Managing feature extraction, mining and retrieval of complex data: applications in emergency situations and medicine (2019)
- Authors:
- Autor USP: CHINO, DANIEL YOSHINOBU TAKADA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/T.55.2020.tde-29012020-142713
- Subjects: MÍDIAS SOCIAIS; DIAGNÓSTICO POR IMAGEM; PROCESSAMENTO DE IMAGENS; RECUPERAÇÃO DA INFORMAÇÃO; DESCOBERTA DE CONHECIMENTO; REGISTROS MÉDICOS; ÚLCERA CUTÂNEA
- Keywords: Bag-of-visual-words; Bag-of-visual-words; CBIR; CBIR; Content-based image retrieval; Detecção de fogo; Fire detection; Image segmentation; Recuperação de imagens baseada em conteúdo; Segmentação de imagens; Skin ulcer
- Agências de fomento:
- Language: Inglês
- Abstract: O tamanho e complexidade dos dados gerados por mídias sociais e imagens médicas tem crescido rapidamente. Diferentemente de dados tradicionais, não é possível lidar com imagens dentro de seus domínios originais. Aumentando assim os desafios para a descoberta de conhecimento. Técnicas de processamento de imagens podem auxiliar em diversas tarefas de tomada de decisão. Imagens provenientes de crowdsourcing, como imagens de mídias sociais, podem ser usadas para aumentar a velocidade de resposta de autoridades em situações de emergência. Imagens retiradas da área médica podem auxiliar médicos em suas atividades diárias, como no diagnostico de pacientes. Sistemas de recuperação de imagens baseada em conteúdo (CBIR do inglês Content-Based Image Retrieval) são capazes de recuperar as imagens mais similares, sendo uma etapa importante para a descoberta de conhecimento. Entretanto, em alguns domínios de imagens, apenas partes da imagem são relevantes para o problema de recuperação. Essa pesquisa de doutorado se baseia na seguinte hipótese: a integração de métodos de segmentação de imagens em sistemas CBIR através de características locais aumenta a precisão na recuperação de imagens. As propostas dessa pesquisa de doutorado foram avaliadas em dois domínios de imagem: detecção de fogo em imagens de situações de emergência urbana e imagens de úlcera cutânea crônica. As principais contribuições dessa pesquisa de doutorado podem ser divididas em quatro partes. Primeiro foi proposto oBoWFire, um método para detectar e segmentar fogo em situações de emergência. Foi explorada a combinação das características de cor e textura através de superpixeis para a detecção de fogo em imagens estáticas. A segunda contribuição foi o método BoSS, que explora o uso de superpixeis para extrair características locais. O método BoSS é uma abordagem de Bag-of-Visual-Words (BoVW) baseada em assinaturas visuais. Para integrar os métodos de segmentação com sistemas CBIR, foi proposto o framework ICARUS para a recuperação de imagens de úlcera cutânea. O ICARUS integra métodos se segmentação baseados em superpixel com BoVW. Também foi proposto o framework ASURA para a segmentação de úlceras cutâneas baseado em técnicas de deep learning. Além de segmentar as úlceras cutâneas, o ASURA é capaz de estimar a área da lesão em unidades de medida reais. Para tanto, o ASURA analisa os objetos presentes nas imagens. Os experimentos mostraram que as propostas dessa pesquisa de doutorado alcançaram uma melhor precisão ao recuperar as imagens mais similares em comparação às abordagens existentes na literatura.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 19.06.2019
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
CHINO, Daniel Yoshinobu Takada. Managing feature extraction, mining and retrieval of complex data: applications in emergency situations and medicine. 2019. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-29012020-142713/. Acesso em: 28 fev. 2026. -
APA
Chino, D. Y. T. (2019). Managing feature extraction, mining and retrieval of complex data: applications in emergency situations and medicine (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-29012020-142713/ -
NLM
Chino DYT. Managing feature extraction, mining and retrieval of complex data: applications in emergency situations and medicine [Internet]. 2019 ;[citado 2026 fev. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-29012020-142713/ -
Vancouver
Chino DYT. Managing feature extraction, mining and retrieval of complex data: applications in emergency situations and medicine [Internet]. 2019 ;[citado 2026 fev. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-29012020-142713/ - Mineração de padrões frequentes em séries temporais para apoio à tomada de decisão em agrometereologia
- Segmenting skin ulcers and measuring the wound area using deep convolutional networks
- Semi-automatic ulcer segmentation and wound area measurement supporting telemedicine
- A DBMS-based framework for content-based retrieval and analysis of skin ulcer Images in medical practice
Informações sobre o DOI: 10.11606/T.55.2020.tde-29012020-142713 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
