Detection of pathologies in retina digital images an empirical mode decomposition approach

Résumé

La détection automatique exacte des pathologies dans les images numériques de la rétine offre une approche prometteuse dans les applications cliniques. Cette étude emploie la technique de la transformée discrète en ondelette et la décomposition en modes empiriques pour extraire six caractéristiques statistiques de la texture de la rétine à partir d’images numériques. Les caractéristiques statistiques sont la moyenne, l'écart-type, l'aspect lisse, le troisième moment, l'uniformité et l'entropie. Le but est de classifier les images normales versus anormales. Cinq différentes pathologies sont considérées. Ils sont le fourreau d'Artère (la maladie de Manteau), tache d'hémorragie, la dégénérescence rétinienne (circinates), la dégénérescence maculaire liée à l'âge (drusens) et la rétinopathie diabétique (microanévrismes et exsudats). Quatre classificateurs sont employés; incluant des machines à supports de vecteur, l'analyse discriminant quadratique, le k plus proche voisin, et les réseaux neuronaux probabilistes. Pour chaque expérience, dix plis au hasard sont produits pour exécuter des épreuves de validation croisée. Pour évaluer la performance de chaque classificateur, la moyenne et l'écart-type du taux de reconnaissance correct, la sensibilité et la spécificité sont calculés pour chaque simulation. Les résultats expérimentaux font ressortir deux conclusions principales. D'abord, ils montrent la performance exceptionnelle des caractéristiques statistiques obtenues par la décomposition en modes empiriques (DME) quelque soit le classificateur. Deuxièmement, ils montrent la supériorité des machines à supports de vecteurs (MSV) par rapport à l'analyse discriminant quadratique, le k plus proche voisin, et les réseaux neuronaux probabilistes. Finalement, l’analyse en composante principale a été employée pour réduire le nombre de caractéristiques dans l'espoir d'améliorer l'exactitude des classificateurs. Nous constatons qu'il n'y a aucune amélioration générale et significative de la performance. En somme, le système DME-MSV fournit une approche prometteuse pour la détection de certaines pathologies dans la rétine à partir des images numériques médicales.

Date	15 déc. 2011
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Christian Gargour (Directeur(-trice)) & Gheorghe Marcel Gabrea (Codirecteur(-trice))