تحقیق بررسی کاربرد تنوع طبقه بندی ها در شرح نویسی خودکار تصویرهای پزشکی

تحقیق بررسی کاربرد تنوع طبقه بندی ها در شرح نویسی خودکار تصویرهای پزشکی در حجم 82 صفحه و در قالب word و قابل ویرایش و با قسمتی از متن زیر:

1-1-            بیان مسئله

در روش‌های مرسوم شرح‌نویسی از ویژگی‌های مختلف و متنوعی استفاده شده است که ترکیب آن‌ها باعث بالا رفتن بعد بردار ویژگی، کاهش سرعت و افت دقت طبقه بندی می‌شود. از طرف دیگر تطابق ویژگی، پایه بسیاری از مشکلات می‌باشد و روش‌های کنونی بر روی توصیفگرهای پرهزینه مانند SIFT برای تشخیص و تطابق تکیه دارند.

بهمنظور تولید کلمات توصیفگر تصویر در فرآیند شرح نویسی می‌توان از انسان یا ماشین استفاده کرد، اما از آنجاکه مجموعه‌های بزرگی از تصویرهای نیازمند شرحنویسی است، شرح نویسی تصویرهای توسط بشر پرهزینه، زمانبر و محدود به علم هر فرد در مورد تصویرهای مربوطه است[1]. لذا بهنظر می‌رسد که شرح نویسی توسط ماشین‌ها عاقلانه تر باشد. این کار «شرح نویسی خودکار» نامیده می‌شود. برای تولید سیستم شرح نویسی خودکار باید قوانینی را به ماشین یاد داد تا بتواند با استفاده از آن‌ها، پس از دریافت تصویر ورودی، شرح‌های تصویر را تولید کند. یکی از روش‌های شرح نویسی خودکار تصویرهای، روش مبتنیبر تصویر است. در این روش ماشین باید یاد بگیرد که برای هر تصویر کلمات توصیفگر مناسب آنرا با استفاده از خود تصویر تولید کند. درحقیقت شرح نویسی خودکار مبتنی بر تصویر نوعی طبقه بندی معنایی تصویرهای است که طبقه‌های مختلف آن بیان کننده کلمات مختلف هستند. لذا برای آموزش سیستم شرح نویسی تصویرهای استفاده از تکنیک‌های پردازش تصویرهای و الگوریتم‌های یادگیری ماشین لازم است. تصویرهای بر اساس ویژگی‌های مستخرج از تصویر و با استفاده از روش‌های یادگیری ماشین و داده‌های آموزش شرح نویسی طبقه بندی می‌شود [2].

روش دیگر، شرح نویسی خودکار مبتنی بر متن است. در این حالت در مورد هر تصویر اطلاعات متنی نیز وجود دارد و فرآیند شرح نویسی براساس پردازش متن انجام می‌شود. برای این منظور می‌توان ازتکنیک‌های متنکاوی و وب کاوی (چنانچه تصویر در صفحات وب قرار داشته باشد) برای استخراج مفاهیم اصلی متن همراه با تصویر استفاده کرد[2][3] .
1-2-          انگیزه تحقیق

.بهینه‌سازی استخراج ویژگی توسط شبکه های عصبیو طبقه بندی سلسله مراتبی تصویرهای باعث افزایش سرعت کار شرح نویسی خودکار تصویر پزشکی می‌شود.این بهینه سازیمی‌تواند در مراکز تصویر برداری پزشکی، مراکز رادیولوژی، مراکز تصویربرداری سی تی اسکن، بیمارستان‌ها مورد استفاده قرار گیرد.
1-3-         مؤلفه‌های تولید سیستم شرح نویسی خودکار

از آنجا که در انجام فرآیند یادگیری وجود مجموعه‌های آموزشی حاوی تصویرهای شرح دار لازم است، لذا اولین گام در تولید سیستم شرح نویسی خودکار انتخاب مجموعه آموزش است. در مرحلهی بعد باید ویژگی‌های مناسب از تصویرهای استخراج شوند. سپس الگوریتم‌های یادگیری ماشین بهمنظور آموزش سیستم و تولید مدل شرح نویسی به کار گرفته می‌شوند

شرح‌نویسی خودکار یک فرآیند است که در آن یک سیستم کامپیوتری به صورت خودکار فراداده را در قالب کلمات کلیدی به یک عکس دیجیتال اختصاص می‌دهد. شرح نویسی خودکار تصویرهای گامی اساسی در بازیابی تصویرهای است.

شرح نویسی خودکار تصویرهای در طی دو مرحله زیر انجام می‌شود:

1- استخراج ویژگی 2- طبقه بندی تصویرهای