在世界范围内，肺癌是造成男性癌症死亡率最高的原因，女性死亡率最高。大约90%的肺癌是由于吸烟引起的，并与吸烟密切相关。只有15%的肺癌在局部阶段被诊断出来，其5年生存率为54%。计算机断层扫描(CT)是检测肺癌的最佳方式。肺癌以结节的形式出现，结节是直径为3至30mm的斑点状结构。筛查结核的肺部CT可将5年生存率从15%提高到80%。肺结节的诊断对于进一步的治疗计划至关重要。根据使用CT图像和患者的临床信息的视觉信息，放射科医师将肺结节诊断为良性或恶性。如今，在医院中产生了数百次肺部CT扫描，并且使用图片存档和通信系统(PACS)来存储这些扫描。用于肺结节的基于内容的图像检索(CBIR)系统将有助于从经验丰富的放射科医师针对给定的查询肺结节检索相似的肺结节。这些检出肺结节病例的诊断将有助于放射科医师决定查询肺结节。此外，在没有经验丰富的放射科医师的情况下，新生放射科医师可以使用CBIR系统进行自学习。
　　为了使CBIR系统对放射科医师有用，它应该需要最少的用户干预。最初，肺结节的CBIR系统使用了结节的代表性切片，而不是整个结节用于检索。这些系统依赖于放射科医师来描绘肺结节边界。一个简单的基于距离的检索系统使用自动算法进行结节分割，需要来自放射科医师的种子点。结节分割后，使用几种基于形状，纹理和边缘的特征检索类似的结节病例。未正确探索使用最佳特征集进行检索。本文中，使用三种不同的度量来研究特征选择对检索的功效。
　　仅使用SDR，难以有效地区分肺结节的类型。传统的基于分类器的检索(CCBR)比SDR表现更好。但是，检索性能取决于分类器的准确性，因为它从获胜类中检索图像。在正确分类的情况下，CCBR达到100%的精度，但是对于错误分类，检索精度为零。这会在检索性能方面产生偏差。此外，使用许多特征进行分类可能会导致性能下降。因此，最佳特征集选择对于提高性能至关重要。基于学习的检索系统，即基于类成员的检索，有助于通过使用基于分类器置信度的查询结节的模糊类成员资格来克服CCBR的限制。CMR使用加权距离来获得分类器的高置信度，并且在缺乏高可信度的情况下使用简单距离。搜索空间不限于单个获胜类。因此，CMR创造了在错误分类的情况下检索案例的机会。纹理图像的CMR方案使用相同的特征集进行分类和检索。所提出的系统旨在研究用于分类和检索的最佳特征集。此外，使用不同距离度量的检索技术的分析是非常重要的。CMR方法显示出纹理数据的改进性能。在提出的方法中，研究人员分析了CMR方法对非纹理特征(即形状，边缘)以及纹理特征的功效。
　　用于医学图像的CBIR系统的先前工作在“ 先前工作 ”中讨论。提出的具有特征选择方法的CBIR系统在“ 使用最佳特征集和类成员检索的肺结节的CBIR系统 ”中描述。性能指标和用于评估所提出的CBIR技术的数据库分别在“ 性能指标 ”和“ 数据库 ”中进行了解释。将所提出的技术性能与各种检索策略进行比较，这些策略在“ 结果和讨论 ” 中给出。
　　研究人员们已经研究了最优特征集选择和基于学习的检索方案的组合效果。CMR关于肺结节检索系统的性能。研究人员观察到具有最佳特征集的SDR比具有所有特征的SDR表现更好。与用于纹理图像检索的SDR技术相比，基于学习的检索技术表现更好。CCBR遭受高精度标准偏差。科研人员在CMR中使用两种不同的最佳特征集进行分类和检索。发现无论特征的性质如何，CMR都提供了对SDR的改进。具有最佳特征集的CMR的性能优于没有特征选择的CMR。在某些情况下，没有最佳特征集的CMR的平均精度低于CCBR。科研人员用三种不同的距离度量分析了检索性能，即堪培拉，城市街区和欧几里德距离。与竞争技术(即SDR和CCBR)相比，所提出的技术显示出检索性能(平均精度)的改进，而与距离度量无关。此外，使用所提出的方法进行零精度检索的查询分数小于CCBR。使用堪培拉距离比城市街区或欧几里德更好地提出框架的检索性能。拟议的CBIR系统将有助于新生放射科医师进行自学。此外，CBIR系统的性能取决于结节分割的准确性以及提取的特征与区分结节类型的相关性。未来的工作是改进结节分割并搜索视觉和临床特征，以提高分类器的性能。拟议的CBIR系统将有助于新生放射科医师进行自学。此外，CBIR系统的性能取决于结节分割的准确性以及提取的特征与区分结节类型的相关性。未来的工作是改进结节分割并搜索视觉和临床特征，以提高分类器性能。拟议的CBIR系统将有助于新生放射科医师进行自学。此外，CBIR系统的性能取决于结节分割的准确性以及提取的特征与区分结节类型的相关性。未来的工作是改进结节分割并搜索视觉和临床特征，以提高分类器的性能。