%0 Journal Article %A 王保加 %A 潘海为 %A 谢晓芹 %A 张志强 %A 冯晓宁 %T 基于多模态特征的医学图像聚类方法 %D 2018 %R 10.3778/j.issn.1673-9418.1709031 %J 计算机科学与探索 %P 411-422 %V 12 %N 3 %X 现有的图像特征表达大多使用低层语义特征(如颜色、纹理等)细粒度地比较图像的相似度,然而医生就诊更多依据图像在局部区域高层语义特征(如是否病变、病变类型等)的差异粗粒度地判断图像的相似程度。针对现有的医学图像特征表达忽略了医学图像特有的高层语义特征,致使医学图像聚类效果不佳的问题,提出了一种融合医学图像纹理特征和特有形态学特征的多模态特征医学图像聚类方法。首先一方面提出使用纹理特征融合方法表示医学图像全局底层语义特征;另一方面提出使用图像分割的感兴趣区域(region of interest,ROI)的形态学描述作为形态学特征表示医学图像的局部高层语义信息。其次结合提出的相似性度量方法分别计算脑CT图像两类特征间的相似度。最后利用多核学习方法学习特征融合权重,并在多核谱聚类实验上验证了该方法的有效性。 %U http://fcst.ceaj.org/CN/10.3778/j.issn.1673-9418.1709031