CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Feature Descriptor Optimization in Medical Image Retrieval Based on Genetic Algorithm

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۳۱۹ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: ICBME20_116
زبان مقاله: انگلیسی
فایل PDF حاوی متن کامل این مقاله در حال حاضر در سایت موجود نمی‌باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها است. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود PDF مقاله

اصل مقاله (فول تکست) فوق منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله Feature Descriptor Optimization in Medical Image Retrieval Based on Genetic Algorithm

  mohammad behnam - department of Electric Engineering, najafabad branch islamic azad University isfahan iran
  Hossein pourghassem - department of Electric Engineering, najafabad branch islamic azad University isfahan iran

چکیده مقاله:

This paper presents an approach to represent and match images for retrieval in medical archives. A multidimensional low-level feature space including shape andtexture is used to represent the image input. The large intensity variation and low contrast are main characteristics of themedical images. This presents a challenge to matching among theimages, and is handled via an illumination-invariant representation. In accordance with this issue, we used severaltechniques based on Local Binary Pattern (LBP) such as Uniform LBP, Local Binary Count (LBC) and Complete LBC (CLBC) to extract texture features. Furthermore, one dimensional Fourier Descriptor (1-D FD) and 2-D Modified Generic FourierDescriptor (MGFD) are used to extract shape features frommedical images. Combining feature descriptors in content-based image retrieval (CBIR) systems, plays a key role due to improvethe retrieval performance and reduce semantic gap between the visual features and semantics concepts. Hence, we present anapproach based on Genetic Algorithm (GA) to optimize the contribution of each feature descriptors in retrieval process, andlink a bridge between query concepts and low level features. The obtained results show that the proposed GA-based approach significantly improves the accuracy of content-based medical image retrieval (CBMIR) system.

کلیدواژه‌ها:

content-based medical image retrieval , visual features , semantic concepts , Genetic Algorithm.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-ICBME20-ICBME20_116.html
کد COI مقاله: ICBME20_116

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
behnam, mohammad & Hossein pourghassem, ۱۳۹۲, Feature Descriptor Optimization in Medical Image Retrieval Based on Genetic Algorithm, بیستمین کنفرانس مهندسی زیست پزشکی ایران, تهران, دانشگاه تهران, http://www.civilica.com/Paper-ICBME20-ICBME20_116.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (behnam, mohammad & Hossein pourghassem, ۱۳۹۲)
برای بار دوم به بعد: (behnam & pourghassem, ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۷۴۳۵
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.