Creating New Medical Ontologies for Image Annotation: A Case Study

ایجاد هستی شناسی های پزشکی جدید برای حاشیه نویسی تصویر بر مشکل فرآیند حاشیه نویسی خودکار تصاویر پزشکی تمرکز دارد که توسط نویسندگان به روشی اصلی حل شده است. تمامی مراحل این فرآیند با الگوریتم ها، آزمایش ها و نتایج به تفصیل شرح داده شده است. الگوریتم های اصلی ارائه شده توسط نویسندگان با سایر الگوریتم های مشابه کارآمد مقایسه می شوند.

علاوه بر این، نویسندگان مشکل ایجاد هستی شناسی ها را به روشی خودکار، از سرفصل های موضوع پزشکی (MESH) درمان می کنند. آنها برخی از مدل های حاشیه نویسی کارآمد و مرتبط و همچنین مبانی مدل حاشیه نویسی مورد استفاده توسط سیستم پیشنهادی را ارائه کرده اند: مدل های ارتباط بین رسانه ای. بر اساس یک درخواست متنی، سیستم تصاویری را که حاوی اشیایی است که با کلمات کلیدی توصیف شده است، بازیابی می کند.

Creating New Medical Ontologies for Image Annotation focuses on the problem of the medical images automatic annotation process, which is solved in an original manner by the authors. All the steps of this process are described in detail with algorithms, experiments and results. The original algorithms proposed by authors are compared with other efficient similar algorithms.

In addition, the authors treat the problem of creating ontologies in an automatic way, starting from Medical Subject Headings (MESH). They have presented some efficient and relevant annotation models and also the basics of the annotation model used by the proposed system: Cross Media Relevance Models. Based on a text query the system will retrieve the images that contain objects described by the keywords.