[发明专利]一种基于语义特征和有监督哈希的图像检索方法

摘要

本发明公开了一种基于语义特征和有监督哈希的图像检索实现肺结节医学征象识别的方法，包括以下步骤：步骤A，提取肺部CT图像中的肺结节混合征象区域，并截取其中各个单一征象区域；步骤B，采用基于参数共享的卷积神经网络(CNN)提取表达肺结节征象信息的语义特征；步骤C，用于实现相似的肺结节图像检索；步骤D，用于识别肺结节征象。本发明的方法基于语义特征和有监督哈希的肺结节图像检索，进而识别肺结节图像所表现的征象类别，便于医师判断肺结节的良恶性程度，减少了医师对诊断经验的过度依赖。

主权项

一种基于语义特征和有监督哈希的图像检索实现肺结节医学征象识别的方法，其特征在于，包括以下步骤：步骤A，提取肺部CT图像中的肺结节混合征象区域，并截取其中各个单一征象区域，为之后提取表达肺结节征象信息的语义特征以及检索相似的肺结节图像，进而识别查询图像所表现的医学征象做准备；步骤B，采用基于参数共享的卷积神经网络(CNN)提取表达肺结节征象信息的语义特征；首先使用第一个CNN训练单一征象数据，通过调整网络参数使其有效识别各个单一征象；然后将网络参数传递到第二个CNN，训练混合征象数据，并通过损失函数和误差反向传播机制来微调网络参数，从而获得表达结节征象信息的高维的语义特征；步骤C，用于实现相似的肺结节图像检索；利用监督信息构造有效的哈希函数，将步骤B得到的高维的语义特征映射为简洁的哈希码，并为查询图像设计自适应权重向量，通过加权汉明距离的相似度衡量，从肺结节图像库中检索出具有相似征象的肺结节图像；步骤D，用于识别肺结节征象；利用k近邻算法，从检索出的相似肺结节图像中判断查询图像含有的医学征象。