内窥镜视频分析算法和独立的旋转,亮度,对比度,色彩和模糊

Jan Cychnerski
计算机体系结构、Gda´精工科技大学,波兰

文摘

本文提出了选择内镜视频图像分析算法。数学方法描述这些算法的一部分,和作者的关于这些算法的特点,如独立旋转,亮度,对比度,等等都提到过。真正的内窥镜图像数据库上使用通用测试和一组图像转换,这些主张的有效性检查和对比算法。许多的结果似乎不同于作者的声明,有时甚至强烈否认。此外,一些算法发现非凡的敏感图像的模糊,这表明使用它们的可能性模糊检测的框架,而不是疾病。

关键字

内窥镜检查、视频分析、独立旋转,亮度,对比度,色彩,模糊

介绍

在过去的几年中,内窥镜电影分析算法(通过胃镜检查,结肠镜检查或胶囊内镜)是越来越受欢迎。这些算法用于识别信息和欠框架,以及各种疾病或健康的组织。不幸的是,在文献中描述的算法没有任何大的对比试验,这使得比较它们之间几乎不可能。此外,这些算法中使用的数学方法的作者没有提供证据支持他们的观点(例如转换算法的独立性的旋转或亮度变化等)。[1]

本文主要关注比较选择内窥镜图像分析算法和数学工具中使用它们。算法进行了一个特殊的比较器来检查,如果他们作者的关于图像转换的独立旋转,亮度,对比度,模糊和颜色变化是值得信赖的。

测试程序

所有的测试一个共同的数据库上进行真正的结肠镜检查视频[2]。100年测试,从数据库中随机图片被选中。算法的分类部分被删除,只留下的内核算法的计算特征向量。在下一步中,归一化,这样平均每个特性(计算在所有数据库中的图像)= 0和标准偏差为1。

本文只分析了归一化特征向量(忽略分类组件,如神经网络和支持向量机)。在文献中常常声称算法相关或无关的各种图像转换。比较和测试目的,5流行转换自然发生在内窥镜被选中时,在表我。

答:比较测量

首先,从原始图像特征向量相互比较使用下面描述的指标。

让F (a)是图像的特征向量的算法,和fi (a)是i规范化值:

获得共同的比较基础算法F,所有原始图像的特征向量(一个;b;c;:::)相互比较。然后,平均基本特性差异计算如下::

原始特征向量之间的区别和转换后的图像定义类似地,额外的标准化方面的典型并未获得任何改观图像特征向量差异:

数学运算

在本节中,数学运算中使用的分析算法。他们中的大多数人关注图像的空间特性,亮度变化和边缘检测。这是由于这样的事实:这些特性类似于人类的视觉看到对象的方法,使人类认识到结构异常的形象。然而,一些转换更注重颜色的特性,因为它们是第二大特征现象差分健康组织于癌症(如深浅的灰色,黑色或鲜红色的发现几乎只在癌组织)。

大多数算法包括某种形式的统计分析图像的特点。根据图像特征的分析,这样就可以减少生成的特征向量的维度或让它独立于规模,旋转,或改变对比或图像的亮度。

一些转换通常在图像分析领域(例如伽柏过滤器或离散小波变换),但有些是专门为内窥镜(例如出去,南大)。

表3提供的信息选择算法分析内窥镜视频提供的作者(腐烂。=旋转,sca。=规模,未来!=亮度场骗局=对比)。

测试结果

下图展示的结果进行了测试。图1shows the differences between the untransformed images, i.e. D0 and 0. Figures 2 – 6 present: differences after brightness change Dbrightness, after contrast change Dcontrast, after color change Dcolor, after rotation Drotation and after blurring Dblur.

结论

本文提出了数学工具用于胃肠道内窥镜视频分析算法。测试表明,算法的作者的关于一些特征的算法独立于旋转等变换,亮度变化等并不总是符合实际的结果。此外,许多算法非常敏感的一些转换——在这种情况下的区别之间的转换后的图像可以比其他图像。这一现象的问题这些算法的有效性在作者所提供的应用程序。然而,值得注意的是,一些算法非常敏感,图像模糊,这一事实表明这些算法可能执行的任务在模糊的帧识别,也有用在系统支持消化系统诊断。

表乍一看


表1	表2	表3

数据乍一看


图1	图2	图3


图4	图5	图6

引用

m . Liedlgruber a . Uhl计算机辅助决策支持系统的内窥镜检查gastrointesti-nal道:一个回顾。、IEEE评论雷竞技苹果下载在生物医学工程、4卷,第88 - 73页,2011年。

J . Cychnerski a . Brzeski角斗士,t . Dziubich和m . J ?edrzejewski, Konstrukcja bazy danych国防后勤局systemu wspomagania diagnostyki chorob przewodu pokarmowego。2012年:皆Informatica 33卷,没有。1。(波兰)

Riaz F。,Silva F.B., Dinis Ribeiro M., Coimbra M.T., Invariant Gabor Texture Descriptors for Classification of Gastroenterology Images, IEEE Transactions on Biomedical Engineering, vol. 59, no. 10, Pa´zdziernik 2012

Riaz F。,Hassan A., Rehman S., Qamar U., Texture Classification Using Rotation- and Scale-Invariant Gabor Texture Features, IEEE Signal Processing Letters, vol. 20, no. 6, 2013. Manjunath B.S., Ma W.Y., Texture Features for Browsing and Retrieval of Image Data, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 18, no. 8, 1996

p . Doro吗?zy´nski, t . Dziubich Ocena莫?zliwo´sci zautomatyzowanej analizy obrazow z bada´n endoskopowych wspomagania diagnostyki gastropatii wrotnej。学科?y konferencyjne ICT年轻2012,p . 341 - 348(波兰)

Ojala T。,Pietikainen M., Maenpaa T., Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, no. 7, 2002

p . j . Cychnerski Doro吗?zy´nski, t . Dziubich。一个算法为门户高血压胃病识别内窥镜录音。信息系统体系结构和技术,35号2014。

李B。,Meng 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

Poh Chee坤”,梁张卓,紫阳,李梨园,刘江,WirelessCapsule内镜帧特征选择和分类,生物医学和制药工程。ICBPE ' 09。2009年国际会议

Hafner M。,Liedlgruber M., Wrba F., Uhl A., Vécsei A., Color treatment in endoscopic image classification using multi-scale local color vector patterns, Medical Image Analysis, 16(1): 75–86, January 2012

廖。,Zhu X., Lei Z., Zhang L., Li S. , Learning multi-scale block local binary patterns for face recognition, Advances in Biometrics;pp. 828–837, 2007

Hafner M。,Gangl A., Liedlgruber M., Uhl A., Vecsei A., Wrba F., Pit Pattern Classification using Extended LocalBinary Patterns,In: Proceedings of the 9th International Conference on Information Technology and Applications in Biomedicine (ITAB’09), Larnaca,Cyprus., 2009.

a . Brzeski j . Cychnerski Rozpoznawanie chorob英国吗?adu pokarmowego z wykorzystaniem technik sztucznej inteligencji,: ZeszytyNaukowe Wydzia吗?u Elektroniki Telekomunikacji我Informatyki Politechniki Gda´nskiej。,2011,不。9日,页。395 - 400。(波兰)

国民生产总值Magoulas、副总裁Plagianakos oraz M.N. Vrahatis。神经networkbased结肠镜检查诊断使用在线学习和微分进化。应用软计算,2004年

国民生产总值Magoulas。神经网络和结构描述符在内窥镜自动组织分类。肿瘤的报道,15日,2006年。

V.S. Kodogiannis oraz Boulougoura。一种自适应neurofuzzy无线胶囊内窥镜成像的诊断方法。国际期刊的信息技术、13 (1),2007

t . Ojala、m . Pietikainen和d·哈伍德(1994),“绩效评估的结构措施分布与分类基于Kullback歧视”,美国12 IAPR模式识别国际会议(1994年ICPR), 1卷,第582 - 585页。

廖。,Zhu X., Lei Z., Zhang L., Li S. , Learning multi-scale block local binary patterns for face recognition, Advances in Biometrics; pp. 828–837, 2007

精明的,J。,A Computational Approach To Edge Detection, IEEE Trans. Pattern Analysis and Machine Intelligence, 8(6):679–698, 1986.

. Haralick, k . Shanmugam oraz汀斯坦。纹理特征的图像分类。IEEE系统,人,控制论,1973年11月

吴P。,希莫惹是生非的Newsam S。,胫骨收听距离,A texture descriptor for browsing and similarity retrieval, Elsevier, Signal Processing: Image Community, vol. 16, 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