基于图结构与统计特征及质量改善图像的波神经网络青光眼分类新方法
计算机视觉与模式识别
2024-09-02 v1
摘要
本文提出了一种新颖的青光眼分类方法，该方法在最优增强的视网膜图像特征上采用波神经网络（WNN）。为避免眼科医生对视网膜图像进行繁琐且易出错的手动分析，计算机辅助诊断（CAD）可大幅辅助稳健诊断。我们的目标是引入一种采用全新方法的CAD系统。视网膜图像质量改善分两个阶段进行。视网膜图像预处理阶段通过基于分位数的直方图修正改善图像的亮度与对比度。随后是图像增强阶段，该阶段利用基于图像特定动态结构元素的形态学多尺度操作来丰富视网膜结构。从增强的视网膜数据集中，沿多个方向提取基于图的视网膜图像特征（即局部图结构（LGS）与图最短路径（GSP）统计）以及统计特征。采用WNN并以合适的波激活函数对青光眼视网膜图像进行分类。将WNN分类器的性能与基于多种数据集的多层感知机神经网络进行比较。结果表明我们的方法优于现有方法。
引用
@article{arxiv.2206.12099,
title = {A novel approach for glaucoma classification by wavelet neural networks using graph-based, statisitcal features of qualitatively improved images},
author = {N. Krishna Santosh and Soubhagya Sankar Barpanda},
journal= {arXiv preprint arXiv:2206.12099},
year = {2024}
}
备注
25 pages