فشرده سازی و بازیابی تصاویر رادیولوژی با استفاده از استاندارد HEVC
نویسندگان
چکیده مقاله:
افزایش روزافزون تولید تصاویر رادیولوژی پزشکی در مراکز درمانی و بیمارستانها، ایجاد روشهای مناسب ذخیرهسازی، کلاسبندی، و بازیابی تصاویر پزشکی را ضروری ساخته است. در این مقاله با استفاده از استاندارد کدینگ HEVC، روش نوینی در زمینهی فشرده سازی و بازیابی تصاویر رادیولوژی مبتنی بر ویژگی بافت در حوزهی فشرده شرح داده شده است. در روش پیشنهادی ابتدا تصاویر بانک اطلاعاتی که شامل تصاویر رادیولوژی اندامهای مختلف بدن است با استفاده از پیشبینی درونفریمی استاندارد HEVC (فریم I) به صورت بدونتلف فشردهسازی میشوند. سپس هیستوگرام حالتهای پیشبینی و ابعاد بلاکهای PU برای هر تصویر، به عنوان ویژگی محتوایی تصویر استخراج میشود. برای انتخاب تصاویر مشابه در بانکاطلاعاتی با تصویر پرسوجو، ابتدا تصویر پرسوجو با استاندارد HEVC کدگذاری میشود. سپس با بررسی هیستوگرام حالتهای پیشبینی و ابعاد بلاکهای PU تصویر پرسوجو، تصاویر مشابه از بانکاطلاعاتی براساس معیار شباهت انتخاب و ارایه میشود. نتایج این تحقیق، صحت تشخیص کلاس تصاویر رادیولوژی را به طور متوسط 94/5% و دقت در 35 عمل بازیابی را به طور متوسط 89% نشان میدهد که نسبت به سایر روشها بهبود داشته است. بنابراین روش فوق میتواند به عنوان روشی کارا هم برای کاهش حجم پایگاه داده ذخیره تصاویر رادیولوژی و هم روشی سریع و کارا برای بازیابی تصاویر پایگاههای داده پزشکی بهکار گرفته شود.
منابع مشابه
مقایسه دقت موتورهای جستجوی عمومی و پایگاههای تخصصی در بازیابی تصاویر رادیولوژی
مقدمه: نقش رشته رادیولوژی در حوزه علوم پزشکی در تشخیص و درمان ناهنجاریها و آسیبهای پیکری، بیماریهای نادر، سرطانها و سایر بیماریها این رشته از اهمیت زیادی برخوردار است. هدف از انجام این پژوهش مقایسه موتورهای جستجوی عمومی و پایگاههای تخصصی رادیولوژی در بازیابی تصاویر رادیولوژی و رتبهبندی آنها از نظر میزان دقت بوده است. روش پژوهش: پژوهش حاضر، کاربردی و از نوع پیمایشی - تحلیلی بود که در سال ...
متن کاملبازیابی 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...
متن کاملمقایسه دقت موتورهای جستجوی عمومی و پایگاههای تخصصی در بازیابی تصاویر رادیولوژی
مقدمه: نقش رشته رادیولوژی در حوزه علوم پزشکی در تشخیص و درمان ناهنجاریها و آسیبهای پیکری، بیماریهای نادر، سرطانها و سایر بیماریها این رشته از اهمیت زیادی برخوردار است. هدف از انجام این پژوهش مقایسه موتورهای جستجوی عمومی و پایگاههای تخصصی رادیولوژی در بازیابی تصاویر رادیولوژی و رتبهبندی آنها از نظر میزان دقت بوده است. روش پژوهش: پژوهش حاضر، کاربردی و از نوع پیمایشی - تحلیلی بود که در سال ...
متن کاملبازیابی 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...
متن کاملبازیابی تصاویر چهره با استفاده از ترکیب هیستوگرام گرادیان و الگوی باینری محلی
در این مقاله روشی برای بازیابی تصاویر چهره با استفاده از هیستوگرام گرادیان و الگوی باینری محلی(LBP) پیشنهاد شده است. در این روش ابتدا تصاویر را با استفاده از موقعیت مرکز چشمها تنظیم میکنیم و سپس ناحیهی چهره را در آنها استخراج میکنیم. برای استخراج ویژگی، در اطراف هر پیکسل سلولهای کوچکی در نظر گرفته و در هر سلول هیستوگرام گرادیان را محاسبه میکنیم و آن را به پیکسل مرکزی سلول اختصاص میدهیم...
متن کاملمنابع 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 @}
عنوان ژورنال
دوره 5 شماره 1
صفحات 129- 139
تاریخ انتشار 2018-05-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023