基于CoHOG的肌萎缩侧索硬化症脑部MR图像纹理分类
摘要
纹理分析是计算机视觉与图像处理中众所周知的研究课题，有着诸多应用。基于梯度的纹理方法在分类问题中已变得流行。我们首次将一种著名的基于梯度的方法——共现定向梯度直方图(CoHOG)扩展用于从二维磁共振图像(MRI)中提取纹理特征。与原始CoHOG方法不同，我们使用整幅图像而非子区域进行特征计算。此外，我们采用了更大的邻域尺寸。图像像素的梯度方向使用Sobel、高斯导数(GD)和局部频率描述子梯度(LFDG)算子计算。提取的特征向量维度非常大，而使用大量相似特征进行分类并不能提供最佳结果。在我们提出的方法中，据我们所知首次仅使用受试者工作特征(ROC)曲线下面积(AUC)阈值<=0.01筛选最少数量的有效特征。本文中，我们应用所提方法对肌萎缩侧索硬化症(ALS)患者与对照组进行分类。观察到下采样图像中选出的纹理特征在患者与对照组间存在显著差异。这些特征被用于线性支持向量机(SVM)分类器以确定分类准确率。同时计算了最优敏感性与特异性。实验使用了三个不同的队列数据集。分析了所提方法使用三种梯度算子和两种不同邻域尺寸时的性能。进行了基于区域的分析以证明患者与对照组间的显著变化仅限于运动皮层。
引用
@article{arxiv.1703.02589,
title = {Texture Classification of MR Images of the Brain in ALS using CoHOG},
author = {G M Mashrur E Elahi and Sanjay Kalra and Yee-Hong Yang},
journal= {arXiv preprint arXiv:1703.02589},
year = {2017}
}
备注
We found an error in the feature selection part (Sec. 3.3) of the proposed approach. In the feature selection part, by mistake, we have used both the training and testing data for feature selection. We are working on it. We will update the proposed approach as early as possible