استخراج ویژگی های مناسب برای بهبود طبقه بندی تصاویر اشعه x پزشکی بر اساس محتوا
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شیراز - دانشکده برق و الکترونیک
- نویسنده سید محمد محمدی
- استاد راهنما محمد صادق هل فروش کامران کاظمی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
با افزایش روز افزون تصاویر اشعه x پزشکی، نیاز به ابزارهای طبقه بندی کننده و بازیابی این دسته از تصاویر که دارای قابلیت و توانایی بالایی نیز باشند، افزایش یافته است. رکن اساسی بازیابی تصاویر اشعه x بر اساس محتوا، طبقه بندی آنها است. بنابراین، در صورتی که طبقه بندی موفق و مناسبی حاصل شود، بازیابی نیز موفقیت آمیز و دارای صحت بسیار بالایی خواهد بود. برای داشتن یک طبقه بندی مناسب می بایست معیارهایی که به این منظور انتخاب می شوند بسیار دقیق بوده و توصیف جامع و کاملی از تصاویر ارائه دهند. این معیارها همان ویژگی هایی هستند که از تصاویر استخراج می شوند که به سه دسته عمده شکل، بافت و رنگ تقسیم بندی می گردند. از آنجایی که تصاویر اشعه x پزشکی، تصاویر سطح خاکستری هستند و خصوصیات بافتی نسبتا مشابهی دارند، از ویژگی رنگ و تا حد بسیار بالا از ویژگی بافتی نمی توان به عنوان معیارهای مناسب برای طبقه بندی این دسته از تصاویر استفاده نمود. در این تحقیق با هدف بهبود طبقه بندی تصاویراشعه x پزشکی و در نهایت بهبود روش های بازیابی مبتنی بر محتوا که منجر به تسریع در عمل تشخیص بیماری، شناسایی بیمار و عضو آسیب دیده می شوند و با توجه به خصوصیات تصاویر اشعه x پزشکی، تمرکز بر روی ویژگی شکلی قرار گرفت و روشی برای بهبود ویژگی های متداول استخراجی از تصاویر اشعه x پزشکی پیشنهاد گردید. در نهایت یک ویژگی کاملا جدید که ترکیبی از ویژگی های شکلی و بافتی بوده و ویژگی شکلی بافتی نامیده شد، معرفی و پیشنهاد شد که توانست توانایی بالایی در طبقه بندی این دسته از تصاویر نسبت به سایر روش های استخراج ویژگی از خود به نمایش بگذارد. نرخ صحت بدست آمده از ارزیابی این ویژگی در ترکیب با دو ویژگی دیگر برای 4402 تصویر در 21 کلاس از تصاویر اشعه x پزشکی توسط ماشین بردار پشتیبان، به بیش از 94% رسیده است.
منابع مشابه
طبقه بندی فازی تصاویر اشعه x پزشکی
یکی از مشخصات اساسی تصاویر اشعه x پزشکی، وجود تغییرات سطوح روشنایی در طول یک کلاس و شباهت های قابل توجه بین کلاس های مختلف است و این امر موجب می گردد که طبقه بندی این نوع تصاویر مشکل گردد. به منظور مقابله با این مشکل، در برخی روش های قبل، افزایش ویژگی های مورد استفاده یا زیاد نمودن الگوهای آموزشی پیشنهاد گردیده است که هر دو آن ها مستلزم صرف وقت و هزینه اضافی می باشد. با توجه به این محدودیت ...
15 صفحه اولانجام یک مرحله پیش پردازش قبل از مرحله استخراج ویژگی در طبقه بندی داده های تصاویر ابر طیفی
Hyperspectral data potentially contain more information than multispectral data because of their higher spectral resolution. However, the stochastic data analysis approaches that have been successfully applied to multispectral data are not as effective for hyperspectral data as well. Various investigations indicate that the key problem that causes poor performance in the stochastic approaches t...
متن کاملجاسازی خط ویژگی وزن‌دار برای استخراج ویژگی تصاویر ابرطیفی
One of the most preprocessing steps before the classification of hyperspectral images is supervised feature extraction. Because obtaining the training samples is hard and time consuming, the number of available training samples is limited. We propose a supervised feature extraction method in this paper that is efficient in small sample size situation. The proposed method, which is called weight...
متن کاملبازیابی تصاویر پزشکی بر اساس محتوا
امروزه بخش عظیمی از تصاویر پزشکی به فرم دیجیتال تولید و ذخیره می شوند، این امر سبب شده است مدیریت پایگاه های داده پزشکی بزرگ، به صورت یک چالش در علم پزشکی نمایان شود. رشد روزافزون پایگاه داده های با حجم بزرگ در زمینه های مختلف پزشکی همچون تشخیص به کمک کامپیوتر، تحقیقات و آموزش کادر پزشکی، نیاز به سیستم های بازیابی تصویر بر اساس محتوا را بیش از پیش مشخص می-کند. در این تحقیق، یک چارچوب برای بازیا...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شیراز - دانشکده برق و الکترونیک
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023