[发明专利]一种基于内容相似度和Softmax分类器的医学图像检索方法

摘要

本发明公开了一种基于内容相似度和Softmax分类器的医学图像检索方法，包括以下步骤：步骤S1：使用大规模医学图像数据集训练Softmax模型；步骤S2：使用经过训练的Softmax模型对输入图像进行预测和检索。与现有技术相比较，本发明采用Softmax分类器对医学图像建立了分类模型，缩小了相似度比较范围，提高了分类和检索性能，使得医学图像检索的效率更高，改善了现有的基于内容的医学图像检索技术高计算复杂度的缺点；另外本发明还采用了改进的相似度计算算法，有助于提高医学图像类别预测的准确性和检索的精确性，改善了现有的基于内容的医学图像检索技术对海量数据检索分类准确性差的缺点。

主权项

1.一种基于内容相似度和Softmax分类器的医学图像检索方法，其特征在于，包括以下步骤：步骤S1：使用大规模医学图像数据集训练Softmax模型；步骤S2：使用经过训练的Softmax模型对输入图像进行预测和检索；其中，步骤S1进一步包括如下步骤(1)至(4)：步骤(1)：获取大规模医学图像数据集，进行预处理，将图像尺寸统一化，图像内容灰度化；步骤(2)：将预处理后的医学图像数据集存储于HBase数据库中；步骤(3)：从HBase数据库中获取医学图像集，基于医学图像中的纹理和形状特征使用特征提取方法获取医学图像的特征向量f；步骤(4)：根据上一步中提取的医学图像特征向量f，通过监督学习的方法训练Softmax分类模型，得到最佳参数θ；步骤S2进一步包括步骤(5)和(6)：步骤(5)：使用训练好的Softmax分类器，预测出当前查询医学图像的所属类别；步骤(6)：根据上一步中预测的医学图像所属分类，从HBase数据库中得到该分类的医学图像集，计算查询图像与该分类的图像集中各个医学图像的相似度，构建相似度矩阵S，根据相似阈值τ找到符合相似度要求的结果图集。