使用预训练嵌入的医学图像检索

医学图像可用的成像技术与数据格式广泛多样，使得从图像数据库中准确检索具有挑战性。高效的检索系统对于推进医学研究、实现大规模研究以及创新诊断工具至关重要。因此，解决医学图像检索的挑战对于医疗与研究的持续提升必不可少。在本研究中，我们评估了采用四种最先进的预训练模型在模态、身体区域和器官层面进行医学图像检索的可行性，并比较了两种相似性索引方法的结果。由于所用网络接受 2D 图像，我们分析了在检索 3D 体积时融入 3D 信息的加权与采样策略的影响。我们表明，使用预训练网络无需任何额外训练或微调步骤即可实现医学图像检索。使用预训练嵌入，我们在模态、身体区域和器官层面的各项任务中取得了召回率为 1 的结果。