基于層次化深度學(xué)習(xí)的海量醫(yī)學(xué)影像組織與檢索研究

萬艷麗 雷行云 王 巖 胡紅濮

(中國醫(yī)學(xué)科學(xué)院醫(yī)學(xué)信息研究所 北京 100020)

?

?醫(yī)學(xué)信息研究?

基于層次化深度學(xué)習(xí)的海量醫(yī)學(xué)影像組織與檢索研究

萬艷麗 雷行云 王 巖 胡紅濮

(中國醫(yī)學(xué)科學(xué)院醫(yī)學(xué)信息研究所 北京 100020)

針對(duì)國內(nèi)外關(guān)于醫(yī)學(xué)影像組織和檢索方法中的難點(diǎn)問題，提出一種基于層次化深度學(xué)習(xí)的海量醫(yī)學(xué)影像組織和檢索方法，以提高檢索效率和精度，在一定程度上解決醫(yī)學(xué)影像檢索中存在的語義鴻溝問題。

1 引言

隨著醫(yī)學(xué)影像技術(shù)的快速發(fā)展，醫(yī)院信息系統(tǒng)應(yīng)用范圍的不斷擴(kuò)大，存儲(chǔ)在醫(yī)院數(shù)據(jù)庫中的影像數(shù)據(jù)呈幾何級(jí)增長(zhǎng)[1]。這些數(shù)量龐大的醫(yī)學(xué)影像數(shù)據(jù)來源于各種醫(yī)學(xué)成像設(shè)備，如超聲、X射線計(jì)算機(jī)斷層攝影(CT)、核磁共振(MRI)、數(shù)字血管剪影(DSA)、正電子斷層攝影(PET)等，而且對(duì)應(yīng)了不同的人體組織器官，如顱腦、胸、肺、肝等，同時(shí)每個(gè)組織器官所患的病癥也存在很多種可能，如肝部可能有肝硬化、腫瘤、肝內(nèi)膽管結(jié)石等。龐大的數(shù)據(jù)量、種類繁多的成像設(shè)備，再加上不同的患病部位以及不同的疾病種類，給醫(yī)學(xué)影像數(shù)據(jù)的高效組織管理和精確檢索帶來了極大的挑戰(zhàn)。

2 醫(yī)學(xué)影像數(shù)據(jù)組織和檢索現(xiàn)狀

2.1 研究現(xiàn)狀

數(shù)據(jù)量的急劇膨脹使現(xiàn)有的醫(yī)學(xué)影像數(shù)據(jù)管理方法遠(yuǎn)遠(yuǎn)達(dá)不到高效組織管理和有效檢索利用的目的。目前，醫(yī)療機(jī)構(gòu)大多采用影像存儲(chǔ)與傳輸系統(tǒng)(Picture Archiving and Communication System,PACS)，實(shí)現(xiàn)數(shù)字化醫(yī)學(xué)影像的獲取、診斷和歸檔管理。PACS的基礎(chǔ)是現(xiàn)代化的數(shù)字成像技術(shù)和醫(yī)學(xué)影像通信協(xié)議(Digital Imaging and Communications in Medicine，DICOM)，但是在目前的DICOM網(wǎng)絡(luò)中，影像的組織和檢索都是基于文本信息進(jìn)行的，這些文本信息顯然無法取代醫(yī)學(xué)影像本身所蘊(yùn)涵的豐富信息。因此，傳統(tǒng)的基于文本的醫(yī)學(xué)影像檢索在醫(yī)學(xué)資料管理、輔助診斷、教學(xué)和遠(yuǎn)程醫(yī)療等領(lǐng)域極大地限制了醫(yī)學(xué)影像的應(yīng)用。

隨著基于內(nèi)容的影像檢索技術(shù)的發(fā)展，基于內(nèi)容的醫(yī)學(xué)影像檢索(CBMIR)在近些年得到了廣泛的研究。國外研究機(jī)構(gòu)比較有代表性的成果有：Qian等[2]采用空間位置特征對(duì)脊柱影像進(jìn)行檢索；Lim等[3]開發(fā)的VisMed系統(tǒng)采用文本標(biāo)注、直方圖、Gabor變換等融合特征對(duì)CasImage庫中的影像進(jìn)行檢索；Hsu等[4]系統(tǒng)采用文本信息、傅里葉描述符和簡(jiǎn)單的幾何特征等對(duì)脊柱X射線影像進(jìn)行檢索；Sharmila等[8]對(duì)MRI顱腦影像的檢索算法進(jìn)行綜述，尤其是所涉及的影像預(yù)處理算法，所用到的特征及其提取算法等。國內(nèi)也有很多研究機(jī)構(gòu)展開了這方面的研究，如天津大學(xué)王勇等[5]采用改進(jìn)的Gabor紋理特征對(duì)超聲心動(dòng)影像進(jìn)行分類與檢索；南方醫(yī)科大學(xué)的江少峰等[6]采用基于區(qū)域的模糊灰度、模糊Gabor紋理、模糊面積等特征的融合對(duì)顱腦CT影像進(jìn)行檢索。王偉蔚等[7]對(duì)國內(nèi)外的醫(yī)學(xué)影像檢索系統(tǒng)進(jìn)行了詳細(xì)的分析和總結(jié)并提出了一種多級(jí)多特征醫(yī)學(xué)影像檢索系統(tǒng)。

2.2 存在的問題

目前，國內(nèi)外學(xué)者雖然在醫(yī)學(xué)影像的組織管理和檢索技術(shù)上取得了一定的成果，開發(fā)了一些初步的原型系統(tǒng)，但距離實(shí)際應(yīng)用還有很大的差距，主要表現(xiàn)在：第一，醫(yī)學(xué)影像的組織不能詳細(xì)地描述影像的語義信息。目前文獻(xiàn)中針對(duì)醫(yī)學(xué)影像檢索大多是基于DICOM結(jié)構(gòu)中的概況信息進(jìn)行簡(jiǎn)單的分類，對(duì)分類的結(jié)構(gòu)與層次缺乏更為細(xì)致的考慮，造成檢索的精度和效率低下。如王勇等[5]所提出的超聲醫(yī)學(xué)影像檢索系統(tǒng)針對(duì)1 000幅心臟圖片進(jìn)行檢索操作，但是這1 000幅圖片分屬于胸骨旁左心室長(zhǎng)軸切面、胸骨旁短軸切面、心尖切面、劍突下4腔切面以及胸骨上窩切面5個(gè)類別，這5個(gè)類別的影像存于一個(gè)影像庫中，沒有進(jìn)行更為細(xì)致的分類。有文獻(xiàn)[10-11]更是將來自于人體不同部位和不同采集設(shè)備的圖片存儲(chǔ)于同一個(gè)影像庫中來測(cè)試所提出的檢索算法。在這些影像庫中，各種不同類型的影像隨機(jī)存放，給影像的檢索帶來兩個(gè)不利的因素：(1)在檢索時(shí)，目標(biāo)影像的特征需要與影像庫中所有影像的特征進(jìn)行比對(duì)，然后對(duì)相似度進(jìn)行排序，進(jìn)而輸出檢索結(jié)果，這對(duì)于小型的影像庫而言，其檢索速度尚可以滿足需求，但是對(duì)于臨床應(yīng)用來說，這樣的影像庫架構(gòu)與檢索方式顯然不能滿足需要。(2)各種不同類型的影像存放在一起，采用相同的特征進(jìn)行檢索，必然會(huì)對(duì)檢索精度造成一定的影響。因此，必須設(shè)計(jì)更為合理的影像組織結(jié)構(gòu)，使之能夠反映影像的語義信息，再配以更高效的特征提取算法，才能從根本上提高影像檢索的效率。第二，提取的影像特征通用性差。目前的醫(yī)學(xué)影像檢索系統(tǒng)大多采用底層特征或多種底層特征的融合作為檢索依據(jù)，如顏色、紋理、形狀等。在設(shè)計(jì)檢索算法時(shí)，通常是針對(duì)特定類型的數(shù)據(jù)選擇不同的特征提取方法和特征組合方法，這種個(gè)性化的方法通用性差，對(duì)顱腦影像有效的特征對(duì)肺部影像可能達(dá)不到好的效果，最典型的一個(gè)例子就是顏色特征的使用，大部分醫(yī)學(xué)影像采用的都是灰度圖，而眼部影像則多用彩色圖，這種區(qū)別注定了不同影像間顏色特征提取的區(qū)別。第三，提取的特征區(qū)分能力差。目前所出現(xiàn)的特征提取方法和特征融合方法都是基于人工所定義的規(guī)則的、底層的特征，這種特征很難反映影像的高層語義特征，區(qū)分能力差。特征的區(qū)分能力直接關(guān)系到影像分類與檢索的精度，而精度不高則是醫(yī)學(xué)影像檢索走向臨床實(shí)用的重要阻礙因素。如Chia-Hung Wei等[9]所提出的系統(tǒng)，在乳房X射線影像上測(cè)試的結(jié)果只能達(dá)到51%的準(zhǔn)確度和19%的召回率，Abdol Hamid Pilevar等[10]設(shè)計(jì)的檢索系統(tǒng)對(duì)5 000幅來自4個(gè)人體不同部位的CT和MRI影像進(jìn)行檢索測(cè)試，達(dá)到了93%的準(zhǔn)確率，但是這僅是對(duì)不同部位和不同類型的圖片進(jìn)行檢索的結(jié)果，屬于在較粗的層面上進(jìn)行的分類和檢索，如果是對(duì)同一部位但分屬不同疾病的圖片進(jìn)行檢索，所能達(dá)到的精度將遠(yuǎn)小于這一數(shù)值。為了解決上述問題，本文提出了一種基于層次化深度學(xué)習(xí)的海量醫(yī)學(xué)影像組織與檢索方法，可以極大地提高檢索的準(zhǔn)確度，提高醫(yī)學(xué)影像管理和使用效率。

3 基于層次化深度學(xué)習(xí)的海量醫(yī)學(xué)影像組織與檢索框架(圖1)

在醫(yī)學(xué)影像組織和影像庫的構(gòu)建方面，本文以醫(yī)學(xué)影像及其對(duì)應(yīng)的DICOM信息及疾病診斷等文本信息作為輸入，通過對(duì)文本信息進(jìn)行分析，提取成像設(shè)備、人體部位以及診斷等信息作為關(guān)鍵詞，把這些關(guān)鍵詞組合成對(duì)影像的語義描述，根據(jù)語義描述將影像劃歸到層次影像庫對(duì)應(yīng)層的某個(gè)類中。對(duì)所有影像進(jìn)行類似的操作就可以自動(dòng)建立一個(gè)層次式的影像庫。影像庫構(gòu)建的過程同時(shí)也是根據(jù)文本信息對(duì)影像進(jìn)行分類的過程，數(shù)據(jù)庫構(gòu)建完成之后，每幅影像在每個(gè)層次上都被貼上了一個(gè)類標(biāo)。把不同層次的影像放到設(shè)計(jì)好的深度學(xué)習(xí)分類器中，經(jīng)過訓(xùn)練就可以得到分類所需要的參數(shù)集合，進(jìn)而得到每幅影像所對(duì)應(yīng)的特征表達(dá)。這些特征作為影像的一種屬性存儲(chǔ)在影像庫中，還可以根據(jù)特征為每一幅影像建立索引，加快影像的檢索過程。

在醫(yī)學(xué)影像檢索方面，根據(jù)影像分層組織分類的特點(diǎn)，本文設(shè)計(jì)了基于深度學(xué)習(xí)的醫(yī)學(xué)影像特征提取、分類和檢索的框架。該框架可以直接應(yīng)用在影像庫上，對(duì)不同層次、不同類別的影像進(jìn)行訓(xùn)練，提取影像特征。這些特征既可以用于影像分類，也可以用于影像檢索。采用該框架的另一個(gè)明顯好處是，不必為每一類的影像單獨(dú)設(shè)計(jì)特征提取算法，而是采用同一個(gè)框架，輸入不同的訓(xùn)練數(shù)據(jù)，可以得到不同的特征提取方法。由于影像庫是分層設(shè)計(jì)的，而且每一層都經(jīng)過了分類，有明確的類標(biāo)數(shù)據(jù)，因此基于深度學(xué)習(xí)的影像特征提取過程可以自動(dòng)完成。

圖1 基于層次化深度學(xué)習(xí)的海量醫(yī)學(xué)影像組織與檢索框架

4 基于層次化深度學(xué)習(xí)的醫(yī)學(xué)影像組織

4.1 層次分類結(jié)構(gòu)定義

醫(yī)學(xué)影像有很多不同的分類方法，可以按照采集設(shè)備進(jìn)行分類，也可以按照所拍攝的人體部位進(jìn)行分類，還可以按照疾病的種類進(jìn)行分類等。按照單一的標(biāo)準(zhǔn)分類不能達(dá)到影像庫的有序組織和管理，不利于影像的查找與利用。不同的醫(yī)療設(shè)備、不同的人體部位、不同的疾病種類之間的相互查找是沒有意義的。也就是說，只有同種醫(yī)療設(shè)備采集的同一個(gè)部位的針對(duì)同一種疾病的圖

像相互對(duì)比才是有意義的，這也是影像檢索在臨床上輔助診斷的出發(fā)點(diǎn)所在。因此，本文提出同時(shí)采用采集設(shè)備、人體部位以及對(duì)應(yīng)疾病這3種分類標(biāo)準(zhǔn)，將醫(yī)學(xué)影像進(jìn)行分層處理，劃分為3級(jí)子類：設(shè)備子類、人體部位子類、病種子類，見圖2。在此基礎(chǔ)上，借助中國醫(yī)學(xué)科學(xué)院醫(yī)學(xué)信息研究所研究開發(fā)的中文一體化醫(yī)學(xué)語言系統(tǒng)，結(jié)合自然語言理解和文本處理技術(shù)，以醫(yī)學(xué)用語數(shù)據(jù)庫作為分詞的詞典，以醫(yī)學(xué)用語語義網(wǎng)絡(luò)判定分詞結(jié)果，從醫(yī)學(xué)影像的DICOM信息和醫(yī)生的診斷意見中的提取上述3層語義，實(shí)現(xiàn)影像的自動(dòng)分類。

圖2 醫(yī)學(xué)影像庫的分層管理

DICOM是醫(yī)學(xué)影像和相關(guān)信息的國際標(biāo)準(zhǔn)(ISO 12052)，它定義了質(zhì)量能滿足臨床需要的可用于數(shù)據(jù)交換的醫(yī)學(xué)影像格式。DICOM被廣泛應(yīng)用于放射醫(yī)療、心血管成像以及放射診療診斷設(shè)備(X射線、CT、核磁共振、超聲等)，是使用最為廣泛的醫(yī)療信息標(biāo)準(zhǔn)之一。本研究所需要的前兩個(gè)子類信息，即影像的采集設(shè)備和人體部位，都可以從DICOM文件中直接獲取。診斷意見是放射科醫(yī)生根據(jù)患者的影像結(jié)合臨床醫(yī)學(xué)知識(shí)給出的報(bào)告。不同醫(yī)院報(bào)告的格式和內(nèi)容有所不同，但通常包含影像所見和診斷意見兩部分。這兩部分內(nèi)容是醫(yī)生根據(jù)影像所見而給出的病情客觀描述，具有極高的可信度，因此可以看作是對(duì)影像所做出的人工標(biāo)注，建立了高層概念和底層影像特征之間的聯(lián)系。通過對(duì)影像所見和診斷意見兩部分文本的分析，可以得到病人所患疾病的信息，這些信息就可以指導(dǎo)對(duì)影像進(jìn)行更為細(xì)致的層次劃分。

4.2 基于深度學(xué)習(xí)的影像類別特征提取

圖3 一種典型的基于CNN的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)

基于深度學(xué)習(xí)的影像分類包括兩個(gè)步驟:一是訓(xùn)練，采用有類標(biāo)的大量數(shù)據(jù)集對(duì)深度網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到深度網(wǎng)絡(luò)的各項(xiàng)參數(shù)與分類器的參數(shù)，二是分類，即給定一張輸入影像，通過訓(xùn)練好的深度網(wǎng)絡(luò)參數(shù)提取影像特征，然后根據(jù)訓(xùn)練得到的分類器參數(shù)生成此影像的類別標(biāo)號(hào)。由于此前已經(jīng)構(gòu)建了一個(gè)分層的影像庫，且每個(gè)層次都對(duì)影像進(jìn)行了分類，因此可以直接用來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。根據(jù)影像庫的分層分類結(jié)構(gòu)，需要對(duì)影像庫的每一個(gè)有子類的父類單獨(dú)訓(xùn)練一個(gè)深度網(wǎng)絡(luò)分類器模型，以使深度網(wǎng)絡(luò)可以學(xué)習(xí)到適合本層次影像分類任務(wù)的最佳特征。具體來講，對(duì)應(yīng)于圖2中“醫(yī)學(xué)影像”這個(gè)最大的類，第1層分類器需要將所有的醫(yī)學(xué)影像分成CT、MRI、超聲等1級(jí)子類，1級(jí)子類包含多個(gè)類，需要為每個(gè)類都訓(xùn)練一個(gè)深度網(wǎng)絡(luò)分類模型，分別對(duì)應(yīng)于CT影像分類器，MRI影像分類器等，將這些影像分為2級(jí)子類。同樣的，2級(jí)子類中的每個(gè)類也需要單獨(dú)訓(xùn)練分類器，將其分為3級(jí)子類。每個(gè)分類器的訓(xùn)練數(shù)據(jù)就是這個(gè)分類器中所有子類所包含的影像及其對(duì)應(yīng)的類別標(biāo)簽。經(jīng)過這樣的訓(xùn)練，就可以得到多個(gè)專用的深度網(wǎng)絡(luò)特征提取與分類器，以滿足不同類型影像分類的需要。與基于規(guī)則的特征提取算法相比，本算法不需要去嘗試不同的特征提取算法，以選擇最佳的特征組合方式。只需要設(shè)計(jì)一個(gè)特定的深度網(wǎng)絡(luò)結(jié)構(gòu)，它可以根據(jù)不同的訓(xùn)練數(shù)據(jù)得到不同的網(wǎng)絡(luò)參數(shù)，從而可以針對(duì)不同類型的影像提取不同的特征，因此具有更廣泛的適應(yīng)性。

在分類過程中，輸入影像首先經(jīng)過第1層分類器，將其分到CT、MRI等1級(jí)子類中的某個(gè)類中，然后用這個(gè)類對(duì)應(yīng)的分類器再將其分類到2級(jí)子類中，最后2級(jí)子類中某個(gè)類對(duì)應(yīng)的分類器將其分類到3級(jí)子類中，見圖4。這種級(jí)連式的分類策略可以快速的縮小影像的搜過范圍。訓(xùn)練過程完成之后，需要將一些信息進(jìn)行保存，以便在分類時(shí)可以直接使用。這些信息包括每一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)及每一個(gè)分類器的參數(shù)。

圖4 基于深度學(xué)習(xí)的影像分類流程

4.3 醫(yī)學(xué)影像語義結(jié)構(gòu)定義

按照本文所提出的方法構(gòu)建的醫(yī)學(xué)影像庫中，每個(gè)影像應(yīng)包含一個(gè)完整的影像語義描述，具體包括以下幾項(xiàng)：(1)影像所屬采集設(shè)備。(2)影像所屬人體器官。(3)影像對(duì)應(yīng)疾病名稱。(4)影像對(duì)應(yīng)疾病程度描述。(5)一級(jí)分類器所提取的特征。(6)二級(jí)分類器所提取的特征。(7)3級(jí)分類器所提取的特征。(8)醫(yī)生診斷原始文本。上述描述作為完整的影像屬性保存于影像庫中，以便于檢索或?yàn)檩o助診斷與教學(xué)提供信息。

5 基于深度學(xué)習(xí)的醫(yī)學(xué)影像檢索

基于深度學(xué)習(xí)的醫(yī)學(xué)影像檢索是對(duì)基于層次化醫(yī)學(xué)影像組織分類后得到的影像庫進(jìn)行的匹配檢索過程。根據(jù)用戶所提供的檢索信息和本文設(shè)計(jì)的影像組織方法可以提供以下幾種檢索方式：(1)基于視覺特征的檢索。檢索信息只有一幅醫(yī)學(xué)影像，沒有與之相應(yīng)的文本信息。在這種情況下，將采用影像本身所提取的視覺特征進(jìn)行檢索。如前所述，已經(jīng)為每個(gè)層次每個(gè)類別的影像訓(xùn)練了分類器并為每幅影像提取了與相應(yīng)的影像特征。因此，檢索過程實(shí)際上就變成了一個(gè)先分類再檢索的過程，即輸入影像先經(jīng)過3次分類器的分類得到影像所屬的子類，然后將影像特征與該類別中的所有影像的特征進(jìn)行相似度比較，并按相似度從大到小進(jìn)行排序并輸出得到檢索結(jié)果。(2)基于文本與視覺特征的檢索。檢索信息包括醫(yī)學(xué)影像及其對(duì)應(yīng)的本文信息，在這種情況下，可以從文本中直接提取語義特征，利用語義特征先將影像進(jìn)行分類，然后提取特征并與類中的影像特征進(jìn)行比較，完成檢索過程。(3)按影像庫的層級(jí)進(jìn)行檢索。對(duì)于沒有檢索信息的情況，用戶可以直接為每一個(gè)層次選擇一個(gè)語義關(guān)鍵詞，逐步縮小影像的類別，從而找到滿足需求的影像。也可以采用用戶反饋的方式進(jìn)一步查找想要的影像，如選擇一幅類似的影像，然后用這幅影像去對(duì)影像庫中的影像進(jìn)行相似度排序，這樣會(huì)使檢索結(jié)果更加精確。

6 結(jié)語

本文設(shè)計(jì)的基于層次化深度學(xué)習(xí)的海量醫(yī)學(xué)影像組織與檢索方法的優(yōu)點(diǎn)：(1)將大部分的檢索操作替換為分類操作，極大地提高檢索速度。在層次化的影像庫上進(jìn)行檢索時(shí)，檢索過程實(shí)際是先分類再進(jìn)行相似性比較，提取影像各個(gè)層次的特征，將影像逐層分類，最終在最細(xì)分類層中進(jìn)行特征比較，得到相似度排序，避免了將影像特征與影像庫中所有影像進(jìn)行相似性比較，提高檢索速度。(2)通過對(duì)不同的層次不同類別的影像分別提取影像特征，顯著提高影像分類與檢索的精度。如區(qū)分大腦CT影像與肝部CT影像和區(qū)分肝部?jī)煞N不同疾病影像之間所需要的特征是不同的，前者屬于人體兩個(gè)部位，其結(jié)構(gòu)差別較大，一些簡(jiǎn)單的特征就可以進(jìn)行區(qū)分，而后者同屬于肝部，結(jié)構(gòu)相似，只能依靠病灶部位的更為精細(xì)的特征才能將其區(qū)分開來。基于深度學(xué)習(xí)的特征提取方法具有自適應(yīng)性，在深度網(wǎng)絡(luò)結(jié)構(gòu)確定的前提下，其所提取的特征完全取決于輸入數(shù)據(jù)，因此通過輸入影像庫中不同層次的影像，深度學(xué)習(xí)方法完全可以由粗到細(xì)的提取影像特征，以適應(yīng)當(dāng)前分類檢索任務(wù)的需要。(3)提供了更為方便和多樣化的影像檢索模式。本文的系統(tǒng)不僅可以更好地完成大多數(shù)醫(yī)學(xué)影像檢索系統(tǒng)所采用的“以圖搜圖”的檢索任務(wù)，還可以提供基于關(guān)鍵詞的檢索。這主要是由于影像庫的分層管理模型隱含了影像的語義信息，如用戶輸入CT+顱腦+腫瘤，系統(tǒng)可以根據(jù)影像庫的層次結(jié)構(gòu)快速定位相應(yīng)的影像。

1HenningMuller,NicolasMichoux,etal.AReviewofContent-basedImageRetrievalSystemsinMedicalApplication—clinicalbenefitsandfuturedirections[J].InternationalJournalofMedicalInformatics, 2004, 73 (l):l-23.

2QianX，TagareHD．OptimalEmbeddingforShapeIndexinginMedicalImageDatabases[J]．MedicalImageComputingandComputer-AssistedIntervention(MICCAI)，2005，(3750)：377-384．

3LimJ，ChevalletJ．VisMed：avisualvocabularyapproachformedicalimageindexingandretrieval[J]．InSecondAsiaInformationRetrievalSymposium，2005，(3689)：84-96.

4HsuW，LongLR，AntaniS．SPIRS：aframeworkforcontent-basedimageretrievalfromlargebiomedicaldatabases[J]．StudiesinHealthTechnologyandInformatics，2007，(129)：188-192．

5 王勇，呂揚(yáng)生．基于紋理特征的超聲醫(yī)學(xué)圖像檢索[J]．天津大學(xué)學(xué)報(bào)：自然科學(xué)與工程技術(shù)版，2005，38(1)：57-60．

6 江少鋒，陳武凡，馮前進(jìn),等．基于模糊區(qū)域的CT腦圖像檢索及關(guān)聯(lián)反饋[J]．計(jì)算機(jī)工程與應(yīng)用，2008，44(5)：199-202.

7 王偉蔚，盧虹冰，廖琪梅，等. 多級(jí)多特征醫(yī)學(xué)圖像檢索系統(tǒng)的研究[J].醫(yī)療衛(wèi)生裝備，2012，33(3)：86-88.

8SharmilaG,SaraswathiD,RamkumarR.ASueveyonContentbasedMedicalImageRetrievalforMriBrainImages[J].InternationalJournalofResearchinEngineeringandTechnology,2014，3(19)：149-154.

9Chia-HungWei,Chang-TsunLiandRolandWilson.AContent-BasedApproachtoMedicalImageDatabaseRetrieval[C].DatabaseTechnologies:Concepts,Methodologies,Tools,andApplications, 2009: 1062-1083.

10AbdolHamidPilevar.CBMIR:Content-basedImageRetrievalAlgorithmforMedicalImageDatabases[EB/OL].[2015-01-10].http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3317765/.

11 唐堅(jiān)剛，劉叢．基于小波分解和游程長(zhǎng)度矩陣的醫(yī)學(xué)圖像檢索[J]．計(jì)算機(jī)工程與設(shè)計(jì)，2010,(8)：1771-1774．

12AlexKrizhevskyandSutskever,IlyaandGeoffreyE.Hinton,ImageNetClassificationwithDeepConvolutionalNeuralNetworks[J].AdvancesinNeuralInformationProcessingSystems, 2012, (25): 1097-1105.

Research on Massive Medical Image Organization and Retrieval Based on Hierarchical Deep Learning

WANYan-li,LEIXing-yun,WANGYan,HUHong-pu,

InstituteofMedicalInformation,ChineseAcademyofMedicalSciences,Beijing100020,China

According to the existing problems, the paper proposes an organization and retrieval method of the massive medical images based on hierarchical deep learning in order to obtain more accurate retrieval results, solves the semantic gap problem that exists in the current medical image retrieval at a certain extent.

Picture Archiving and Communication System(PACS); Deep learning; Image retrieval

2015-05-06

萬艷麗，博士，助理研究員，發(fā)表論文10余篇;通訊作者：胡紅濮。

R-058

A 〔DOI〕10.3969/j.issn.1673-6036.2015.05.010

〔摘要〕 影像存儲(chǔ)與傳輸系統(tǒng)； 深度學(xué)習(xí)； 影像檢索