基于卷积网络与Radon变换的快速医学图像检索二进制标签生成
计算机视觉与模式识别
2016-04-19 v1
摘要
大型医学图像档案中的基于内容的图像检索（CBIR）是一项具有挑战性且必要的任务。通常，使用不同的特征提取方法为每幅图像分配具有表达力和不变性的特征，从而使得相似图像搜索归结为特征分类和/或匹配。本工作介绍了一种用于医学应用的新型图像检索方法，该方法采用了卷积神经网络（CNN）与最近提出的Radon条形码。我们将用于全局分类的神经编码与用于最终检索的Radon条形码相结合。我们还考察了图像检索后基于感兴趣区域（ROI）匹配的图像搜索。使用包含超过14,000张X射线图像的IRMA数据集来评估我们方法的性能。实验结果表明，我们的方法优于许多已发表的工作。
引用
@article{arxiv.1604.04676,
title = {Generating Binary Tags for Fast Medical Image Retrieval Based on Convolutional Nets and Radon Transform},
author = {Xinran Liu and Hamid R. Tizhoosh and Jonathan Kofman},
journal= {arXiv preprint arXiv:1604.04676},
year = {2016}
}
备注
To appear in proceedings of The 2016 IEEE International Joint Conference on Neural Networks (IJCNN 2016), July 24-29, 2016, Vancouver, Canada