Scale Adaptive Local Binary Pattern を用いた皮膚鏡検査におけるメラノーマの検出

Detecting Melanoma in Dermoscopy Images Using Scale Adaptive Local Binary Pattern
IEEE Transactions on Biomedical Engineering  Vol.59 No.10 pp.2893-2904 2012
20170914_nishida

コンピュータビジョンの分野における近年の進歩は,患者の黒色腫の検出のための様々な診断支援システムの開発につながっている.テクスチャと色は黒色腫の検出に不可欠な2 つの基本的な視覚的特徴と考えられている.本論文では,皮膚鏡検査画像の分類にテクスチャと色の特徴を組み合わせて使用することを提案する.テクスチャ特徴量は,各ピクセルに対してスケール適応型パターンを抽出するLBP からなり,続いて,ヒストグラムを構築した.色特徴量抽出のために,我々は標準HSV ヒストグラムを使用した.抽出された特徴は連結されて画像の特徴ベクトルを形成し,続いてSupport Vector Machine(SVM)を用いて分類される.実験は,提案された特徴セットが他の最先端の選択肢と比較して良好な分類性能を示すことを示す.

Fast marching method に基づく画像補間手法

An Image Inpainting Technique Based on the Fast Marching Method
Journal of graphics tools vol.9-1 pp.23-34 2004
20170130_nishida

デジタル補間は,画像における小さな損傷部位の再構成のための手段を提供する.基本的な補間は簡単である
が,文献に記載されるほとんどの補間手法は理解や実装をするには複雑である.我々は,レベルセットアプリケー
ションのためのFast marching method に基づく新たな補間手法を提案する.我々のアルゴリズムは,実装が非常
に簡単で,早く,よく知られた複雑で遅い手法と同様の結果を生み出す.ソースコードはオンラインで入手可能で
ある.

カプセル内視鏡における離散コサイン変換と異方性コントラスト拡散に基づいた前処理技術

pre-processing technique based on discrete cosine transform and anisotropic contrast diffusion for wireless capsule endoscopy images
Shahri, Rosdiana, et al. “Pre-processing technique based on discrete cosine transform (DCT) and anisotropic contrast diffusion for wireless capsule endoscopy images.” Biomedical Engineering and Sciences (IECBES), 2014 IEEE Conference on. IEEE, 2014.

20160629_nishida

ワイヤレスカプセル内視鏡(WCE)はヒトの消化管の異常を検出するのに便利な道具である.しかし,WCE 画像はノイジーであったり,暗かったりなど,低画質である.異常をより早く検出するために,WCE 画像の画質 を高める CAD システム内の前処理は重要である.さらに画質を向上させるために,B.Li は画像のコントラスト を得るためにヘッセ行列を有する異方性拡散を用いた手法を提案した.しかし,この手法は,画像が鮮鋭でない 場合には問題を有している.この問題を解決するために,我々のシステムでは,離散コサイン変換(DCT)と異 方性コントラスト拡散を用いた.この論文は,提案手法の実験結果を提示する.

Wireless capcule endoscopy(WCE),image processing,Discrete Cosine Transform(DCT),Anisotropic Contrast Diffusoin

角膜内皮細胞のベイズ形状モデルを用いた細胞領域解析

Corneal Endothelium Cell Field Analysis by means of Interacting Bayesian Shape Models
Annual International Conference of the IEEE Engineering in Medicine and Biology pp.6035-6038,2007

20160325_nishida

角膜内皮細胞画像のおける細胞の領域の輪郭の自動での検出・解析を行うための新手法を行う.このアルゴリズムは単一セルの細胞領域に基づき,事前画像と事後画像で形状情報を個別に再表示する.始点を与えられた画像,適切な最適化アルゴリズムによってそれぞれの細胞は,個別に認識することが可能である.導かれた基準関数で,いくつかの極小値を克服すべく,アニーリングが最適アルゴリズムとして採用される.細胞領域を考慮すると,細胞モデル間での相互作用は,さらなる情報を導入し,全体的なモデルの識別を改善するために使用することができる.細胞領域モデルの統計的情報は、細胞モデル間の相互作用を考慮することによって与えられる.予備的な結果は,単一の細胞モデルが,複数の細胞領域に拡張することが細胞輪郭の認識の改善につながることを示す.開発された理論的フレームワークは非常に柔軟であり、容易に事前分布の異なる画像あるいは異なる物質の形状検出アプリケーションに適合させることができる.

角膜内皮細胞のスペキュラーマイクロスコープ画像における教師あり学習セグメンテーション法の比較

pdf

Comparison and Supervised Learning of Segmentation
Methods Dedicated to Specular Microscope Images of
Corneal Endothelium

International Journal of Biomedical Imaging, vol. 2014, Article ID 704791,2014.

角膜は眼の前面にある.内皮という角膜の内側の細胞層は角膜の光透過性に密接に関連しているので重要であ
る.細胞の状態を評価するために,この層の生体内での観察はスペキュラーマイクロスコープを用いて行われる.
高い空間密度を持つ細胞がよい透過性をもたらす.従って眼科医によって必要とされる主な基準は画像分割処理に
よって得られた角膜内皮の細胞密度である.異なる手法が細胞画像のセグメンテ―ションを実行することができ,
3 つの最も性能のよい手法が調査されてる.眼科医に対する質問は,どのように最良のアルゴリズムを選択し,可
能な限り最良の結果を得ることができるかである.本稿では,これらのアルゴリズムを比較するための方法につ
いて述べる.また,幾何学的な類似基準を経由してアルゴリズムはチューンアップ去れ、最良のパラメータは専
門家の眼科医に提示される.