Технология интеллектуального отбора признаков для системы автоматического формирования плана коагулятов на сетчатке глаза

Abstract

В работе предложена технология отбора эффективных признаков для локализации индивидуальных особенностей анатомических и патологических структур на глазном дне человека. Она позволила провести интеллектуальный анализ признаков с использованием цветовых подпространств для решения задачи выделения областей интереса. Данная задача является актуальной для повышения эффективности проведения операции лазерной коагуляции. В основу технологии положен текстурный анализ определённых паттернов изображений. Исходные текстурные признаки производятся из разных статистических дескрипторов изображений, вычисленных с использованием библиотеки MaZda (гистограмма изображения, градиент изображения, матрицы длины серий и смежности). Анализ информативности пространства признаков и выбор наиболее эффективных осуществляется с использованием дискриминантного анализа данных. Определены наилучшие значения размеров окна фрагментации изображений для проведения кластеризации глазного дна и наборы признаков, обеспечивающих необходимую точность идентификации областей интереса при анализе следующих 4 классов изображений: экссудаты, толстые сосуды, тонкие сосуды и здоровые участки. В технологии отбора признаков применялась кластеризация с использованием метода К-средних, а в качестве меры сходства использовалось расстояние Евклида и Махаланобиса. Необходимый минимальный размер окна фрагментации и мера сходства выбирались из критерия минимума ошибки кластеризации среди всех наименьших размеров окон. Наилучшие результаты продемонстрировало использование 6 признаков, сформированных попарным отбором с поворотом и применением расстояния Махаланобиса, и окна фрагментации размером 12. В статье представлена также система автоматического формирования плана коагулятов, которую планируется использовать для поддержки принятия решений при проведении операции лазерной коагуляции сетчатки при лечении диабетического макулярного отёка, разрабатываемая на основе предложенной технологии. The paper proposes a technology for effective feature selection to localize individual characteristics of anatomical and pathological structures in the human eye fundus. Such an approach allows the intellectual analysis of features to be conducted using color subspaces and the regions of interest to be identified. This problem is relevant because in this way the efficiency of laser coagulation surgery can be improved. The technology is based on the texture analysis of certain image patterns. The initial textural attributes are derived from different statistical image descriptors calculated using the MaZda library (image histogram, image gradient, series length and adjacency matrices). The analysis of the feature space informativity and selection of the most effective features are carried out using the discriminant data analysis. The best-size image fragmentation windows for eye fundus clustering and sets of features that provide the necessary accuracy in identifying the regions of interest were derived via analyzing the following four image classes: exudates, thick vessels, thin vessels, and healthy areas. The feature selection technology was based on clustering using a K-means method, with the Euclidean and Mahalanobis distance used as a similarity measure. The required minimum size of the fragmentation window and the similarity measure were chosen from a criterion of the minimum clustering error among all the smallest window sizes. The article also presents a system for automatically forming a coagulate plan, expected to be used to support the decision-making during laser retinal coagulation surgery in the treatment of diabetic macular edema. This system is currently being developed based on the proposed technology.