关键字 |
| 内窥镜检查，视频分析，独立性，旋转，亮度，对比度，颜色，模糊 |
介绍 |
| 在过去的几年里，内镜电影分析算法(通过胃镜、结肠镜或胶囊内镜获得)越来越受欢迎。这些算法用于识别信息框架和非信息框架，以及各种疾病或健康组织。不幸的是，文献中描述的算法没有任何较大的比较测试，这使得它们之间的比较几乎是不可能的。此外，这些算法中使用的数学方法的作者没有为他们的主张提供证据(例如，算法与旋转或亮度变化等变换的独立性)。[1] |
| 本文的重点是比较所选择的内窥镜图像分析算法和在其中使用的数学工具。这些算法用一个特殊的比较器进行了测试，以检查作者关于旋转、亮度、对比度、模糊和颜色变化等图像变换的独立性的说法是否可信。 |
测试程序 |
| 所有测试都是在真实结肠镜检查视频的公共数据库[2]上进行的。为了测试，从数据库中随机选择了100张图像。算法的分类部分被删除，只留下算法的核心——特征向量的计算。在下一步中，对每个特征进行标准化，使平均值(数据库中所有图像的计算)等于0，标准差为1。 |
| 本文只分析了归一化的特征向量(忽略了分类成分，如神经网络或支持向量机)。在文献中，经常声称算法是依赖或独立于各种图像变换。为了比较和测试目的，我们选择了5种常见的内窥镜检查中自然发生的变形，如表一所示。 |
| A.比较措施 |
| 首先，使用下面描述的度量来比较来自原始图像的特征向量。 |
| 设F(a)为算法F图像a的特征向量，fi(a)为其第i个归一化值: |
 |
| 为获得算法F的公共比较基，所有原始图像的特征向量(a;b;c;:)被彼此比较。然后，计算平均基特征差如下: |
 |
| 对原始图像与变换后图像特征向量的差异进行类比定义，并对典型的未变换图像特征向量的差异进行了额外的归一化: |
 |
数学运算 |
| 在本节中，描述了所分析的算法中使用的数学运算。其中主要集中在图像的空间特征、亮度变化和边缘检测等方面。这是因为这些特征类似于人类看到物体的视觉方法，这使得人类能够识别图像中的纹理异常。然而，一些转变更侧重于颜色特征，因为它们是区分健康组织与癌症组织的第二大特征现象(例如，灰色、黑色或大红色阴影几乎只在癌组织中发现)。 |
| 大多数算法还包括对图像特征的某种形式的统计分析。根据分析的图像特征，这允许减少结果特征向量的维度数，或使其独立于图像的缩放、旋转或对比度或亮度的变化。 |
| 有些变换在图像分析领域是众所周知的(如Gabor滤波器或离散小波变换)，但有些是专门为内窥镜设计的(如AHT, NTU)。 |
| 表III提供了关于作者提供的内窥镜视频分析所选择的算法的信息(rot. = rotation, sca。= scale, bri。=亮度，con. =对比度)。 |
测试结果 |
| 下图显示了所进行的测试结果。图1显示了未转换图像之间的差异，即D0和0。图2 - 6呈现:亮度变化后的差异d亮度，对比度变化后的差异d对比度，颜色变化后的差异Dcolor，旋转后的差异Drotation和模糊后的差异Dblur。 |
结论 |
| 本文介绍了用于胃肠内窥镜视频分析算法的数学工具。实验表明，算法作者所宣称的算法与旋转、亮度变化等变换无关的某些特性并不总是符合实际结果。此外，许多算法对某些转换非常敏感——在这种情况下，转换后的图像之间的差异可能比其他图像之间的差异更大。这种现象对这些算法在作者提供的应用程序中的有用性提出了质疑。然而，值得注意的是，一些算法对图像模糊非常敏感——这一事实表明，这些算法可能在模糊帧识别任务中表现良好，这在支持消化系统诊断的系统中也很有用。 |
表格一览 |
|
|
数字一览 |
|
|
参考文献 |
- M. Liedlgruber, a . Uhl，胃肠道内窥镜的计算机辅助决策支持系统:综述。，《IEEE生雷竞技苹果下载物医学工程评论》，vol. 4, pp. 73-88, 2011。
- J.辛纳斯基，A.布热斯基，A.布洛库斯，T.迪乌比奇和M. J?edrzejewski, Konstrukcja bazy danych dla systemu wspomagania diagnostyki chorób przewodu pokarmowego。见:《中国信息科学》2012年第33卷第1期。1.(波兰)
- Riaz F.， Silva f.b.， Dinis Ribeiro M.， Coimbra M.T.，胃肠病图像分类的不变Gabor纹理描述符，IEEE生物医学工程学报，第59卷，no. 1。10, Pa´zdziernik 2012
- 李志刚，刘志刚，刘志刚，基于旋转和尺度不变Gabor纹理特征的纹理分类，电子工程学报，vol. 20, no. 4。6、2013。马文勇，马文勇，基于纹理特征的图像数据浏览和检索，电子工程学会学报，第18卷，第1期。1996
- p . Doro吗?zy´nski, T. Dziubich, Ocena mo?Zliwo´sci zautomatyzowanej分析obrazów z bada´n endoskopowych do wspomagania诊断胃病。学科?y konferencyjne ICT Young 2012, p. 341-348[波兰文]
- 王晓明，王晓明，王晓明，基于灰度和旋转不变性的纹理分类方法，计算机工程学报，vol. 29, no. 4。2002
- J.辛纳斯基，P.多洛?zy´nski, T. Dziubich。门静脉高压性胃病的内镜记录识别算法。信息系统体系结构与技术，2014年第35期。
- 李B.，孟M. Q.-H.。，Tumor Recognition in Wireless Capsule Endoscopy Images Using Textural Features and SVM, IEEE Transactions On Information Technology In Biomedicine, vol. 16, no. 3, 2012
- 李丽媛，张卓，梁紫阳，刘江，无线胶囊内窥镜框架的特征选择与分类，生物医学与制药工程，ICBPE ' 09。2009年国际会议
- Häfner M.， Liedlgruber M.， Wrba F.， Uhl A.， Vécsei A.，基于多尺度局部颜色向量模式的内镜图像分类彩色处理，医学图像分析，16(1):75-86,2012年1月
- 廖松，朱晓霞，李生，张丽娟，李生，基于多尺度块局部二值模式的人脸识别方法，生物特征识别技术进展;pp。828 - 837年,2007年
- Häfner M.， Gangl A.， Liedlgruber M.， Uhl A.， Vecsei A.， Wrba F.，坑模式分类使用扩展局部二进制模式，在:第九届生物医学信息技术和应用国际会议(ITAB ' 09)，塞浦路斯，Larnaca。, 2009年。
- A.布热斯基，J. Cychnerski, Rozpoznawanie chorób uk?adu pokarmowego z wykorzystaniem technik sztucznej inteligencji, in: ZeszytyNaukowe Wydzia?u Elektroniki, Telekomunikacji i Informatyki Politechniki Gda´nskiej。， 2011年，没有。9，第395-400页。(波兰)
- g·d·马古拉斯，副总裁斯科拉纳科斯，或者m·n·弗拉哈提斯。基于在线学习和差异进化的神经网络结肠镜诊断。应用软计算，2004
- 国民生产总值Magoulas。用于内窥镜自动组织分类的神经元网络和纹理描述符。肿瘤学杂志，2006年第15期。
- V.S.科多吉亚尼斯和M.布鲁古拉。无线胶囊内窥镜成像中的自适应神经模糊诊断方法。国际信息技术杂志，2007,13(1)
- T. Ojala, M. Pietikäinen，和D. Harwood(1994)，“基于分布的Kullback判别的纹理测量的性能评估”，第12届IAPR国际会议论文集(ICPR 1994)，第1卷，第582 - 585页。
- 廖胜，朱晓霞，雷震，张丽娟，李松，基于多尺度块局部二元模式的人脸识别方法，生物识别技术进展;第828-837页，2007
- 陈志强，边缘检测的一种计算方法，电子工程学报。模式分析与机器智能，8(6):679-698,1986。
- R.M.哈拉利克，K.尚穆甘，oraz I. Dinstein。图像分类的纹理特征。《IEEE系统、人与控制论汇刊》，1973年11月
- 吴平，马朱纳。B.S.，一种纹理描述符的浏览和相似度检索，爱思唯尔，信号处理:图像社区，第16卷，no. 1。2000
- Kamarainen j。，Kyrki V., Kälviäinen H., Invariance Properties of Gabor Filter-Based Features-Overview and Applications, IEEE Transactions on Image Processing, vol. 15, no. 5, Maj 2006
|
菜单
