40、基于本体和低级特征提取的医学图像检索

基于本体和低级特征提取的医学图像检索

1. 引言

近年来，语义网领域在提升搜索效果、使信息更贴合用户需求方面取得了一定进展，但相关工作主要集中在少数领域。在医学图像检索方面，利用语义网进行的研究还比较少。

在当今时代，图像检索的需求日益增长，它逐渐成为文本检索之外的重要信息表达方式。语义文本检索对传统基于对象的检索方法提出了挑战，但它无法满足图像数据库的需求。在医学领域，信息检索至关重要，结果的准确性和及时性会直接影响医生的诊断决策。除了数据库中语义存储的文本信息外，图像也起着关键作用。因此，利用语义网进行图像检索已成为一个重要的研究领域。

语义过滤是一种为文本赋予上下文含义的方法，通过分析文档中的词汇使用情况，认为出现在相似上下文中的词汇具有相似的含义和/或关系意义。本文采用基于上下文探索（CE）的语义过滤方法，该方法通过对各种信息对象（如索引、空间特征、参考等）进行过滤，定义相关规则来推断提取结果，从而实现高效的过滤。

目前，现代医院的信息系统通常仅通过查询与图像关联的患者文本细节来检索图像，但由于数据库庞大，这种方式难以保证结果的准确性。此外，将现有的信息学方法直接应用于图像数据也面临挑战，因为图像中的数据不像文本数据那样明确，且机器难以直接访问。

解决这些问题的关键在于语义网，借助各种本体和数据标注技术，可以将非结构化数据转换为机器可计算的形式。对于图像，有多种特征提取工具可与标注的文本数据结合，帮助实现准确的图像检索。本文提出的模型旨在构建一个系统，用户只需进行查询，就能同时检索患者的数据和图像。以往该领域的主要应用仅考虑文本数据，因为处理图像的低级特征细节较为困难。本文提出的系统通过识别图像的特定特征（如直方图、轮廓、主色等），