基于多重倒排的医学图像检索技术

论文摘要

随着医学诊断和多媒体技术的迅速发展,医学图像数据急剧增长,如何实现医学图像数据对象的有效检索成为一个非常重要的研究课题。高维索引技术是研究通过建立索引结构来提高高维数据库上检索效率的一门科学。图像数据库作为高维数据库的重要组成部分,其检索离不开高维索引技术的支持,近年来备受研究人员的关注。本文对国内外现有关于高维索引的技术和方法进行了综述,并从理论、算法和应用三方面对高维索引技术进行了研究。在分析和比较现有高维索引结构的基础上,提出了自己的索引算法;并以此为基础,设计和实现了医学图像数据库检索原型系统。本文的主要工作包括:1.从高维数据空间查询处理出发,分析了高维数据及其索引技术的特点,探讨了高维数据查询的主要技术,归纳总结了高维索引的基本思想、结构以及索引算法。2.从索引思想、结构和适用性能等方面对度量空间索引方法MAM和向量空间索引方法SAM中的多个典型索引结构进行了分析和比较,归纳总结了二者的区别和联系,指出树型索引结构随着维数的增加所面临的困难,这些索引结构在维数升高时性能会急剧下降,即所谓的“维数灾难”。针对高维数据索引结构的现状,我们在该领域进行了深入研究,取得了一定的成果。3.提出了基于多重倒排表的深度优先剪枝算法。该方法是以倒排索引方法——倒排表索引结构为基础,采用动态插入算法建立索引,并结合改进的BOND剪枝算法对建立的索引结构进行检索优化。该方法提高了索引节点访问效率,降低磁盘I/O,其最大特点是适于高维甚至超高维的数据检索。实验验证了该方法在高维数据检索中的优势。4.设计并实现了基于多重倒排索引的医学图像数据库检索系统。该系统从医学图像信息的特点出发,采用圆环形分割方法,提取区域颜色矩特征作为医学图像特征,并应用多重倒排索引方法对颜色矩特征库进行了索引和组织。实验系统特征提取算法简单,特征索引效果明显,有效地提高了检索的性能。高维索引是一门比较新颖、比较有深度的学科,目前国内对这一方向的研究还比较少。本论文对于其中有限几个问题进行了有益的探讨和研究,更多的非常有意义也非常有趣的工作,如压缩应用于高维索引结构等,还需要今后继续开展下去。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景、目的与意义
• 1.1.1 课题的研究背景
• 1.1.2 课题的研究目的与意义
• 1.2 国内外高维索引发展现状
• 1.2.1 国内外研究发展现状
• 1.2.2 高维索引的应用领域
• 1.3 研究内容与创新点
• 1.4 论文内容的组织
• 第二章 高维数据组织、存储与索引
• 2.1 高维数据及其特点
• 2.2 高维数据的组织与存储
• 2.3 高维数据检索
• 2.3.1 相似性检索
• 2.3.2 查询方式
• 2.3.3 性能评价标准
• 2.4 高维索引结构及其基本算法
• 2.4.1 高维数据索引的基本思想与结构
• 2.4.2 插入算法
• 2.4.3 删除算法
• 2.4.4 查询算法
• 2.5 本章小结
• 第三章 高维数据的索引技术
• 3.1 高维索引分类
• 3.2 向量空间索引技术
• 3.2.1 K-D树类
• 3.2.2 四叉树类
• 3.2.3 R-树类
• 3.2.4 网格文件类
• 3.2.5 空间填充曲线
• 3.2.6 量化近似类
• 3.2.7 高维映射为一维类
• 3.3 度量空间索引技术
• 3.3.1 BK树类
• 3.3.2 BS树类
• 3.3.3 VP树
• 3.3.4 M树类
• 3.3.5 SA树
• 3.4 向量空间与度量空间分析
• 3.4.1 向量空间与度量空间索引结构及其异同点
• 3.4.2 树型索引结构下的近似检索与维数灾难分析
• 3.4.3 树型索引存在的难点
• 3.5 本章小结
• 第四章 多重倒排索引研究
• 4.1 倒排索引
• 4.2 多重倒排及其索引组织
• 4.2.1 多重倒排
• 4.2.2 数据组织
• 4.2.3 高维数据在倒排表中的组织
• 4.2.4 高维数据在倒排表中相似性检索算法
• 4.3 多重倒排索引深度优先检索算法
• 4.3.1 剪枝算法
• 4.4 实验结果分析与总结
• 4.5 本章小节
• 第五章 多重倒排在医学图像检索中的应用及系统实现
• 5.1 医学图像数据库
• 5.2 医学图像特征
• 5.2.1 其于内容的医学图像特征
• 5.2.2 医学图像特征的提取
• 5.3 医学图像数据库检索
• 5.3.1 检索方案设计
• 5.3.2 实验结果与分析
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 展望
• 致谢
• 参考文献
• 硕士期间发表论文