Estudio del uso de Ontologías para la Expansión de Consultas en Recuperación de Imágenes en el Dominio Biomédico

  1. Maña López, Manuel Jesús
  2. Crespo, Mariano
  3. Mata Vázquez, Jacinto
Revista:
Procesamiento del lenguaje natural

ISSN: 1135-5948

Año de publicación: 2011

Número: 47

Páginas: 39-46

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openRUA editor

Otras publicaciones en: Procesamiento del lenguaje natural

Resumen

La existencia de grandes colecciones de imágenes médicas ha generado un interés cada vez mayor por el acceso a este tipo de información. En este artículo abordamos este problema desde el punto de vista de la recuperación basada en la información textual relacionada con la imagen. La hipótesis inicial planteada es que la expansión de las consultas podría mejorar la efectividad de un sistema de recuperación de imágenes. Se han utilizado diferentes elementos de información contenidos en las ontologías MeSH y UMLS. La expansión se ha llevado a cabo tanto a nivel de término como de concepto. Para la experimentación se ha utilizado la colección de documentos ImageCLEF del año 2009. Los resultados obtenidos muestran un ligero incremento de la medida MAP y una diferencia más significativa cuando la evaluación se realiza usando la medida F. La conclusión final es que la expansión de consulta no es suficiente para conseguir una mejora sustancial de la efectividad en este tipo de sistemas de recuperación de información.

Referencias bibliográficas

  • Bodenreider, O. 2004. The Unified Medical Language System (UMLS): integrating biomedical terminology. Nucleic Acids Research, 32(2004) 267–270.
  • Díaz, M.C., M.A. García, M.T. Martín, L.A. Ureña y A. Montejo. 2009a. Query Expansion on Medical Image Retrieval: MeSH vs. UMLS. Evaluating Systems for Multilingual and Multimodal Information Access. Lecture Notes in Computer Science. Volumen 5706/2009, 732-735.
  • Díaz, M.C., M.T. Martín y L.A. Ureña. 2009b. Query expansion with a medical ontology to improve a multimodal information retrieval. Computers in Biology and Medicine, 4, 396-403.
  • Hearst, M., A. Divoli, H. Guturu, A. Ksikes, P. Nakov, M.A. Wooldridge y J. Ye. 2007. BioText Search Engine: beyond abstract search. Bioinformatics 23(16): 2196-2197.
  • Jimeno, A., R. Berlanga y D. Rebholz. 2010. Ontology refinement for improved information retrieval. Information Processing & Management, 46(4), 426-435.
  • Kahn, C.H. Jr. y C. Thao. 2007. GoldMiner: A Radiology Image Search Engine. American Journal of Roentgenology 188:1475-1478.
  • Lu, Z., W. Kim y W. Wilbur. 2009. Evaluation of query expansion using MeSH in PubMed. Information Retrieval, Vol. 12, No. 1, pp.69-80.
  • Müller, H., J. Kalpathy–Cramer, I. Eggel, S. Bedrick, S. Radhouani, B. Bakke, C.E. Kahn y W. Hersh. 2010. Overview of the CLEF 2009 Medical Image Retrieval Track. Lecture Notes in Computer Science, Volume 6242/2010, 72-84.
  • Nelson, S.J., D. Johnston y B.L. Humphreys. 2001. Relationships in medical subject headings. Relationships in the Organization of Knowledge. Kluwer Academic Publishers, pp.171–184.
  • Nelson, S.J., M. Schopen, A.G. Savage, J.L. Schulman y N. Arluk. 2004. The MeSH translation maintenance system: structure, interface, design and implementation. M. Fieschi, et al. (Ed.). Proceedings of the 11th World Congress on Medical Informatics, pp.67–69.
  • Stevens, R., C.A. Goble y S. Bechhofer. 2000. Ontology-based knowledge representation for bioinformatics. Brief Bioinformatics 1(4), pp. 398-414.
  • Xu, S., J. McCusker y M. Krauthammer. 2008. Yale Image Finder (YIF): a new search engine for retrieving biomedical images. Bioinformatics 24(17): 1968-1970.
Fuente de los datos: Dialnet