用开发的卷积神经网络和基于纹理的基于内容的图像检索系统在肩膀磁共振图像检查中检测形类型
Mehmet Akçiçek1, Mücahit Karaduman2, Bülent Petik1
1Department of Radiology, Faculty of Medicine, Malatya Turgut Ozal University, 44210 Malatya, Turkey.
Journal of clinical medicine
|January 25, 2025
概括
这项研究开发了一种新的基于内容的图像检索 (CBIR) 模型,以从肩膀MRI图像中准确识别骨形状. 该模型对诊断慢性肩部疾病和改善患者生活质量充满希望.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 计算机科学 计算机科学
背景情况:
- 形形态与肩膀病理有关,如撞击综合征和旋转手套障碍.
- 准确和快速确定形形态类型对于诊断慢性肩部疾病至关重要.
- 这些疾病可以显著降低工作能力和生活质量.
研究的目的:
- 开发一种基于内容的图像检索 (CBIR) 系统的新型模型,用于检测肩部MRI图像上的形状.
- 帮助诊断和了解慢性肩部疾病,通过确定病因.
- 为了提高形态类型确定的准确性和速度.
主要方法:
- 利用卷积神经网络 (CNN) 架构和基于纹理的图像检索方法.
- 使用渐变图谱 (HOG),局部二进制模式 (LBP),Darknet53和Densenet201.1提取的特征地图.
- 应用最小冗余最大相关性 (mRMR) 对于特征选择和组合特征图在缩小尺寸后.
- 使用欧几里德距离和峰值信号噪声比 (PSNR) 进行相似度测量.
主要成果:
- 拟议的CBIR模型使用PSNR相似度测量实现了最高的0.76的平均精度 (AP).
- 性能与CNN架构和基于纹理的模型进行了比较.
结论:
- 开发的CBIR模型显示了用于准确和快速识别acromion形态类型的显著潜力.
- 这项技术可以帮助诊断和管理慢性肩部疾病.
- 进一步开发可以提高诊断能力和患者的治疗结果.
