Medical Image Retrieval via Nearest Neighbor Search on Pre-trained Image Features

要約

ニアレストネイバサーチ（NNS）は、高次元空間において、クエリ点に最も近い点を見つけることを目的とする。近傍探索のためのブルートフォースアプローチは、点の数が多くなると計算不可能になる。NNSは、大規模な医用画像データベースの検索、病気の分類、診断など、医学の分野で複数の応用がある。本論文では、医用画像に焦点を当て、異種医用画像から関連画像を検索する効果的かつ効率的なアルゴリズムであるDenseLinkSearchを提案する。提案アルゴリズムは、医用画像データベースが与えられたとき、データベース内の各点について事前に計算されたリンクからなるインデックスを構築する。提案アルゴリズムは、この索引を利用して、データベースを効率的に走査し、最近傍点を探索する。我々は、提案するNNSアプローチを広範囲にテストし、ベンチマークデータセットと我々が作成した医用画像データセットにおいて、最新のNNSアプローチと性能を比較した。提案手法は、正確な近傍探索と探索速度の点で既存の手法を凌駕している。また，コンテンツベースの医用画像検索タスクにおける医用画像特徴表現の役割について検討する．我々はTransformerを用いた特徴表現手法を提案し，CLEF 2011の医用画像検索課題において，既存の事前学習済みTransformerを用いた手法よりも優れた結果を得た．我々の実験のソースコードは https://github.com/deepaknlp/DLS で公開されている。

要約(オリジナル)

Nearest neighbor search (NNS) aims to locate the points in high-dimensional space that is closest to the query point. The brute-force approach for finding the nearest neighbor becomes computationally infeasible when the number of points is large. The NNS has multiple applications in medicine, such as searching large medical imaging databases, disease classification, diagnosis, etc. With a focus on medical imaging, this paper proposes DenseLinkSearch an effective and efficient algorithm that searches and retrieves the relevant images from heterogeneous sources of medical images. Towards this, given a medical database, the proposed algorithm builds the index that consists of pre-computed links of each point in the database. The search algorithm utilizes the index to efficiently traverse the database in search of the nearest neighbor. We extensively tested the proposed NNS approach and compared the performance with state-of-the-art NNS approaches on benchmark datasets and our created medical image datasets. The proposed approach outperformed the existing approach in terms of retrieving accurate neighbors and retrieval speed. We also explore the role of medical image feature representation in content-based medical image retrieval tasks. We propose a Transformer-based feature representation technique that outperformed the existing pre-trained Transformer approach on CLEF 2011 medical image retrieval task. The source code of our experiments are available at https://github.com/deepaknlp/DLS.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL