III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.O sistema foi avaliado utilizando as curvas de precisãoe revocação, que foram calculadas para as consultas decada característica individualmente e algumascaracterísticas agrupadas. A partir da interface mostradana Figura 4, foram escolhidos aleatoriamente grupos decaracterísticas que pudessem obter resultados diferentes.Os testes para a avaliação do sistema foram criadossobre o segundo e terceiro conjuntos. O primeiro conjuntofoi utilizado para avaliar inicialmente o retorno darecuperação a fim de verificar se os extratores estavamfuncionando de forma correta. No entanto, para aconstrução das curvas de precisão versus revocação nãohavia uma maneira de definir para este conjunto quaisimagens seriam relevantes para a consulta porsimilaridade. Os outros conjuntos possuíam quatroimagens provenientes originalmente do primeiro conjuntoe mais algumas imagens resultantes de variações nasquatro imagens iniciais. Foram consideradas relevantes asimagens referentes à imagem original com as variações decada conjunto, sendo esperadas a recuperação de 5imagens para o segundo conjunto (a original e suas 4variações) e 4 imagens para o terceiro conjunto (a originale as outras 3 respectivas variações).Na Tabela 1 estão relacionadas as características eagrupamentos de características, juntamente com seusrespectivos valores de precisão média para o segundo eterceiro conjuntos e revocação média para ambos osconjuntos.A partir dos dados apresentados na Tabela 1, concluiseque as características individuais que apresentaram ummelhor desempenho para os testes criados foram a “Área”e a “Forma”. As características agrupadas com melhordesempenho foram “Área + Forma” e “Densidade +Forma”.Também é possível analisar que os piores desempenhosentre as características individuais foram apresentadospelo “Contraste”, seguido do “SMA”. Os pioresdesempenhos das características agrupadas foramapresentados pela “Entropia + SMA” no segundoconjunto, e pela combinação “SMA + Contraste” noterceiro conjunto.Se os resultados obtidos neste sistema implementadoforem comparados aos resultados encontrados naliteratura é possível observar a obtenção de resultadosmais significativos neste trabalho. Em [1] foramimplementadas as características de forma e densidade,obtendo-se precisão média de 84,3% no presente trabalhocontra 35,67% no trabalho citado. Para a característicaforma, o presente trabalho obteve precisão de 97,5%contra 80,38% do trabalho anterior. Se considerarmos arecuperação de todas as características do sistema, em [1]foram implementadas as características de densidade,forma, tamanho e lado, tendo sido obtida precisão de20,88% contra 76,64% e revocação de 23,02% contra de55,25%, ambos a favor do sistema aqui apresentado. Notrabalho citado a recuperação das imagens foi feitautilizando mapas de Kohonen e técnicas de correlaçãocruzada.Tabela 1 – Precisão e Revocação médias (emporcentagem %)Em [7] foram implementados atributos no domínio deRadon, atributo de medida de granulometria e atributo deforma. O atributo de forma é composto de medida de área,de razão de diâmetro e de solidez. Neste caso, só pode sercomparada a característica de forma do presente artigocom o da literatura, onde o da literatura apresenta 84,5%de precisão, considerando todas as característicasimplementadas pelo sistema e no presente artigo aprecisão de todas as características é de 76,64%. Como ascaracterísticas implementadas são diferentes, nãopodemos chegar a uma conclusão efetiva quanto àcomparação dos dois sistemas.5. ConclusõesO objetivo deste trabalho foi a implementação de umsistema de recuperação de imagens baseada em conteúdopara a aplicação em um banco de imagens mamográficas,utilizado originalmente para apoiar o desenvolvimento eos testes de sistemas CAD. Para atingir este objetivo,primeiramente foi realizada uma revisão bibliográfica afim de encontrar na literatura sistemas CBIR jáimplementados de aplicação na área de imagens médicas,bem como as características e os critérios de similaridadeutilizados por estes sistemas.Os extratores implementados mostraram-sesatisfatórios para os testes realizados, apresentando bomdesempenho na recuperação, em relação à precisão dosresultados. Verificou-se que o tempo de processamento érelativamente alto na primeira vez em que ascaracterísticas são calculadas. No entanto, este problemafoi resolvido utilizando-se o armazenamento em banco dedados. A dimensão das imagens contribui para a lentidão251