面向内容式医学图像检索评估的语义感知相关性度量
计算机视觉与模式识别
2025-06-17 v1
摘要
基于内容的图像检索（CBIR）的性能评估至今仍然是一个至关重要但尚未解决的问题，尤其是在医学领域。文献中讨论了各种评估指标。大多数现有指标（如精确率和召回率）是从分类任务中借鉴而来的，这些任务需要手动标注作为真实标签。然而，此类标注通常昂贵且在特定主题领域中不可用。此外，医学图像通常与放射学病例报告相关联，或在文献插图中附有描述性标题，这些文本包含可用于评估CBIR的信息。几位研究者曾论证，文本中隐藏的医学概念可以作为CBIR评估的基础。然而，这些工作往往将这些医学概念视为独立且孤立的标签，而实际上各种概念之间的细微关系被忽略了。在本工作中，我们引入知识图谱来度量各种医学概念之间的距离，并通过定义两组医学概念之间基于近似匹配的相关性分数，提出了一种用于CBIR评估的新型相关性度量方法，使我们能够间接测量医学图像之间的相似性。我们使用一个公开数据集定量地展示了所提相关性度量的有效性和可行性。
引用
@article{arxiv.2506.13509,
title = {A Semantically-Aware Relevance Measure for Content-Based Medical Image Retrieval Evaluation},
author = {Xiaoyang Wei and Camille Kurtz and Florence Cloppet},
journal= {arXiv preprint arXiv:2506.13509},
year = {2025}
}
备注
This paper has been accepted by the International Conference on Image Analysis and Processing 2025