Resumen

Este artículo presenta un método de modelo de saliencia visual basado en el aprendizaje para la detección de regiones de interés (RoIs) de edema macular diabético (DME) de diagnóstico en la imagen de la retina. El método introduce el proceso cognitivo de selección visual de regiones relevantes que surge durante el examen de imágenes de un oftalmólogo. Para registrar el proceso, recopilamos datos de seguimiento ocular de 10 oftalmólogos sobre 100 imágenes y utilizamos esta base de datos como ejemplos de entrenamiento y prueba. A partir del análisis, se pueden derivar dos propiedades (la propiedad de la característica y la propiedad de la posición) y combinarlas mediante una sencilla operación de intersección para obtener un mapa de saliencia. La propiedad de características se implementa mediante la técnica de máquina de vectores de apoyo (SVM) utilizando el diagnóstico como supervisor; la propiedad de posición se implementa mediante el análisis estadístico de las muestras de entrenamiento. Esta técnica es capaz de aprender las preferencias del comportamiento visual de los oftalmólogos al tiempo que considera la unicidad de las características. El método se evaluó utilizando tres puntuaciones populares de evaluación de modelos de saliencia (AUC, EMD y SS) y tres medidas de calidad (sensibilidad clásica, especificidad y el estadístico J de Youden). El método propuesto supera a 8 modelos de saliencia de última generación y a 3 enfoques de detección de regiones salientes concebidos para imágenes naturales. Además, nuestro modelo detecta con éxito los RoIs del DME en la imagen de la retina sin necesidad de un sofisticado procesamiento de la imagen, como la segmentación de la región.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:propiedad de las características, propiedad de la posición, imagen de la retina, edema macular diabético, procesamiento sofisticado de imágenes, operaciones de intersección simples, máquina de vectores de apoyo, puntuación de evaluación del modelo, saliencia visual basada, análisis de la formación
• Keywords:features property, position property, retinal image, diabetic macular edema, sophisticated image processing, simple intersection operations, support vector machine, model evaluation score, based visual saliency, analysis of training