کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6928331 | 867561 | 2014 | 15 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Histology image search using multimodal fusion
ترجمه فارسی عنوان
جستجوی بافت شناسی با استفاده از تلفیق چندجملهای
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
بافت شناسی، آسیب شناسی دیجیتال، جستجوی تصویر تلفیق چندجملهای، نمایش بصری، فضاهای معنایی،
ترجمه چکیده
این کار پیشنهاد یک استراتژی نمایه سازی تصویر بافت شناسی مبتنی بر بازنمودهای چندجملهای به دست آمده از ترکیبی از ویژگی های بصری و حاشیه نویسی معنایی مرتبط است. هر دو روش داده ها منبع اطلاعات مکمل برای یک سیستم بازیابی تصویر هستند، از آنجا که ویژگی های بصری از اطلاعات معنایی معنی دار اطلاعی ندارند و اصطلاحات معنایی معمولا ظاهر بصری تصاویر را توصیف نمی کنند. این مقاله استراتژی جدیدی را برای ساخت یک نمایش تصویر تلفیقی با استفاده از الگوریتم های فاکتور سازی ماتریس و اصول باز سازی داده ها برای تولید مجموعه ای از ویژگی های چندجملهای پیشنهاد می کند. این روش می تواند یکپارچه نمایندگی چندجملهای تصاویر بدون حاشیه نویسی معنایی را بازیابی کند، به ما اجازه می دهد که تصاویر جدید را فقط با استفاده از ویژگی های تصویری فهرست کنیم، و همچنین تصاویر نمونه به عنوان مثال را به عنوان نمایش درخواست کنیم. ارزیابی تجربی بر روی سه مجموعه داده های تصویری بافت شناسی متفاوت نشان می دهد که استراتژی ما یک رویکرد ساده و در عین حال موثر برای ساختن بازنمودهای چندجملهای برای جستجوی تصویر بافت شناسی است و از پاسخ رویکرد همجوشی پیدایش محبوب برای ترکیب اطلاعات بهتر است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
This work proposes a histology image indexing strategy based on multimodal representations obtained from the combination of visual features and associated semantic annotations. Both data modalities are complementary information sources for an image retrieval system, since visual features lack explicit semantic information and semantic terms do not usually describe the visual appearance of images. The paper proposes a novel strategy to build a fused image representation using matrix factorization algorithms and data reconstruction principles to generate a set of multimodal features. The methodology can seamlessly recover the multimodal representation of images without semantic annotations, allowing us to index new images using visual features only, and also accepting single example images as queries. Experimental evaluations on three different histology image data sets show that our strategy is a simple, yet effective approach to building multimodal representations for histology image search, and outperforms the response of the popular late fusion approach to combine information.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Biomedical Informatics - Volume 51, October 2014, Pages 114-128
Journal: Journal of Biomedical Informatics - Volume 51, October 2014, Pages 114-128
نویسندگان
Juan C. Caicedo, Jorge A. Vanegas, Fabian Páez, Fabio A. González,