Comparing Conventional and Deep Feature Models for Classifying Fundus Photography of Hemorrhages

要約

糖尿病性網膜症は、異常を引き起こし、視覚障害を引き起こす眼に関連する病状であり、その適切な治療には、不規則性を特定する必要があります。
この研究では、出血検出法を使用して、従来の特徴と深い特徴の分類を比較します。
特に、この方法は、血管に関連する出血または網膜の境界に存在する出血を特定し、困難であると報告されています。
最初に、適応型の明るさ調整とコントラスト強調により、劣化した画像が修正されます。
出血の予想される位置は、ガウス整合フィルター、エントロピーしきい値処理、および形態学的操作によって推定されます。
出血は、強度の地域的分散に基づく新しい技術によってセグメント化されます。
次に、サポートベクターマシンをトレーニングするための従来の方法と詳細モデルによって特徴が抽出され、結果が評価されます。
各モデルの評価指標は有望ですが、調査結果は、比較的深いモデルが従来の機能よりも効果的であることを示唆しています。

要約(オリジナル)

Diabetic retinopathy is an eye-related pathology creating abnormalities and causing visual impairment, proper treatment of which requires identifying irregularities. This research uses a hemorrhage detection method and compares classification of conventional and deep features. Especially, method identifies hemorrhage connected with blood vessels or reside at retinal border and reported challenging. Initially, adaptive brightness adjustment and contrast enhancement rectify degraded images. Prospective locations of hemorrhages are estimated by a Gaussian matched filter, entropy thresholding, and morphological operation. Hemorrhages are segmented by a novel technique based on regional variance of intensities. Features are then extracted by conventional methods and deep models for training support vector machines, and results evaluated. Evaluation metrics for each model are promising, but findings suggest that comparatively, deep models are more effective than conventional features.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google