基于内容的医学图像总结
首先先说明一下，这篇文章只是代表我个人最近的总结，如果不小心误导了大家，那就当没看过这篇文章…..好了，说说我关于基于内容的医学图像总结..
大家都知道，图像这一方面的东西，在未来来说是个热点，不管是安全，还是办公等方面都可以起到重要的作用.例如,可以通过人脸来代替输入密码,通过人脸来代替手工打卡之类的..但是医学的图像识别（CBMIR）就更加困难了,因为医学图片的信息量很大，大到很多医生也没办法把一张医学图片的信息完全说正确.这次是py来找我，我们4月左右开始算做吧.发哥带队..然后大概在5月份的时候，开始看别人写的一些硕士，博士论文..感觉各种(你懂得)，警察叔叔不要来抓我啊…..
现在基于一些原因，我们可能要转移这个阵地了,其实发哥在5.30号给我们谈的那些确实很好，增长了我们的见识…就说一点原因吧.现在好多个大公司投入大量的人力，物力在CBMIR上，却没有出什么比较好的成品，以我们2个本科生的实力,想去完成，这可能有点不切实际。最怕就是我们可能时间花了，学到了东西，但是却出不了成品，所以想转移阵地了.所以我就总结一下吧.也是对自己这一段时间的负责吧。不然忘记这个岁月可不好.
我们去万方知网去下载了不同的论文，大家如果感兴趣的可以去下载看看..
首先和大家讲一下，最原始的方法就是通过图片的颜色，纹理，形状。比较简单的方法就是分别提取这3种特征值，然后保存到特征库里面，以后如果有要查询的图片，就通过相应的算法，提取该图片的颜色，纹理，形状。然后到特征库里面去比较，如果相似的就把他找出来..但是这种方法不好，不够全面，查准率比较低.于是就出现了第二种方法，就是通过这3种特征的组合去形成新的特征向量，通过调整相应特征的权值，找出一种比较合理的组合方式.但是，这种方法也不是很全面…于是出现了第三种方法，就是相关反馈技术.我觉得这个有点类似神经网络了..抽象的将，就是用户通过反馈自己对当前检索的满意情况，来调整检索，每次告诉系统，这种图片是负相关的，这种图片是正相关的，系统通过学习，调整特征，再次查询..
好了，这是比较正规的方法，那我还看过几篇很好的论文..其中一篇叫做“基于互信息方法的医学图像检索”.这是通过互信息来做的.论文里面也把结果显示出来了.简单讲，就是计算图1.和图2的互信息系数,然后定义一个基准，大于多少的就是比较和图1比较接近的了..我是觉得这个方法不错..
对了，还有一篇讲的是非负矩阵的..这篇文章 我对非负矩阵没有理解透彻..还是不讲了.
好了，大致就是这样了，如果讲错了，大家可以指出来…
如果不小心误导了你，真心说声不好意思..
好了，下一步就是数据挖掘了..
如果要转载，请注明出处:
