Внутренняя медицина: открытый доступ
Открытый доступ

Абстрактный

Метод контролируемого обучения для классификации поиска медицинских изображений

Ранджана Баттур*, Джагадиша Н.

Прогресс в области биомедицинской инженерии был значительным для медицинской или оздоровительной отрасли. Однако он сталкивается с такими проблемами, как то, как его можно применить к медицине и биологии для аспектов здравоохранения. В последнее время быстрый прогресс в области программирования и инноваций в оборудовании упростил проблему сохранения полезных накоплений изображений. Визуальные элементы, такие как затенение, форма и композиция, актуализируются для поиска изображений. Традиционные стратегии индексации изображений не были продемонстрированы ни разумными, ни эффективными относительно пространства и времени, поэтому это положило начало развитию нового подхода. Новая концепция, называемая поиском изображений на основе контента (CBIR), полезна для различных видов медицинских изображений, имеющих разнородные модальности визуализации, анатомические области с различными направлениями и биологическими схемами, прогнозируется. Классификация поиска медицинских изображений является основной проблемой для группы медицинских изображений. Следовательно, классификатор машины опорных векторов (SVM) может быть благоприятным для прогнозирования группировки запросов и изображений базы данных на основе сопоставления сходства. Очень сложно эффективно обнаружить особенности сравниваемых изображений для всех различных типов запросов. Таким образом, предлагаемый SVM-MIR нацелен на классификацию и извлечение биомедицинских изображений с использованием метода классификатора SVM. Классификация на основе SVM-MIR рассматривает многочисленные группы медицинских изображений для анализа. Результаты предлагаемого подхода SVM-MIR достигают лучшей производительности по сравнению с существующим подходом.