Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/6589
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorΜεγαλοοικονόμου, Βασίλειος-
dc.contributor.authorΧατζή, Διονυσία Γεωργία-
dc.contributor.otherChatzi, Dionysia Georgia-
dc.date.accessioned2014-01-24T08:33:19Z-
dc.date.available2014-01-24T08:33:19Z-
dc.date.copyright2013-07-23-
dc.date.issued2014-01-24-
dc.identifier.urihttp://hdl.handle.net/10889/6589-
dc.description.abstractΣτην εργασία μας με τίτλο «Ανάπτυξη διαδικτυακού συστήματος βάσης δεδομένων με λειτουργικότητα ανάκτησης ιατρικών εικόνων» αρχικά παραθέσαμε τις τεχνικές που έχουν αναπτυχθεί από τις αρχές της δημιουργίας του τομέα της ανάκτησης εικόνας μέχρι σήμερα. Παρότι έχουν γίνει πολλές προσπάθειες για την ανάπτυξη μεθόδων οι οποίες θα βασίζονται αποκλειστικά στο περιεχόμενο τους, έως σήμερα οι περισσότερες μηχανές αναζήτησης βασίζονται ακόμη στην ομοιότητα των εικόνων βάσει των μεταδεδομένων που τις περιγράφουν.Στη συνέχεια κάναμε μια μικρή αναφορά σε ιατρικά συστήματα ανάκτησης ιατρικών εικόνων που έχουν δημιουργηθεί μέχρι σήμερα , όπως επίσης και στα αποτελέσματα του διαγωνισμού imageCLEF, ο οποίος διεξάγεται κάθε χρόνο από το 2003. Ο διαγωνισμός έχει δύο σκέλη , την ανάκτηση βάσει περιεχομένου και την ανάκτηση βάσει κειμένου, γι’ αυτό και συμμετέχουν πολλές ομάδες που ασχολούνται με την επεξεργασία φυσικής γλώσσας. Κάθε χρόνο η δυσκολία του διαγωνισμού αυξάνεται θέτοντας νέες προκλήσεις στις συμμετέχουσες ομάδες. Σύμφωνα με τα αποτελέσματα του διαγωνισμού τα καλύτερα αποτελέσματα προκύπτουν από το συνδυασμό μεθόδων και από τις δύο κατηγορίες ανάκτησης. Το σύστημα που αναπτύξαμε χρησιμοποιεί και τις δυο παραπάνω τεχνικές. Η ανάκτηση βάσει κειμένου πραγματοποιείται χρησιμοποιώντας λέξεις κλειδιά που υπάρχουν ήδη στη βάση. Ενώ για την ανάκτηση βάσει περιεχομένου εξάγουμε δύο χαρακτηριστικά , το ιστόγραμμα χρώματος και το autocorrelogram, τα οποία τα αποθηκεύουμε ως διανύσματα στη βάση και όταν θέλουμε να κάνουμε ένα ερώτημα εξάγουμε τα ίδια χαρακτηριστικά από την εικόνα ερώτημα. Η σύγκριση των δυο διανυσμάτων γίνεται υπολογίζοντας την Ευκλείδεια απόσταση μεταξύ του διανύσματος της εικόνας ερωτήματος και όλων των άλλων εικόνων της βάσης.el
dc.language.isogrel
dc.relation.isformatofΗ ΒΚΠ διαθέτει αντίτυπο της διατριβής σε έντυπη μορφή στο βιβλιοστάσιο διδακτορικών διατριβών που βρίσκεται στο ισόγειο του κτιρίου της.el
dc.rights6el
dc.subjectΑνάκτηση εικόνωνel
dc.subjectΕξαγωγή χαρακτηριστικώνel
dc.subject.ddc025.066 1el
dc.titleΑνάπτυξη διαδικτυακού συστήματος βάσης δεδομένων με λειτουργικότητα ανάκτησης ιατρικών εικόνωνel
dc.typeThesisel
dc.contributor.committeeΤσάντας, Νικόλαος-
dc.contributor.committeeΓαλλόπουλος, Ευστράτιος-
dc.description.translatedabstractIn our thesis, titled "Web based database system development with functionality of medical image retrieval" we present the retrieval techniques which have been developed until today. Therefore there have been done many e orts on development of methods which will rely on image content, until today most search engines (eg Google, Yahoo!) return relevant results by using text based image retrieval. Thereafter we cited some medical image retrieval systems which have been developed until today, as well as the results of imageCLEF contest, which is carried out from 2003 and every year since then. The contest has two parts, text based image retrieval and content based image retrieval, that' s the reason why many groups participated in the contest, deal with natural language processing. Every year the di culty increased and new challenges were posed to the participants. According to the results of the contest the best systems came from the combination of the two image retrieval categories. The system we developed uses the two techniques we mentioned above. Text based image retrieval is implemented by using keywords which exist in the database. While for content based image retrieval we extract two characteristics, colour histogram and autocorrelogram, which are saved as vectors in the database and when we make a query we extract the same characteristics from the image query. To compare the images we compute the distances between the image query vector and and all the other image vectors of the database. The above methods incorporated into SIDB, which is an online database management system. The system has been developed using PHP and postgreSQL and the images which have been used are medical exams from di erent parts of the human body. The biggest part of which come from the IRMA database, which has been created at Aachen University and which was used for many years in ImageCLEF competition.el
dc.subject.alternativeImage retrievalel
dc.subject.alternativeFeatures extractionel
dc.degreeΜεταπτυχιακή Εργασίαel
Appears in Collections:Τμήμα Μαθηματικών (ΜΔΕ)

Files in This Item:
File Description SizeFormat 
thesis_Dionysia_Chatzi.pdf2.26 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.