سیستم هوشمند بازیابی و دسته بندی تصاویر پزشکی بر اساس محتوا

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,435

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSICC15_012

تاریخ نمایه سازی: 26 مهر 1388

چکیده مقاله:

امروزه بخش عظیمی از تصاویر پزشکی به فرم دیجیتال تولید و ذخیره میشوند، این امر سبب شدهاست مدیریت پایگاه های داده پزشکی بزرگ، به صورت یک چالش در علم پزشکی نمود پیدا کند. بازیابی تصاویر پزشکی یک ابزار ضروری برای مدیریت پایگاه داده تصاویر پزشکی است . یکی از مهمترین مراحل در بازیابی تصاویر،دسته بندی تصاویر است، که سبب کاهش زمان بازیابی تصویر میشود .این مقاله یک سیستم هوشمند و کارای بازیابی تصاویر پزشکی براساس محتوای تصویر را ارائه می دهد . در پیاده سازی این سیستم،ویژگیهایی از تصاویر استخراج شدهاند که به بهترین وجه، متمایزکننده تصاویر از هم باشند. به منظور دسته بندی بهینه تصاویر، از یک دسته بندی کننده SVM چند کلاسه استفاده شده است . برای بهبودهرچه بیشتر عملکرد سیستم پیشنهادی، از بازخورد ارتباط استفا ده شده است. سیستم ارائه شده در این مقاله تحت یک پایگاه داده بزرگ، شامل 11000 تصویر اشعه X در 116 کلاس مختلف، مورد ارزیابی قرار گرفته است. نتایج بدست آمده کارایی بالای سیستم ارائه شده را اثبات مینماید.

کلیدواژه ها:

بازیابی تصویر بر اساس محتوا ، دسته بندی تصاویر ، تصاویر پزشکی اشعه X ، ماشین بردار پشتیبان

نویسندگان

سعید سعادتی

دانشجوی کارشناسی ارشد کامپیوتر دانشگاه شهید چمران اهواز

علیرضا عصاره

دانشیار گروه کامپیوتر دانشگاه شهید چمران اهواز

بیتا شادگار

استادیار گروه کامپیوتر دانشگاه شهید چمران اهواز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Datta R, Joshi D, Li J, Wang J. Image retrieval: ...
  • Miller H, Michoux N, Bandon D, Geissbuhler A A review ...
  • Deselaers T, Miller H, Deserno T. Automatic medical image annotation ...
  • Zhang G, MA Z. Texture feature extraction and description ...
  • and Pattern Recognition, 2007; 1:169-173. ...
  • Chen Q, Tai X, Jiang B, Li G, Zhao J. ...
  • Xia T, Li W. Medical image retrieval based on color- ...
  • Pourghassem H, Ghassemian H Content-based medical ...
  • https ://www، imageclef.org/. ...
  • Haralick R, Shanmugan K, Dinstein I. Textural features for image ...
  • Jain A, Vailaya A. Image retrieval using color and shape, ...
  • Florea F, M uller H, Rogozan A, Geissbuhler A, Darmoni ...
  • Rahman M, Bhattacharya P, Desai B. A framework for medical ...
  • Vapnik V. Statistical learning theory. New York, NY: Wiley; 1998. ...
  • Chapelle O, Haffner P, Vapnik V. SVMs for histogram- ...
  • _ _ _ _ bayes point machines. IEEE Trans Circ ...
  • Hsu C, Lin C. A comparison of methods for multi-clas ...
  • Wu T, Lin C, Weng R. Probability estimates for multi- ...
  • J. Rocchio, Relevance feedback in information retrieval, in: G. Salton ...
  • K.H. Yap, K. Wu, A soft relevance framework in content- ...
  • نمایش کامل مراجع