[发明专利]一种医学图像检索方法及系统、电子设备、存储介质

说明书

本发明公开了一种医学图像检索方法，该方法对待查询图像进行分类，并在与待查询图像相同的类别图像中使用排序融合算法进行检索，该计算方法能够提高检索正确率，并且该方法能够被目前实际系统软件平台实现，具有极大的实际应用前景。

技术领域

本发明属于图像检索技术领域，涉及一种医学图像检索方法及系统、电 子设备、存储介质，特别涉及一种基于排序融合多类别的医学图像检索方法 及系统、电子设备、存储介质。

背景技术

目前的图像具有较高复杂性，在进行检索任务时往往会遇上大量的多标 签图像数据，如一张人抱着狗的图像，其标签信息不仅有“人”，还有“狗”这 一标签，这无疑增加检索难度，而且检索的正确率太低。

例如在乳腺钼靶病灶图像检索领域，目前在各级医院中广泛使用的图像 存档及通信系统(PACS，Picture Archiving and Communication Systems)提供 的检索方法是基于文本的，无法根据图像内容本身来检索图像。而乳腺图像 病灶区的物理特征和视觉特征很难用文字来确切描述，无法使用PACS系统 的文本检索功能。基于内容的图像检索(CBIR，Content-Based Image Retrieval) 方法可以根据病灶图像内容检索与之相似的病例。

国内外许多研究者将图像检索方法用于乳腺病灶图像检索研究中，国内 外的研究虽然取得了一定的进展，但主要集中在提取病灶图像的视觉特征以 及采用机器学习模型提高分类正确率。对图像检索而言，检出图像集合本身 包含了图像排序号等重要信息。如何利用这些信息提高病灶图像的检索正确 率是一个值得研究的问题；其次，近年来深度学习模型在图像识别方面取得 了巨大的成功。如何将深度学习模型应用于肿块病灶图像检索也是值得探索 的问题。

传统的图像检索“按例查询”(QBE，Query By Example)框架直接利用距 离公式计算查询图像与每幅数据库图像之间的距离，按照排名选取距离最近 的一组图像作为检索结果，但是该方法的分类正确率低，检索结果假阳性高 以及检索时间长。

发明内容

针对上述现有技术中的不足，本发明提供一种医学图像检索方法。

本发明公开了一种医学图像检索方法，包括：

使用图像数据集训练分类器模型；

使用经过训练的分类器模型对待查询图像进行分类，得到所述待查询图 像的所属类别，并从所述图像数据集中得到所述待查询图像的所属类别的图 像集；

计算所述待查询图像与所述所属类别的图像集中各个图像的相似度，并 按照相似度大小对所述所属类别的图像集中所有图像进行降序排列，选择前 2K幅作为所述待查询图像的邻域，K为自然数；

以所述待查询图像的图像特征为中心构建无向图，并计算所述待查询图 像的图像特征与所述领域的各个图像的边权重值，按照边权重值进行降序排 列，并选择前K幅作为所述待查询图像的无向子图；

将基于所述待查询图像与所述所属类别的图像集中各个图像的多个不同 相似度算法得到的多个无向子图融合组成权重图；

按照权重值大小对所述权重图中所有图像进行降序排列，选取前K幅作 为检索列表；

将所述检索列表前i幅图像作为整体计算回归score值，得到第i幅图像 的最终检索结果，并输出所述检索结果，i为K内正整数。

所述边权重值公式为：

w(I_m,I_n)＝α(I_m,I_n)·J(I_m,I_n)；