摘要—基于内容的图像检索(CBIR)在临床决策中具有重要意义,它探索医学图像的视觉内容,而不是关键字,标签或描述。 它为医生提供了一种以图像为指导的方法,以探索相关案例,为医生提供指导性参考。 乳房X线照片筛查已被广泛用于乳腺癌的早期诊断,可以降低其发病率和死亡率。 在本文中,我们旨在为大型乳房X线照片库开发可扩展的CBIR方法。 为此,我们扩展了原始的锚图散列(AGH)并提出了一种新的无监督散列算法,称为带有迭代量化的复合AGH(C-AGH-ITQ),该算法将乳房X线摄影区域(ROI)压缩为紧凑的二进制代码并可以在汉明空间中进行实时搜索。 集成了多峰特征和不同的距离度量,并在合成锚图上执行。 为了提高哈希码的有效性,通过引入正交旋转矩阵来进一步迭代地最小化量化误差。 我们评估了从C乳腺筛查数字数据库获得的11 533乳腺X线摄影数据集上提出的C-AGH-ITQ算法。 我们的方法获得了超过84%的检索精度和93%的分类精度(使用kNN预测),这表明C-AGH-ITQ产生的哈希码很好地捕捉了乳腺X线照片之间的视觉相似性。 此外,由于C-AGH-ITQ确保了培训过程的线性复杂性和恒定的查询