骨扫描是一种全身性医学影像检查,它可以比其他方法更早的发现肿瘤及肿瘤骨转移,因此获得了广泛的应用。临床医生对骨扫描图像的诊断工作主要包括热点的检测、识别和分析。实际中由于图像成像质量和读片医师的主观差异,导致不同医生对同一病人的诊断结果存在不一致,从而影响到病人的后续治疗。骨扫描图像计算机辅助分析系统以图像处理和机器学习算法为核心,对骨扫描图像进行分析,检测出图像中的热点,将热点精准分割出来并进行量化分析。这可以很大程度上克服读片医师的主观差异,降低人工处理的工作量,提升诊断的灵敏度和准确率。同时,由于骨扫描图像数量的不断增长,医生需要在最快的时间内通过图像检索系统从过往病例中找到类似的部位、类似的热点类型,为医生的诊断提供必要的参考。本文搭建了骨扫描图像计算机辅助诊断系统的整体框架,并从三个方面解决了医生的需求。本文根据骨扫描图像低信噪比、图像边界模糊等特点,创新地尝试使用卷积稀疏编码提取深度特征描述骨扫描图像的细节。并结合AdaBoost分类器,从整体上判断胸廓骨扫描图像中是否含有热点,并实现三个级别的分类。本文进而采用多实例学习算法构建骨扫描图像热点概率图,结合局部符号差异水平集,实现对热点的初步自动分割。本文通过相关实验证明了所提出的诊断算法和分割算法的有效性。由于自动分割不可能完美地分割出所有热点,所以本文创新性地提出了一种热点交互式分割算法,使得医生仅仅提供一个点的信息,便可完成对热点的分割。本文使用变分推断中的平均场方法不断迭代向邻域传播输入信息,并采用水平集实现热点分割。同时,本文利用图割的方法,使得医生可以对热点分割的结果进行局部修饰。实验表明,本文提出的交互式分割方法,可以简单、快速和精准地分割出骨扫描图像中的热点。另外,为了方便医生查找以往相似的病例,本文构建了全新的基于内容的骨扫描图像检索系统。由于传统的基于SIFT和词袋的图像特征对于骨扫描图像描述效果一般,本文改用深度特征代替。为了同时保证检索的准确性和快速性,本文采用了基于核函数的有监督哈希建立索引。实验结果表明,本文所建立的骨扫描图像检索系统可以帮助医生高效而准确找到数据库中的相似病例。