Utilização de um Novo Modelo para Representação de Sinais, como Extrator de Características, na Recuperação de Imagens Médicas por Conteúdo

• João L. Fernandes UFF
• Cristina N. Vasconcelos UFF
• Giovanni C. Carelli UFF

Resumo

A recuperação de itens semelhantes, em bancos de dados de imagens médicas, pode ser um auxílio eficiente à elaboração de diagnósticos. Recuperar imagens por similaridade envolve a extração de características representativas dos exemplares, o que não é uma tarefa trivial, já que, normalmente, há um grande número de fatores que devem ser considerados, na tentativa de simular a percepção humana. Tais técnicas são conhecidas na literatura como CBIR (Content-based Image Retrieval). Neste trabalho, propomos o estudo de um novo modelo para representação de sinais, como extrator de características, visando ao desenvolvimento de métricas de semelhança entre imagens médicas.

Referências

Castañon, C. A. B. (2003) “Recuperação de imagens por conteúdo através de análise multirresolução por Wavelets”, Dissertação de Mestrado, ICMC-USP, São Carlos.

Fernandes, J. L. (2006) “Shape from shading: Novas abordagens a partir de movimento e de foco”, Tese de Doutorado, Universidade Federal Fluminense, Niterói.

Silva, L. A. (2009) “Categorização de Imagens Médicas baseada em Transformada Wavelet e Mapas Auto-Organizáveis”, Tese de Doutorado, USP, São Paulo.

Suckling, J. (Organiser) (2010) site “The mini-MIAS database of mammograms” [link], Último acesso: Agosto/2010.

Torreão, J. R .A. e Victer, S. M. C. (2010) “A Transformada de Gabor Sintonizada”, Relatório técnico apresentado ao Instituto de Matemática Pura e Aplicada (IMPA), Rio de Janeiro.

Torreão, J. R. A., Fernandes, J. L. and Victer, S. M. C. C. (2009) “A Model for Neuronal Signal Representation by Stimulus-Dependent Receptive Fields” In: 19th International Conference on Artificial Neural Networks (ICANN 2009), Limassol.