بازیابی تصاویر پزشکی با بهره گیری از رویکرد یادگیری نیمه نظارتی

thesis
abstract

در سال های اخیر تولید انبوهی از تصاویر و توزیع آن ها در سراسر جهان رشد چشمگیری داشته است. در بسیاری از زمینه ها مانند کاربردهای تجاری، کتابخانه های دیجیتال و بیمارستان ها، مجموعه های عظیمی از تصاویر دیجیتال ایجاد شده است. این گستره تولید، نیازمند توسعه ابزاری به منظور مدیریت و بازیابی مناسب در زمینه های مختلف می باشد. بازیابی تصویر مبتنی بر محتوی، به یافتن تصاویر با استخراج خودکار ویژگی های بصری سطح پائین مانند رنگ، بافت و شکل می پردازد. یکی از چالش اصلی فراروی بازیابی تصویر مبتنی بر محتوی شکاف معنایی است. شکاف معنای میان مفاهیم سطح بالایی که به طور طبیعی کاربران به تصاویر مرتبط می کنند و ویژگی های بصری سطح پائین که سیستم به آن ها تکیه می کند، وجود دارد. یک راه حل موفقیت آمیز برای کاهش شکاف معنایی، بکارگیری روش های یادگیری ماشین است. هنگامی که بازیابی تصویر، به عنوان یک مسئله یادگیری مطرح می شود، برای استفاده از روش های یادگیری نظارت شده، باید تعداد کافی از مثال های آموزشی برچسب دار فراهم کرد. فراهم کردن تعداد کافی از مثال های آموزشی برچسب دار عملی بازدارنده است. در مقابل، تصاویر بدون برچسب به کمیت زیادی دردسترس هستند. بنابراین، رویکرد موثر و عملی دیگر در یادگیری استفاده از نمونه های برچسب دار به همراه نمونه های بدون برچسب در زمان یادگیری است، این ایده مبنای اصلی رویکرد یادگیری نیمه نظارتی را تشکیل می-دهد که اغلب منتهی به نتایج دقیقتری می شود. در این پژوهش، سیستم بازیابی تصویر به سه زیرسیستم، برون خطی، درون خطی و پردازش تکمیلی و اعمال نظر کاربر تقسیم شده است. در زیرسیستم برون خطی، بازیابی تصاویر کلیه براساس فرآیند پیش پردازش و استخراج ویژگی های موثر تصاویر سونوگرافی کلیه انجام شده است. در این زیرسیستم، روشی مبتنی بر یادگیری تجمیعی برای انجام یادگیری نیمه نظارتی در حوزه تصاویر سونوگرافی کلیه پیشنهاد شده است. در زیرسیستم درون خطی از یک طبقه بند نظارتی به منظور تعیین برچسب تصویر پرس وجو و افزایش دقت سیستم بازیابی تصویر؛ و همچنین از رویکرد بیشینه- کمینه بهبودیافته به منظور بهبود نتایج بازیابی استفاده شده است. در زیرسیستم پردازش تکمیلی و اعمال نظر کاربر، برای توصیف ارتباطات معنایی بین تصاویر، کم کردن شکاف معنایی، لحاظ نمودن نظرات متخصص و افزایش دقت سیستم از بازخورد ربط کاربر نیز بهره گیری شده است. در این پژوهش هدف از ارائه رویکردهای ذکر شده افزایش دقت بازیابی تصاویر کلیه بدون تاکید بر جنبه سرعت بازیابی می باشد. براساس آزمایشات صورت گرفته، رویکردهای پیشنهادی قادر به افزایش قابل قبول دقت در عملیات بازیابی تصاویر سونوگرافی کلیه در مقایسه با سیستم های مشابه می باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

بازیابی تعاملی تصاویر طبیعت با بهره گیری از یادگیری چند نمونه ای

Content-based image retrieval (CBIR) has received considerable research interest in the recent years. The basic problem in CBIR is the semantic gap between the high-level image semantics and the low-level image features. Region-based image retrieval and learning from user interaction through relevance feedback are two main approaches to solving this problem. Recently, the research in integra...

full text

بازیابی تعاملی تصاویر طبیعت با بهره گیری از یادگیری چند نمونه ای

بازیابی تصویر مبتنی بر محتوا از رویکردهای مهم مطرح در حوزه بازیابی تصویر در سال های گذشته است. مهمترین چالش فراروی این رویکرد عبارت است از وجود فاصله معنایی میان ویژگی های بصری سطح پایین و معانی سطح بالا موجود در تصاویر. بازیابی مبتنی بر ناحیه و یادگیری از کاربر در چرخه بازیابی تصویر، به عنوان دو نمونه از مهمترین روش های ارائه شده برای کاهش فاصله معنایی به شمار می روند. یادگیری چند نمونه ای از ...

full text

یادگیری نیمه نظارتی کرنل مرکب با استفاده از تکنیک‌های یادگیری معیار فاصله

Distance metric has a key role in many machine learning and computer vision algorithms so that choosing an appropriate distance metric has a direct effect on the performance of such algorithms. Recently, distance metric learning using labeled data or other available supervisory information has become a very active research area in machine learning applications. Studies in this area have shown t...

full text

بازیابی تصاویر پزشکی بر اساس محتوا با استفاده از نگاشت ویژگی‌های تصاویر در سطح بازخورد ربط

هدف از این تحقیق طراحی یک سیستم بازیابی تصاویر پزشکی مبتنی بر محتوا و ارائه روشی نوین برای کاهش شکاف معنایی موجود بین ویژگی‌های دیداری و مفاهیم مورد جستجوی کاربر می‌باشد. به طور کلی عملکرد سیستم‌های بازیابی تصویر تنها بر اساس ویژگی‌های دیداری کاهش می‌یابد چرا که این ویژگی‌ها اغلب در توصیف مفاهیم معنایی تصویر ناتوان‌اند. در این تحقیق این مشکل با ارائه راهکاری نوین در سطح بازخورد ربط و با استفاده...

full text

بازیابی تصاویر پزشکی بر اساس محتوا با استفاده از نگاشت ویژگی‌های تصاویر در سطح بازخورد ربط

هدف از این تحقیق طراحی یک سیستم بازیابی تصاویر پزشکی مبتنی بر محتوا و ارائه روشی نوین برای کاهش شکاف معنایی موجود بین ویژگی‌های دیداری و مفاهیم مورد جستجوی کاربر می‌باشد. به طور کلی عملکرد سیستم‌های بازیابی تصویر تنها بر اساس ویژگی‌های دیداری کاهش می‌یابد چرا که این ویژگی‌ها اغلب در توصیف مفاهیم معنایی تصویر ناتوان‌اند. در این تحقیق این مشکل با ارائه راهکاری نوین در سطح بازخورد ربط و با استفاده...

full text

حاشیه‌نویسی تصویر با استفاده از الگوریتم خوشه‌بندی نیمه نظارتی طیفی

Abstract: Due to the growth of digital images require efficient methods to annotate the images is sense. In this paper, a semi-supervised spectral clustering with relevance feedback is used to annotate digital photos which is overcome the local minima problem on clustering methods by using some labeled information given by users. Performance of the proposed method is tested on Corel 5K dataset ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده فنی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023