用于纹理分析中最优ROI选择的膝关节X线片自适应分割
图像与视频处理
2020-05-18 v1 计算机视觉与模式识别
摘要
本研究的目的是探讨：1) 膝关节X线片中软骨下骨纹理分析时感兴趣区域（ROI）放置位置的影响；2) 若干纹理描述子区分有无影像学骨关节炎（OA）膝关节的能力。分析了来自OAI和MOST数据集基线的双侧后前位膝关节X线片。开发了一种利用自适应分割从软骨下骨定位最具信息量区域的全自动方法。我们采用过分割策略将膝关节图像划分为遵循自然纹理边界的紧凑区域。在标准ROI和所提自适应ROI内计算了LBP、分形维数（FD）、Haralick特征、香农熵和HOG方法。随后，我们构建逻辑回归模型，使用5折交叉验证设置来识别并比较各纹理描述子和各ROI放置方法的性能。重要的是，我们还通过在OAI上训练模型并在MOST数据集上测试来考察方法的泛化性。我们使用受试者工作特征（ROC）曲线下面积（AUC）和由精确率-召回率（PR）曲线获得的平准精确率（AP）比较结果。我们发现自适应ROI相比常用的标准ROI提升了分类性能（OA vs. 非OA）（AUC提升达9%）。我们还观察到，在所有纹理参数中，LBP在各设置下均取得最佳性能，最佳AUC为0.840 [0.825, 0.852]，相应AP为0.804 [0.786, 0.820]。与当前最先进方法相比，我们的结果表明所提软骨下骨纹理分析中的自适应ROI方法可提高检测影像学OA存在的诊断性能。
引用
@article{arxiv.1908.07736,
title = {Adaptive Segmentation of Knee Radiographs for Selecting the Optimal ROI in Texture Analysis},
author = {Neslihan Bayramoglu and Aleksei Tiulpin and Jukka Hirvasniemi and Miika T. Nieminen and Simo Saarakkala},
journal= {arXiv preprint arXiv:1908.07736},
year = {2020}
}