Wyniki wyszukiwania - BazTech

1

The use of the Hellwig's method for feature selection in the detection of myeloma bone destruction based on radiographic images

Omiotek Zbigniew, Stepanchenko Olga, Wójcik Waldemar, Legieć Wojciech, Szatkowska Malgorzata

Biocybernetics and Biomedical Engineering

|

2019

|

Vol. 39, no. 2

328--338

EN

The radiological test is cost-effective, widely available, allows for the visualisation of large areas of the skeleton and can identify long bones potentially at risk for fractures in osteolysis sites. Therefore, radiology is often used in the early stages of multiple myeloma, in the detection and characterisation of complications, and in the assessment of the patient's response to treatment. The accuracy of this method can be improved through the use of appropriate algorithms of computer image processing and analysis. In the study, the feature vector based on humerus CR images was extracted. As a result of the analysis, 279 image descriptors were obtained. Hellwig's method in the selection process was applied. It found the set of feature combinations of the largest integral index of information capacity. To evaluate these combinations, 11 classifiers were built and tested. As a result, 2 feature sets were identified that provided the highest classification accuracy in combination with the K-NN classifier. The 9-NN classifier for the first combination (2 features) was used and 5-NN for the second one (3 features). The classification accuracy (depending on the quality index used) was as follows: overall classification accuracy – 93%, classification sensitivity – 92%, classification specificity – 96%, positive predictive value – 96% and negative predictive value – 93%. Results show that: (1) the use of humerus CR images may be useful in the detection of bone damages caused by multiple myeloma; (2) the Hellwig's method is effective in the feature selection of the analysed kind of images.

2

Przetwarzanie zdjęć lotniczych na podstawie tekstury

Kućko M., Gracki K.

Elektronika : konstrukcje, technologie, zastosowania

|

2018

|

Vol. 59, nr 5

18--20

PL

Istotną grupę cech obrazu, na podstawie których dokonuje się segmentacji i klasyfikacji, stanowią cechy tekstury, rozumiane jako zależności między powtarzającymi się wzorcami charakterystycznymi dla danego materiału. W artykule porównane zostaną trzy metody analizy tekstury - energia Gabora, operator grating cells i cechy Haralicka - oraz zaproponowane zostaną sposoby poprawy jakości wyników uzyskanych z ich użyciem. Szczególny nacisk położony będzie na zastosowanie porównywanych metod w przetwarzaniu zdjęć lotniczych. Przedstawione zostanie również alternatywne podejście do rozpoznawania wzorców polegające na klasyfikacji prostokątnych bloków obrazu o stopniowo zmniejszających się rozmiarach.

EN

The important group of image features, based on which segmentation and classification is performed, are textural features, understood as dependencies between recurring patterns characteristic of a given material. In the article three methods of texture analysis – Gabor energy, grating cells operator and Haralick features – will be compared, and techniques for improving quality of their results will be proposed. The particular focus will be placed on the application of compared methods in aerial images processing. The alternative approach of pattern recognition, based on the classification of rectangular blocks of an image with gradually decreasing sizes, will be demonstrated.

3

Zastosowanie metody Hellwiga do redukcji wymiaru przestrzeni cech obrazów USG tarczycy

Omiotek Z., Wójcik W.

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2014

|

nr 3

14--17

PL

W artykule przedstawiono wyniki zastosowania metody Hellwiga do redukcji wymiaru przestrzeni cech obrazów USG tarczycy. Za pomocą tej metody, z wejściowego zbioru 283 cech otrzymano kombinację 3 cech z największą wartością wskaźnika pojemności informacyjnej Hellwiga. Zbiór ten posłużył do budowy i testowania klasyfikatorów. Wyniki klasyfikacji porównano z wynikami uzyskanymi dla 48 cech otrzymanych za pomocą metody korelacji. Okazało się, że dokładność klasyfikatorów zbudowanych ze zbioru liczącego 3 cechy nie jest gorsza od dokładności klasyfikatorów dla 48 cech, a w kilku przypadkach nawet ją przewyższa. Sugeruje to, że metoda Hellwiga może być wykorzystana jako wydajna metoda redukcji wymiaru przestrzeni cech dla potrzeb przyszłej klasyfikacji obrazów USG tarczycy.

EN

This paper presents the use of Hellwig’s method for dimension reduction in feature space of thyroid ultrasound images. On the base of this method, the combination of three features with the greatest value of Hellwig’s index information capacity from the input set of 283 features was obtained. This set was used to build and test the classifiers. Classification results were compared with the results obtained for a set of 48 features obtained using correlation method. It turned out that the accuracy of classifiers built on the base of 3 features is not worse than the accuracy of classifiers built on the base of 48 features, and in some cases it is even higher. This suggests that the Hellwig’s method can be used as an effective method for dimension reduction in feature space for the future thyroid ultrasound images classification.

4

Metoda klasyfikacji obrazów USG tarczycy z wykorzystaniem indukcji drzew decyzji

Omiotek Z., Burda A., Wójcik W.

Prace Instytutu Elektrotechniki

|

2012

|

Z. 260

57-68

PL

W artykule przedstawiono metodę klasyfikacji zdjęć USG tarczycy. Metoda ta pozwala zaklasyfikować analizowane przypadki do jednej z dwóch kategorii: chory lub zdrowy. Wyselekcjonowana w trakcie badania grupa przypadków błędnie klasyfikowanych zdaniem autorów może zawierać cechy charakterystyczne dla wczesnego stadium rozwoju choroby Hashimoto. Do budowy modelu klasyfikacji wykorzystano indukcję drzew decyzji. Wyniki testów pokazały, iż zaproponowana metoda może stanowić punkt wyjścia do budowy systemu wspomagającego lekarza w procesie diagnozy.

EN

The article presents a method for classification of ultrasound thyroid images. This method allows to classify the analyzed cases as sick and healthy. It also allows to separate fairly large group of incorrectly classified cases. According to the authors, this group may include characteristics of the early stage of Hashimoto's disease. Decision tree induction has been used to build a classification model. Test results showed that the proposed method can provide a starting point to build a support system in the process of medical diagnosis.

5

Texture Classification Using Combined Image Decomposition Methods

Yang B., Li S.

Machine Graphics and Vision

|

2009

|

Vol. 18, No. 3

305-319

EN

The developments of multiresolution analysis, such as the wavelet, curvelet and contourlet transforms, have yielded adequate tools to characterize different scales of textures effectively. These methods exhibit different performances in processing texture images due to their different characteristics. In order to use those complementary characteristics simultaneously, a texture classification method by combining different image decomposition methods is proposed. The proposed method is compared with the methods where only one kind of multiresolution transform is used. The experimental results demonstrate that the combined features can effectively capture the complementary information from different image decomposition methods and obviously improve the texture classification accuracy.

6

Evaluation of the Texture Analysis Using Spectral Correlation Function

Amirani M.C., Beheshti Shirazi A.A.

Fundamenta Informaticae

|

2009

|

Vol. 95, nr 2/3

245-262

EN

In this paper a new feature extraction technique for texture analysis is evaluated. This method is based on spectral correlation function (SCF) that provides a second-order statistical description in the frequency domain of signals. Two one dimensional signals are obtained from each image by ordering of pixels row by row and column by column. Then the SCF of each signal is calculated by a computational efficient algorithm, namely, the FFT accumulation method (FAM). Features are energy and standard deviation of spectral correlation functions at different regions of bifrequency planes. This scheme shows high performance in the retrieval and classification of Brodatz texture images. Experimental results indicate that the proposedmethod improves retrieval accuracy and correct classification rate in comparing with other approaches. Furthermore the evaluation of the hidden layer output at the classifier with different numbers of neurons indicates that the extracted features from SCF are more separable potentially in comparing with traditional discrete wavelet transform approaches.

7

Badanie wpływu liczby poziomów jasności obrazu na zdolność dyskryminacji tekstur przy użyciu macierzy zdarzeń

Kociołek M., Materka A., Strzelecki M., Szczypiński P.

Elektronika : prace naukowe

|

2000

|

nr 5

21-32

PL

Artykuł ten porusza problem wyboru cech (parametrów) do klasyfikacji tekstur w obraziach cyfrowych. Klasyczne, opisane przez Haralicka, cechy obliczane na podstawie macierzy zdarzeń (MZ) zostały użyte do klasyfikacji przykładowych par tekstur pochodzących z katalogu Brodatz 'a. W artykule przedstawiono wyniki badań wpływu zmniejszenia liczby poziomów jasności obrazu na zdolność cech do dyskryminacji analizowanych tekstur. Odkryto, że niektóre klasyczne cechy są nieprzydatne do klasyfikacji tekstur, oraz że występuje pewien zbiór cech MZ, dla którego zmiana liczby bitów opisujących piksel obrazu nie wpływa na zdolność dyskryminacji tekstur. Omówione badania wykonano w ramach projektu Europejskiego COST Bil zmierzającego do opracowania efektywnych technik analizy obrazów tomograficznych rezonansu magnetycznego.

EN

This paper deals with the problem of feature (parameter) selection for digital image texture classification. Haralick's classical cooccurrence matrix derived (CO) features are used to classify pairs of sample textures from the standard Brodzatz database. The effect of reduced number of greyscale levels on feature ability to discriminate textures is investigated. It was found that some of the classical features are useless for texture classification, and there is a set of CO features whose discriminative power is not affected by the reduced number of bits per pixel. The results obtained contribute to European COST project aimed at development of efficient techniques of magnetic resonance image analysis.

8

Robust texture classification using wavelet frames

Acharyya M., Kundu M.

Image Processing & Communications

|

1999

|

Vol. 5, no 2

19-37

EN

In this paper we present an approach to characterize textures at multiple scales using wavelet transforms and discuss the issues of translational and rotational invariance and noise immunity of a texture analysis system. We employ the non-separable discrete wavelet frames analysis which gives an overcomplete wavelet decomposition. Discrete Wavelet Frame (DWF) decompose the textures into a set of frequency channels. A texture is characterized by a set of these channel variances in this work. Classification experiments using twenty Brodazt textures indicate that texture signatures based on wavelet frame analysis are beneficial for accomplishing subtle discrimination of textures and robust classification against rotation translation and noise.