@article { author = {Yamaghani, Mohammadreza and Zargari, Farzad}, title = {Compression and retrieval of radiology images by using HEVC standard}, journal = {Journal of Machine Vision and Image Processing}, volume = {5}, number = {1}, pages = {129-139}, year = {2018}, publisher = {Iranian Society of Machine Vision and Image Processing}, issn = {2383-1197}, eissn = {2383-1197}, doi = {}, abstract = {Ever increasing number of radiology images makes their storage and classification a challenging issue. In this paper a new method for compression and retrieval of radiology images in HEVC compressed domain is introduced. In this method the radiology images are coded as I-frames in HEVC standard. The prediction mode histogram along with PU size histogram of the coded images are used for classification and retrieval of radiology images. Experimental results indicate that the proposed method achieves in average 95% accuracy in classification and P@35 of 89% for radiology images which are superior to the other methods.}, keywords = {Content based medical image retrieval,Lossless compression,prediction modes histogram,HEVC video coding standard}, title_fa = {فشرده سازی و بازیابی تصاویر رادیولوژی با استفاده از استاندارد HEVC}, abstract_fa = {افزایش روزافزون تولید تصاویر رادیولوژی پزشکی در مراکز درمانی و بیمارستان‌ها، ایجاد روش‌های مناسب ذخیره‌سازی، کلاس‌بندی، و بازیابی تصاویر پزشکی را ضروری ساخته است. در این مقاله با استفاده از استاندارد کدینگ HEVC، روش نوینی در زمینه‌ی فشرده سازی و بازیابی تصاویر رادیولوژی مبتنی بر ویژگی بافت در حوزه‌ی فشرده شرح داده شده است. در روش پیشنهادی ابتدا تصاویر بانک اطلاعاتی که شامل تصاویر رادیولوژی اندام‌های مختلف بدن است با استفاده از پیش‌بینی درون‌فریمی استاندارد ‌HEVC  (فریم I) به صورت بدون‌تلف فشرده‌سازی می‌شوند. سپس هیستوگرام حالت‌های پیش‌بینی و ابعاد بلاک‌های PU برای هر تصویر، به عنوان ویژگی محتوایی تصویر استخراج می‌شود. برای انتخاب تصاویر مشابه در بانک‌اطلاعاتی با تصویر پرس‌وجو، ابتدا تصویر پرس‌وجو با استاندارد ‌HEVC کدگذاری می‌شود. ‌سپس با بررسی هیستوگرام حالت‌های پیش‌بینی و ابعاد بلاک‌های PU تصویر پرس‌وجو، تصاویر مشابه از بانک‌اطلاعاتی براساس معیار شباهت انتخاب و ارایه می‌شود. نتایج این تحقیق، صحت تشخیص کلاس تصاویر رادیولوژی را به طور متوسط 94/5%  و دقت در 35 عمل بازیابی را به طور متوسط 89% نشان می‌دهد که نسبت به سایر روش‌ها بهبود داشته است. بنابراین روش فوق می‌تواند به عنوان روشی کارا هم برای کاهش حجم پایگاه داده ذخیره تصاویر رادیولوژی و هم روشی سریع و کارا برای بازیابی تصاویر پایگاه‌های داده پزشکی به‌کار گرفته شود.}, keywords_fa = {بازیابی تصاویر پزشکی مبتنی بر محتوا,فشرده‎سازی بدون تلف,هیستوگرام حالت‌های پیش‌بینی,استاندارد کدینگ ویدئو HEVC}, url = {https://jmvip.sinaweb.net/article_50254.html}, eprint = {https://jmvip.sinaweb.net/article_50254_3555cebb8b2593e8c3f5fbab72aabc08.pdf} }