Examining palpebral conjunctiva for anemia assessment with image processing methods

Badanie poziomu hemoglobiny we krwi jest ważnym sposobem osiągnięcia diagnozy niedokrwistości, ale wymaga pobrania krwi i badania krwi. Badanie rozkładu kolorów spojówki powiekowej jest standardową procedurą diagnostyki niedokrwistości, która nie wymaga badania krwi. Jednakże, ponieważ percepcja kolorów nie zawsze jest spójna u różnych osób, próbujemy naśladować sposób fizycznego badania spojówki powiekowej w celu wykrycia anemii, tak aby komputery mogły automatycznie identyfikować pacjentów z anemią w sposób skonsolidowany w procesie badań przesiewowych. W niniejszej pracy proponujemy dwa algorytmy do diagnozowania niedokrwistości. Pierwszy algorytm ma być prosty i szybki, podczas gdy drugi ma być bardziej wyrafinowany i solidny, zapewniając opcję dla różnych zastosowań. Pierwszy algorytm składa się z prostego dwuetapowego klasyfikatora. W pierwszym etapie wykorzystujemy technikę progowania decyzji na podstawie cechy zwanej high hue rate (HHR) (wyodrębnionej z przestrzeni barw HSI). W drugim etapie proponowana jest cecha PVM (pixel value in the middle) (zaczerpnięta z przestrzeni barw RGB), a następnie zastosowanie klasyfikatora minimalnej odległości opartego na odległości Mahalanobisa. W drugim algorytmie rozważamy 18 możliwych cech, w tym nowo dodaną cechę entropii, kilka ulepszonych cech z pierwszego algorytmu oraz 13 cech zaproponowanych w poprzedniej pracy. Wykorzystujemy korelację i proste statystyki, aby wybrać 3 względnie niezależne cechy (entropia, binaryzacja HHR i PVM składowej G) do klasyfikacji przy użyciu maszyny wektorów wspierających lub sztucznej sieci neuronowej. Wreszcie, oceniamy wydajność klasyfikacyjną proponowanych algorytmów pod względem czułości, specyficzności i wartości Kappa. Wyniki eksperymentalne pokazują stosunkowo dobrą wydajność i dowodzą wykonalności naszej próby, co może zachęcić do dalszych badań w przyszłości.