Hadoop云平臺下基于內(nèi)容的醫(yī)學(xué)圖像檢索技術(shù)研究.pdf

1、隨著現(xiàn)代數(shù)字化技術(shù)以及多媒體和計算機網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，醫(yī)學(xué)診療技術(shù)不斷提升，醫(yī)學(xué)影像數(shù)據(jù)量也在大幅增長。如何在與日俱增的醫(yī)學(xué)圖像數(shù)據(jù)中進行快速且準(zhǔn)確的檢索，是醫(yī)學(xué)研究工作者面臨的一個重要課題。傳統(tǒng)的基于文本的醫(yī)學(xué)圖像檢索方法需要人工對圖像添加文本描述，再利用文本檢索系統(tǒng)對圖像進行檢索，因其檢索過程比較復(fù)雜、時效性較低且準(zhǔn)確率不高基本被淘汰?；趦?nèi)容的醫(yī)學(xué)圖像檢索CBMIR(Content-Based Medical Image Ret

2、rieval)是運用圖像自身特征進行檢索的，特征一般包括顏色、紋理、形狀等，因其檢索準(zhǔn)確性較高被廣泛采用。然而，現(xiàn)階段國內(nèi)外關(guān)于醫(yī)學(xué)圖像檢索技術(shù)的研究依然存在兩大問題：第一、基本都是在單機環(huán)境下進行，大規(guī)模醫(yī)學(xué)影像數(shù)據(jù)的檢索使得該串行模式的醫(yī)學(xué)圖像檢索技術(shù)已出現(xiàn)進程瓶頸，不能滿足客觀需求；第二、當(dāng)前醫(yī)學(xué)圖像檢索中大都是對圖像依次進行遍歷，而沒有很好的索引機制來做索引，也增大了檢索系統(tǒng)的負荷。
　　Hadoop云平臺的出現(xiàn)為解決第一

3、個問題提供了全新思路。隨后，學(xué)者們也開始在Hadoop平臺下進行了醫(yī)學(xué)圖像檢索技術(shù)的相關(guān)研究。其研究是將醫(yī)學(xué)圖像以及圖像特征均存儲于分布式文件系統(tǒng)HDFS(Hadoop Distributed File System)，然后采用MapReduce并行模型進行匹配，減少了檢索時間，提高了圖像檢索速度。也有研究者提出基于大量醫(yī)學(xué)影像數(shù)據(jù)處理過程中的優(yōu)化方法，分析Hadoop云平臺在處理小文件時存在的不足，對醫(yī)學(xué)圖像DICOM文件格式進行研究

4、，最終設(shè)計形成SF-DICOM文件格式，在HDFS存儲環(huán)境下進實驗并驗證了該方法的有效性。然而，HDFS只能提供一種快速訪問特定數(shù)據(jù)條目的機制，不能隨著數(shù)量集的增長有很好的擴展，而HBase的主要優(yōu)勢就是快速隨機訪問，提升系統(tǒng)性能。針對第二個問題，基于倒排索引的Lucene框架的引入可以將其很好地解決，并將特征提取以及查詢之間進行整合，為檢索建立索引進而提高檢索效率。
　　本文結(jié)合HDFS和HBase的最優(yōu)功能，提出將DICOM圖