26、医学图像检测与分类算法的创新研究

医学图像检测与分类算法的创新研究

多数投票方案在医学图像检测中的推广

糖尿病视网膜病变（DR）可能引发进行性眼病，甚至导致失明。在视网膜图像自动分级中，确定主要解剖特征（如视盘和黄斑）的准确位置是关键的第一步。视盘可视为圆形的明亮区域，黄斑中心的中央凹负责最清晰的视觉，这些特征的位置在临床诊断中起着重要作用。

为了提高视盘（OD）检测的准确性，研究人员提出了一种基于多数投票方案推广的方法。具体操作步骤如下：
1. 算法输出处理 ：所有OD检测算法都将视盘中心作为单个像素返回。研究人员将每个检测器的视盘中心输出进行组合。
2. 候选子集分析 ：考虑所有候选子集的最小边界圆，这些圆的半径必须小于或等于临床预先确定的视盘半径。
3. 视盘定位 ：选择包含最多候选点的圆作为视盘的位置。

通过实验发现，选择具有互补优势的不同方法来组合检测器，可以显著提高系统的整体性能。与传统的多数投票系统不同，即使检测视盘正确的算法数量少于总算法数量的一半，该系统也能做出较好的决策。只有当一组错误候选点的数量多于正确候选点，并且这些错误候选点可以被一个合适半径的圆包围时，才会做出错误的决策。

多数投票与推广理论

• 经典多数投票 ：设 $D = (D_1, D_2, \ldots, D_n)$ 是一组分类器，$D_i : R^k \to \Omega$（$i = 1, \ldots, n$），其中 $\Omega = (\omega_1, \omega_2, \ldots,