一种用于临床显著性黄斑水肿自动筛查的高效框架
图像与视频处理
2020-01-22 v1 计算机视觉与模式识别
机器学习
神经与进化计算
摘要
本研究提出了一种用于临床显著性黄斑水肿(CSME)自动筛查的新方法，并解决了此类筛查中的两个主要挑战，即渗出物分割与数据集不平衡。所提方法将传统的基于渗出物分割的特征提取替换为将预训练深度神经网络与元启发式特征选择相结合。采用特征空间过采样技术来克服偏斜数据集的影响，并通过基于 k-NN 的分类器完成筛查。对各个数据处理步骤(例如类别平衡、特征选择)的作用以及将感兴趣区域限制于中央凹对分类性能的影响进行了批判性分析。最后，讨论了受试者工作特征曲线上工作点的选择及其含义。本研究结果令人信服地表明，遵循这些机器学习基本实践，一个基础的基于 k-NN 的分类器即可有效完成 CSME 筛查。
引用
@article{arxiv.2001.07002,
title = {An Efficient Framework for Automated Screening of Clinically Significant Macular Edema},
author = {Renoh Johnson Chalakkal and Faizal Hafiz and Waleed Abdulla and Akshya Swain},
journal= {arXiv preprint arXiv:2001.07002},
year = {2020}
}