王李冬

（杭州师范大学钱江学院，浙江杭州 310012）

基于图理论学习模型的胃窥镜图像自动标注

王李冬

（杭州师范大学钱江学院，浙江杭州 310012）

为了解决目前医学图像检索领域不能有效缓解“语义鸿沟”的问题，提出基于图理论学习模型的图像自动标注方法.首先讨论了医学图像的标注问题，总结了现有关医学图像标注的研究工作.以胃窥镜图像为具体研究对象，针对图学习模型中的图像－标注词间的关系提取以及图像相似度计算进行了详细分析，并有效地融合进医生的诊断信息作为图像的高级语义特征，更有效地计算出图像间相似度.最后，在Toy data数据集和临床胃窥镜图像集上进行了一系列的实验，结果表明本文方法优越于传统图像标注方法.

自动医学图像标注；图理论学习；胃窥镜图像；高级语义

1 概 述

有效的医学图像检索系统对诊断和治疗起到有效的辅助作用.随着数字成像技术的发展，近几年医学图像的存储量也在大规模增长.医学图像检索技术应运而生，并且受到了广泛关注.

医学图像检索的目标即从图像库中检索到具有相同病灶的病理图像，因此于不同种类、不同部位之间的医学图像间进行检索，实用意义不大.由于相同部位医学图像存在过度相似、分辨率高等特性，单纯依靠底层特征进行检索往往达不到用户需求，所以目前医学图像检索领域的一个瓶颈问题即底层视觉特征和高层语义之间的语义……