Busca avançada
Ano de início
Entree

Content-Based Image Retrieval using selective visual attention

Processo: 18/06074-0
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de maio de 2018
Vigência (Término): 30 de abril de 2021
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Agma Juci Machado Traina
Beneficiário:Oscar Alonso Cuadros Linares
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Vinculado ao auxílio:16/17078-0 - Mineração, indexação e visualização de Big Data no contexto de sistemas de apoio à decisão clínica (MIVisBD), AP.TEM
Assunto(s):Diagnóstico por imagem

Resumo

Os sistemas de Recuperação de Imagem Baseada em Conteúdo (do inglês CBIR - Content-Based Image Retrieval) visam buscar e recuperar imagens de um conjunto de dados, analisando as características inerentes da imagem, que as descrevem segundo um determinado critério, como cor, textura e formas. Essa estratégia é muito útil quando os metadados estão incompletos ou não disponíveis, além de sobrepujar as limitações humanas na análise manual de um grande volume de imagens. No entanto, os sistemas CBIR são muitas vezes limitados pela existência de uma lacuna entre a semântica de alto nível de uma imagem e suas características de baixo nível (distribuição de cor, textura e formas). Por outro lado, a área de Atenção Visual Seletiva (SVA) combina técnicas computacionais com a psicologia para desenvolver métodos similares à visão humana. Neste projeto, combinaremos o potencial dos métodos CBIR com a estratégia SVA para desenvolver novos métodos de radiômica mais alinhados com o conhecimento dos especialistas e sua necessidade de análise de imagens. Além disso, investigaremos e incorporaremos extratores de características mais sofisticadas para melhorar a eficácia dos métodos para CBIR. Nos últimos anos, várias aplicações no campo do processamento de imagens têm sido propostas, aproveitando os avanços da teoria das redes complexas. Nosso objetivo é levar esses métodos ao campo da radiômica.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
LINARES, OSCAR CUADROS; HAMANN, BERND; BATISTA NETO, JOAO. Segmenting Cellular Retinal Images by Optimizing Super-Pixels, Multi-Level Modularity, and Cell Boundary Representation. IEEE Transactions on Image Processing, v. 29, p. 809-818, 2020. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.