中国图象图形学报

点击论文题目，可以阅读全文呦~

多核多示例学习的糖尿病视网膜病变诊断

作者：任福龙,曹鹏,杨金柱,等

引用格式：RenFL,CaoFL,YangJZ,etal.Multi-kernelmulti-instancelearningbaseddiabeticretinopathydiagnosis[J].JournalofImageandGraphics,,23(4):-.[任福龙,曹鹏,杨金柱,等.多核多示例学习的糖尿病视网膜病变诊断[J].中国图象图形学报,,23(4):-.]

DOI:10./jig.

论文看点

1.提出一种多示例思想解决糖网诊断问题，解决监督学习没有充足训练数据样本和数据分布不同的问题。

2.基于图核的架构进行多示例学习，并引入多核学习方法提升核方法的性能。

3.利用公开数据集进行验证，并进行了充分实验对比，效果优于传统的多示例方法和领域内最新糖网诊断的性能。

专家评语

本文提出一种基于多核图的多示例学习算法，利用核图建立包中示例之间的关系，并融入多核学习的思想提高分类的泛化能力，进而实现对眼底图像的糖网辅助诊断。该方法有一定创新性和应用价值。所提方法表述明确，实验充分具体。

研究方法

首先，检测疑似的微动脉瘤和出血斑病灶区域，并将其视为多示例学习模型中的示例，而将整幅图像视为示例包，从而将糖网诊断转化为多示例学习问题；

其次，提取病灶区域的特征对示例进行描述，并通过极限学习机（ELM）分类算法过滤不相关示例以提升后续多示例学习的分类性能；

最后，构建多核图的多示例学习模型对健康图像和糖网病变图像进行分类，以实现糖网病变的诊断。

结果展示

经过对国际公共数据集MESSIDOR进行糖网病变诊断评估实验，获得的准确率为90.1%，敏感性为92.4%，特异性为91.4%，ROC（receiveroperatingcharacteristic）曲线下面积为0.，相比其他算法具有较大性能优势。

基于多核多示例学习方法在无需提供病灶标注的情况下，能够高效自动地对糖网病变进行诊断，从而既能避免医学图像中标注病灶的费时费力，又可以免除分类算法中假阳性去除的问题，获得较好的效果。

作者简介

任福龙

现为东北大学博士研究生，主要研究方向为医学影像处理、模式识别。

Email:renfl

转载请注明：http://www.ovvnom.com/jbzs/16204.html