Untersuchung der Lidbindehaut zur Anämiebeurteilung mit Bildverarbeitungsmethoden

Die Untersuchung des Hämoglobingehalts des Blutes ist ein wichtiger Weg zur Anämiediagnose, erfordert aber eine Blutentnahme und einen Bluttest. Die Untersuchung der Farbverteilung der Lidbindehaut ist ein Standardverfahren der Anämiediagnose, das keine Blutabnahme erfordert. Da jedoch die Farbwahrnehmung bei verschiedenen Menschen nicht immer einheitlich ist, versuchen wir, die Art und Weise der physischen Untersuchung der Lidbindehaut zur Erkennung von Anämie zu imitieren, so dass Computer Anämiepatienten automatisch in einer konsolidierten Weise für einen Screening-Prozess identifizieren können. In diesem Papier schlagen wir zwei Algorithmen für die Anämie-Diagnose vor. Der erste Algorithmus soll einfach und schnell sein, während der zweite Algorithmus anspruchsvoller und robuster ist und eine Option für verschiedene Anwendungen darstellt. Der erste Algorithmus besteht aus einem einfachen zweistufigen Klassifikator. In der ersten Stufe verwenden wir eine Schwellenwert-Entscheidungstechnik, die auf einem Merkmal namens High Hue Rate (HHR) basiert (das aus dem HSI-Farbraum extrahiert wird). In der zweiten Stufe wird ein Merkmal namens Pixelwert in der Mitte (PVM) (aus dem RGB-Farbraum) vorgeschlagen, gefolgt von der Verwendung eines Klassifikators mit minimalem Abstand, der auf dem Mahalanobis-Abstand basiert. Im zweiten Algorithmus berücksichtigen wir 18 mögliche Merkmale, darunter ein neu hinzugefügtes Entropie-Merkmal, einige verbesserte Merkmale aus dem ersten Algorithmus und 13 Merkmale, die in einer früheren Arbeit vorgeschlagen wurden. Wir verwenden Korrelationen und einfache Statistiken, um drei relativ unabhängige Merkmale (Entropie, Binarisierung der HHR und PVM der G-Komponente) für die Klassifizierung mit Hilfe einer Support-Vektor-Maschine oder eines künstlichen neuronalen Netzes auszuwählen. Abschließend wird die Klassifizierungsleistung der vorgeschlagenen Algorithmen in Bezug auf Sensitivität, Spezifität und Kappa-Wert bewertet. Die experimentellen Ergebnisse zeigen eine relativ gute Leistung und beweisen die Durchführbarkeit unseres Versuchs, was zu weiteren Folgeuntersuchungen in der Zukunft anregen könnte.