Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
An Efficient Radiographic Image Retrieval System Using Convolutional Neural Network
KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildbehandling och visualisering.ORCID-id: 0000-0002-7767-3399
KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildbehandling och visualisering.ORCID-id: 0000-0001-5765-2964
Visa övriga samt affilieringar
2016 (Engelska)Ingår i: 2016 23rd International Conference on Pattern Recognition (ICPR), Institute of Electrical and Electronics Engineers (IEEE), 2016, s. 3134-3139, artikel-id 7900116Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Content-Based Medical Image Retrieval (CBMIR) is an important research field in the context of medical data management. In this paper we propose a novel CBMIR system for the automatic retrieval of radiographic images. Our approach employs a Convolutional Neural Network (CNN) to obtain high- level image representations that enable a coarse retrieval of images that are in correspondence to a query image. The retrieved set of images is refined via a non-parametric estimation of putative classes for the query image, which are used to filter out potential outliers in favour of more relevant images belonging to those classes. The refined set of images is finally re-ranked using Edge Histogram Descriptor, i.e. a low-level edge-based image descriptor that allows to capture finer similarities between the retrieved set of images and the query image. To improve the computational efficiency of the system, we employ dimensionality reduction via Principal Component Analysis (PCA). Experiments were carried out to evaluate the effectiveness of the proposed system on medical data from the “Image Retrieval in Medical Applications” (IRMA) benchmark database. The obtained results show the effectiveness of the proposed CBMIR system in the field of medical image retrieval.

Ort, förlag, år, upplaga, sidor
Institute of Electrical and Electronics Engineers (IEEE), 2016. s. 3134-3139, artikel-id 7900116
Serie
Proceedings - International Conference on Pattern Recognition, ISSN 1051-4651
Nyckelord [en]
Content based image retrieval and data mining, Medical image and signal analysis, Deep learning
Nationell ämneskategori
Medicinsk bildbehandling
Identifikatorer
URN: urn:nbn:se:kth:diva-197570DOI: 10.1109/ICPR.2016.7900116ISI: 000406771303020Scopus ID: 2-s2.0-85019074329ISBN: 9781509048472 (tryckt)OAI: oai:DiVA.org:kth-197570DiVA, id: diva2:1052120
Konferens
23rd International Conference on Pattern Recognition, ICPR 2016, Cancun CenterCancun, Mexico, 4 December 2016 through 8 December 2016
Forskningsfinansiär
Vetenskapsrådet, 2012-3512Vetenskapsrådet, 2014-6153VINNOVA, E9126
Anmärkning

QC 20161208

Tillgänglig från: 2016-12-05 Skapad: 2016-12-05 Senast uppdaterad: 2017-10-10Bibliografiskt granskad

Open Access i DiVA

fulltext(539 kB)80 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 539 kBChecksumma SHA-512
f79aea46019243a75b637c8d615fa3329a81310487784d4a759cc7ddddbe44f8214c6005edb99a5bbc6a48018bbf8ee51c0965974c2d234881491e3e2daa2224
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Sök vidare i DiVA

Av författaren/redaktören
Chowdhury, ManishMoreno, RodrigoSmedby, Örjan
Av organisationen
Medicinsk bildbehandling och visualisering
Medicinsk bildbehandling

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 80 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 728 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf