内科: オープンアクセス

内科: オープンアクセス
オープンアクセス

ISSN: 2165-8048

概要

医用画像検索の分類のための教師あり学習アプローチ

ランジャナ・バトゥール*、ジャガディシャ・N

バイオメディカル エンジニアリングの進歩は、医療またはヘルスケア業界にとって重要です。ただし、医療の分野で医学や生物学にどのように適用できるかという問題に直面しています。最近、プログラミングと機器の技術革新の急速な進歩により、有益な画像のコレクションを維持するという問題が簡単になりました。色、形状、構成などの視覚要素が画像検索に使用されます。従来の画像インデックス作成方法は、空間と時間に関して合理的でも効果的でもないことが実証されているため、新しいアプローチの開発が始まりました。コンテンツ ベース画像検索 (CBIR) と呼ばれる新しい概念は、異なるイメージング モダリティ、さまざまな方向の解剖学的領域、生物学的スキームを持つさまざまな種類の医療画像に役立ちます。医療画像検索の分類は、医療画像のグループ化の主な懸念事項です。したがって、サポート ベクター マシン (SVM) 分類器は、類似性マッチングに基づいてクエリとデータベース画像をグループ化する予測に適しています。比較する画像の特徴を、さまざまな種類のクエリに対して効果的に検出することは非常に困難です。したがって、提案された SVM-MIR は、SVM 分類器法を使用して生物医学画像を分類および検索することを目的としています。SVM-MIR ベースの分類では、分析のために多数の医療画像グループを考慮します。提案された SVM-MIR アプローチの結果は、既存のアプローチと比較して優れたパフォーマンスを実現します。

免責事項: この要約は人工知能ツールを使用して翻訳されたものであり、まだレビューまたは検証されていません。
Top