第6期 杨晓兰，等：基于医学征象和卷积神经网络的肺结节CT图像哈希检索 ·859· 的深层特征在图像检索领域表现出比传统手工设计 检索性能，对CNNs更具有弹性。本文首先利用如 特征的方法更好的检索效果。文献[16]表明PCA 图3所示的CNNs框架提取肺结节的高维特征，然 方法在不损失特征质量的前提下还能够保持较高的 后使用PCA方法抽取肺结节的重要语义特征。 ① 2 待查询肺 9种单一征象数据集 有 结节图像 CNNs 肺结节征象特征 提取XML文件中 征象特征提取 的注释信息 9种医学征象的取值 1100100-01001 11010...0101001 11001101i100 i0011…1001i0 10011…1101101 训练哈希函数 相似性检索 11010·1111001 训练集准确的哈希码 图1基于医学征象和卷积神经网络的肺结节CT图像检索方法 Fig.1 Retrieval method of pulmonary nodules CT images based on medical signs and CNNs 表1含有9种肺结节征象的表结构 Table 1 The table structure that contains nine signs feature 9种征象的取值 肺结节编号 精细度 内部结构钙化球形度 边缘分叶毛刺 纹理特征 恶性程度 000071_1 1 6 3 3 3 4 5 000123_2 5 6 3 3 3 5 5 0000803 5 6 3 3 4 J 5 000061_4 6 3 3 5 0000415 6 肺部CT图像 肺结节01 肺结节02 肺结节03 肺结节n 9种征象的取值 精细度5 内部结构1 钙化征6 球形度3 边缘3 分叶征3 毛刺征4纹理特征5 恶性程度5 二值码映射 00-0101 00-0001 00-0110 00-0011 000011 00+0011 00-0100 00-0101 00-0101 图2肺结节征象的二值码编码 Fig.2 Binary encoding of signs of pulmonary nodules的深层特征在图像检索领域表现出比传统手工设计 特征的方法更好的检索效果。文献[16]表明 PCA 方法在不损失特征质量的前提下还能够保持较高的 检索性能，对 CNNs 更具有弹性。本文首先利用如 图 3 所示的 CNNs 框架提取肺结节的高维特征，然 后使用 PCA 方法抽取肺结节的重要语义特征。 ᒭ䆍➥ᒭ᣼ं CNNs ᪜ܩ䃙㏯৴ጸ 㗦㏿㞮ᒭ䆍➥ᒭ 1100100Ă01001 ⰤѨᕓᷬ㉎ Ă Ă 9 ⻹ࢁ̬ᒭ䆍᪜ᢚ䯲 ᣼ंXML᪳Т͙ ⮰∔䛶ԍᖛ 9 ⻹ࡧ႒ᒭ䆍⮰ंը 11010Ă0101001 11001Ă1011100 10011Ă1001101   10011Ă1101101 11010Ă1111001 䃙㏯䯲۲⶚⮰৴ጸⴭ ᒱᴑ䄎㗦 ׻㞮ప㏿ Ŗ ŗ Ř 图 1 基于医学征象和卷积神经网络的肺结节 CT 图像检索方法 Fig. 1 Retrieval method of pulmonary nodules CT images based on medical signs and CNNs 㗦䘔 CT ప׻ 㗦㏿㞮_01 㗦㏿㞮_02 㗦㏿㞮_03 Ă 㗦㏿㞮_n ㇪㏲Ꮢ 5 ڱ䘔㏿Ჰ 1 䧅ࡂᒭ 6 ⤯ᒎᏒ 3 䓥㑄 3 ܲढᒭ 3 ℇݦᒭ 4 ㏥⤲➥ᒭ 5 ᖢᕓ⼷Ꮢ 5 9 ⻹ᒭ䆍⮰ंը θըⴭᭌᄰ 00Ă0101 00Ă0001 00Ă0110 00Ă0011 00Ă0011 00Ă0011 00Ă0100 00Ă0101 00Ă0101 图 2 肺结节征象的二值码编码 Fig. 2 Binary encoding of signs of pulmonary nodules 表 1 含有 9 种肺结节征象的表结构 Table 1 The table structure that contains nine signs feature 肺结节编号 9种征象的取值 精细度 内部结构 钙化 球形度 边缘 分叶 毛刺 纹理特征 恶性程度 000071_1 5 1 6 3 3 3 4 5 5 000123_2 5 1 6 3 3 3 4 5 5 000080_3 5 1 6 3 3 3 4 5 5 000061_4 5 1 6 3 3 3 4 5 5 000041_5 5 1 6 3 3 3 4 5 5 第 6 期 杨晓兰，等：基于医学征象和卷积神经网络的肺结节 CT 图像哈希检索 ·859·