S'abonner

A Robust Feature Descriptor for Biomedical Image Retrieval - 19/07/20

Doi : 10.1016/j.irbm.2020.06.007 
P. Das , A. Neelima
 National Institute of Technology Nagaland, Chumukedima, 797103, India 

Corresponding author.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Sunday 19 July 2020
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Graphical abstract

Le texte complet de cet article est disponible en PDF.

Highlights

A robust approach for biomedical image retrieval.
Feature vector based on Zenrike moment features, curvelet features and Gradient orientation.
Focuses on both texture and shape information with minimum redundant data.
Experiments are conducted on four benchmark biomedical image databases.

Le texte complet de cet article est disponible en PDF.

Abstract

Biomedical image retrieval is a crucial side of computer-aided diagnosis. It helps the radiologist and medical specialist to spot and perceive the specific disease. This paper proposed an efficient approach for retrieving similar biomedical images based on the Zernike moment features, curvelet features and histogram of oriented gradients (HOG) feature. The Zernike polynomials based moments set defines the Zernike moment which is a global descriptor and it is capable of extracting both texture and shape information with minimum redundant data. The curvelet transformation is used to compute the edge-based shape information in form of curvelet histogram for the curves with discontinuity and the HOG features calculate the happenings of gradient orientation in the local areas of an image. The experiments were conducted on four benchmark biomedical image databases: HRCT dataset, Emphysema CT database, OASIS MRI database and NEMA MRI database respectively. The performance of the proposed approach was compared with many existing methods and achieved a better retrieval rate on all the four databases.

Le texte complet de cet article est disponible en PDF.

Keywords : Image retrieval, Medical images, Computed tomography, Magnetic resonance imaging


Plan


© 2020  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.