Medição de similaridade de massas pulmonares para recuperação de imagens médicas usando métrica de distância semissupervisionada baseada em núcleo

OBJETIVO: Desenvolver um novo algoritmo para medir a similaridade entre a massa pulmonar de consulta e o conjunto de dados de massa pulmonar de referência para recuperação de imagens médicas baseada em conteúdo (CBMIR). MÉTODOS: Um conjunto de dados de massas pulmonares incluindo 746 regiões de interesse (ROIs) foi montado. Dentre elas, 375 ROIs mostraram lesões malignas e 371 mostraram lesões benignas. Cada ROI de massa é representado por um vetor de 26 características de textura. Uma função de núcleo foi empregada para mapear os dados originais no espaço de entrada para um espaço de características. Neste espaço, uma métrica de distância semissupervisionada foi aprendida, que usou o critério de discriminação de dispersão diferencial para representar a relevância semântica e o termo de regularização para representar a similaridade visual. A métrica de distância aprendida pode medir a similaridade da massa de consulta e do conjunto de dados de massa de referência. A precisão de agrupamento é usada para configurar os parâmetros. A precisão de recuperação e a precisão de classificação são usadas como índice de avaliação de desempenho. RESULTADOS: Após configurar os parâmetros, uma precisão média de agrupamento de 0,87 pode ser alcançada. Para a precisão de recuperação, nosso algoritmo alcança um desempenho melhor do que outros algoritmos de recuperação state-of-the-art ao aplicar um método de validação leave-one-out ao conjunto de dados de teste. Para a precisão de classificação, a área sob a curva ROC do nosso algoritmo pode ser alcançada como 0,941 ± 0,006. Os tempos de execução de 346 imagens de consulta com o algoritmo proposto são de 5,399 e 6,0 s, respectivamente. CONCLUSÕES: Os resultados do estudo demonstraram que o algoritmo proposto supera os algoritmos comparados, quando considera a relevância semântica e a similaridade visual no espaço do núcleo. O algoritmo pode ser utilizado em um sistema CBMIR para uma massa de consulta recuperar massas similares, o que pode ajudar os médicos a tomarem melhores decisões.