针对传统方法通常选取角点或极值点作为特征点,忽略了局部纹理变化从而影响医学影像分类性能的问题,提出一种新的特征点检测和描述方法,并应用Bag-of-Keypoints模型实现医学影像分类。首先改进自适应的Kmeans对影像进行像素级聚类,构建核值相似区并选取邻域内聚类分布变化急剧的像素点作为特征点;然后在极坐标系中定义特征点描述符并生成视觉词典,通过视觉词直方图描述影像;最后利用直方图交集方法度量影像间的相似度来扩展KNN(K-nearest neighbor)完成分类。遵循IRMA(image retrival in medical appication)的医学影像类别编码标准,严格选择实验数据,结果表明该算法较传统方法 F1值平均提高4.5%,对于不同类别影像效果更加稳定鲁棒,从而更好地满足临床应用需求。
建立正常人标准脑是全球人类脑计划(HBP)的重要组成部分,建立适合中国人自己的标准脑结构模板更具有重要意义。本研究基于对所采集的3000例正常成人脑结构数据,以及对这些海量数据的有效管理这一关键问题,通过解析医学数字成像和通信标准(DICOM)图像特殊的数据结构,引入了可扩展标记语言(XML),使用拥有自主知识产权的应用软件,设计和完成了NXD(Native XML Database)数据库,以对获取到的大量的脑结构数据进行管理和使用。系统以数据采集、序列分析、案例提取、案例编辑、案例管理为流程,有效减少了数据占有空间和数据冗余,提高了数据处理的速度和效率,使得数据库系统具有可扩充性、结构稳定性、功能独立性和存储效率高等特点。
