ఇంటర్నల్ మెడిసిన్: ఓపెన్ యాక్సెస్
అందరికి ప్రవేశం

నైరూప్య

మెడికల్ ఇమేజ్ రిట్రీవల్ యొక్క వర్గీకరణ కోసం పర్యవేక్షించబడిన అభ్యాస విధానం

రంజనా బత్తూరు*, జగదీశ ఎన్

బయోమెడికల్ ఇంజనీరింగ్‌లో పురోగతి వైద్య లేదా ఆరోగ్య సంరక్షణ పరిశ్రమకు ముఖ్యమైనది. అయినప్పటికీ, ఇది ఆరోగ్య సంరక్షణ అంశాల కోసం ఔషధం మరియు జీవశాస్త్రానికి ఎలా అన్వయించవచ్చు వంటి సమస్యలను ఎదుర్కొంటుంది. ఇటీవల, ప్రోగ్రామింగ్ మరియు పరికరాల ఆవిష్కరణల యొక్క శీఘ్ర పురోగతులు, ప్రయోజనకరమైన చిత్రాలను పోగుచేసే సమస్యను సులభతరం చేశాయి. షేడింగ్ మరియు ఆకృతి మరియు కూర్పు వంటి విజువల్ ఎలిమెంట్స్ ఇమేజ్ రీట్రీవల్ కోసం వాస్తవీకరించబడ్డాయి. ఇమేజ్ ఇండెక్సింగ్ కోసం సాంప్రదాయిక వ్యూహాలు స్థలం మరియు సమయానికి సంబంధించి సహేతుకమైనవి లేదా ప్రభావవంతమైనవి కావు కాబట్టి ఇది కొత్త విధానం యొక్క పురోగతిని ప్రారంభించింది. కంటెంట్ బేస్డ్ ఇమేజ్ రిట్రీవల్ (CBIR) అనే కొత్త కాన్సెప్ట్ అసమానమైన ఇమేజింగ్ పద్ధతులను కలిగి ఉన్న వివిధ రకాల వైద్య చిత్రాలకు ప్రయోజనకరంగా ఉంటుంది, విభిన్న దిశలు మరియు జీవసంబంధమైన పథకాలు కలిగిన శరీర నిర్మాణ ప్రాంతాలు అంచనా వేయబడతాయి. మెడికల్ ఇమేజ్ రిట్రీవల్ యొక్క వర్గీకరణ అనేది మెడికల్ ఇమేజ్ సమూహం యొక్క ప్రధాన ఆందోళన. అందువల్ల, సపోర్ట్ వెక్టర్ మెషిన్ (SVM) వర్గీకరణ సారూప్యత సరిపోలిక ఆధారంగా ప్రశ్న మరియు డేటాబేస్ చిత్రాలను సమూహపరచడానికి అనుకూలంగా ఉంటుంది. అన్ని విభిన్న రకాల ప్రశ్నల కోసం పోల్చబడిన చిత్రాల లక్షణాలను సమర్థవంతంగా గుర్తించడం చాలా కష్టం. అందువల్ల, ప్రతిపాదిత SVM-MIR SVM వర్గీకరణ పద్ధతిని ఉపయోగించి బయోమెడికల్ చిత్రాలను వర్గీకరించడం మరియు తిరిగి పొందడం లక్ష్యంగా పెట్టుకుంది. SVM-MIR ఆధారిత వర్గీకరణ విశ్లేషణ కోసం అనేక వైద్య చిత్రాల సమూహాలను పరిగణిస్తుంది. ప్రతిపాదిత SVM-MIR విధానం యొక్క ఫలితాలు ప్రస్తుత విధానంతో పోలిస్తే మెరుగైన పనితీరును సాధిస్తాయి.