Bimodal system for interactive indexing and retrieval of pathology images

Comanicìu, Dorin; Meer, Peter; Foran, David J.; Medl, A.

doi:10.1109/acv.1998.732900

Cited by 20 publications

(3 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In another system reported in [17], the images in the database consist of a single tumor in the center without any background texture. The system presented in [18] aims at aiding physicians in the diagnosis of lymphoproliferative disorders of the blood. Shape and texture features are used to characterize the regions of interest delineated by the user.…”

Section: Introductionmentioning

confidence: 99%

Using Human Perceptual Categories for Content-Based Retrieval from a Medical Image Database

Shyu

Pavlopoulou

Kak

et al. 2002

Computer Vision and Image Understanding

View full text Add to dashboard Cite

Section: Introductionmentioning

confidence: 99%

Using Human Perceptual Categories for Content-Based Retrieval from a Medical Image Database

Shyu

Pavlopoulou

Kak

et al. 2002

Computer Vision and Image Understanding

View full text Add to dashboard Cite

“…Alguns trabalhos utilizam somente um desses aspectos, e outros mesclam características obtidas de dois ou mais desses aspectos [Kelly k Cannon, 1994, Chahir k Chen, 1998, Cinque et al, 1998, Comaniciu et al, 1998b, Tao k Grosky, 1998, Rao et al, 1999, Liapis & Tziritas, 2004, Saykol et al, 2004, Independente do uso de características (simples ou compostas), muitas vezes é necessário realizar um processo de normalização delas. Por exemplo, para o histograma, as imagens podem possuir tamanhos diferentes ou codificações com diferentes níveis de cinza (uma imagem pode estar codificada em 12 bits enquanto outra pode estar em 8 bits).…”

Section: Cálculo De Propriedades Locaisunclassified

Formalização do domínio imagem para buscas por conteúdo em SGBDs relacionais

Figueiredo¹

View full text Add to dashboard Cite

AgradecimentosAos irmãos Daniela, Samuel, Raphael e Gabriela, e seus respectivos cônjuges Leonardo, Isabela, Lilian c Luís, que sempre estiveram prontos para ajudar nos momentos que precisei.Aos sobrinhos Tainá, Inaê, Lia, Jaci, Cauê e Théo, que tornam a família mais alegre. A vó Isabel, que demonstra força e alegria aos 96 anos. Ao vô Vicente que, aos 91 anos mostra que sempre temos de acreditar 110 futuro. Aos meus sogros, José Wilson e Silvia, pelo respeito e carinho que sempre demonstraram.Aos cumpadres, Fernando e Jéssica, pelo carinho e amizade. Ao Prof. Caetano Traina Jr, por acreditar em meu potencial e ser paciente. A "Titia" Marina T. P. Vieira, que me ajudou a dar os primeiros passos na área académica.Ao prof Mauro Biajiz, por sor um amigo o sempre estar disponível para troca de ideias e experiências.A profa Agma Traina por estar sempre por perto nos momentos que precisei. Ao Prof Paulo M. A. Marques pela sua receptividade e paciência nas explicações sobre as imagens Médicas.Aos amigos do GBDI (Grupo de Base de Dados e Imagens), que nessa fase mostraram companheirismo e amizade. Um agradecimento especial aos amigos Adriano e Marcos que mostram que a persistência é imprescindível para quem deseja o sucesso.Às funcionárias Beth, Laura c Ana Paula, da Secretaria de Pós-Graduação do ICMC-USP, por estarem sempre dispostas a ajudar.Ao pessoal do CHOPI (Centro Hospitalar de Pesquisas em Imagens) c do CCIM (Centro de Ciências das Imagens e Física Médica) da FMRP-USP (Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo), que mostraram muita simplicidade e amizade no curto período de convívio que tivemos.Aos amigos do DCC-UFMT (Departamento de Ciências da Computação da Universidade Federal do Mato Grosso), espero que nossas próximas caminhadas sejam duradouras e proveitosas. E por fim, aos Sombra e Corisco que sempre agem com alegria em suas brieadeiras, arranhadas, babadas, mordidas e bagunças. RESUMOSistemas de Recuperação de Imagens por Conteúdo (SiRICs) têm como objetivo realizar buscas em grandes colações de imagens, recuperando aquelas cujos conteúdos são mais similares à uma imagem fornecida como parte do predicado de busca. A similaridade 6 expressada por uma função de distância (dissimilaridade) que calcula a relação entre um par de imagens para permitir que ambas sejam comparadas. Funções de distância usam características extraídas de cada imagem por um conjunto dc algoritmos chamados extratores de características. Para melhorar o desempenho do processo de buscas, as características selecionadas são extraídas dc cada imagem 110 momento cm cada uma é armazenada 11a base de dados, criando um vetor de características para cada imagem. As operações subsequentes da busca são realizadas usando os vetores de características 110 lugar das imagens. Antes de extrair as características, outros algoritmos de processamento de imagem são utilizados para pre-processar cada imagem, de forma a prepará-la para os extratores. Adicionalmente, é comum a existência de vários critérios que podem ser conside...

show abstract

“…Korn et al presented a system for the fast and eective retrieval of tumor shapes in mammogram X-rays [125]. Comaniciu et al described a system that aims to help physicians in the diagnosis of lymphoproliferative disorders of blood [51]. Glatard…”

mentioning

confidence: 99%

Description and retrieval of the visual content of multimedia information based on intelligent techniques

Chatzichristofis¹,

Χατζηχριστοφής²

View full text Add to dashboard Cite

Äåí èá ìðïñïýóá íá ìçí åõ÷áñéóôÞóù ôïí Åðßêïõñï ÊáèçãçôÞ Ì. Lux. Ìðïñåß íá ìçí õëïðïéÞóáìå üëá üóá óêåöôÞêáìå, åßíáé óßãïõñï üìùò üôé áõôÞ ç óõíåñãáóßá äåí ôåëåßùóå åäþ... Ãéþñãï, óå ãíþñéóá õðïøÞöéï äéäÜêôïñá êáé ôþñá åßóáé Åðßêïõñïò. H éêáíüôçôá óïõ óôçí Ýñåõíá, ôï Þèïò êáé ç åõãÝíåéá óïõ ìå êÜíïõí íá ëÝù üôé ìéá ìÝñá åý÷ïìáé íá ãßíù \Óõñáêïýëçò" :) ÁõãåñéíÝ, åêôéìþ áöÜíôáóôá ôçí õðïìïíÞ óïõ êáé óå åõ÷áñéóôþ ðïõ ìïõ Ýìáèåò íá ìçí ÷áëéíáãùãþ ôéò öéëïäïîßåò ìïõ.Åõ÷áñéóôþ åðßóçò üëïõò åêåßíïõò ôïõò ößëïõò ðïõ äïõëÝøáìå Þ äåí äïõ-ëÝøáìå ìáaeß: Êþóôá AEáãüñç, Âáóßëç ÂïíéêÜêç, ÄçìÞôñç Äñïãïýäç, Íôßíï Êùíóôáíôéíßäç, Êþóôá Éùáííßäç, ÔÜóï ÃëÜñï, Öþôç ÍáëìðÜíôç, Íßêï ÍéêïëÜïõ, ÃéùñãÜêç Êùíóôáíôßíïõ êáèþò åðßóçò êáé ôá ðáéäéÜ ôçò ïìÜäáò ÑïìðïôéêÞò.ÔÝëïò, åõ÷áñéóôþ ôçí ãõíáßêá ðïõ áêïýñáóôá ìå õðÝìåéíå, ìå óôÞñéaeå êáé ìå áãáðïýóå ôüóá ÷ñüíéá. Ãéþôá ìïõ ðñáãìáôéêÜ óå åõ÷áñéóôþ ìÝóá áðü ôçí êáñäéÜ ìïõ.

show abstract

Bimodal system for interactive indexing and retrieval of pathology images

Cited by 20 publications

References 15 publications

Using Human Perceptual Categories for Content-Based Retrieval from a Medical Image Database

Using Human Perceptual Categories for Content-Based Retrieval from a Medical Image Database

Formalização do domínio imagem para buscas por conteúdo em SGBDs relacionais

Description and retrieval of the visual content of multimedia information based on intelligent techniques

Contact Info

Product

Resources

About