Wavelet leader based formalism to compute multifractal features for classifying lung nodules in X-ray images

要約

本論文では、X線画像に見られるマルチフラクタル特徴を利用した新しい肺結節分類アルゴリズムを提示し、検証を行う。提案手法は、前処理段階において、ヒストグラム等化、ウェーブレット分解とモルフォロジーの組み合わせの2つの強調技術を適用する。また，新規事項として，ウェーブレットを用いたマルチフラクタル特徴量とサポートベクターマシン分類器を用いて，他の古典的なテクスチャ特徴量も併用する．マルチフラクタル特徴を古典的なテクスチャ特徴と組み合わせて使用した場合に最良の結果が得られ、ROC AUCの最大値は75%であった。また、データ拡張技術やパラメータの最適化を行うことで、より良い結果が得られることがわかった。提案手法は、同様の実験セットアップで比較した場合、計算コストと精度の両方において、Modulus Maxima Wavelet Formalismより効率的で正確であることが証明された。

要約(オリジナル)

This paper presents and validates a novel lung nodule classification algorithm that uses multifractal features found in X-ray images. The proposed method includes a pre-processing step where two enhancement techniques are applied: histogram equalization and a combination of wavelet decomposition and morphological operations. As a novelty, multifractal features using wavelet leader based formalism are used with Support Vector Machine classifier; other classical texture features were also included. Best results were obtained when using multifractal features in combination with classical texture features, with a maximum ROC AUC of 75\%. The results show improvements when using data augmentation technique, and parameter optimization. The proposed method proved to be more efficient and accurate than Modulus Maxima Wavelet Formalism in both computational cost and accuracy when compared in a similar experimental set up.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL