雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际期刊的创新在计算机和通信工程的研究

菜单

ISSN在线(2320 - 9801)打印(2320 - 9798)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

在出血内窥镜图像分析技术检测的概述

亚当•Brzeski亚当Bloku和简Cychnerski
m Sc,计算机体系结构,Gda吗?sk科技大学,Gda ?sk、波兰
相关文章Pubmed,谷歌学者

访问更多的相关文章国际期刊的创新在计算机和通信工程的研究

国际期刊的创新在计算机和通信工程的研究

文摘

文摘:作者回顾现有出血检测方法集中他们的注意力集中在图像处理技术中利用算法。在文章中,18岁的方法进行分析和确定了功能组件。提出六个不同的团体,算法的组件被分配:色彩技术,反映特性作为单独的像素值,纹理技术,考虑空间像素之间的依赖性,轮廓边缘和轮廓的技术,分割技术将图像划分为有意义的区域,决定最终图像的解释机制和其他技术不匹配的任何介绍组。作者得出结论,算法仍然可以运用更多的成套技术的提高来解决内窥镜出血的视觉特征的重要性。同时,改进是可能的领域的决定性的分类器。

关键字
内窥镜检查、医学支持系统、出血检测、图像分析

介绍
潜在收益的重要性和大小从医学信息系统的使用给强劲动力的新的可能性的研究支持医疗检查。自动化的一个重要领域,计算机分析是高度期望的是医学成像。近年来特别关注的是支付给应用程序的自动图像分析人类胃内窥镜检查¬肠道。在现代医学,内窥镜检查仍然是许多疾病的金标准诊断消化系统,包括致命癌症的疾病。它使医生检查的内部器官和诊断疾病的早期阶段,提供高成功治疗的机会。进一步的动机,然而,似乎随着引入无线胶囊内窥镜(WCE)在2001年。新考试过程涉及到一个小胶囊能够记录病人的器官被吞下后。过程比传统内镜微创和潜在的可以记录胃肠道的任何部分。然而,由于记录的长度达到8个小时,除了可能会增加在未来随着电池的寿命,考试导致大量的数据需要大量的时间和精力从医生做出诊断。胶囊的问题是解决的制造商通过提供简单的工具进行自动分析,也能够ofindicating潜在出现的出血通过检测红色,因此为医生提供一定的支持。 Nevertheless, the tools were reported to be imperfect or insufficient [18], [34], which leaves the detection of bleeding in endoscopic videos as an open problem. From the medical point of view the issue is highly important, since the diagnostic process requires establishing cause for any bleeding discovered during the examination. In order to provide new supporting tools, bleeding detection algorithms are constantly being researched by the scientists. The task is, however, definitely challenging. Bleeding occurrences are not always clear, many of the cases cannot be recognized by an observer without medical training. Also multiple forms of noise tend to occur in endoscopic images, from natural findings like digestive juices, food debris, other fluids or bubbles, to technical difficulties resulting in blurry images or light-related distortions. Some examples of bleeding captured by an endoscope with relatively little noise were presented in figure 1, showing how bleeding can blend in with the surrounding tissues.
尽管面临重大困难,多种方法检测内窥镜出血,主要用于WCE胶囊,发达。算法的作者经常利用各种著名的图像处理技术。应用程序的特定技术使测量特定功能的出血现象。作者使用的技术可以被认为是一组有价值的工具,有效检测出血,这可能是在新检测方法的开发利用。因此,在本文中,我们审查和比较选择出血检测方法,重点分析在识别利用图像处理技术和评估血液功能正在考虑的方法。
本文组织如下。首先,我们将介绍6个类别的图像处理技术将被分配。然后,出血检测算法将重点考虑类型的技术。识别技术也将不久。最后,讨论的结果分析和结论。

出血检测算法
为了澄清审查过程的结果,算法的图像处理技术出现后被分配到一个组,反映出类型的特性考虑的技术及其在识别过程中的作用:
•颜色集形象的基础——技术过程个人价值观没有考虑像素之间的关系;只考虑像素值(颜色),
•结构为基础,考虑像素之间的空间关系,
•基于轮廓——专注于边缘和轮廓检测,
•分割,将图像划分为有意义的地区特定条件的基础上,
•决定——机制负责最终决定(解释)出血的存在,
•其他——不同寻常的技术不能分配给任何剩余的类别。
技术评审中出现的出血检测算法,分配给适当的类别,展示在表i被出版年分组的方法。
答:色彩技术
颜色特征,直观地与出血的现象,利用在所有的调查方法。一个常见的方法是假设,流血的颜色属于特定深浅的红色。标识的颜色范围是通过分析一组出血图片在训练步骤,或者他们被作者预先确定的。然而作者提出不同的措施评估考虑图像的颜色特征/地区。最简单的措施使用基本统计信息计算从RGB颜色空间,主要涉及R通道。更常见,恒生指数或密切相关的HSV颜色空间,这被证明是更好的符合人类感知系统[30]。此外,恒生指数/ HSV模型克服的问题发生在RGB颜色通道相关性模型。颜色空间也可以表达的Karhunen-Loeve从RGB颜色空间转换计算,这是密切相关的PCA(主成分分析)模型,也能消除颜色通道之间的相关性。另一种方法,使用布尔巴基[3],是利用锥响应变换描述Susstrunk et al . [36]。
颜色测量技术通常采用颜色直方图特征。多维2 d或3 d直方图用于反映的特征组合的色彩空间的通道。提出了一种自适应、平衡直方图Poh et al。[32]为了解决的问题中的值的浓度小的子空间,这是典型的医疗的机身图像[35]。同时,Mackiewicz et al。[21]提出使用3 d离散余弦变换压缩直方图。几种方法也使用或者直方图。Abouelenien等。[1]和Giritharan et al。[9]使用主色特性描述Weijer施密德[37],8代表的值组成的颜色随着方差和大小百分比的形象。李和孟[17]介绍色度时刻计算按比例缩小的切比雪夫多项式的H和S HSI颜色空间的通道。Coimbra和Cuhna[7]提出利用MPEG-7可伸缩的颜色描述符[39]。最后,对KL变换,Karargyris和布尔巴基[13]使用颜色特性提出的太et al . [24]。
b .纹理技术
作者使用的一些常见技术测量纹理特性,其中包括同现矩阵,最初提出的Haralick et al。[10],局部二进制模式引入Ojala et al。[25],[26]和[39]MPEG-7同质纹理描述符。别人少用已知的方法。Penna等。[31]采用Reed-Xiaoli (RX)探测器[33],基于协方差矩阵,为了检测图像中的异常。王、杨[38]使用纹理单元号(南大)功能,枸杞多糖特性密切相关。Lv等。[20]测量纹理特征空间金字塔的颜色特性,通过构造方法后提出Lazebnik et al。[15]。
c .等高技术
分析轮廓和边缘很少使用的作者算法。Mackiewicz等。[21]执行专门的颜色和质地分析薄认为周围的图像区域,因此测量特性的边界。Penna等。[31]使用一种自适应版本的Mumford-Shah功能[23],在嘈杂的图像能够检测边缘,而傅et al。[8][4]利用著名的精明的边缘检测器。
d .细分技术
的初始分割出现在只有四个方法,他们每个人也使用不同的技术。值得注意的是,Karargyris和布尔巴基[13]提出了一种模糊区域分割,最初介绍了[2]和[22]。edgepreserving平滑操作后,检测到的边缘图像中导致图像的初始分割。接下来,段与保留homegeneity定义扩展功能,而是更大的部分。获得结构就代表了一个地方全局图组成的局部颜色,纹理,形状和大小的特性,每个分割区域的内部形状和分割区域在整个图像之间的关系,旨在遵循人类认知。最后,基于当地的全球图形信息,类似性质的周边地区合并,导致最终的分割。相比之下,Mackiewicz等。[21]执行初始选择的候选人出血的出血区域评估每个像素的概率,基于训练集的恒生指数分布。小王和阳[38]利用分割技术程和太阳[6],提出的区域在哪里首先建立通过2 d homegeneity高峰值和强度直方图,部分是进一步划分基础上色调的颜色特性,最后合并执行类似CIELab的区域值。最后,锅等。[28]使用基于颜色的区域增长分割策略措施,从单一的血液像素,所确定的功能比较的集群中心出血样本训练集。
大肠的决定机制
最受欢迎的决定组件是简单的阈值和技术和众所周知的分类:神经网络和支持向量机。然而,使用各种配置包括多层感知器神经网络,支持向量机的概率神经网络和不同的内核。主成分分析(PCA)也是为了帮助使用分类的初始减少冗余数据的特征向量。Giritharan等。[9]和Abouelenien et al。[1]中使用他们的作品有趣的方法来处理自然失衡之间的训练集负,浸渍样品和积极的,流血的情况下,难以收集。前者的方法是使用over-sampling策略最初提出的拉et al . [5]。Over-sampling是通过生成合成少数类样本相似,它们在特征空间中发现使用再邻居算法。同时,提出了一个有趣的贝叶斯分类器由小王和杨[38]。特征向量进行分类,估计这是属于每个类的使用概率的贝叶斯公式和选择最大。这个公式也使用每个类的后验概率,估算得到的训练集的多元高斯概率密度函数。
f .其他技术
剩余的相关技术主要是图像的预处理和后处理的结果。在许多方法黑暗区域最初发现和排除在进一步分析。同样,over-illuminated地区消除。一种先进的方法,目的,基于Intensity-Saturation直方图,最初提出的奥尔蒂斯和托雷斯[27],被Mackiewicz et al[21],他也雇佣了一个有趣的颜色直方图技术适应在内窥镜视频的时间。在后处理步骤,一些方法消除小检测,视为噪音。另外,常见的练习是将图像分成小块,然后独立分析和分类。

讨论
的作者算法应用多个先进的图像处理技术的方法。显然,其中大部分集中在图像的颜色特征,由典型的性质强烈的流血的外观。然而剩下的特性,纹理,轮廓和使用分割,不考虑所有的方法,尽管他们是人类的视觉和对象识别的关键。一些问题也可以发现在分类级别。的决策机制往往过于简单(阈值)或不可控或可说明的(支持向量机,神经网络)。
同时,注意短的效率必须审查方法。已经注意到Liedlgruber和Uhl[19],直接比较的方法很难使由于所使用的测试数据。造成的问题是重大困难收集内窥镜数据,这是很难获得,而且这个过程需要大量的时间和精力。此外,没有公开的内窥镜图像数据库适用于测试算法存在,因此,研究小组不得不建立自己的图像数据库。然而,在某些情况下,测试集太小,影响的可信度的方法。然而,测试由作者的方法显示高灵敏度、特异性和准确性,常常超过95%的水平,这证实了出血检测潜在的方法。

结论
最近的进步领域的出血内窥镜检测算法导致建立大量的图像处理技术实现效率高的利率。选择和评估技术可以成功地利用建设新的出血检测方法提供更高的效率。一个新的可能的研究方向是应用程序的低级的识别,建立技术简单,出血的现象的基本特征,而不是直接检测出血的存在。功能应该内窥镜图像的相关方面,被认为是由检查医生。这种方式,检测算法可以达到更高层次的抽象,使一个清晰的、可控的决定基于一组可以理解的特性,这可能是由一组规则或概率的方法。换句话说,转向认知方法和专家系统似乎是合理的,也可能在这里。
然而,似乎仍有强烈的需要一个特定的视觉特征的详细研究,由医生静静地考虑图像的检查期间,并没有足够的分析和描述。由于医生考虑确定,准确和描述方面的内窥镜的出现出血,它可以有效的出血检测的关键,希望接近优秀的训练有素的专业人员的效率。我们希望建立的技术研究员的结合更深层次的知识和应用内镜专家的推理将使达到更高层次的质量检测方法出血,这可能最终导致包括他们的临床过程。

表乍一看
表的图标
表1

数据乍一看
图1
图1

引用







































全球技术峰会