A novel approach for glaucoma classification by wavelet neural networks using graph-based, statisitcal features of qualitatively improved images

要約

この論文では、最適に強化された網膜画像の特徴にウェーブレットニューラルネットワーク（WNN）を採用する新しい緑内障分類アプローチを提案しました。
眼科医による網膜画像の面倒でエラーが発生しやすい手動分析を回避するために、コンピュータ支援診断（CAD）は実質的に堅牢な診断に役立ちます。
私たちの目的は、新しいアプローチでCADシステムを導入することです。
網膜の画質改善は2段階で試みられます。
網膜画像の前処理フェーズでは、分位数ベースのヒストグラム修正により、画像の明るさとコントラストが向上します。
その後、画像強調フェーズが続きます。これには、網膜構造を強化するための画像固有の動的構造化要素を使用したマルチスケールの形態学的操作が含まれます。
ローカルグラフ構造（LGS）およびグラフ最短経路（GSP）統計に関するグラフベースの網膜画像の特徴は、拡張された網膜データセットからの統計的特徴とともにさまざまな方向から抽出されます。
WNNは、適切なウェーブレット活性化関数を使用して緑内障網膜画像を分類するために使用されます。
WNN分類器のパフォーマンスは、さまざまなデータセットを持つ多層パーセプトロンニューラルネットワークと比較されます。
結果は、私たちのアプローチが既存のアプローチよりも優れていることを示しています。

要約(オリジナル)

In this paper, we have proposed a new glaucoma classification approach that employs a wavelet neural network (WNN) on optimally enhanced retinal images features. To avoid tedious and error prone manual analysis of retinal images by ophthalmologists, computer aided diagnosis (CAD) substantially aids in robust diagnosis. Our objective is to introduce a CAD system with a fresh approach. Retinal image quality improvement is attempted in two phases. The retinal image preprocessing phase improves the brightness and contrast of the image through quantile based histogram modification. It is followed by the image enhancement phase, which involves multi scale morphological operations using image specific dynamic structuring elements for the retinal structure enrichment. Graph based retinal image features in terms of Local Graph Structures (LGS) and Graph Shortest Path (GSP) statistics are extracted from various directions along with the statistical features from the enhanced retinal dataset. WNN is employed to classify glaucoma retinal images with a suitable wavelet activation function. The performance of the WNN classifier is compared with multilayer perceptron neural networks with various datasets. The results show our approach is superior to the existing approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google