多重语义X射线医学图像检索使用由FPN提取的高效特征向量.
Lijia Zhi1,2, Shaoyong Duan1, Shaomin Zhang1,2
1School of Computer Science and Engineering, North Minzu University, Yinchuan, China.
Journal of X-ray science and technology
|July 20, 2024
概括
这项研究引入了一个深度卷积神经网络 (CNN),用于增强基于内容的医疗图像检索 (CBMIR). 该模型提高了获取多个语义X射线图像的准确性.
科学领域:
- 医疗成像医学成像
- 计算机辅助诊断 计算机辅助诊断
- 人工智能的人工智能
背景情况:
- 基于内容的医疗图像检索 (CBMIR) 对计算机辅助诊断 (CAD) 至关重要.
- 从医疗图像中提取复杂的语义信息对于准确的检索具有挑战性.
- 表达式特征向量对于有效的图像搜索至关重要.
研究的目的:
- 提出一个深度卷积神经网络 (CNN) 模型,用于提取简洁的特征向量.
- 为了提高多个语义X射线医学图像检索的准确性.
主要方法:
- 开发了一种基于特征金字塔的CNN模型,具有ResNet50V2骨干.
- 该模型从X射线图像中提取多层次的语义信息.
- 用于培训和测试的是IRMA数据集,这是一个公开的多重语义注释X射线医学图像数据集.
主要成果:
- 拟议的方法实现了IRMA误差为32.2.2.
- 这一分数代表了IRMA数据集现有文献中报告的最佳表现.
结论:
- CNN模型有效地从X射线图像中提取多层次的语义信息.
- 简洁的特征向量可以提高多语义和不均分布的X射线图像的检索精度.


