Publicação: Divergências de Bregman aplicadas na recuperação de imagens por conteúdo em displasias orais
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS, CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::LINGUAGENS DE PROGRAMACAO, CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::FUNDAMENTOS DA ESTATISTICA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Nascimento, Marcelo Zanchetta do
Resumo
Os sistemas CBIR têm como objetivo recuperar imagens com base em seu conteúdo
visual, utilizando algoritmos que descrevem características visuais em forma de recursos
numéricos. Esses recursos permitem encontrar e exibir imagens semelhantes, buscando replicar
ou superar o julgamento humano sobre a similaridade. O desafio de lidar com dados
não estruturados em grandes conjuntos de imagens cria oportunidades para desenvolver
técnicas que identifiquem similaridades ou dissimilaridades entre imagens, dependendo
do método de comparação aplicado. A maior parte do trabalho dedicado ao desenvolvimento
de estruturas e algoritmos que aplicam medidas de similaridades utiliza espaços
métricos, isto porque as medidas métricas satisfazem as propriedades básicas do espaço
métrico. Para casos que não seguem estas propriedades, utilizar medidas de similaridade
não métricas contribui para a solução de problemas em tipos de dados mais complexos. A
Divergência de Bregman permite o desenvolvimento de métodos eficazes e aplicáveis que
utilizam um conjunto de funções de desigualdade, em vez de se basearem em um único
objetivo. Isso pode ser bem-sucedido quando os recursos métricos não correspondem ao
julgamento humano. Obter resultados superiores reside na habilidade de escolher a medida
que melhor se adapta ao problema em questão, sendo possível utilizar generalizações
como por exemplo: Mahalanobis e Kullback-Leibler (KL). Neste estudo, o objetivo é investigar
a similaridade ou dissimilaridade de imagens relacionadas ao câncer da cavidade
oral, onde características foram extraídas a partir de lâminas que continham lesões induzidas
experimentalmente na língua de camundongos da linhagem C57Bl/6, utilizando
o carcinógeno 4NQO. A utilização de imagens médicas e recuperação de imagens desempenha
um papel crucial no diagnóstico das displasias, especialmente em campos como
radiologia, patologia e medicina. Para o estudo, foi realizada a comparação entre distâncias
métricas e Divergências de Bregman (KL e Mahalanobis), utilizando vetores de
características morfológicas e não morfológicas. Os resultados do sistema CBIR utilizando
diferentes funções de distância, foram avaliadas pelas medidas de Precisão e Revocação.
Através dos resultados, as Divergências de Bregman, principalmente a KL, demonstram
melhor desempenho comparado com as distâncias métricas na maioria dos casos testados.
Abstract
CBIR systems aim perform image retrieval based on their visual content, using algorithms
that describe visual characteristics in the form of numerical features. These features allow finding
and displaying similar images, seeking to replicate or surpass human judgment about similarity.
The challenge of dealing with unstructured data in large sets of images creates opportunities to
develop techniques that identify similarities or dissimilarities between images, depending on the
comparison method applied. Most of the work dedicated to the development of structures and
algorithms that apply similarity measures uses metric spaces, because metric measures satisfy
the basic properties of the metric space. For cases that do not follow these properties, using
non-metric similarity measures contributes to the solution of problems in more complex types
of data. Bregman Divergence allows the development of effective and applicable methods that
use a set of inequality functions, instead of relying on a single objective. This can be successful
when metric features do not match human judgment. Obtaining superior results lies in the
ability to choose the measure that best fits the problem in question, being possible to use generalizations
such as: Mahalanobis and Kullback-Leibler (KL). In this study, the objective is to
investigate the similarity or dissimilarity of images related to oral cavity cancer, where features
were extracted from slides containing experimentally induced lesions in the tongue of mice of
the C57Bl/6 strain, using the carcinogen 4NQO. The use of medical images and image retrieval
plays a crucial role in the diagnosis of dysplasias, especially in fields such as radiology, pathology
and medicine. For the study, a comparison between metric distances and Bregman Divergences
(KL and Mahalanobis) was performed, using vectors of morphological and non-morphological
features. The results of the CBIR system using different distance functions were evaluated by
the measures of Precision and Recall. Through the results, Bregman Divergences, especially
KL, demonstrate better performance compared to metric distances in most of the tested cases.
Palavras-chave
Kullback-Leibler, Divergência de Bregman, Displasia, Processamento Digital de Imagem, Recuperação de Imagens, Bregman Divergence, Dysplasia, Digital Image Processing, Image Retrieval
Citação
SOARES, Tiago Rosa Marques. Divergências de Bregman aplicadas na recuperação de imagens por conteúdo em displasias orais. 2024. 131 f. Dissertação (Mestrado em Computação) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.di.2024.5124.