Journal of Clinical and Medical Sciences

சுருக்கம்

மருத்துவப் படப் பணிகளில் அதிநவீன அமைப்பு அம்சத்தைப் பிரித்தெடுக்கும் நுட்பங்களின் செயல்திறன் மதிப்பீடு

சாமுவேல் குசி-துவா*, ஓபேட் அப்பியா, பீட்டர் அப்பியஹேன்

நோக்கம்: மருத்துவப் படங்களை விளக்குவது நிச்சயமாக ஒரு சிக்கலான பணியாகும், இதற்கு விரிவான அறிவு தேவைப்படுகிறது. கணினி உதவி கண்டறிதல் (CAD) இன் படி, ரேடியலஜிஸ்டுகளுக்கு நோயறிதலுக்கு உதவும் இரண்டாவது கருத்தாக செயல்படுகிறது, மறுபுறம் உள்ளடக்க அடிப்படையிலான படத்தை மீட்டெடுப்பது பயனர்களின் ஆர்வத்தின் அடிப்படையில் தரவுத்தளத்தில் இருந்து ஒத்த மருத்துவப் படங்களை உலாவவும், தேடவும் மற்றும் மீட்டெடுக்கவும் உதவும் காட்சி உள்ளடக்கத்தைப் பயன்படுத்துகிறது. . CBMIR அமைப்பின் திறன் அம்சம் பிரித்தெடுக்கும் முறைகளைப் பொறுத்தது. மருத்துவப் படத்தின் உள்ளடக்கத்தை தீர்மானிக்க உரை அம்சங்கள் மிகவும் முக்கியம். உரை அம்சங்கள் அழகிய ஆழம், டோனல் மாறுபாட்டின் இடஞ்சார்ந்த விநியோகம் மற்றும் மேற்பரப்பு நோக்குநிலை ஆகியவற்றை வழங்குகிறது. எனவே, இந்த ஆய்வு சிபிஎம்ஐஆரில் கையால் வடிவமைக்கப்பட்ட சில அமைப்பு அம்சங்களை பிரித்தெடுக்கும் நுட்பங்களை ஒப்பிட்டு மதிப்பீடு செய்ய முயல்கிறது. CBIR அமைப்புகளை மேம்படுத்துவதில் அக்கறை உள்ளவர்களுக்கு சிறந்த உரைசார் அம்சம் பிரித்தெடுக்கும் நுட்பங்களைத் தேர்ந்தெடுப்பது குறித்து தகவலறிந்த முடிவுகளை எடுக்க இது உதவும்.

அணுகுமுறை: சிபிஎம்ஐஆர் அமைப்புகளில் ஒரு குறிப்பிட்ட ஆய்வுக்கு எந்த நுட்பங்களைத் தேர்வு செய்ய வேண்டும் என்பதைக் கருத்தில் கொள்ளும்போது, ​​கொடுக்கப்பட்ட செயல்திறன் அளவீட்டுக்கு, பல்வேறு அமைப்பு அம்சங்களைப் பிரித்தெடுக்கும் நுட்பங்களில் எது மிகவும் பொருத்தமானது என்பதற்கான தெளிவான அறிகுறி இல்லை. இந்த வேலையின் நோக்கம், பின்வரும் அமைப்பு அம்சம் பிரித்தெடுக்கும் நுட்பங்களின் செயல்திறனை ஒப்பீட்டளவில் மதிப்பீடு செய்வதாகும்; லோக்கல் பைனரி பேட்டர்ன் (LBP), Gabor வடிகட்டி, சாம்பல்-நிலை இணை நிகழ்வு மேட்ரிக்ஸ் (GLCM), ஹராலிக் டிஸ்கிரிப்டர், விரைவுபடுத்தப்பட்ட பிரிவு சோதனையின் அம்சங்கள் (வேகமாக) மற்றும் விரைவுபடுத்தப்பட்ட பிரிவு சோதனையின் அம்சங்கள் மற்றும் பைனரி வலுவான சுயாதீன அடிப்படை அம்சங்கள் (வேகமான மற்றும் சுருக்கமான) அளவீடுகள்; துல்லியம், ரீகால், F1-ஸ்கோர், சராசரி ஸ்கொயர் பிழை (MSE), துல்லியம் மற்றும் நேரம். இந்த நுட்பங்கள் முடிவுகளைப் பெற குறிப்பிட்ட ஒற்றுமை அளவோடு இணைக்கப்பட்டுள்ளன.

முடிவுகள்: LBP, Haralick descriptor, FAST மற்றும் GLCM ஆகியவை முறையே (துல்லியமான மற்றும் துல்லியம்), நேரம், F1-ஸ்கோர் மற்றும் நினைவுபடுத்துதல் ஆகியவற்றின் அடிப்படையில் சிறந்த முடிவுகளைப் பெற்றதாக முடிவுகள் காட்டுகின்றன. LBP துல்லியம் மற்றும் துல்லியம் முறையே 82.05% மற்றும் 88.23% மதிப்பெண்களைக் கொண்டிருந்தது. பின்வரும் மதிப்பெண்கள் முறையே ஹராலிக் டிஸ்கிரிப்டர், ஃபாஸ்ட் மற்றும் ஜிஎல்சிஎம் மாடல்களின் செயல்திறனைக் குறிக்கின்றன; 0.88கள், 38.7% மற்றும் 44.82%. இந்த சோதனை மதிப்பெண்கள் 1 k-10.5 k வரையிலான தரவுத்தொகுப்புகளிலிருந்து பெறப்படுகின்றன.

முடிவு: குறிப்பிடப்பட்ட மற்ற 5 மாடல்களை விட LBP சிறப்பாக செயல்படுவதைத் தவிர, இது பின்வரும் முன்மொழியப்பட்ட மாடல்களை விட சிறப்பாக செயல்பட்டது. தமுரா டெக்ஸ்ச்சர் அம்சம் மற்றும் வேவ்லெட் டிரான்ஸ்ஃபார்ம் ஹவுஸ்டோர்ஃப் தூரத்துடன் இணைந்து (துல்லியமான, துல்லியம், மற்றும் நினைவுபடுத்துதல்) மற்றும் (துல்லியமான மற்றும் நினைவுகூருதல்) முறையே மற்றும் அநேகமாக F1-ஸ்கோர் (F1-ஸ்கோர் என்பது துல்லியம் மற்றும் நினைவுகூரலின் எடையுள்ள சராசரி என்பதால்). எல்பிபி, ஹராலிக் டிஸ்கிரிப்டர்கள் மற்றும் சப்போர்ட் வெக்டர் மெஷின் (எஸ்விஎம்) ஆகியவற்றின் குழுமமானது மருத்துவப் படத்தை மீட்டெடுப்பதற்கும் வகைப்படுத்துவதற்கும் ஒரு வலுவான அமைப்பைக் குறிக்கும் என்று நம்பப்படுகிறது.