基于颜色相关图特征的多类多示例学习糖尿病视网膜病变图像分类
计算机视觉与模式识别
2017-04-06 v1
摘要
所有糖尿病患者都有发生糖尿病视网膜病变（DR）的风险，这是一种威胁视力的并发症。早期发现和及时治疗可以减少因 DR 导致的失明发生率。计算机辅助诊断具有提高 DR 检测准确性和速度的潜在益处。本研究关注微动脉瘤（MA）和新生血管（NV）这两种重要 DR 临床发现的图像自动分类。连同正常图像，这构成了一个 3 类分类问题。我们提出了一种低维度的改进颜色自相关图特征，该特征针对 DR 图像进行了光谱调谐。认识到带有或不带有 MA 或 NV 的图像通常仅在小的局部区域有所不同，我们提出采用多类多示例学习框架，利用所提出的特征来执行分类任务。我们进行了广泛的实验，包括与几种最先进的图像分类方法进行比较，结果表明所提出的方法前景广阔，因为它以很大优势优于其他方法。
引用
@article{arxiv.1704.01264,
title = {Classification of Diabetic Retinopathy Images Using Multi-Class Multiple-Instance Learning Based on Color Correlogram Features},
author = {Ragav Venkatesan and Parag S. Chandakkar and Baoxin Li},
journal= {arXiv preprint arXiv:1704.01264},
year = {2017}
}
备注
EMBS 2012