La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Detection of pathologies in retina digital images an empirical mode decomposition approach

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Lahmiri, Salim (2011). Detection of pathologies in retina digital images an empirical mode decomposition approach. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

[thumbnail of LAHMIRI_Salim.pdf]
Prévisualisation
PDF
Télécharger (994kB) | Prévisualisation
[thumbnail of LAHMIRI_Salim-web.pdf]
Prévisualisation
PDF
Télécharger (700kB) | Prévisualisation

Résumé

Accurate automatic detection of pathologies in retina digital images offers a promising approach in clinicalapplications. This thesis employs the discrete wavelet transform (DWT) and empirical mode decomposition (EMD) to extract six statistical textural features from retina digital images. The statistical features are the mean, standard deviation, smoothness, third moment, uniformity, and entropy. The purpose is to classify normal and abnormal images. Five different pathologies are considered. They are Artery sheath (Coat’s disease), blot hemorrhage, retinal degeneration (circinates), age-related macular degeneration (drusens), and diabetic retinopathy (microaneurysms and exudates). Four classifiers are employed; including support vector machines (SVM), quadratic discriminant analysis (QDA), k-nearest neighbor algorithm (k-NN), and probabilistic neural networks (PNN). For each experiment, ten random folds are generated to perform cross-validation tests. In order to assess the performance of the classifiers, the average and standard deviation of the correct recognition rate, sensitivity and specificity are computed for each simulation. The experimental results highlight two main conclusions. First, they show the outstanding performance of EMD over DWT with all classifiers. Second, they demonstrate the superiority of the SVM classifier over QDA, k-NN, and PNN. Finally, principal component analysis (PCA) was employed to reduce the number of features in hope to improve the accuracy of classifiers. We find that there is no general and significant improvement of the performance, however. In sum, the EMD-SVM system provides a promising approach for the detection of pathologies in digital retina.

Résumé traduit

La détection automatique exacte des pathologies dans les images numériques de la rétine offre une approche prometteuse dans les applications cliniques. Cette étude emploie la technique de la transformée discrète en ondelette et la décomposition en modes empiriques pour extraire six caractéristiques statistiques de la texture de la rétine à partir d’images numériques. Les caractéristiques statistiques sont la moyenne, l'écart-type, l'aspect lisse, le troisième moment, l'uniformité et l'entropie. Le but est de classifier les images normales versus anormales. Cinq différentes pathologies sont considérées. Ils sont le fourreau d'Artère (la maladie de Manteau), tache d'hémorragie, la dégénérescence rétinienne (circinates), la dégénérescence maculaire liée à l'âge (drusens) et la rétinopathie diabétique (microanévrismes et exsudats). Quatre classificateurs sont employés; incluant des machines à supports de vecteur, l'analyse discriminant quadratique, le k plus proche voisin, et les réseaux neuronaux probabilistes. Pour chaque expérience, dix plis au hasard sont produits pour exécuter des épreuves de validation croisée. Pour évaluer la performance de chaque classificateur, la moyenne et l'écart-type du taux de reconnaissance correct, la sensibilité et la spécificité sont calculés pour chaque simulation. Les résultats expérimentaux font ressortir deux conclusions principales. D'abord, ils montrent la performance exceptionnelle des caractéristiques statistiques obtenues par la décomposition en modes empiriques (DME) quelque soit le classificateur. Deuxièmement, ils montrent la supériorité des machines à supports de vecteurs (MSV) par rapport à l'analyse discriminant quadratique, le k plus proche voisin, et les réseaux neuronaux probabilistes. Finalement, l’analyse en composante principale a été employée pour réduire le nombre de caractéristiques dans l'espoir d'améliorer l'exactitude des classificateurs. Nous constatons qu'il n'y a aucune amélioration générale et significative de la performance. En somme, le système DME-MSV fournit une approche prometteuse pour la détection de certaines pathologies dans la rétine à partir des images numériques médicales.

Type de document: Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires: "Thesis presented to École de technologie supérieure in partial fulfill[e]ment of the requirements for the degree of master of engineering". Bibliogr. : f. [83]-90.
Mots-clés libres: Rétine Maladies. Images numériques. Ondelettes. Hilbert-Huang, Transformation de. Classification Illustrations, images, etc., Discret, Transformée, Décomposition en modes empiriques, Pathologies.
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Gargour, Christian
Codirecteur:
Codirecteur
Gabrea, Gheorghe Marcel
Programme: Maîtrise en ingénierie > Génie
Date de dépôt: 14 mars 2012 14:32
Dernière modification: 23 févr. 2017 21:43
URI: https://espace.etsmtl.ca/id/eprint/961

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt