[IEEE 2017年第十六届墨西哥国际人工智能会议(MICAI) - 墨西哥下加利福尼亚州恩塞纳达(2017.10.23-2017.10.28)] 2017年第十六届墨西哥国际人工智能会议(MICAI) - 糖尿病视网膜病变视网膜图像中硬性渗出的自动检测

1：实验设计与方法选择：

该方法包括图像预处理（缩放、颜色分量分析、对比度和亮度归一化）、硬性渗出物和视盘分割、特征提取与选择，以及使用多种模型（如SVM、决策树、Adaboost、神经网络）进行分类和结果验证。采用Adaboost算法进行颜色分量组合，特征选择涉及标量和向量选择方法。

2：样本选择与数据来源：

使用DIARETDB1公共数据库，包含89张RGB彩色眼底照片，其中37张显示轻微非增殖性糖尿病视网膜病变迹象，47张有渗出性病变，5张无糖尿病视网膜病变。硬性渗出物区域由专业医师标记。

3：实验设备与材料清单：

未提及具体硬件设备；软件工具包括用于图像缩放的双三次插值、中值滤波器、形态学操作，以及Python中的scikit-learn库和MatLab中的NetLab库用于分类。

4：实验步骤与操作流程：

步骤包括图像预处理（缩放、归一化）、分割（使用Adaboost Color算法、中值滤波、背景减除、阈值处理）、视盘检测（归一化、分割、特征提取、后处理）、特征提取（24个包括形状和颜色指标的特征）、特征选择（标量和向量方法）、分类（用60%的分割区域训练，剩余数据验证），以及使用准确率、特异性、敏感性、AUC等指标进行性能评估。

5：数据分析方法：

使用统计指标（准确率、特异性、敏感性、PPV、AUC、F-measure、GM、AGM）和10折交叉验证。特征选择采用Fisher判别比（FDR）和前向浮动选择（FFSS），并以类可分性准则J3为标准。