常见胎儿脑畸形的空间直方图金字塔检索方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (23): 235-238.

常见胎儿脑畸形的空间直方图金字塔检索方法

韩勇1，李胜利2，唐娉1

1.中国科学院遥感应用研究所，北京 100101
2.深圳市妇幼保健院，广东深圳 518028

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-11 发布日期:2011-08-11

Spatial histogram pyramid method for fetal ultrasound image retrival

HAN Yong1，LI Shengli2，TANG Ping1

1.Institute of Remote Sensing Applications，Chinese Academy of Sciences，Beijing 100101，China
2.Shenzhen Maternity & Child Healthcare Hospital，Shenzhen，Guangdong 518028，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-11 Published:2011-08-11

摘要/Abstract

摘要： 在传统空间金字塔匹配方法的基础上进行改进，考虑到医学超声图像本身的特点，针对胎儿常见脑畸形（脑积水和脑室扩张）图像，提出来一种空间直方图金字塔检索方法。此方法简单、效率高，具有平移、尺度和旋转不变性，综合考虑了颅脑内部结构的空间位置信息，提高了检索精度，可快速有效地对胎儿超声脑积水和脑室扩张图像进行检索，给医生提供脑畸形辅助诊断依据。

关键词: 超声图像, 图像检索, 灰度直方图, 空间直方图金字塔

Abstract: This paper mainly discusses the semiautomatic fetal head retrieval method for ultrasound images.After reviewing several retrieval methods，this paper proposes a new fast method for ultrasound images based on spatial histogram pyramid，which takes into account the fetal head performance in both image spaces and position information.This method is invariant to translation，scale，rotation.Not only the fully semiautomation be realized，but also the retrieval accuracy be improved by the method suggested.

Key words: ultrasound images, image retrieval, gray histogram, spatial histogram pyramid

韩勇1，李胜利2，唐娉1. 常见胎儿脑畸形的空间直方图金字塔检索方法[J]. 计算机工程与应用, 2011, 47(23): 235-238.

HAN Yong1，LI Shengli2，TANG Ping1. Spatial histogram pyramid method for fetal ultrasound image retrival[J]. Computer Engineering and Applications, 2011, 47(23): 235-238.

[1]	徐可文，许波，吴英，徐浩然. 机器学习在超声图像中的应用综述[J]. 计算机工程与应用, 2021, 57(4): 11-17.
[2]	李蒙蒙，邵良志，崔文超，孙水发. Fisher-Tippet分布拟合的超声图像联合双边滤波方法[J]. 计算机工程与应用, 2020, 56(9): 221-227.
[3]	武光华，张旭东，葛维，孙鸽，毛财胜. 结合模型集成与特征融合的图像拷贝检测[J]. 计算机工程与应用, 2020, 56(20): 199-205.
[4]	陈享，何亨，李鹏，金瑜，聂雷. 云环境中基于目标检测的密文图像检索方案[J]. 计算机工程与应用, 2020, 56(11): 75-82.
[5]	王妙，景军锋. 基于哈希编码和卷积神经网络的图像检索方法[J]. 计算机工程与应用, 2019, 55(23): 194-199.
[6]	牛亚茜，冀小平. 基于卷积神经网络的图像检索算法研究[J]. 计算机工程与应用, 2019, 55(18): 201-206.
[7]	蔡鹏飞，叶剑锋. 结合改进CNN和双线性模型的CBIR方法[J]. 计算机工程与应用, 2019, 55(16): 191-196.
[8]	段文静，陈绍平. 具备高层语义特征的离散哈希图像检索算法[J]. 计算机工程与应用, 2019, 55(13): 212-217.
[9]	郑冬婷，董赟，朱星弛，周远. 一种用于图像检索的新型空间关系特征[J]. 计算机工程与应用, 2019, 55(10): 1-8.
[10]	穆亚昆，冯圣威，张静. 基于文本与语义相关性分析的图像检索[J]. 计算机工程与应用, 2019, 55(1): 196-202.
[11]	刘帅1，2，刘元宁1，3，朱晓冬1，3，冯家凯1，3，卢时旭1，2. 基于分块搜索的虹膜定位算法[J]. 计算机工程与应用, 2018, 54(18): 212-217.
[12]	苗军1，崔嵩2，段立娟2，张璇2，许少武1. 基于最长公共视觉词串的图像检索方法[J]. 计算机工程与应用, 2018, 54(15): 192-196.
[13]	熊国萍. SUSAN边缘响应值灰度化转共生矩阵检索[J]. 计算机工程与应用, 2016, 52(5): 225-230.
[14]	倪波1，刘志远1，2，余钢1. 结合高斯过程和形变模型的超声图像分割方法[J]. 计算机工程与应用, 2016, 52(12): 210-215.
[15]	谢莉1，成运1，曾接贤2，余胜1. 基于颜色和梯度方向共生直方图的图像检索[J]. 计算机工程与应用, 2016, 52(10): 181-186.