ترغب بنشر مسار تعليمي؟ اضغط هنا

دراسة تحليلية لأنظمة استرجاع الصور الطبية اعتماداً على المحتوى

Analysis study of Content Based Medical Image Retrieval Systems

1595   1   44   0 ( 0 )
 تاريخ النشر 2012
  مجال البحث هندسة الأجهزة الطبية
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

تعد أنظمة استرجاع الصور الطبية اعتماداً على المحتوى من التقنيات الحديثة التي يسعى الباحثون إلى تكاملها مع أنظمة التشخيص بمساعدة الحاسوب. تقوم هذه الأنظمة أساساً بإيجاد صور في قاعدة بيانات تضم مجموعة كبيرة من الصور ذات محتوى مشابه لصورة استعلام معينة. يجري الاستعلام عن طريق استخلاص الخصائص البصرية للصورة المعينة و صياغتها في متجه خصائص تَُقارن مكوناته بمتجهات الخصائص للصور الموجودة في قاعدة البيانات و يقاس التشابه، و من ثم تسَترجع الصور التي لها محتوى مشابه لصورة الاستعلام. تقدم هذه الورقة تقييماً للوضع الراهن لأنظمة استرجاع الصور الطبية اعتماداً على المحتوى بناء على دراسة تحليلية للبحوث الحديثة المنشورة، و تخلص إلى استنتاج اتجاهات بحثية محددة في هذا المجال.

المراجع المستخدمة
Müller H, Michoux N, Bandon D, Geissbuhler A. (2004) "A review of content-based image retrieval systems in medical applications-clinical benefits and future directions", International Journal of Medical Informatics, vol. 73, pp.1-23
Pinhas, A T, Greenspan H. (2007) "Medical Image Categorization and Retrieval for PACS Using the GMM-KL Framework" Information Technology in Biomedicine, IEEE Transactions on, vol. 11, no. 2, pp. 190-202
Akgül C B, Rubin D L, Napel S, Beaulieu Ch F, Greenspan H, Acar B. (2011) "Content-based image retrieval in radiology: current status and future directions" Journal of digital imaging, vol. 24, no. 2, pp. 208-222
قيم البحث

اقرأ أيضاً

هدفنا من خلال هذه الدراسة في إطار المشروع الفصلي للسنة الرابعة إلى إلقاء الضوء على استرجاع الصور من مجموعة كبيرة بالاعتماد على محتوى صورة هدف , و قمنا بتدعيم هذه الدراسة بتطبيق ضمن بيئة الماتلاب لبرنامج بحث عن الصور المشابهة لصورة مدخلة . و قد تركز بحثنا على ميزتين هامتين يكاد لا يخلو منها أي نظام بحث عن الصور بالاعتماد على المحتوى و هما ميزتي الهيستوغرام اللوني و بنية الصورة texture , ووضحنا الخطوات التي يتم في ضوئها عملية الاسترجاع بدءاً من تحليل الصورة و استخلاص شعاع الواصفات الخاص فيها , و مطابقته مع أشعة الميزات الخاصة بالصور الموجودة في قاعدة البيانات ليتم ترتيب الصور بحسب مدى تشابهها من الصورة الهدف . و تطرقت الدراسة إلى استخدام الفضاء اللوني HMMD كبديل للفضاء اللوني RGB لاستخراج واصفات البنية اللونية على اعتبار أنه نموذج لوني موجه بالمستخدم user oriented و بالتالي نضمن أن نحصل على نتائج أفضل ترضي المستخدم . وقمنا بتدعيم الدراسة بعدد من الأشكال و الأمثلة و المخططات التي توضح محتوى الدراسة النظرية و ما قمنا بعمله في التطبيق ضمن بيئة الماتلاب .
تم بناء نظام استرجاع لصور الطرح الرقمي للأوعية الدموية الدماغية ثنائية الأبعاد اعتماداً على المحتوى. يقوم النظام بإيجاد صور في قاعدة بيانات لصور الطرح الرقمي للأوعية الدموية الدماغية (حالة أمهات الدم الكيسية) ذات محتوى مشابه لصورة استعلام معينة و است رجاعها. تمت عملية الاستعلام عن طريق استخلاص خصائص الشكل البصرية لأمهات الدم في صورة الاستعلام و صياغتها في متجه خصائص و مقارنة مكوناته مع متجهات خصائص الشكل لأمهات الدم في صور الطرح الرقمي للأوعية الدموية الموجودة في قاعدة البيانات. تم قياس التشابه باستخدام المسافة الاقليدية، و من ثم استرجاع الصور التي لها محتوى مشابها لصورة الاستعلام. تم حساب الدقة بإيجاد نسبة مساحة أم الدم في الصور المسترجعة الأولى إلى مساحة أم الدم في صورة الاستعلام لثمان حالات استعلام تم تنفيذها، بلغت قيمة متوسط الدقة 98%، تبين النتائج أنَّه يمكن استخدام النظام المنفذ لاسترجاع الصور اعتماداً على المحتوى لإيجاد المساحة غير المعلومة لأم الدم من قاعدة بيانات لصور أمهات الدم تكون فيها مساحة أم الدم فيها معلومة.
يصف هذا البحث نظاما للتعرف على الكلمة العربية المكتوبة بخط اليد دون تقطيع سابق للكلمة إلى محارف, و سيتم التعرف من خلاله على مستويين, و قد طور هذا النظام اعتمادا على نظام التعرف الضوئي على الحروف, و خوارزمية ماركوف المخفية, و عدد من التوابع (المورفولو جية), و خوارزميات استرجاع الصور اعتمادا على المحتوى.
إن الحجم الهائل للصور الرقمية المنتجة من المشافي تزداد بسرعة. الصور الطبية يمكن أن تلعب دوراً مهماً بالمساعدة في التشخيص و المعالجة. و يمكن أن تكون مفيدة أيضاً في مجال التعليم لطلاب الطب بواسطة الشرح لهذه الصور الذي يساعدهم في دراستهم. مجال جديد لاست عادة الصور باستخدام تصنيف الصور الالي تمت مناقشته خلال السنوات الماضية. تصنيف الصور الطبية يمكن أن يلعب دوراً مهماً لأغراض التشخيص و التدريس الطبية. لهذه الاسباب عدة معالجات للصور تم استخدامها. في هذه الورقة أولاً: تمت دراسة مجموعة من الطرائق المتضمنة خلال خطوات معالجة الصور الطبية, مثل المرشح الوسيط, و معادلة الرسم البياني. ثانياً: تحديد و استخراج الخصائص الهامة للصور, كمصفوفة التدرج الرمادي. ثالثاً: تقنيات التصنيف و التي تقسم الى ثلاث طرق: 1- تصنيف الاكساء, 2- تصنيف الشبكات العصبونية, 3- تصنيف ك- أقرب جار. رابعاً: تم في هذا البحث استخدام صور الرنين المغناطيسي للدماغ لتحديد منطقة الورم في الدماغ. تبدأ الخطوات بإجراء معالجة أولية للصورة قبل إدخالها الى الخوارزمية بتحويلها إلى صورة ثنائية بتدرج رمادي ليتم بعد ذلك إزالة المعلومات النصية من الصورة (معلومات المريض و بارامترات صورة الدماغ) و ذلك باستخدام خوارزمية خاصة، بعد ذلك يتم إزالة أجزاء الجمجمة من صورة الدماغ دون التأثير على المادة البيضاء و المادة الرمادية في الدماغ. ثم بعد ذلك يتم استخدام مرشح معدل (مطور) عن المرشح الوسيط لإزالة الشوائب من الصورة الرقمية الناتجة.
نعرض في هذا البحث مودل لتوسيع الاستعلامات التلقائية في نظم استرجاع المعلومات متعددة اللغات في المجال الطبي. يوظف المودل المستخدم ترجمة آلية للاستعلام في اللغة المصدر الى لغة المستندات وتابع انحدار خطي لتوقّع دقة الاسترجاع لكل استعلام مترجم عند توسيع هذا الاستعلام مع كلمة مرشحة. الكلمات المرشحة (في لغة المستندات) اختيرت من مصادر متعددة: الترجمات المقترحة للاستعلام التي تم الحصول عليها من نظام ترجمة آلي, مقالات ويكيبيديا, وملخصات PubMed. توسيع الاستعلام يُطبق فقط عندما يتوقّع المودل قيمة للكلمة المرشحة تتجاوز عتبة تم تدريبها مسبقا ليسمح ذلك لتوسيع الاستعلامات فقط بالكلمات المرتبطة بقوّة به. اختباراتنا تم تنفيذها على بيانات الاختبار الخاصة ب CLEF eHealth 2013-2015 وأظهرت تفوق ملحوظ في نظم استرجاع المعلومات متعددة اللغات واحادية اللغة.
التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا