技术方法-南方医科大学学报.pdfVIP

2011;31(2) 南方医科大学学报（JSouthMedUniv） ·221 · ·技术方法· 肝脏带病灶CT 图像检索方法 于 梅，卢振泰，陈武凡 南方医科大学医学图像处理重点实验室，广东 广州 510515 摘要：本文提出了一种肝脏CT 图像的全局特征提取方法，并将boostmetric 这种距离测度方法用于医学图像检索。目的 是提高肝脏病灶的检出率。全局特征提取方法对非张量积小波分解后的低频子带系数直方图分段进行高斯拟合，此方法 利用了低频子带的近似特性，能更好地表达腹部图像的全局特征。对数据库中图像半自动分割病灶区域，然后提取病灶 局部特征。进行相似性距离测度时用了boostmetric 算法。实验通过肝癌、肝血管瘤、肝囊肿这3种疾病的1688幅CT 图像 验证了这种特征提取方法的有效性，本方法可以提高病灶的检出率，具有较好的检索效果。 关键词：低频子带系数；高斯拟合；局部特征；距离测度；医学图像检索 中图分类号：TR399 文献标志码：A 文章编号：1673-4254（2011）02-0221-05 CT image retrieval of the liver with intrahepatic lesions YU Mei, LU Zhen-tai, CHEN Wu-fan Key Lab for Medical Image Processing, Southern Medical University, Guangzhou 510515, China Abstract: This paper presents a method for global feature extraction and the application of the boostmetric distance metric method for medical image retrieval. The global feature extraction method used the low frequency subband coefficient of the wavelet decomposition based on the non-tensor product coefficient for piecewise Gaussian fitting. The local features were extracted after semi-automatic segmentation of the lesion areas in the images in the database. The experimental verification of the method using 1688 CT images of the liver containing lesions of liver cancer, liver angioma, and liver cyst confirmed that this feature extraction method improved the detection rate of the lesions with good image retrieval performance. Key words: low-frequency subband coefficient; Gaussian fitting; local feature; distance metric; medical image retrieval 1 引言 像。临床经验表明医学图像的视觉信息对诊断结果 随着医学成像技术的迅猛发展和PACS 系统的 有很大影响。目前，人们已经提出了各种各样