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
