结合PCANet与线性判别分析的视网膜光学相干断层扫描图像分类
目的 主成分分析网络(PCANet)能提取图像的纹理特征,线性判别分析(LDA)提取的特征有类别区分性.本文结合这两种方法的优点,提出一种带线性判别分析的主成分分析网络(PCANet-LDA),用于视网膜光学相干断层扫描(OCT)图像中的老年性黄斑变性(AMD)、糖尿病性黄斑水肿(DME)及正常(NOR)这3类的全自动分类.方法 PCANet-LDA算法是在PCANet的基础上添加了LDA监督层,该层加入了类标签对特征进行监督投影.首先,对OCT视网膜图像进行去噪、二值化及对齐裁剪等一系列预处理,获得感兴趣的视网膜区域;然后,将预处理图像送入一个两层的PCA卷积层,训练PCA滤波器组并提取图像的PCA特征;接着,将PCA特征送入一个非线性输出层,通过二值散列和块直方图等处理,得到图像的特征;之后,将带有类标签的图像特征送入一个LDA监督层,学习LDA矩阵并用其对图像特征进行投影,使特征具有类别区分性;最后,将投影的特征送入线性支持向量机(SVM)中对分类器进行训练和分类.结果 实验分别在医院临床数据集和杜克数据集上进行,先对OCT图像预处理进行前后对比实验,然后对PCANet特征提取的有效性进行分析,最后对PCANet算法、ScSPM算法以及提出的PCANet-LDA3种分类算法的分类效果进行对比实验.在临床数据集上,PCANet-LDA算法的总体分类正确率为97.20％,高出PCANet算法3.77％,且略优于ScSPM算法;在杜克数据集上,PCANet-LDA算法的总体分类正确率为99.52％,高出PCANet算法1.64％,略优于ScSPM算法.结论 PCANet-LDA算法的分类正确率明显高于PCA-Net,且优于目前用于2D视网膜OCT图像分类的先进的ScSPM算法.因此,提出的PCANet-LDA算法在视网膜OCT图像的分类上是有效且先进的,可作为视网膜OCT图像分类的基准算法.
光学相干断层扫描、年龄相关性黄斑变性、糖尿病性黄斑水肿、主成分分析网络、线性判别分析、图像分类、半监督学习
24
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61671272;广东省大数据分析与处理重点实验室开放基金项目201803
2019-02-27（万方平台首次上网日期，不代表论文的发表时间）
共9页
115-123
