面向大规模胸片图像的深度哈希检索
目的 医学图像检索在疾病诊断、医疗教学和辅助症状参考中发挥了重要作用,但由于医学图像类间相似度高、病灶易遗漏以及数据量较大等问题,使得现有哈希方法对病灶区域特征的关注较少,图像检索准确率较低.对此,本文以胸部X-ray图像为例,提出一种面向大规模胸片图像的深度哈希检索网络.方法 在特征学习部分,首先采用ResNet-50作为主干网络对输入图像进行特征提取得到初步特征,将该特征进行细化后获得全局特征;同时将初步特征输入构建的空间注意模块,该注意模块结合了3个描述符用于聚焦胸片图像中的显著区域,将该模块的输出进行细化得到局部特征;最后融合全局特征与局部特征用于后续哈希码优化.在哈希码优化部分,使用定义的二值交叉熵损失、对比损失和正则化损失的联合函数进行优化学习,生成高质量的哈希码用于图像检索.结果 为了验证方法的有效性,在公开的ChestX-ray8和CheXpert数据集上进行对比实验.结果 显示,构建空间注意模块有助于关注病灶区域,定义特征融合模块有效避免了信息的遗漏,联合3个损失函数进行优化可以获得高质量哈希码.与当前先进的医学图像检索方法比较,本文方法能够有效提高医学图像检索的准确率,在两个数据集上的检索平均精度分别提高了约6％ 和5％.结论 在大规模胸片图像检索中,本文提出的深度哈希检索方法能够有效关注病灶区域,提高胸片图像检索的准确率.
医学图像检索、注意力机制、特征融合、深度哈希(DH)
28
TP301.6(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;云南省中青年学术;技术带头人后备人才培养计划项目
2023-02-24（万方平台首次上网日期，不代表论文的发表时间）
共12页
601-612
