An ensemble classification of exudates in color fundus images using an evolutionary algorithm based optimal features selection.

Klasifikasi ansambel eksudat pada citra fundus berwarna menggunakan seleksi fitur optimal berbasis algoritma evolusioner.

Evrimsel algoritma tabanlı optimal özellik seçimi kullanılarak renkli fundus görüntülerindeki eksüdaların topluluk sınıflandırması.

Clicks: 420
ID: 61564
2019
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #9 of 15 articles by views in Microscopy research and technique

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Atomic recognition of the Exudates (EXs), the major symbol of diabetic retinopathy is essential for automated retinal images analysis. In this article, we proposed a novel machine learning technique for early detection and classification of EXs in color fundus images. The major challenge observed in the classification technique is the selection of optimal features to reduce computational time and space complexity and to provide a high degree of classification accuracy. To address these challenges, this article proposed an evolutionary algorithm based solution for optimal feature selection, which accelerates the classification process and reduces computational complexity. Similarly, three well-known classifiers that is, Naïve Bayes classifier, Support Vector Machine, and Artificial Neural Network are used for the classification of EXs. Moreover, an ensemble-based classifier is used for the selection of best classifier on the basis of majority voting technique. Experiments are performed on three well-known benchmark datasets and a real dataset developed at local Hospital. It has been observed that the proposed technique achieved an accuracy of 98% in the detection and classification of EXs in color fundus images.
Pengenalan atomik terhadap eksudat (EXs), yang merupakan tanda utama retinopati diabetik, sangat penting untuk analisis citra retina terotomatisasi. Dalam artikel ini, kami mengusulkan teknik pembelajaran mesin baru untuk deteksi dini dan klasifikasi EXs pada citra fundus berwarna. Tantangan utama yang teramati dalam teknik klasifikasi adalah pemilihan fitur optimal guna mengurangi kompleksitas waktu dan ruang komputasi serta menghasilkan tingkat akurasi klasifikasi yang tinggi. Untuk mengatasi tantangan tersebut, artikel ini mengusulkan solusi berbasis algoritma evolusioner untuk pemilihan fitur optimal, yang mempercepat proses klasifikasi dan mereduksi kompleksitas komputasi. Demikian pula, tiga pengklasifikasi terkemuka, yaitu pengklasifikasi Naïve Bayes, Support Vector Machine, dan Artificial Neural Network, digunakan untuk klasifikasi EXs. Selain itu, pengklasifikasi berbasis ansambel digunakan untuk pemilihan pengklasifikasi terbaik berdasarkan teknik *majority voting*. Eksperimen dilakukan pada tiga dataset tolok ukur yang terkenal dan satu dataset riil yang dikembangkan di rumah sakit setempat. Hasil pengamatan menunjukkan bahwa teknik yang diusulkan berhasil mencapai akurasi sebesar 98% dalam deteksi dan klasifikasi EXs pada citra fundus berwarna.
Diyabetik retinopatinin temel bir göstergesi olan eksüdaların (EX'ler) atomik düzeyde tanınması, otomatik retina görüntüsü analizi için elzemdir. Bu makalede, renkli fundus görüntülerinde EX'lerin erken tespiti ve sınıflandırılması amacıyla yeni bir makine öğrenimi tekniği önerilmiştir. Sınıflandırma tekniğinde karşılaşılan başlıca zorluk; hesaplama süresi ile alan karmaşıklığını azaltmak ve yüksek düzeyde sınıflandırma doğruluğu sağlamak için optimal özniteliklerin seçilmesidir. Bu zorlukların üstesinden gelmek adına bu çalışmada, sınıflandırma sürecini hızlandıran ve hesaplama karmaşıklığını azaltan, optimal öznitelik seçimine yönelik evrimsel algoritma tabanlı bir çözüm önerilmiştir. Benzer şekilde, EX'lerin sınıflandırılması için yaygın olarak bilinen üç sınıflandırıcı, yani Naïve Bayes sınıflandırıcısı, Destek Vektör Makinesi ve Yapay Sinir Ağı kullanılmıştır. Ayrıca, çoğunluk oylaması tekniği temelinde en iyi sınıflandırıcının seçilmesi amacıyla topluluk tabanlı (ensemble) bir sınıflandırıcıdan yararlanılmıştır. Deneyler, bilinen üç kıyaslama veri seti ve yerel bir hastanede geliştirilen gerçek bir veri seti üzerinde gerçekleştirilmiştir. Önerilen tekniğin, renkli fundus görüntülerinde EX'lerin tespiti ve sınıflandırılmasında %98'lik bir doğruluk oranına ulaştığı gözlemlenmiştir.
Reference Key
ullah2019anmicroscopy Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Ullah, Hidayat;Saba, Tanzila;Islam, Naveed;Abbas, Naveed;Rehman, Amjad;Mehmood, Zahid;Anjum, Adeel;
Journal Microscopy research and technique
Year 2019
DOI
10.1002/jemt.23178
URL
Keywords
Diabetic retinopathy macula exudates fovea optic disc

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.