Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas (2012)
- Autores:
- Autor USP: MAMANI, GABRIEL EFRAIN HUMPIRE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Assuntos: MINERAÇÃO DE DADOS; COMPUTAÇÃO GRÁFICA; PROCESSAMENTO DE IMAGENS; BANCO DE DADOS MULTIMÍDIA; DIAGNÓSTICO POR IMAGEM
- Palavras-chave do autor: CAD; CAD; CBIR; CBIR; Extração de características; Feature extraction; Feature selection; Seleção de características
- Idioma: Português
- Resumo: Obter uma representação sucinta e representativa de imagens médicas é um desafio que tem sido perseguido por pesquisadores da área de processamento de imagens médicas com o propósito de apoiar o diagnóstico auxiliado por computador (Computer Aided Diagnosis - CAD). Os sistemas CAD utilizam algoritmos de extração de características para representar imagens, assim, diferentes extratores podem ser avaliados. No entanto, as imagens médicas contém estruturas internas que são importantes para a identificação de tecidos, órgãos, malformações ou doenças. É usual que um grande número de características sejam extraídas das imagens, porém esse fato que poderia ser benéfico, pode na realidade prejudicar o processo de indexação e recuperação das imagens com problemas como a maldição da dimensionalidade. Assim, precisa-se selecionar as características mais relevantes para tornar o processo mais eficiente e eficaz. Esse trabalho desenvolveu o método de seleção supervisionada de características FSCoMS (Feature Selection based on Compactness Measure from Scatterplots) para obter o ranking das características, contemplando assim, o que é necessário para o tipo de imagens médicas sob análise. Dessa forma, produziu-se vetores de características mais enxutos e eficientes para responder consultas por similaridade. Adicionalmente, foi desenvolvido o extrator de características k-Gabor que extrai características por níveis de cinza, ressaltando estruturas internas das imagens médicas. Osexperimentos realizados foram feitos com quatro bases de imagens médicas do mundo real, onde o k-Gabor sobressai pelo desempenho na recuperação por similaridade de imagens médicas, enquanto o FSCoMS reduz a redundância das características para obter um vetor de características menor do que os métodos de seleção de características convencionais e ainda com um maior desempenho em recuperação de imagens
- Imprenta:
- Local: São Carlos
- Data de publicação: 2012
- Data da defesa: 05.12.2012
-
ABNT
MAMANI, Gabriel Efrain Humpire. Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas. 2012. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2012. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20022013-095418/. Acesso em: 19 abr. 2024. -
APA
Mamani, G. E. H. (2012). Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20022013-095418/ -
NLM
Mamani GEH. Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas [Internet]. 2012 ;[citado 2024 abr. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20022013-095418/ -
Vancouver
Mamani GEH. Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas [Internet]. 2012 ;[citado 2024 abr. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20022013-095418/
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
