Médecine interne: libre accès
Libre accès

Abstrait

Une approche d'apprentissage supervisé pour la classification de la recherche d'images médicales

Ranjana Battur*, Jagadisha N

Les progrès de l'ingénierie biomédicale ont été importants pour l'industrie médicale ou de la santé. Cependant, elle est confrontée à des problèmes tels que la manière dont elle peut être appliquée à la médecine et à la biologie pour les aspects de la santé. Récemment, les progrès rapides de l'innovation en matière de programmation et d'équipement ont simplifié la question du maintien des accumulations d'images bénéfiques. Des éléments visuels tels que l'ombrage, la forme et la composition sont actualisés pour la récupération d'images. Les stratégies conventionnelles d'indexation d'images ne se sont pas avérées raisonnables ni efficaces en termes d'espace et de temps, ce qui a déclenché l'avancement de la nouvelle approche. Un nouveau concept appelé Content Based Image Retrieval (CBIR) est bénéfique pour les différents types d'images médicales ayant des modalités d'imagerie différentes, des zones anatomiques avec des directions diverses et des schémas biologiques sont projetés. La classification de la récupération d'images médicales est la principale préoccupation pour le groupe d'images médicales. Par conséquent, le classificateur Support Vector Machine (SVM) peut être favorable au regroupement des prévisions de requêtes et des images de base de données en fonction de la correspondance de similarité. Il est très difficile de détecter efficacement les caractéristiques des images comparées pour tous les différents types de requêtes. Par conséquent, l'approche SVM-MIR proposée vise à classer et à récupérer des images biomédicales à l'aide de la méthode de classification SVM. La classification basée sur SVM-MIR prend en compte de nombreux groupes d'images médicales pour l'analyse. Les résultats de l'approche SVM-MIR proposée permettent d'obtenir de meilleures performances par rapport à l'approche existante.