بازیابی تصاویر پزشکی با استفاده ازاستخراج نقاط کلیدی

توضیحات

چکیده

با توجه به پیشرفت روزافزون تجهیزات پزشکی و دستگاه های تصویربرداری پزشکی، روزانه حجم وسیعی از تصاویر دیجیتال پزشکی در مراکز درمانی و بیمارستانها تولید و در پایگاه داده هایی ذخیره میشوند. حجم گسترده این تصاویر، بازیابی آنها را به یکی از چالشهای این زمینه تبدیل کرده است. یکی از معمول ترین روشهای بازیابی تصاویر، بازیابی مبتنی بر مدل کیسه ای از کلمات بصری می باشد؛ که با استفاده از توصیفگر surfویژگی های تصاویر تولید می شوند. ویژگی های تولید شده را با یکی از رایجترین تکنیکهای خوشه بندی(خوشه بند K-means) خوشه بندی و مراکز آنها بعنوان کلمات بصری در نظر گرفته می شوند. با این تکنیکهای بازیابی تصویری که مبتنی بر کیسه ای از کلمات با استفاده از خوشه بند -K meansمی باشد، هیستوگرام آنها بدست می اید. سپس وزن– دهی بردارهای فرکانس تولیده شدهی هر تصویر (هیستوگرام) انجام میشود. در اخر با استفاده از یک معیار مشباهت تصویر مشابه تر در خروجی نمایش داده می شود. هدف این پایان نامه ارائهی روشی جهت بهبود دقت بازیابی تصاویر پزشکی براساس محتوا با استفاده از استخراج نقاط کلیدی با استفاده از توصیفگر SURFبرای انتخاب نقاط کلیدی و استفاده از معیار  مشابهت .L1می باشد. با انجام آزمایشات برروی مجموعه تصاویر پزشکی استاندارد هیستوپاتولوژی، استخراج نقاط کلیدی و استفاده از این نقاط به بهترین شکل باعث بالا رفتن دقت بازیابی تصاویر می شود.

مقدمه

با توسعه ی تکنولوژی تصویر برداری دیجیتال در حوزه ی پزشکی، بیمارستان ها و مراکز تحقیاتی درمانی پزشکی روزانه تعداد انبوهی تصاویر دیجیتال تولید می شود. این نوع تصاویر شامل اشعه ی ایکس، MRI ،CTو … می باشند. بازیابی تصویر یک ابزار مهم برای پزشکان در مراکز درمانی و تحقیقاتی پزشکی می باشد که نیاز مبرم به موتور جست وجوی قوی و کارا را ایجاد کرده است. در دهه ی اخیر بازیابی تصاویر پزشکی براساس محتوا (CBMIR) برای کمک به تشخیص، تصمیم گیری و قابلیت دسترسی آسان به اطلاعات پزشکی ارائه شده است. بازیابی تصویر براساس محتوا تکنیکی جهت جست وجوی تصاویری که بیشترین شباهت بصری را با تصویر پرس وجو از یک پایگاه داده بزرگ تصویر دارند، می باشد؛ که به آن توجه زیادی در سالهای اخیر شده است و یکی از موضوع های داغ در بینایی ماشین، پردازش تصویر و چند رسانه ای می باشد.

ABSTRACT

Given the ever-increasing advances in medical devices and medical imaging devices, a large volume of digital medical images are produced daily in health centers and hospitals and stored in databases. The large volume of these images has made them one of the challenges in the field. One of the most common ways to retrieve images is to retrieve a bag model based on visual words; images are produced using the surf descriptor. The features produced are clustered with one of the most common clustering techniques (cluster-type K-means) and their centers are considered as visual words. With these image recovery techniques based on a bag of words using the cluster-type K-means, their histograms are obtained. Then weigh the frequency vectors generated by each image (histogram). In the end, using a similarity criterion, a similar image is displayed on the output. The purpose of this dissertation is to provide a method for improving the accuracy of retrieval of medical images based on content by extracting key points using the SURF descriptor to select key points and using the similarity criterion .L1. By conducting experiments on a medical standardized histopathologic collection of images, the extraction of key points and the use of these points best improves the accuracy of image retrieval.

INTRODUCTION

With the development of digital imaging technology in the medical field, hospitals and medical research centers of the day The bulk of digital images are generated. These types of images include X-rays, MRIs, CTs and more. Image retrieval is an important tool for physicians in medical centers and medical research centers that have created a strong need for a robust search engine. In the last decade, the Recovery of Medical-Based Content-Based Content (CBMIR) has been provided to help identify, make decisions and have easy access to medical information. Image retrieval based on technical content to search for images that have the most visual similarity to the image of a query from a large image database, which has received much attention in recent years and is one of the hot topics in machine vision, processing Image and multimedia.

Year: 2018

Publisher : Third Annual National Conference on Electrical, Computer and Bioelectric Engineering in Iran

By : Khadija Nikonam, Mohsen Sardari Zarchi

File Information: persian Language/ 7 Page / size: 491 KB

سال :1397

ناشر : سومین کنفرانس سالانه ی ملی مهندسی برق ,کامپیوتر و بیوالکتریک ایران

کاری از : خدیجه نیکونام ،محسن سرداری زارچی

اطلاعات فایل : زبان فارسی / 7 صفحه / حجم : KB 491