طبقه بندی معنایی تصاویر پزشکی در یک ساختار سلسله مراتبی مبتنی بر یک روش جدید خوشه بندی غیر نظارتی

طبقه بندی خودکار تصاویر روشی است که به کمک آن یک تصویر به یکی از کلاس های از پیش تعریف شده قبلی نسبت داده می شود. طبقه بندی تصاویر یکی از مهمترین مراحل در ی ک سیستم بازیابی تصویر براساس محتوا است. وجود این مرحله باعث کاهش زمان بازیابی تصویر بوسیله کاهش فضای جستجو در این سیستم ها می شود. در این مقاله، از یک ساختار سلسله مراتبی برا ی طبقه بند ی تصاو یر پزشک ی استفاده می شود. در ای ن ساختار با پیشنهاد یک روش خوشه بندی تحت عنوان نقشه ادغام، کلاس هایی که دارا ی همپوشانی قابل توجهی هستند، در یکدیگر ادغام می شوند. در این نقشه با استفاده از سه معیار صحت طبقه بندی، نرخ دسته بندی اشتباه و معیار شباهت، به نوعی یک روش خوشه بندی غیرنظارتی مدل می شود. در هر سطح ساختار سلسله مراتبی پیشنهادی، تصاویر براساس محتوی ات شکل ی و بافتی بوسیله طبقه بند شبکه عصبی پرسپترون چند لای ه طبقه بند ی می شود. ساختار پیشنهادی با یک پایگاه داده بزرگ از تصاویر اشعه x شامل ۹۱۰۰ تصویر در ۴۰ کلاس ارز ی ابی شد . صحت طبقه بند ی 88/9% برای یک مسأله ۲۵ کلاسه در سطح اول ساختار بدست آمد. اگر اینمقدار به 97/5% افزایش می یابد.

کلیدواژه ها:

طبقه بندی معنایی ، تصاویر پزشکی ، نمایه گذار ی و بازیابی تصویر براساس محتوا ، خوشه بندی غیرنظارتی