一种新颖的医学图像建模及相似性搜索方法
医学图像采集和存储技术的发展导致了相关数据的飞速增长,这些医学图像数据能够有效地辅助医生进行精确的诊断,但由于医学图像在相似性搜索方面要求图像匹配的精度远高于普通图像,所以目前仍没有一种有效的方法解决医学图像的相似性搜索问题.文中首先提出一种不确定定点图模型(ULG,Uncertain Location graph),并针对脑部CT图像的固有特点,提出一种基于脑部CT图像纹理的从图像到不确定定点图的建模方法,继而提出一种基于不确定定点图的相似性搜索算法,并通过一种有效的索引结构,有效地减少了无意义的查询处理,降低了搜索时间.实验结果表明,该方法可以更精确地找出具有相似纹理的脑部CT图像.
图像建模、不确定定点图、医学图像、相似性搜索
36
TP311(计算技术、计算机技术)
国家自然科学基金61272184,61202090,61100007;黑龙江省自然科学基金F200903,F201016,F201024,F201130;新世纪优秀人才支持计划NCET-11-0829;中央高校自由探索计划项目HEUCF100609,HEUCFT1202;哈尔滨科技创新人才特别基金RC2010QN010024;The paper is partly supported by the National Natural Science Foundation of China under Grant Nos.61272184,61202090,61100007;Natural Science Foundation of Heilongjiang Province under Grant Nos.F200903,F201016,F201024,F201130;The Program for New Century Excellent Talents in UniversitiesNCET-11-0829;The Fundamental Research Funds for the Central Universities under Grant Nos.HEUCF100609,HEUCFT1202;The Science and Technology Innovation Talents Special Fund of Harbin under Grant No.RC2010QN010024
2013-10-10（万方平台首次上网日期，不代表论文的发表时间）
共12页
1745-1756
