Undersökning av palpebral konjunktiva för bedömning av anemi med hjälp av bildbehandlingsmetoder

Undersökning av hemoglobinnivån i blodet är ett viktigt sätt att ställa diagnosen anemi, men det kräver blodprov och blodprov. Undersökning av färgfördelningen i palpebral konjunktiva är ett standardförfarande för anemidiagnostik, som inte kräver något blodprov. Men eftersom färguppfattningen inte alltid är enhetlig hos olika människor försöker vi efterlikna sättet att fysiskt undersöka palpebral konjunktiva för att upptäcka anemi, så att datorer automatiskt kan identifiera anemipatienter på ett konsoliderat sätt för en screeningprocess. I det här dokumentet föreslår vi två algoritmer för anemidiagnostik. Den första algoritmen är tänkt att vara enkel och snabb, medan den andra är mer sofistikerad och robust, vilket ger ett alternativ för olika tillämpningar. Den första algoritmen består av en enkel tvåstegsklassificator. I det första steget använder vi en tröskelbeslutsteknik som bygger på en egenskap som kallas high hue rate (HHR) (hämtad från HSI-färgrymden). I det andra steget föreslås en funktion som kallas pixelvärde i mitten (PVM) (hämtad från RGB-färgrymden), följt av användningen av en klassificerare med minsta avstånd baserad på Mahalanobis-avstånd. I den andra algoritmen tar vi hänsyn till 18 möjliga egenskaper, inklusive en nytillagd entropiegenskap, några förbättrade egenskaper från den första algoritmen och 13 egenskaper som föreslagits i ett tidigare arbete. Vi använder korrelation och enkel statistik för att välja ut tre relativt oberoende funktioner (entropi, binarisering av HHR och PVM av G-komponenten) för klassificering med hjälp av en stödvektormaskin eller ett artificiellt neuralt nätverk. Slutligen utvärderar vi de föreslagna algoritmernas klassificeringsprestanda i termer av känslighet, specificitet och Kappa-värde. De experimentella resultaten visar relativt goda resultat och bevisar att vårt försök är genomförbart, vilket kan uppmuntra till fler uppföljningsstudier i framtiden.