تشخیص و طبقه‌بندی منطقه خونریزی کننده در تصاویر WCE با استفاده از مشخصه رنگ

آندوسکوپی کپسول بی‌سیم (wce)یک تکنولوژی مدرن و کارآمد برای تشخیص کامل دستگاه گوارش (GIT)برای اختلالات مختلف است. به خاطر زمان ضبط طولانی WCE، مقدار زیادی از تصاویر به دست می‌آید، که برای تخصص بالینی بسیار خسته‌کننده است تا هر فریم از یک فیلم کامل را بازرسی کنند. در این مقاله، یک تکنیک مبتنی بر ویژگی رنگ خودکار مبتنی بر تشخیص خونریزی پیشنهاد شده‌است. در مورد خونریزی، رنگ یک ویژگی بسیار مهم برای استخراج اطلاعات موثر است. الگوریتم ما مبتنی بر آنالیز ویژگی رنگ آماری است و ما از ماشین بردار پشتیبان (SVM)استفاده می‌کنیم تا فریم های ویدیویی wce را در کلاس‌های خون ریزی و بدون خونریزی با پردازش سریع طبقه‌بندی کنیم. یک ارزیابی تجربی نشان می‌دهد که روش ما عملکرد تشخیص خون ریزی را با حساسیت و ویژگی بالاتر از روش‌های موجود نشان می‌دهد.

Wireless capsule endoscopy (WCE) is a modern and efficient technology to diagnose complete gastrointestinal tract (GIT) for various abnormalities. Due to long recording time of WCE, it acquires a huge amount of images, which is very tedious for clinical expertise to inspect each and every frame of a complete video footage. In this paper, an automated color feature based technique of bleeding detection is proposed. In case of bleeding, color is a very important feature for an efficient information extraction. Our algorithm is based on statistical color feature analysis and we use support vector machine (SVM) to classify WCE video frames into bleeding and non-bleeding classes with a high processing speed. An experimental evaluation shows that our method has promising bleeding detection performance with sensitivity and specificity higher than existing approaches.