医学图像模态特征表达及其比较研究

医学图像模态的自动标注是建立检索词和医学图像间准确关联,实现医学图像检索的基础。当前医学图像的模态特征表达多采用基于单一表达模型的方法,没有充分运用不同表达模型的互补优势,医学图像的语义描述框架与医学图像检索需求不匹配。针对这些不足,本文在介绍医学图像模态分类框架和标准数据集的基础上,分析了文本特征和视觉特征对医学图像模态自动标注的影响,对比了向量空间模型(VSM)、潜在语义索引(LSI)、视觉词袋模型(B0W)、卷积神经网络模型(CNN)等多种特征表达模型在医学图像模态自动标注上的效果,研究发现文本特征与视觉特征各适用于部分医学模态的识别与区分,组合多种表达模型能够获得最佳的标注效果。