基于双树复小波变换的新生儿肺部病理分类
图像与视频处理
2023-02-20 v2
摘要
美国每年报告8500例因呼吸衰竭导致的新生儿死亡。近来，肺超声（LUS）因其无辐射、便携且成本较低，作为肺部疾病的诊断工具正获得广泛认可。然而，缺乏训练有素的医疗专业人员限制了其使用，尤其在偏远地区。为此，一种能捕捉LUS图像模式特征的自动筛查系统可对有显著帮助于非肺超声（LUS）图像专家的 clinicians。本文提出一种特征提取方法，旨在量化LUS图像中空间局部化的线状模式与纹理模式。利用双树复小波变换（DTCWT）和四类常见图像特征，我们提出一种将LUS图像分类为6种常见新生儿肺部状况的方法。这些状况为正常肺、气胸（PTX）、新生儿暂时性呼吸急促（TTN）、呼吸窘迫综合征（RDS）、慢性肺病（CLD）和实变（CON，可能为肺炎或肺不张）。所提方法使用DTCWT分解提取全局统计、灰度共生矩阵（GLCM）、灰度游程长度矩阵（GLRLM）和局部二值模式（LBP）特征，输入基于线性判别分析（LDA）的分类器。使用15个最佳DTCWT特征及3个临床特征，所提方法在含24名患者720张图像的平衡数据集上达到92.78%的图像级分类准确率，在含42名患者1550张图像的较大非平衡数据集上达到74.39%。同样，该方法在平衡数据集上使用43个DTCWT特征和3个临床特征达到81.53%的受试者级最大分类准确率，在非平衡数据集上使用13个DTCWT特征和3个临床特征达到64.97%。
引用
@article{arxiv.2302.07157,
title = {Classification of Lung Pathologies in Neonates using Dual Tree Complex Wavelet Transform},
author = {Sagarjit Aujla and Adel Mohamed and Ryan Tan and Randy Tan and Lei Gao and Naimul Khan and Karthikeyan Umapathy},
journal= {arXiv preprint arXiv:2302.07157},
year = {2023}
}
备注
Under review