カスケードされた2 段階SVM に基づく分類を用いた糖尿病性足部潰瘍画像の面積決定

Area determination of diabetic foot ulcer images
using a cascaded two-stage svm based classi cation
IEEE Transactions on Biomedical Engineering Vol.99 p.1 2016  
20170801_nishida

臨床医及び看護師にとって,目視検査を介して患者の傷を評価することが標準的な習慣である.個の主観的方
法は,創傷評価において不正確であり,重大な臨床作業付加でもある.したがって,特にモバイル装置に実装され
たコンピュータベースのシステムは,自動で定量的な創傷評価を定量することが出来,創傷治癒状態を正確に関
しするために有益である.全ての創傷評価パラメータの内,創傷面積の測定は,自動解析に最も適している.現
在の創傷境界決定方法の大部分は,周囲の少量の健康な皮膚と創傷領域の画像を処理するだけである,本論文で
は,SVM を用いて制御された証明・角度及び範囲条件を提供する画像キャプチャボックスで捕捉された足潰瘍画像
上の傷の境界を決定する新しいアプローチを提示する.効果的なSuperpixel セグメンテーションのために,SLIC
法が適用される.カスケードされた2 段階分類器は,以下のように訓練される.第一段階では,k 個のバイナリ
SVM 分類器のセットが訓練され,第二段階では,別のバリナリSVM が誤って分類された集合に対して訓練され
る.我々は,分類子訓練において各段階の入力として使用されるSuperpixel からさんざ真名色およびテクスチャ
記述子を抽出した.具体的には,第一段階では,無関係な領域を除外するための記述しとしてLocal Dense SIFT
特徴量のカラー及びBag-of-Word(BoW)表現を適用し,第二段階では,創傷領域から健康な組織を区別する記
述として色及びウェーブレットベースの特徴量を適用した.最後に,検出された創傷境界は,条件付きランダム・
フィールド(CRF)画像処理技術を適用する事によって精緻化される.私たちは,オフラインで行われたトレー
ニングを除き,Nexus 5 スマートフォンプラットフォームで創傷分類を実装した.結果は,他の機械学習分類器と
比較され,カスケードされた2 段階アプローチが全体的に高い性能(平均感度= 73.3%,特異度= 94.6%)を提供
し,スマートフォンベースの画像解析に十分効率的であることを示した.