摘要
基于内容的医学图像检索（Content-Based Medical Image Retrieval, CBMIR）是一种通过比较查询图像与数据库中图像所包含的特征来检索相关图像的常用技术。然而，目前针对乳腺癌图像的CBMIR研究仍面临诸多挑战，主要源于该领域相关研究尚不充分。以往研究在特征提取环节存在性能较低及信息误导等问题，严重影响了检索效果。为此，本研究提出采用基于卷积神经网络（CNN）的自编码器方法，以减少特征提取过程中的信息偏差，从而提升整体检索性能。实验所采用的数据集为BreakHis数据集。结果表明，相较于以往研究方法，基于CNN的自编码器方法在乳腺癌图像检索任务中取得了更优的性能表现：在主类别数据集（main class dataset）中平均精度达到0.9237，在子类别数据集（subclass dataset）中平均精度为0.6825。