Exportar registro bibliográfico

Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas (2012)

  • Authors:
  • Autor USP: MAMANI, GABRIEL EFRAIN HUMPIRE - ICMC
  • Unidade: ICMC
  • Sigla do Departamento: SCC
  • Subjects: MINERAÇÃO DE DADOS; COMPUTAÇÃO GRÁFICA; PROCESSAMENTO DE IMAGENS; BANCO DE DADOS MULTIMÍDIA; DIAGNÓSTICO POR IMAGEM
  • Keywords: CAD; CAD; CBIR; CBIR; Extração de características; Feature extraction; Feature selection; Seleção de características
  • Language: Português
  • Abstract: 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:
  • Data da defesa: 05.12.2012
  • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MAMANI, Gabriel Efrain Humpire; TRAINA, Agma Juci Machado. Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas. 2012.Universidade de São Paulo, São Carlos, 2012. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20022013-095418/ >.
    • APA

      Mamani, G. E. H., & Traina, A. J. M. (2012). Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20022013-095418/
    • NLM

      Mamani GEH, Traina AJM. Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas [Internet]. 2012 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20022013-095418/
    • Vancouver

      Mamani GEH, Traina AJM. Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas [Internet]. 2012 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20022013-095418/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2020