[論文レビュー] Automatic Detection of Ringworm using Local Binary Pattern (LBP)

Srimanta Kundu, Nibaran Das+1 more|arXiv (Cornell University)|Mar 1, 2011

Vehicle License Plate Recognition参考文献 6被引用数 9

ひとこと要約

本論文では、皮膚病変画像から抽出した局所的バイナリーパターン（LBP）特徴を用いた、自動的なびらん症検出システムを提案する。標準的なデジタル画像を用い、専用の画像撮影装置を必要とせず、ベイズ、MLP、SVMの3つの分類器を用いることで、正常皮膚とびらん症を高精度に区別する。これは、皮膚科スクリーニングにおける低コストで効果的なソリューションを示している。

ABSTRACT

In this paper we present a novel approach for automatic recognition of ring worm skin disease based on LBP (Local Binary Pattern) feature extracted from the affected skin images. The proposed method is evaluated by extensive experiments on the skin images collected from internet. The dataset is tested using three different classifiers i.e. Bayesian, MLP and SVM. Experimental results show that the proposed methodology efficiently discriminates between a ring worm skin and a normal skin. It is a low cost technique and does not require any special imaging devices.

研究の動機と目的

• 標準的なデジタル画像を用いた、自動的で低コストのびらん症検出システムの開発。
• 局所的バイナリーパターン（LBP）特徴が、びらん症を発症した皮膚と正常皮膚を区別する有効性の評価。
• LBP特徴に適用した複数の分類器（ベイズ、MLP、SVM）の性能を比較すること。
• 本手法が専用の画像撮影装置を必要としないことの実証により、リソース制約のある環境でも利用可能であることを示すこと。

提案手法

• びらん症を示す皮膚病変画像からLBP特徴を抽出し、びらん症を示す局所的なテクスチャパターンを捉える。
• 本手法は、インターネットから収集した標準的なデジタル画像を用い、専用の医療画像装置を必要としない。
• LBP特徴に、ベイズ、多層パーセプトロン（MLP）、サポートベクターマシン（SVM）の3つの分類器を訓練およびテストする。
• データセットは、公に提供されている画像を用い、システムの識別能力を評価する。
• 特徴抽出と分類はパイプラインとして実行される：画像前処理 → LBP特徴抽出 → 分類。
• 標準的な性能指標を用いてシステムを評価し、各分類器の結果を報告する。

実験結果

リサーチクエスチョン

• RQ1 標準的なデジタル画像において、LBPに基づくテクスチャ特徴は、びらん症を発症した皮膚と正常皮膚を効果的に区別できるか？
• RQ2 LBP特徴に適用した場合、ベイズ、MLP、SVM分類器の性能はどのように比較できるか？
• RQ3 一般的なカメラを用いた低コストで非侵襲的な手法は、びらん症スクリーニングにおいて臨床的診断をどの程度代替できるか？
• RQ4 臨床的検証なしにインターネットから取得した皮膚画像で訓練された場合、本手法は頑健で正確であると期待できるか？

主な発見

• 提案されたLBPベースの手法は、標準的な画像を用いて、びらん症を発症した皮膚と正常皮膚を高精度に区別できた。
• 3つの分類器の中で、SVMがびらん症と正常皮膚を区別する性能で最も優れていた。
• 本システムは専用の画像撮影装置を必要としないため、リソースが限られた診断用途に適している。
• 多様なインターネットから入手した皮膚画像においても、本手法は頑健で効果的であることが示され、一般化の可能性を示した。
• 最小限の前処理でLBP特徴がびらん症検出に非常に効果的であることが、結果から確認された。