Un enfoque eficiente basado en la transformada de Gabor Walsh-Hadamard para recuperar imágenes de tumores cerebrales a partir de MRI

Los tumores cerebrales son una enfermedad grave y mortal para la vida humana. Descubrir una imagen adecuada de tumores cerebrales de un archivo de imágenes por resonancia magnética (MRI) es un trabajo desafiante para el radiólogo. La mayoría de los motores de búsqueda recuperan imágenes en base a enfoques tradicionales basados en texto. El principal desafío en el análisis de imágenes de MRI es la discrepancia entre la información visual de bajo nivel capturada por la máquina de MRI y la información de alto nivel identificada por el evaluador. Esta brecha semántica se aborda en este estudio mediante el diseño de una nueva técnica de extracción de características. En este documento, introducimos un sistema de recuperación de imágenes médicas basado en contenido (CBMIR) para la recuperación de imágenes de tumores cerebrales a partir de grandes datos. Primero, eliminamos el ruido de las imágenes por MRI empleando varias técnicas de filtrado. Posteriormente, diseñamos un esquema de extracción de características que combina la técnica de filtrado de Gabor (que se centra principalmente en contenido de frecuencia específica en la región de la imagen) y la transformada de Walsh-Hadamard (WHT) (técnica conquistadora para una fácil configuración de la imagen) para descubrir características representativas de las imágenes de MRI. Después de eso, para recuperar la imagen precisa y confiable, empleamos la métrica de distancia Minkowski del agrupamiento Fuzzy C-Means que puede evaluar la similitud entre la imagen de consulta y las imágenes de la base de datos. El diseño de la metodología propuesta fue probado en una base de datos de imágenes de tumores cerebrales por MRI disponible públicamente. Los resultados experimentales demuestran que nuestro enfoque propuesto supera la mayoría de las técnicas existentes como Gabor, wavelet y transformada de Hough en la detección de tumores cerebrales y también toma menos tiempo. El enfoque propuesto será beneficioso para los radiólogos y también para los tecnólogos para construir un sistema automático de soporte a decisiones que produzca resultados reproducibles y objetivos con alta precisión.