基于局部邻域模式与深度特征融合的X射线影像内容检索系统在肺部疾病检测中的应用

为解决肺部疾病诊断中医学影像检索效率问题，研究人员开发了结合局部二值模式(LBP)与预训练CNN模型(VGG-16/DenseNet121/InceptionV3?)的CBMIR系统。通过特征融合与余弦相似度优化，在COVID-19(52.5%精度)、肺炎(93.5%精度)和正常病例(85%精度)检测中取得突破，Top10图像检索准确率达86%，为临床决策提供智能化支持。

　　

这项研究构建了一个革命性的医学影像检索系统，巧妙地将传统纹理分析利器——局部二值模式(LBP)与三大深度学习巨头VGG-16、DenseNet121和InceptionV3^?的特征提取能力相融合。科研团队像精准的"特征调酒师"般，通过欧氏距离、曼哈顿距离和余弦相似度等"量杯"，最终调配出以余弦相似度(65.5%平均精度)为基底的"最佳鸡尾酒配方"。特别值得注意的是，该系统在肺炎检测中展现出93.5%的惊人精度，而VGG-16模型更是以74%的平均精度成为"全能选手"。当检索前10张图像时，LBP与深度学习特征的组合实现了86%的命中率，犹如为放射科医生装配了智能导航仪，显著提升了临床决策的准确性与效率。