عنوان پایان‌نامه
بازیابی محتوا محور تصاویر رادیوگرافی برای پشتیبانی از فرایند تصمیم گیری در تفسیر تومورهای استخوانی
- رشته تحصیلی
- مهندسی کامپیوتر -نرم افزار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2519;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 64559
- تاریخ دفاع
- ۱۱ شهریور ۱۳۹۳
- دانشجو
- آکو محمودی
- استاد راهنما
- رضا آقائی زاده ظروفی
- چکیده
- تومورهای استخوانی یک مساله کلینیکی بسیار مهم با نرخ بالای مرگومیر هستند که پتانسیل لازم برای تبدیل شدن به یک سرطان متاستاتیک بدخیم را دارا می‌باشند. شناسایی سریع و اولیه در تعیین مسیر درمان اهمیت وافری دارد. تعداد زیادی از تومورها تا اینکه به تهدید مهم و حیاتی تبدیل گردند بدون نشانه خواهند بود. پیدا کردن و طبقهبندی ضایعههای استخوانی در مراحل اولیه توسعه بسیار مهم خواهد بود. یک سیستم بازیابی تصویر مبتنی بر محتوا سیستمی است که بجای استفاده از متن از خود محتوای تصاویر برای عملیات بازیابی تصویر استفاده میکند. پیاده سازی یک سیستم بازیابی تصویر مبتنی بر محتوا برای تومورهای استخوانی می¬تواند پزشکان را در فرآیند تشخیص ضایعه پشتیبانی کند چراکه این سیستم با نمایش تصاویر مشابه با تصویر تحت بررسی پزشکان را به سمت تصمیم دقیق و درست هدایت میکند. یک مؤلفه مهم سیستم موردنظر، بخشبندی تصاویر دارای تومور میباشد به‌کارگیری روشهای موجود به دلیل زمان اجرای بالا و یا دقت پایین امکان پذیر نمی باشد. بدین منظور، ابتدا تصویر با استفاده از روش بخشبندی واترشد تحت پردازش قرار می گیرد، خروجی حاصل از این روش تشکیل یک سری سوپرنود میباشد، آنگاه روش مبتنی بر رشد ناحیه بر روی سوپرنودهای ایجاد شده اعمال می گردد، عملیات رشد ناحیه نیز بر روی سوپرنودهای ایجاد شده مبتنی بر متد طبقه بندی می باشد. عملیات دیگر نیز استخراج ویژگیها از تومور بخشبندی شده میباشد که بدین منظور، ویژگیهای همچون واکنش پریوستئال و اندازه را که توسط متخصصین در حوزه پزشکی به‌منظور تمایز گذاشتن میان تومورهای مختلف مورداستفاده قرار میگیرد را از طریق روشهایی به یک سری مقادیر عددی نگاشت داده میشود تا بردار ویژگی مربوط به آن ضایعه استخوانی تشکیل گردد. سپس این بردار ویژگی استخراج‌شده، در فرآیند بازیابی و مقایسه مورداستفاده قرار میگیرد. یک سیستم بازیابی تصویر مبتنی بر محتوا برای تومورهای استخوانی پیادهسازی شد، و سیستم پیاده سازی شده بر روی دیتاست متعلق به دانشگاه مریلند و با انتخاب تصاویر پرس وجوی متعلق با آن دیتاست مورد ارزیابی قرار گرفت. در زمینه بخش بندی تومورهای استخوانی میانگین دقت 90 درصد مشاهده شد، و همچنین در زمینه بازیابی تصاویر مرتبط با تصویر تحت بررسی، میانگین دقت 73 درصد مشاهده شد که باعث فیلتر کردن تعداد زیادی از تومورها میشود و در نتیجه می¬تواند برای پزشکان در مسیر تشخیص موثر واقع گردد. کلمات کلیدی: بازیابی تصویر مبتنی بر محتوا، تومورهای استخوانی، بخشبندی واترشد، بخشبندی مبتنی بر رشد ناحیه، بخشبندی مبتنی بر طبقه بندی، استخراج ویژگی.
- Abstract
- Bone Tumors are important clinical problem with high rate of mortality and with high potential to degenerate into malignant metastatic cancers. Primary and fast diagnosis is so vital at this scope. A lot of tumors remain without symptoms until degenerate to a critical and vital threaten. A content-based image retrieval system uses image content instead text in image retrieval process. Implementation of a content-based image retrieval system for bone tumors can support physicians in order to diagnose lesion since this system by displaying similar images with considered image can guide physician toward correct decision. An important component of the system is segmentation of images which include bone tumors. Current methods cannot be applied since spent time is high or precision is low. So, first the image is processed by watershed. Output of this method is creating some supernodes and then region growing-based method is applied on the created supernodes. Region growing operation is done based on classification method on the supernodes. Feature extraction from segmented tumor is another process in the system, so some features like periosteal reaction and size that are used for distinguishing among bone tumors by physicians, are mapped to numeric values to make feature vector of the bone lesion. Then, this extracted feature vector is applied at retrieving and comparing processes. A content-based image retrieval system for bone tumors was implemented, and it was evaluated on a Maryland dataset by selecting some image queries belonged to the dataset. Average precision of 90 percent was observed for segmentation aspect of bone tumors, and also observed average precision in field of retrieval of relevant images for considered image queries was 73 percent which filters many kinds of tumors and finally can be effective during diagnosis process for physicians. Keywords: Content based image retrieval, Bone tumors, Watershed segmentation method, Region growing-based segmentation method, Classification-based segmentation method, Feature extraction.
