بازیابی تصاویر پزشکی رنگی براساس کیسه ای از ویژگی ها با استفاده از انتخاب نقاط بهینه در خوشه بند K-means

با توجه به پیشرفت روز افزون تجهیزات پزشکی و دستگاه های تصویر برداری پزشکی، روزانه حجم وسیعی از تصاویر دیجیتال پزشکی در مراکز درمانی و بیمارستانها تولید و در پایگاه داده هایی ذخیره می شوند. حجم گسترده این تصاویر، بازیابی آنها را به یکی از چالش های این زمینه تبدیل کرده است. یکی از معمول ترین روش های بازیابی تصاویر، بازیابی مبتنی بر مدل کیسه ای از کلمات بصری می باشد. یکی از رایج ترینتکنیک ها برای تولید کلمات بصری استفاده از خوشه بند K-means می باشد. با این حال کارایی خوشه بند K-means به طور قابل توجهی به مراکز اولیه ی انتخابی برای خوشه ها وابسته است و چون در الگوریتم پایه K-means مراکز خوشه ها به طور تصادفی انتخاب می شوند، تکنیک های بازیابی تصویری که مبتنی بر کیسه ای از کلمات با استفاده از K-means پایه هستند، از کارآیی مطلوبی برخوردار نمی باشند. هدف این مقاله ارائه ی روشی جهت بهبود دقت بازیابی تصاویر پزشکی رنگی براساس محتوا با استفاده از انتخاب نقاط بهینه در خوشه بند K-means می باشد. در این روش پس از استخراج ویژگی های محلی تصاویر با توصیف گر SIFT ، خوشه بند K-means را با مراکز اولیه بهینه و غیرتصادفی برای تولید کلمات بصری بهینه بکار گرفته شده است. برای انتخاب نقاط اولیه ی بهینه از سه مبتنی بر اختلاف محدوده، مبتنی بر وزن و مبتنی برمیانگین استفاده شده است. با انجام آزمایشات بر روی مجموعه تصاویر پزشکی استاندارد هیستوپاتولوژی، استفاده از نقاط اولیه ی بهینه باعث تولید کلمات بصری بهینه شده و دقت بیشتری نسبت به تولید کلمات بصری با مراکز اولیه تصادفی بدست آمده است.

کلیدواژه ها:

بازیابی تصویر ، خوشه بند k-means ، کیسه ای از ویژگی ها ، کلمات بصری ، مراکز اولیه بهینه ، تصاویر پزشکی