استخراج ویژگی های مناسب برای بهبود طبقه بندی تصاویر اشعه x پزشکی بر اساس محتوا
Abstract(in Persian; no English abstract is available)
با افزایش روز افزون تصاویر اشعه x پزشکی، نیاز به ابزارهای طبقه بندی کننده و بازیابی این دسته از تصاویر که دارای قابلیت و توانایی بالایی نیز باشند، افزایش یافته است. رکن اساسی بازیابی تصاویر اشعه x بر اساس محتوا، طبقه بندی آنها است. بنابراین، در صورتی که طبقه بندی موفق و مناسبی حاصل شود، بازیابی نیز موفقیت آمیز و دارای صحت بسیار بالایی خواهد بود. برای داشتن یک طبقه بندی مناسب می بایست معیارهایی که به این منظور انتخاب می شوند بسیار دقیق بوده و توصیف جامع و کاملی از تصاویر ارائه دهند. این معیارها همان ویژگی هایی هستند که از تصاویر استخراج می شوند که به سه دسته عمده شکل، بافت و رنگ تقسیم بندی می گردند. از آنجایی که تصاویر اشعه x پزشکی، تصاویر سطح خاکستری هستند و خصوصیات بافتی نسبتا مشابهی دارند، از ویژگی رنگ و تا حد بسیار بالا از ویژگی بافتی نمی توان به عنوان معیارهای مناسب برای طبقه بندی این دسته از تصاویر استفاده نمود. در این تحقیق با هدف بهبود طبقه بندی تصاویراشعه x پزشکی و در نهایت بهبود روش های بازیابی مبتنی بر محتوا که منجر به تسریع در عمل تشخیص بیماری، شناسایی بیمار و عضو آسیب دیده می شوند و با توجه به خصوصیات تصاویر اشعه x پزشکی، تمرکز بر روی ویژگی شکلی قرار گرفت و روشی برای بهبود ویژگی های متداول استخراجی از تصاویر اشعه x پزشکی پیشنهاد گردید. در نهایت یک ویژگی کاملا جدید که ترکیبی از ویژگی های شکلی و بافتی بوده و ویژگی شکلی بافتی نامیده شد، معرفی و پیشنهاد شد که توانست توانایی بالایی در طبقه بندی این دسته از تصاویر نسبت به سایر روش های استخراج ویژگی از خود به نمایش بگذارد. نرخ صحت بدست آمده از ارزیابی این ویژگی در ترکیب با دو ویژگی دیگر برای 4402 تصویر در 21 کلاس از تصاویر اشعه x پزشکی توسط ماشین بردار پشتیبان، به بیش از 94% رسیده است.