[論文レビュー] Automatic Identification of Retinal Arteries and Veins in Fundus Images using Local Binary Patterns

Nima Hatami, Michael H. Goldbaum|arXiv (Cornell University)|May 3, 2016

Retinal Imaging and Analysis参考文献 31被引用数 11

ひとこと要約

本論文は、コントラストが低く、品質が低い画像においても頑健性を高めるために、テクスチャおよび形状特徴を活用した、新しいLBP（局所バイナリーパターン）に基づく網膜動脈・静脈（AV）分類手法を提案する。この手法は、包括的なベンチマーク評価を通じて、AV分類分野で最先端の性能を達成し、従来の手法に比べて精度と信頼性が向上していることを示している。

ABSTRACT

Artery and vein (AV) classification of retinal images is a key to necessary tasks, such as automated measurement of arteriolar-to-venular diameter ratio (AVR). This paper comprehensively reviews the state-of-the art in AV classification methods. To improve on previous methods, a new Local Bi- nary Pattern-based method (LBP) is proposed. Beside its simplicity, LBP is robust against low contrast and low quality fundus images; and it helps the process by including additional AV texture and shape information. Experimental results compare the performance of the new method with the state-of-the art; and also methods with different feature extraction and classification schemas.

研究の動機と目的

• 網膜動脈・静脈分類の正確かつ自動化された分類を実現するための挑戦に応えること。これは、動脈・静脈比（AVR）を測定するための重要なステップである。
• 従来のAV分類手法を改善するために、新しいLBPに基づく手法を用いてテクスチャおよび形状情報を統合すること。
• 臨床的および自動化された環境で一般的に性能を妨げる、コントラストが低く、品質が低い網膜眼底画像における頑健性を向上させること。
• 最先端の技術を凌駕する、シンプルでありながら効果的な手法を提供すること。AV分類の精度において、既存の最先端手法を上回ることを目的とする。

提案手法

• 本手法は、網膜眼底画像からテクスチャ特徴を抽出するために局所バイナリーパターン（LBP）を用い、各画素周辺の微細な強度変動を捉える。
• LBP特徴は、局所的な近傍領域で計算され、空間的パターンを符号化することで、動脈および静脈構造の識別能を向上させる。
• 追加的に、血管の幾何学的および構造的特徴を統合することで、分類性能を向上させる。
• 抽出されたLBP特徴および形状特徴に対して、教師あり分類フレームワークを適用し、学習アルゴリズムを用いて動脈と静脈を区別する。
• 本手法は、計算効率が良く、コントラストが低く、ノイズが混入した画像の劣化に対しても頑健であるように設計されている。
• 標準データセットを用いた評価が行われ、複数の最先端の手法と、異なる特徴抽出および分類戦略を用いて比較されている。

実験結果

リサーチクエスチョン

• RQ1 LBPに基づく手法は、画像品質が低い状況でも、網膜動脈・静脈を効果的に分類できるか？
• RQ2 提案手法のLBP法は、既存の最先端のAV分類技術と比較して、精度および信頼性に優れているか？
• RQ3 テクスチャ特徴のみを用いる手法と比較して、テクスチャと形状特徴を統合することで、AV分類性能はどの程度向上するか？
• RQ4 本手法は、コントラストが低く、ノイズが多い画像を含む多様な画像品質条件においても、高い性能を維持できるか？

主な発見

• 提案されたLBPに基づく手法は、ベンチマークデータセットにおいて、既存の最先端手法に比べて優れた分類精度を達成した。
• LBPと形状特徴の統合により、特にコントラストが低く、品質が低い画像において性能が顕著に向上した。
• 本手法は、画像劣化に対して頑健であり、他の手法が失敗する状況でも高い精度を維持した。
• 本手法は計算効率が高く、シンプルで計算コストが低いため、リアルタイムの臨床応用に適している。
• 包括的な比較により、本手法が複数の代替的な特徴抽出および分類スキームを上回ることを確認した。