Innere Medizin: Offener Zugang
Offener Zugang

Abstrakt

Ein überwachter Lernansatz zur Klassifizierung des medizinischen Bildabrufs

Ranjana Battur*, Jagadisha N

Die Fortschritte in der Biomedizintechnik waren für die Medizin- und Gesundheitsbranche von großer Bedeutung. Allerdings gibt es auch Probleme, wie sie in der Medizin und Biologie im Hinblick auf Gesundheitsaspekte angewendet werden können. In jüngster Zeit haben schnelle Fortschritte in der Programmierung und Geräteinnovation die Aufrechterhaltung nützlicher Bildsammlungen vereinfacht. Visuelle Elemente wie Schattierung, Form und Komposition werden für die Bildsuche aktualisiert. Herkömmliche Strategien zur Bildindizierung haben sich in Bezug auf Raum und Zeit als weder sinnvoll noch effektiv erwiesen, sodass die Entwicklung des neuen Ansatzes eingeleitet wurde. Ein neues Konzept namens Content Based Image Retrieval (CBIR) ist für die verschiedenen Arten medizinischer Bilder mit unterschiedlichen Bildgebungsmodalitäten, anatomischen Bereichen mit unterschiedlichen Richtungen und biologischen Schemata von Vorteil. Die Klassifizierung der medizinischen Bildsuche ist das Hauptanliegen für Gruppen medizinischer Bilder. Daher kann der Support Vector Machine (SVM)-Klassifikator für die Gruppierung von Vorhersagen von Abfrage- und Datenbankbildern auf der Grundlage von Ähnlichkeitsübereinstimmungen von Vorteil sein. Es ist sehr schwierig, die Merkmale der verglichenen Bilder für alle verschiedenen Arten von Abfragen effektiv zu erkennen. Daher zielt das vorgeschlagene SVM-MIR darauf ab, biomedizinische Bilder mithilfe der SVM-Klassifiziermethode zu klassifizieren und abzurufen. Die auf SVM-MIR basierende Klassifizierung berücksichtigt zahlreiche Gruppen medizinischer Bilder für die Analyse. Die Ergebnisse des vorgeschlagenen SVM-MIR-Ansatzes erzielen im Vergleich zum bestehenden Ansatz eine bessere Leistung.