سال انتشار: ۱۳۹۳
محل انتشار: نخستین سمپوزیوم ملی رباتیک و هوش مصنوعی
تعداد صفحات: ۸
نویسنده(ها):
الهه غفاری فارسانی – دانشجوی کارشناسی ارشد کامپیوتر، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد نجف آباد، نجف آباد
فرساد زمانی بروجنی – استادیار دانشگاه آزاد اسلامی واحد خوراسگان، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد خوراسگان، اصفهان

چکیده:
طبقه بندی خودکار تصاویر پزشکی روشی است که به کمک آن یک تصویر به یکی از کلاس های از پیش تعریف شده قبلی اختصاص داده می شود. وجود این مرحله باعث کاهش زمان بازیابی تصویر می شود. دسته بندی تصاویر بر اساس ویژگی های به دست آمده از آنها با استفاده از روش های یادگیری ماشین و استفاده از داده های آموزش برای حاشیه نویسی تصاویر انجام می شود. در این مقاله از دسته بندی سلسله مراتبی PCT برای تصاویر پزشکی استفاده شده است. در حاشیه نویسی تصاویر پزشکی اگر تنها از یک دسته بندی کننده برای تولید هر چهار بخش اطلاعاتی تصویر استفاده شود، برای رسیدن به کارایی مناسب باید از تعداد بیشتری ویژگی موجود از تصویر استفاده کرد. این موضوع منجر به بالارفتن طول بردار ورودی دسته بندی کننده می شود. استخراج ویژگی ها از طریق استفاده از توصیفگر ORB و دسته بندی سلسله مراتبی انجام شده است. به منظور تولید سیستم بهینه برای هر بخش ابتدا ویژگی های مناسب هر بخش انتخاب شده است. این انتخاب بر اساس تأثیر ویژگی با مجموعه ویزگی ها در تشخیص بخش مربوطه با استفاده از دسته بندی کننده های سلسله مراتبی انجام می شود. در تصاویر پزشکی فقط به ویژگی ها نیاز داریم که از هر تصویر ۳۰ ویژگی استخراج می کنیم. در جهت کاهش طول بردار ویزگی، با استفاده از روش پیشنهادی عمل می کنیم.