基于草图的医学图像的语义检索
Kazuma Kobayashi1, Lin Gu2, Ryuichiro Hataya3
1Division of Medical AI Research and Development, National Cancer Center Research Institute, 5-1-1 Tsukiji, Chuo-ku, Tokyo 104-0045, Japan; Cancer Translational Research Team, RIKEN Center for Advanced Intelligence Project, 1-4-1 Nihonbashi, Chuo-ku, Tokyo 103-0027, Japan.
Medical image analysis
|December 17, 2023
概括
这项研究引入了一种新的基于草图的医疗图像检索 (SBMIR) 系统. 它允许用户搜索庞大的医疗图像数据库,而无需示例图像,改善了对罕见病例和细粒度特征的访问.
科学领域:
- 医疗信息学 医疗信息学
- 计算机辅助诊断 计算机辅助诊断
- 数字成像技术的数字成像.
背景情况:
- 医院面临着快速增长的医疗图像量,但它们的利用往往是有限的.
- 目前的基于内容的医疗图像检索 (CBMIR) 系统需要示例图像,这给用户带来了实际挑战.
- 现有的系统难以实现可定制,细粒度的检索,搜索没有例子,并访问罕见的医疗病例.
研究的目的:
- 开发和评估一种新的基于草图的医疗图像检索 (SBMIR) 系统.
- 克服传统CBMIR系统的局限性,特别是需要例如图像.
- 为了实现医疗图像的可定制和细粒度检索,包括罕见病例.
主要方法:
- 引入了基于特征分解的基于草图的医疗图像检索 (SBMIR) 系统.
- 开发了一个两步的图形用户界面:选择一个模板用于正常特征和草图异常特征.
- 集成用户提供的正常和异常功能,构建用于图像检索的查询向量.
主要成果:
- 在SBMIR系统成功启用图像检索,而不需要示例图像.
- 用户可以根据特定特征进行细粒度图像检索.
- 该系统在检索罕见病例方面被证明是有效的,解决了现有方法的一个关键局限性.
结论:
- 开发的SBMIR系统提供按需,可定制的医疗图像检索.
- 这种方法显著扩大了大型医疗图像数据库的实用性.
- 基于草图的检索代表了医学图像分析和可访问性的有希望的进步.
