Classification of SD-OCT volumes with multi pyramids, LBP and HOG descriptors: application to DME detections

Khaled Alsaih 1 Guillaume Lemaître 1 Joan Massich Vall 1 Mojdeh Rastgoo 1 Désiré Sidibé 1 Tien Y Wong 2 Ecosse Lamoureux 2 Dan Milea 2 Carol Y. Cheung 2 Fabrice Mériaudeau 1
1 Le2i - Laboratoire Electronique, Informatique et Image [UMR6303]
2 Singapore Eye Research Institute, Singapore National Eye Centre
Abstract : This paper deals with the automated detection of DME on OCT volumes. Our method considers a generic classification pipeline with preprocessing for noise removal and flattening of each B-Scan. Features such as HoG and LBP are extracted and combined to create a set of different feature vectors which are fed to a linear-SVM classifier. Experimental results show a promising sensitivity/specificity of 0.75/0.87 on a challenging dataset.
Type de document :
Communication dans un congrès
38th IEEE Engineering in Medicine and Biology Society (EMBC), Aug 2016, Orlando, United States
Liste complète des métadonnées

Littérature citée [19 références]  Voir  Masquer  Télécharger
https://hal-univ-bourgogne.archives-ouvertes.fr/hal-01320212
Contributeur : Guillaume Lemaitre <>
Soumis le : mardi 24 mai 2016 - 16:21:57
Dernière modification le : mercredi 12 septembre 2018 - 01:26:50
Document(s) archivé(s) le : jeudi 25 août 2016 - 10:19:39

Fichier

main(4).pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01320212, version 1

Collections

UNIV-BOURGOGNE | LE2I | ICB | UNIV-HESAM

Citation

Khaled Alsaih, Guillaume Lemaître, Joan Massich Vall, Mojdeh Rastgoo, Désiré Sidibé, et al.. Classification of SD-OCT volumes with multi pyramids, LBP and HOG descriptors: application to DME detections. 38th IEEE Engineering in Medicine and Biology Society (EMBC), Aug 2016, Orlando, United States. 〈hal-01320212〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

242

Téléchargements de fichiers

245

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD