1.一種基于深度學(xué)習(xí)和Radon變換的醫(yī)學(xué)圖像檢索方法，其特征在于，包含如下步驟：
步驟一：基于卷積神經(jīng)網(wǎng)絡(luò)的“粗”檢索
(1)將醫(yī)學(xué)圖像數(shù)據(jù)集中的所有圖像采用統(tǒng)一尺寸；
(2)將圖像數(shù)據(jù)集及其對(duì)應(yīng)的類別標(biāo)簽信息分為訓(xùn)練集樣本和測(cè)試集樣本兩部分，每個(gè)樣本集中每個(gè)樣本均包含一圖像及其對(duì)應(yīng)的類別標(biāo)簽；
(3)采用CaffeNet基本網(wǎng)絡(luò)架構(gòu)，構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，深度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)包括輸入層、卷積層、Pooling層、全連接層和輸出層；在pool5層生成的每個(gè)特征映射中對(duì)卷積神經(jīng)網(wǎng)絡(luò)pool5層的響應(yīng)做降序排列；將卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)中引入兩階段部分均值pooling；
(4)依托構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，輸入訓(xùn)練集樣本進(jìn)行訓(xùn)練得到深度卷積神經(jīng)網(wǎng)絡(luò)模型；
(5)首先采用BING目標(biāo)建議算法對(duì)輸入數(shù)據(jù)庫圖像做分塊處理，將分塊后的圖像輸入到上述卷積神經(jīng)網(wǎng)絡(luò)模型中，得到與其對(duì)應(yīng)的圖像全局特征向量表達(dá)，經(jīng)過乘積量化處理，當(dāng)給定一張查詢圖像，便可獲取查詢圖像所屬類別并輸出Top50與查詢圖像最相似的數(shù)據(jù)庫中圖像；
步驟二：基于Radon變換的“細(xì)”檢索
對(duì)步驟一中獲得的Top50圖像，通過Radon變換，生成Radon條碼即RBC，計(jì)算查詢圖像RBC和數(shù)據(jù)庫圖像RBC之間的漢明距離，選擇出與查詢圖像最相似圖像，具體如下：
(1)將查詢圖像及Top50圖像均降采樣到固定分辨率；
(2)使用Radon變換獲得投影；
(3)通過改變投影角度獲得不同的投影，然后基于“局部”閾值二值化投影，生成代碼片段；最后，所有代碼片段被連接以生成該圖像的RBC；
(4)對(duì)比查詢圖像與Top50某一圖像之間的RBC漢明距離，如果距離最小，則認(rèn)為二者最相似，以此得到Top10圖像檢索結(jié)果。