استخراج و انتخاب ویژگی های تصاویر پزشکی با الگوریتم ژنتیک هیبریدی

ترجمه مقاله استخراج و انتخاب ویژگی های تصاویر پزشکی با الگوریتم ژنتیک هیبریدی

ترجمه مقاله Hybrid Genetic Algorithm for Medical Image Feature Extraction and selection

در این بخش ترجمه مقاله استخراج و انتخاب ویژگی های تصاویر پزشکی با الگوریتم ژنتیک هیبریدی را آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را نیز به طور رایگان دانلود نمایید.

چکیده مقاله

در رابطه با سیستم بازیابی تصاویر هیبریدی، تکنیک الگوریتم ژنتیک به منظور انتخاب گروهی ابعاد کاهش یافته ویژگی ها بیان می شود. این سیستم در سه فاز انجام می گیرد. در فاز اول، از سه نوع الگوریتم متفاوت برای خارج کردن ویژگی های حیاتی از تصویر استفاده می شود. الگوریتم پیشنهادی برای استخراج ویژگی ها، الگوریتم استخراج گرادیان کنتور مبنی بر Texton، الگوریتم تبدیل ویژگی ثابت و الگوریتم استخراج الگوی ذاتی.

در بخش دوم برای مشخص کردن بردار، مبنی بر الگوریتم ژنتیک با استفاده از تکنیک هیبریدی الگوریتم کلونی زنبور مصنوعی و الگوریتم شاخه و حد با استفاده از تصویر سرطان سینه، تیروئید و تومور مغزی انجام می شود. برای امتحان تشابه بین تصویر پایگاه داده و تصویر پرس و جو از اندازه گیری فاصله مربع استفاده می شود. و از تابع برازش به عنوان نیاز اولیه برای الگوریتم ژنتیک استفاده می شود.

در بخش سوم، برای بهینه سازی کارایی سیستم بازیابی تصویر پزشکی مبنی بر محتوای هیبریدی، از تکنیک بازخورد مبنی بر چگالی استفاده می شود. در این قسمت از کلمه هیبرید استفاده می کند، زیرا از این سیستم می توان برای باز گردانی هر نوع تصویر پزشکی مانند تومور مغزی، سرطان تیروئید، سرطان ریه، سرطان سینه و غیره استفاده نمود. از این روش انتخاب خصوصیات مبنی بر یادگیری ماشین برای کاهش مسائل ابعاد سیستم موجود استفاده می شود. نتایجات بدست آمده نشان می دهد که سیستم بازیابی تصویر مبنی بر الگوریتم ژنتیک هیبریدی، زیر شاخه ای از خصوصیات را برای تشخیص صحیحی از تصویر انتخاب می کند.

مقدمه

برای بازیابی و جستجوی تصویر مرتبط از مجموعه داده های بزرگ، از الگوریتم سیستم بازیابی تصویر استفاده می شود. به خاطر رشد و پیشرفت در رشته پزشکی، حجم زیادی از تصویر پزشکی به طور چشمگیری در مراکز پزشکی با استفاده از بسیاری وسایل و تجهیزات پزشکی پیشرفته تولید می گردد. بنابراین برای بازیابی تصاویر پزشکی مبتنی بر محتوا و کمک به متخصص در فیلد پزشکی که یکی از مهمترین حوزه های پژوهش و تحقیق است. به گونه ای که برای بررسی تشابه در روش شناسایی می توان با مقایسه تصویر پزشکی فعلی بیمار با پایگاه داده پزشکی جهت بازیابی سابقه شناسایی پزشکی، سنکرون نمود.

چکیده انگلیسی

For a hybrid medical image retrieval system, a genetic algorithm (GA) approach is presented for the selection of dimensionality reduced set of features. This system was developed in three phases. In first phase, three distinct algorithm are used to extract the vital features from the images. The algorithm devised for the extraction of the features are Texton based contour gradient extraction algorithm, Intrinsic pattern extraction algorithm and modified shift invariant feature transformation algorithm.

In the second phase to identify the potential feature vector GA based feature selection is done, using a hybrid approach of “Branch and Bound Algorithm” and “Artificial Bee Colony Algorithm” using the breast cancer, Brain tumour and thyroid images. The Chi Square distance measurement is used to assess the similarity between query images and database images A fitness function with respect Minimum description length principle were used as initial requirement for genetic algorithm.

In the third phase to improve the performance of the hybrid content based medical image retrieval system diverse density based relevance feedback method is used. The term hybrid is used as this system can be used to retrieve any kind of medical image such as breast cancer brain tumour, lung cancer, thyroid cancer and so on This machine learning based feature selection method is used to reduce the existing system dimensionality problem. The experimental result shows that the GA driven image retrieval system selects optimal subset of feature to identify the right set of images.

منبع : sciencedirect.com