ارایه یک روش بازخورد ربط ترکیبی مبتنی بر معیار فاصله اقلیدسی و معیار شباهت تابع احتمال در یک سیستم بازیابی تصاویر اشعه X پزشکی
Publish place: 16th Iranian Conference on Electric Engineering
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,559
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE16_081
تاریخ نمایه سازی: 6 اسفند 1386
Abstract:
جهت بهبود عملکرد سیستم های بازیابی تصویر بر اساس محتوا از روش های بازخورد ربط استفااده می شود. در این مقاله، یک روش ترکبی بازخورد ربط مبتنی بر دو معیار، معیار فاصله اقلیذسی و معیار شباهت احتمال تعلق یک تصویر به تابع توزیع یک کلاس ارایه می گردد. در این روش، از یک طرف فاصله اقلیذسی تصویر پرس و جو با تصاویر پایگاه داده و از طرف دیگر احتمال تعلق تک تک تصصاویر پایگاه داده به تابع توزیع کلاس تصاویر مثبت مشخص شده توسط کاربر محاسبه شده و با یک نقشه ترکیب سعی می شود که عملکرد سیستم بازیابی با دقیق تر شدن تخمین تابع توزیع کلاس تصاویر مثبت طی مراحل بازخورد به صورت تدریجی بهبود یابد. جهت تخمین تابع توزیع یک کلاس از تصاویر از مدل های ترکیبی گوسین (Gaussian Mixture Models) استفاده شده است. جهت ارزیابی روش پیشنهادی از یک سیستم بازیابی تصویر مبتنی بر طبقه بندی معنایی تصاویر استفاده می گردد. سیستم مورد نظر به کمک یک طبقه بندی معنایی m تا از نزدیک ترین کلاس های تصاویر به تصویر پرس و جو را معرفی می کند تا تصاویر این مجموعه بر اساس یک معیار فاصله اقلیدسی مرتب شده و به کاربر ارایه گردد. بهبود عملکرد بازیابی تصاویر پزشکی در یک پایگاه داده با 9100 تصویر در مراحل مختلف بازخورد، کارایی روش پیشنهادی را نشان می دهد.
Keywords:
Authors
حسین پورقاسم
دانشجوی دکتری مهندسی پزشکی بخش برق و کامپیوتر، دانشگاه تربیت مدرس
حسن قاسمیان
استاد گروه مهندسی پزشکی بخش برق و کامپیوتر، دانشگاه تربیت مدرس
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :