طبقه‌بندی محتوایی تصاویر پزشکی با ویژگیهای طیفی و هیستوگرام جهتی در فضای چند مقیاسه

طبقه بندی خودکار تصاویر روشی است که به کمک آن یک تصویر به یکی از کلاسهای از پیش تعریف شده قبلی نسبت داده می شود. طبقه بندی تصاویر یکی از مهمترین مراحل در یک سیستم بازیابی تصویر براساس محتوا است. وجود این مرحله باعث کاهش زمان بازیابی تصویر بوسیله کاهش فضای جستجو در این سیستمها می شود. در این مقاله، یک روش طبقه بندی محتوایی تصاویر رادیولوژی مبتنی بر محتویات شکلی شئی یا اشیاء داخل تصویر ارائه می گردد. براین اساس، با تعریف دو ویژگی جدید و همچنین انتخاب ویژگیهای مناسب، مجموعه ویژگی بهینه ای فراهم شده که می تواند تمایز بهتری بین کلاسهای تصاویر رادیولوژی ایجاد کند. دو ویژگی جدیدی که در این مقاله ارائه شده است، یکی از اطلاعات طیفی به کمک یک موزائیک بندی جدید در فضای چند مقیاسه تبدیل موجک و دیگری از اطلاعات مکانی زیرباندهای تبدیل موجک و با ارائه تعریف جدیدی از هیستوگرام جهتی استخراج می شود. این دو ویژگی حاوی اطلاعات با ارزشی از محتویات شکل و بافت تصاویر هستند که نتایج طبقه بندی با طبقه بند k- نزدیکترین همسایگی (knn) این موضوع را نشان می دهد. برای ارزیابی عملکرد روش پیشنهادی، از یک پایگاه داده استاندارد IRMA شامل مجموعه کاملی از تصاویر رادیولوژی از قسمتهای مختلف بدن و جهتهای مختلف تصویربرداری استفاده شده است. صحت طبق هبندی 90/3% برای یک مساله 31 کلاسه بر روی پایگاه داده شامل 7861 تصویر حاصل شده است.

Keywords:

طبق هبندی معنایی , تصاویر رادیولوژی , ویژگیهای طیفی , هیستوگرام جهتی , فضای چند مقیاسه