文献类型：期刊文章

作　　者：丁恒[1] 陆伟[1] 林霞[1] 曹光超[1]

Ding Heng Lu Wei Lin Xia Cao Guangchao(School of Information Management, Wuhan University, Wuhan 43007)

机构地区：[1]武汉大学信息管理学院,信息检索与知识挖掘研究所,武汉430072

出　　处：《情报学报》

年　　份：2016

卷　　号：35

期　　号：12

起止页码：1296-1304

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSSCI、CSSCI2014_2016、INSPEC、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：医学图像模态的自动标注是建立检索词和医学图像间准确关联,实现医学图像检索的基础。当前医学图像的模态特征表达多采用基于单一表达模型的方法,没有充分运用不同表达模型的互补优势,医学图像的语义描述框架与医学图像检索需求不匹配。针对这些不足,本文在介绍医学图像模态分类框架和标准数据集的基础上,分析了文本特征和视觉特征对医学图像模态自动标注的影响,对比了向量空间模型(VSM)、潜在语义索引(LSI)、视觉词袋模型(B0W)、卷积神经网络模型(CNN)等多种特征表达模型在医学图像模态自动标注上的效果,研究发现文本特征与视觉特征各适用于部分医学模态的识别与区分,组合多种表达模型能够获得最佳的标注效果。

关 键 词：医学图像检索 图像标注 ImageCLEFmed  模型组合

分 类 号：TP391.41]