سمانه یوسفی - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشکده فنی، واحد خمین، دانشگاه آزاد اسلامی، خمین، ایران
حمید پایگذار - استادیار، گروه مهندسی کامپیوتر، دانشکده فنی، واحد خمین، دانشگاه آزاد اسلامی، خمین، ایران

هدف سیستم بازیابی تصاویر پزشکی، ارایه به موقع اطلاعات مرتبط در زمان مناسب به کاربر است. با پیشرفت سیستم های تصویر برداری در حوزه ی پزشکی، روزانه سیل عظیمی از تصاویر پزشکی تولید می شود و در پایگاه داده هایی ذخیره می شوند. این تصاویر برای استفاده باید با سهولت، سرعت و با دقت مناسبی بازیابی شوند. در این مقاله بازیابی تصاویر پزشکی مبتنی بر کیسه ای از کلمات بصری که یکی از معمول ترین روش های بازیابی تصاویر می باشد مورد بررسی قرار گرفته است. الگوریتم k-means یکی از پرکاربردترین الگوریتم های خوشه بندی می باشد که برای تولید کلمات بصری استفاده می شود. کارایی این الگوریتم به طور قابل توجهی به مراکز اولیه انتخابی برای خوشه ها وابسته است و چون این الگوریتم مراکز اولیه خوشه ها را به صورت تصادفی انتخاب می کند روش های بازیابی تصویری که از الگوریتم k-means پایه استفاده می کنند، از کارایی بالایی برخوردار نمی باشند. در این مقاله، روشی جهت بهبود دقت بازیابی تصاویر پزشکی براساس محتوا با انتخاب نقاط بهینه در خوشه بند k-means و استفاده از شبکه عصبی نگاشت خودسازمانده som می توان تصاویر پزشکی را با دقت بالاتری بازیابی کرد. در این روش پس از استخراج ویژگی های محلی تصاویر با توصیف گر surf، خوشه بند k-means را با مراکز اولیه بهینه و شبکه عصبی نگاشت خود سازمانده برای تولید کلمات بصری به کار می گیریم. با انجام آزمایشات بر روی مجموعه تصاویر پزشکی استفاده از نقاط اولیه بهینه باعث تولید کلمات بصری بهینه شده و دقت بیشتری نسبت به تولید کلمات بصری با شبکه عصبی نگاشت خود سازمانده به دست آمده است.

بازیابی تصویر، توصیف گر surf، خوشه بند k-means، شبکه عصبی نگاشت خود سازمانده