Integration of Valley Orientation Distribution for Polyp Region Identification in Colonoscopy

Abstract

Abstract. This work presents a region descriptor based on the integration of the information that the depth of valleys image provides. The depth of valleys image is based on the presence of intensity valleys around polyps due to the image acquisition. Our proposed description method consists of defining, for each point, a series of radial sectors around it and then accumulate the maxima of the depth of valleys image only if the orientation of the intensity valley coincides with the orientation of the sector above. We apply our descriptor to a prior segmentation of the images and we present promising results on polyp detection, outperforming another approach that also integrate depth of valleys information.

Avaliação De Aumento De Dados via Geração De Imagens Sintéticas Para Segmentação E Detecção De Pólipos Em Imagens De Colonoscopia Utilizando Aprendizado De Máquina

“…Por fim, cada estudo aplica um ou mais métodos particulares de caracterização de pólipos. Appearance of polyps boundaries [10][11][12] Estudos que abordam Curvature Analysis como [63,71,79] são baseados na análise de bordas dos elementos presentes nas imagens. Por exemplo, o uso da saída de um detector de bordas Canny para diferenciar as bordas nas paredes do intestino de bordas pertencentes a pólipos.…”

“…Por fim, para cada região são apresentados pontos em que há valores mais altos ao redor, indicando que estes pontos pertencem a um pólipo na imagem. O trabalho de Bernal et al [11] utiliza o método chamado VO-DOVA, que também está baseado em ridge and valley detection [86]. Neste, uma série de setores radiais são utilizados para determinar a orientação dos valleys na imagem, produzidos pelo processo de ridge and valley detection.…”

“…Pode-se observar que os estudos utilizam métricas em comum para verificar os resultados dos métodos propostos. Alguns dos autores selecionaram pelo menos a dupla de métricas precisão e revocação, que aparecem em 11 estudos [6,11,12,72,90,105,115,[134][135][136]150]. Destes apenas [12] e [11] não utilizaram métodos baseados em aprendizado de máquina.…”

“…Outra métrica bastante utilizada é acurácia 7 . Esta é aplicada em 9 estudos [1,3,11,64,68,83,90,92,148]. Os estudos [3,64,83,92] A revocação (ou sensibilidade) é uma métrica importante no contexto da detecção de pólipos pois é direcionada para redução de falsos negativos, i.e., quando o pólipo não é identificado pelo sistema.…”

“…Pogorelov et al [105] 21.592 Variadas Iakovidis et al [64] 21.500 320 x 240 Hwang et al [63] 8.621 N/A Alexandre et al [2] 4.620 40 x 40 Tajbakhsh et al [136] 4.500 N/A Tajbakhsh et al [134] 3.300 N/A Yuan et al [148] 2.522 N/A Ma et al [90] 1.936 500 x 500 Bae e Yoon [6] 1.642 500 x 574 Wang et al [144] 1.513 720 x 480 Bernal et al [10] 912 500 x 574; 384 x 288 Kang e Gwak. [72] 912 500 x 574; 384 x 288 Bernal et al [12] 300 500 x 574 Tajbakhsh et al [135] 300 500 x 574 Bernal et al [11] 300 N/A Iwahori et al [68] 128 1000 x 900 Agrahari et al [1] 87 1000 x 1000 Wang et al [145] 61 720 x 480 Li et al [83] 58 256 x 256 Krishnan et al [79] 6 N/A a validação foi realizada sobre um conjunto de imagens privadas, dificultando uma comparação direta com outros estudos.…”