基于最近邻搜索与预训练图像特征的医学图像检索
计算机视觉与模式识别
2022-10-06 v1 人工智能
摘要
最近邻搜索(NNS)旨在定位高维空间中最接近查询点的点。当点的数量很大时，寻找最近邻的暴力方法在计算上变得不可行。NNS 在医学中有多种应用，例如搜索大型医学影像数据库、疾病分类、诊断等。聚焦于医学影像，本文提出 DenseLinkSearch，一种有效且高效的算法，可从异构来源的医学图像中搜索并检索相关图像。为此，给定医学数据库，所提算法构建由数据库中每个点的预计算链接组成的索引。搜索算法利用该索引高效遍历数据库以寻找最近邻。我们广泛测试了所提 NNS 方法，并在基准数据集和我们创建的医学图像数据集上与最先进的 NNS 方法比较性能。所提方法在检索准确近邻和检索速度方面优于现有方法。我们还探讨了医学图像特征表示在基于内容的医学图像检索任务中的作用。我们提出一种基于 Transformer 的特征表示技术，在 CLEF 2011 医学图像检索任务上优于现有的预训练 Transformer 方法。我们实验的源代码可在 https://github.com/deepaknlp/DLS 获取。
引用
@article{arxiv.2210.02401,
title = {Medical Image Retrieval via Nearest Neighbor Search on Pre-trained Image Features},
author = {Deepak Gupta and Russell Loane and Soumya Gayen and Dina Demner-Fushman},
journal= {arXiv preprint arXiv:2210.02401},
year = {2022}
}