• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.55.2007.tde-15062007-150711
Documento
Autor
Nome completo
André Guilherme Ribeiro Balan
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2007
Orientador
Banca examinadora
Traina, Agma Juci Machado (Presidente)
Araújo, Arnaldo de Albuquerque
Cesar Junior, Roberto Marcondes
Marques, Paulo Mazzoncini de Azevedo
Mascarenhas, Nelson Delfino D'Ávila
Título em português
Métodos adaptativos de segmentação aplicados à recuperação de imagens por conteúdo
Palavras-chave em português
Extração de características de imagens
Imagens médicas
Padrões de expressão genética
Recuperação de imagens por conteúdo
Segmentação de imagens
Resumo em português
A possibilidade de armazenamento de imagens no formato digital favoreceu a evolução de diversos ramos de atividades, especialmente as áreas de pesquisa e clínica médica. Ao mesmo tempo, o volume crescente de imagens armazenadas deu origem a um problema de relevância e complexidade consideráveis: a Recuperação de Imagens Baseada em Conteúdo, que, em outras palavras, diz respeito à capacidade de um sistema de armazenamento processar operações de consulta de imagens a partir de características visuais, extraídas automaticamente por meio de métodos computacionais. Das principais questões que constituem este problema, amplamente conhecido pelo termo CBIR - Content-Based Image Retrieval, fazem parte as seguintes: Como interpretar ou representar matematicamente o conteúdo de uma imagem? Quais medidas que podem caracterizar adequadamente este conteúdo? Como recuperar imagens de um grande repositório utilizando o conteúdo extraído? Como estabelecer um critério matemático de similaridade entre estas imagens? O trabalho desenvolvido e apresentado nesta tese busca, exatamente, responder perguntas deste tipo, especialmente para os domínios de imagens médicas e da biologia genética, onde a demanda por sistemas computacionais que incorporam técnicas CBIR é consideravelmente alta por diversos motivos. Motivos que vão desde a necessidade de se buscar informação visual que estava até então inacessível pela falta de anotações textuais, até o interesse em poder contar com auxílio computacional confiável para a importante tarefa de diagnóstico clínico. Neste trabalho são propostos métodos e soluções inovadoras para o problema de segmentação e extração de características de imagens médicas e imagens de padrões espaciais de expressão genética. A segmentação é o processo de delimitação automático de regiões de interesse da imagem que possibilita uma caracterização bem mais coerente do conteúdo visual, comparado com as tradicionais técnicas de caracterização global e direta da imagem. Partindo desta idéia, as técnicas de extração de características desenvolvidas neste trabalho empregam métodos adaptativos de segmentação de imagens e alcançam resultados excelentes na tarefa de recuperação baseada em conteúdo
Título em inglês
Adaptative segmentation methods applied to Content-Based Image Retrieval
Palavras-chave em inglês
Content-Based Image Retrieval
Gene expression patterns
Image feature extraction
Image segmentation
Medical images
Resumo em inglês
Storing images in digital format has supported the evolution of several branches of activities, specially the research area and medical clinic. At the same time, the increasing volume of stored images has originated a topic of considerable relevance and complexity: the Content- Based Imagem Retrieval, which, in other works, is related to the ability of a computational system in processing image queries based on visual features automatically extracted by computational methods. Among the main questions that constitute this issue, widely known as CBIR, are these: How to mathematically express image content? What measures can suitably characterize this content? How to retrieve images from a large dataset employing the extracted content? How to establish a mathematical criterion of similarity among the imagens? The work developed and presented in this thesis aims at answering questions like those, especially for the medical images domain and genetical biology, where the demand for computational systems that embody CBIR techniques is considerably high for several reasons. Reasons that range from the need for retrieving visual information that was until then inaccessible due to the lack of textual annotations, until the interest in having liable computational support for the important task of clinical diagnosis. In this work are proposed innovative methods and solutions for the problem of image segmentation and feature extraction of medical images and images of gene expression patterns. Segmentation is the process that enables a more coherent representation of image?s visual content than that provided by traditional methods of global and direct representation. Grounded in such idea, the feature extraction techniques developed in this work employ adaptive image segmentation methods, and achieve excellent results on the task of Content-Based Image Retrieval
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
tesebalan.pdf (4.19 Mbytes)
Data de Publicação
2007-06-15
 
AVISO: O material descrito abaixo refere-se a trabalhos decorrentes desta tese ou dissertação. O conteúdo desses trabalhos é de inteira responsabilidade do autor da tese ou dissertação.
  • BALAN, André G.R., et al. Smart histogram analysis applied to the skull-stripping problem in T1-weighted MRI [doi:10.1016/j.compbiomed.2012.01.004]. Computers in Biology and Medicine [online], 2012, vol. 42, n. 5, p. 509-522.
  • BALAN, André Guilherme Ribeiro, et al. Smart histogram analysis applied to the skull-stripping problem in T1-weighted MRI [doi:10.1016/j.compbiomed.2012.01.004]. Computers in Biology and Medicine [online], 2012, vol. 42, p. 509-522.
  • BALAN, André Guilherme Ribeiro, et al. Fractal Analysis of Image Textures for Indexing and Retrieval by Content. In 18th IEEE Intl. Symposium on Computer-Based Medical Systems - CBMS, Dublin, 2005. Proceedings of the 18th CBMS.Los Alamitos, CA : IEEE Computer Society, 2005.
  • BALAN, André Guilherme Ribeiro, et al. HEAD: the Human Encephalon Automatic Delimiter. In 20th IEEE Intl. Symposium on Computer-Based Medical Systems - CBMS, Maribor, 2007. Proceedings of the CBMS.Los Alamitos : IEEE Computer Society, 2007. Available from: http://doi.ieeecomputersociety.org/10.1109/cbms.2007.54.
  • BALAN, André Guilherme Ribeiro, et al. Recuperação de Imagens por Conteúdo Utilizando Características de Forma da Imagem Segmentada com Base em Textura. In IX Congresso Brasileiro de Informática em Saúde- CBIS´2004, Ribeirão Preto, 2004. Anais do IX CBIS.São Paulo : Sociedade Brasileira de Informática em Saúde, 2004.
  • PAN, Jia-yu, et al. Automatic Mining of Fruit Fly Embryo Images. In 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD´06), Philadelphia, 2006. Proceedings do KDD´06.New York : ACM Press, 2006. Available from: http://portal.acm.org/citation.cfm?doid=1150402.1150489.
  • RIBEIRO, Marcela Xavier, et al. SuGAR: A Framework to Support Mammogram Diagnosis [doi:10.1109/cbms.2007.101]. In 20th IEEE Intl. Symposium on Computer-Based Medical Systems - CBMS, Maribor, 2007. Proceedings of the CBMS.Los Alamitos : IEEE Computer Society, 2007.
  • RODRIGUES JUNIOR, José Fernando, et al. The Visual Expression Process: Bridging Vision and Data Visualization [doi:10.1007/978-3-540-85412-8_19]. In 8th International Symposium on SMART GRAPHICS, Rennes, 2008. Proceedings of the Smart Graphis 2008.Heidelbergh : Springer, 2008.
  • TRAINA, A. J. M., et al. Content-Based Image Retrieval Using Approximate Shape of Objects. In 17th IEEE Intl Symposium on Computer-based Medical Systems (CBMS), Bethesda, Maryland, 2004. Proceedings of the IEEE CBMS.Los Alamitos : IEEE Computer Society, 2004.
  • FELIPE, Joaquim Cézar, et al. Comparing Images with Distance Functions based on Attribute Interaction. In 21th ACM Symposium on Applied Computing (SAC´06), Dijon, 2006. Proceedings of the 21th ACM Symposium on Applied Computing (SAC). : ACM Press, 2006. Abstract.
  • RIBEIRO, Marcela Xavier, et al. Apoiando a Busca por Conteúdo em Imagens Médicas através da Mineração de Regras de Associação Estatísticas. In II Workshop em Algoritmos e Aplicações de Mineração de Dados, Florianópolis, 2006. Anais do II WAAMD.Porto Alegre : Sociedade Brasileira de Computação, 2006.
  • RIBEIRO, Marcela Xavier, et al. Mining Statistical Association Rules to Select the Most Relevant Medical Image Features. In The First International Workshop on Mining Complex Data 2005, junto ao 5th IEEE International Conference on Data Mining (ICDM 2005), Houston, 2005. Proceedings of the 1st Intl. Work. on MCD´05.Los Alamitos : IEEE Computer Society, 2005.
  • RIBEIRO, Marcela Xavier, et al. Enhancing Medical Image Retrieval with Association Rules. In Workshop on Content-based Image Retrieval for Biomedical Image Archives: achievements, problems and prospects - da 10th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2007), Brisbane, 2007. Anais do MICCAI 2007.Brisbane, 2007.
  • BUTZ, Andreas, et al. Smart Graphics [doi:10.1007/978-3-540-85412-8_19]. Editor. Berlin, Heidelberg : Springer Berlin Heidelberg, 2008. chap. 19, The Visual Expression Process : Bridging Vision and Data Visualization, p. 207-215. Lecture Notes in Computer Science.
  • TRAINA, A. J. M., et al. Feature Extraction and Selection for Decision Making over Medical Images. In Thomas Deserno. Biomedical Image Processing - Methods and Applications [online]. Organizador. Berlin : Springer-Verlag, 2011{Volume}. chap. 1, p. 197-223.http://www.teses.usp.br/teses/disponiveis/55/55134/tde-15062007-150711/
  • RIBEIRO, Marcela Xavier, et al. Mining Statistical Association Rules to Select the Most Relevant Medical Image Features. In D. A. Zighed, et al. Mining Complex Data - Series: Studies in Computational Intelligence [online]. Organizador. Berlin : Springer, 2009{Volume}. chap. 1, p. 113-131.http://www.teses.usp.br/teses/disponiveis/55/55134/tde-15062007-150711/
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.