba,在gydF4y2Ba1样品选择培训,其余交替执行验证。在这篇文章中,抽样计划gydF4y2Ba简历如下:187箱,均匀分成gydF4y2Ba,每个是用于测试组,而另一个gydF4y2Ba用于训练集样本。因此,一个gydF4y2Ba简历需要建立实验gydF4y2Ba模型,即执行gydF4y2Ba测试。一般在实践中,的价值gydF4y2Ba需要足够大,使足够多的训练样本,使图像的分布特征在训练集足以描述整个图像集的分布特征。因此,图像的分布特征在整个数据库并不显著影响当添加新病人的一些图片。一个gydF4y2Ba值等于10被认为是足够的;因此,在实验值设置为10。每个病人在每个测试是在一个查询情况。因此,每个测试的平均精度和10个测试的地图。gydF4y2Ba

3所示。实验和结果gydF4y2Ba

证明所提出的特征提取方法的有效性通过检索单、双和三相扫描最大化的平均精度大肝脏CT图像数据集。进行了四个实验:(1)验证该算法给出不同的条件;(2)比较通用底层特征和高层弓特性,(3)勘探区域选择的号码,和(4)识别集群的数量的影响。利用PCA降维,因为最初的第一个巨大的维度。动脉相、门户静脉期和延迟期的美联社,PVP和DP。gydF4y2Ba

3.1。检索结果的区域弓gydF4y2Ba

的检索性能提出的特征提取算法在单、双和三相扫描显示了这个实验。利用不仅指动脉门户+静脉阶段,而且门户静脉+延迟阶段。图gydF4y2Ba5gydF4y2Ba提供检索结果基于损伤的三个区域使用上面提到的四种距离度量方法的P (70)。图表明,单相扫描的结果低于两个利用和三相扫描的结果,并且使用RLDA和自民党产生更好的结果比L1和L2的使用。gydF4y2Ba

表gydF4y2Ba1gydF4y2Ba基于三个区域显示了检索性能,连同他们的周围肝实质在三期扫描的地图,P(10)和P (20)。估计P(20)的单相扫描使用RLDA和自民党低于85.8%,而利用P(20)和三相扫描高于91.2%,PVP + DP除外。图gydF4y2Ba5gydF4y2Ba和表gydF4y2Ba1gydF4y2Ba表明利用比单相和三相扫描更精确扫描,因为区域BoW-based特性极大地表达的特点,三个肿瘤三阶段,即肝癌和肝血管瘤主要表现特征变化,而没有改变发生在囊肿。因此,所提出的特征提取方法同意三个病变放射科医生的诊断。简而言之,尽管单相扫描在诊断或检测可能发挥重要作用,利用比单相和三相扫描也确保更准确诊断扫描。成立表明动脉和门静脉期扫描在诊断中发挥重要作用,并直接解释了为什么放射科医生诊断某些肝脏疾病只能通过利用扫描(即。门户,动脉+静脉阶段)。gydF4y2Ba

图gydF4y2Ba6gydF4y2Ba曲线显示的精度和召回的三个区域,以及该区域与周围肝实质的三阶段。图显示的检索性能,后者比前者的性能,无论单,双或三相扫描。因此,考虑周围的肝脏病变的结果更准确,因为之间的密度差异及其附近肝实质病变三期扫描,放射科医生也被认为是肝细胞癌的基础,肝血管瘤和囊肿的诊断。gydF4y2Ba

验证我们的算法从不同的角度可以看到。数据gydF4y2Ba7gydF4y2Ba和gydF4y2Ba8gydF4y2Ba分别比较的性能在三个区域病变和损伤,以及比较两种情况与周围肝实质。数据gydF4y2Ba7gydF4y2Ba和gydF4y2Ba8gydF4y2Ba结果表明,基于区域总是比整个病变有或没有周围肝组织在三阶段。这一结果可以归功于增强图像的成像特点,提出定量表达的特征提取算法。gydF4y2Ba

3.2。比较常见的低层特征和高层弓功能gydF4y2Ba

常见低级特征而提出的特征提取算法的精度和召回曲线。图gydF4y2Ba9gydF4y2Ba单独使用形状提供了结果(S),形状和强度(如+ S)表示,组合变形,强度,和质地(如+ S + T)表示,弓,和节中提到的所有特性组合gydF4y2Ba2.3gydF4y2Ba在PVP、利用和三相扫描。如图所示,强度和形状的组合优于单独的形状,而的结合强度、形状和纹理的收益率比强度和形状的结合更好的结果。弓独自优于常见的组合功能,而所有的组合特征优于单独弓。值得注意的是,CBIR系统基于我们的算法比基于其他不同的特征提取算法从图gydF4y2Ba9gydF4y2Ba因为我们建议的方法可以表达的成像特征病变三阶段。gydF4y2Ba

3.3。讨论区域病变的数量gydF4y2Ba

病变区域的数量分为是设置为参数gydF4y2Ba年代gydF4y2Ba。参数的影响gydF4y2Ba年代gydF4y2Ba在本节中讨论在我们的检索系统。表gydF4y2Ba2gydF4y2Ba显示了检索后的平均精度与参数前20例gydF4y2Ba年代gydF4y2Ba从2 - 5。为了方便起见,只有利用和三相扫描。当gydF4y2Ba年代gydF4y2Ba是2和5,所有多个阶段的结果低于90%;当gydF4y2Ba年代gydF4y2Ba3和4,有些多个阶段的结果比90%;当gydF4y2Ba年代gydF4y2Ba等于3,最好的检索性能的实现gydF4y2Ba年代gydF4y2Ba值,如表所示gydF4y2Ba2gydF4y2Ba。gydF4y2Ba

3.4。集群的数量的影响gydF4y2Ba

图gydF4y2Ba10gydF4y2Ba显示集群的数量(即的影响。,codebook年代我ze) using distance metric L1, L2, RLDA, LDP. The plots show that performance increases with the number of codebook sizes; however, a large dictionary results in high computation cost. Thus, the codebook size is set to1024 in our paper.

4所示。结论gydF4y2Ba

我们已经开发出一种区域弓损伤图像特征提取算法。该算法主要是基于损伤的成像特点可见增强对比度三相CT图像。我们的CBIR系统,几乎包含了提出的特征提取算法,可以检索三种类型的肝脏病变,出现类似的。我们的方法的准确评估显示合理的检索结果按照放射科医生的诊断。我们的系统可以帮助决策相关的肝肿瘤的诊断和支持放射科医生在多相对比增强CT图像通过展示他们相似的患者病变。gydF4y2Ba

5。讨论gydF4y2Ba

特征提取算法的开发提出了损伤图像。我们的实验表明,一个CBIR系统整合与该算法可以产生良好的检索结果。该算法考虑的发展三个病变的影像特征及其周围正常肝实质增强对比度三相CT图像。该算法结合了特征向量和ROI的特点,在检索系统是非常必要的。因此,我们的算法是强大,更有利与常见低级特征向量。系统可以作为有用的辅助诊断系统缺乏经验或有经验的放射科医生在搜索数据库的放射成像和获得良好的检索效果。gydF4y2Ba

许多研究已经进行了各种肝肿瘤成像技术(gydF4y2Ba23gydF4y2Ba,gydF4y2Ba24gydF4y2Ba,gydF4y2Ba26gydF4y2Ba]。Mougiakakou et al。gydF4y2Ba23gydF4y2Ba)定义了一个辅助诊断系统对正常肝,肝囊肿、血管瘤、肝细胞癌未在节能CT扫描。张先生和他的同事们(gydF4y2Ba24gydF4y2Ba)使用一个辅助诊断系统段先生和增强CT诊断肝癌的图像。最近,相似的CBIR系统当前的研究提出了(gydF4y2Ba26gydF4y2Ba]。在此系统中,转移、肝血管瘤和囊肿都可见门户静脉相图像。然而,普遍使用的图像低层特征,如强度,质地,和形状,不考虑损伤在多相扫描的成像特点。在我们看来,多相成像是目前临床诊断中心。gydF4y2Ba

在本文中,使用弓被验证是有效的。尽管现有的图像检索技术取得了一些良好的表演,他们仍有一定的局限性。大多数的图像检索技术是基于图像的底层特征和使用低级别的功能。因此,他们无法解决语义鸿沟问题,即低层视觉特征和高层语义之间的不一致的特性。弓,一个高级功能(gydF4y2Ba38gydF4y2Ba),取得了巨大的成功在文本检索的问题,因为它的速度和效率,并获得承认它的使用问题,如目标识别和图像检索从大型数据库gydF4y2Ba22gydF4y2Ba]。船头框架忽略了空间之间的配置(即视觉单词。,thel我nkbetween the characteristics and location) and can cause information loss. However, this framework can quickly and easily build a design model. In the proposed feature extraction algorithm, the spatial structure information of images is considered by dividing the lesion into three regions, which compensates for the lack of BoW. Thus, BoW successfully represents the regional features.

语义特征不被认为是在我们的研究中,因为两个因素。首先,如果查询病人仍未确诊的,语义特征不能因为缺乏使用放射学报告。第二,放射科医生可能使用不同的术语来描述相同的观察(gydF4y2Ba39gydF4y2Ba,gydF4y2Ba40gydF4y2Ba]。因此,一些不可避免的主题因素存在于语义注释。gydF4y2Ba

区域的数量病变分为设置主要是由于三期扫描的三个肿瘤。最优数量的地区是3,在我们之前的一些实验,我们已经核实,检索性能是最好的数量从1到5。病变划分成三个区域适合最好的成像病变的行为三部分中描述的阶段gydF4y2Ba2.1gydF4y2Ba。因此,我们选择的区域是理论上有利于我们提出的特征提取算法。gydF4y2Ba

我们的检索系统是实现和评估根据病人,即图像分组根据病人和病人的主要单位查询和检索。这个方案是非常不同的从传统的CBIR系统,在单图像或单片用作查询和检索。这种基于时尚更有助于诊断援助,因为多相图像检索病人显然可以为决策提供更多的信息不仅仅是一个图像当前查询病人。特征提取算法的发展集中在三个病变的影像学表现的观点在三相扫描。因此,检索过程在我们的实验中单、双和三相扫描验证的实用性,基于该方法的检索系统。gydF4y2Ba

我们的研究主要有两个主要的局限性。首先是使用的病变类型数量,仅限于三个。提出的特征提取算法是基于成像的特点开发的三个病变(肝癌、肝血管瘤和囊肿)增强对比度三相图像。肝细胞癌是一种常见的恶性肿瘤,而肝血管瘤和囊肿是常见的良性细胞。研究肝损伤和损伤身体的其他地区在未来可以扩展工作,鼓励持续发展的相关特征提取方法。第二个限制是病变的分割中使用我们的系统。病变首先应该从腹部CT图像分割,因为病变包含重要的成像图像检索的信息。几位分割算法gydF4y2Ba24gydF4y2Ba)提出了实现自动或半自动分割医学图像分析。然而,由于医学图像的复杂性和病变浸润,没有标准方法可以为所有hepatic-enhanced图像生成令人满意的分割结果。因此,手动分割是受雇于成像专家来获得更精确的损伤图像。gydF4y2Ba

总之,CBIR系统基于我们提出的特征提取算法具有实际应用在辅助诊断,可以帮助放射科医生来检索图像包含类似的出现病变。gydF4y2Ba