23
fitur tekstur
dapat digunakan
untuk pendeteksian
daerah yang mencurigakan
pada
mammogram
(Pereira, et al.).
Shyu,
dkk
menerapkan
pendekatan
physician-in-the-loop untuk
mengambil
gambar
tomografi
terkomputerisasi
dengan
resolusi
tinggi (HRCT).
Pendekatan
ini
memerlukan
ahli
patologi
untuk
melukiskan
daerah
bantalan
patologi
dan pembatas
anatomi
untuk
setiap
gambar.
Daerah
bantalan
patologi
digunakan
untuk
mengekstraksi
fitur.
Sebuah
indeks
multidimensi
dikembangkan
berdasarkan
nilai-nilai dari fitur tersebut (Shyu, Brodley, Kak, & Kosaka, 1999).
Liu, dkk
menyajikan
skema
berbasis
konten
untuk
mengambil
gambar
tomografi
paru-paru
terkomputerisasi
(CT). Mereka
menggunakan
DCT untuk
aplikasi kompresi gambar dan
juga
membantu
mengurangi
ukuran fitur
vektor
dalam
CBIR.
Setelah
mewawancarai
beberapa
ahli
radiologi,
mereka
menemukan
bahwa fitur
yang
paling penting
dari kanker paru-paru
adalah density (tekstur atau
jenis distribusi dari
piksel terang) dan
lokasi daerah ROI
yang
dipilih. Dalam
sistem
mereka,
pengguna
diizinkan
untuk
memasukkan citra
query
dengan
memilih
ROI.
Liu,
dkk
menerapkan
jaringan
saraf
untuk
klasifikasi,
mendapatkan
satu
set
kelas
calon.
Pada
tahap
pengambilan,
sistem
pertama
mengidentifikasi
kelas
query
yang
paling
memungkinkan.
Kemudian
calon
gambar
di
kelas
diberi
peringkat, berdasarkan
karakteristik
geometrikal
(Nirmala & Gowri, 2011).
Antani,
dkk
mengusulkan
sebuah
metode
pencocokkan
bentuk
parsial
untuk
pengambilan
gambar
sinar-X
tulang
belakang.
Metode
ini
dikembangkan
dari
model
jarak procustes
adalah
untuk
memungkinkan
pengguna
dalam
menentukan
ROI sepanjang batas vertebra. Bentuk parsial digambarkan
kemudian
 |