首页> 外文期刊>Informatica >The Empirical Mode Decomposition and the Discrete Wavelet Transform for Detection of Human Cataract in Ultrasound Signals
【24h】

The Empirical Mode Decomposition and the Discrete Wavelet Transform for Detection of Human Cataract in Ultrasound Signals

机译:经验模态分解和离散小波变换在超声信号中人眼白内障检测中的应用

获取原文
获取原文并翻译 | 示例
       

摘要

Straipsnyje pristatoma nauja metodika, skirta kataraktos automatiniam atpažinimui, ir pagrįsta ultragarsinių signalų skaitmeniniu apdorojimu. Pristatoma metodika naudoja modernų empirinio modų išskyrimo metodą specifinių signalo savybių išryškinimui bei signalo ir triukšmo santykio pagerinimui, o taip pat sprendimo priėmimo taisykles, naudojant ir signalui adaptyvių slenksčių skaičiavimą. Pateikiama metodika teisingai klasifikavo 70% sveikų žmonių signalų (iš 66 signalo), bei 82% (iš 61), 97% (iš 56), 100% (iš 20) įvairaus laipsnio kataraktos atvejų. Ši metodika taip pat buvo realizuota naudojant diskretinę vilnelių transformaciją palyginimui. Šiuo atveju buvo gauti blogesni rezultatai, dėl riboto vilnelių transformacijos adaptyvumo. Gautas tikslumas įgalina naudoti automatinį kataraktos požymių atpažinimo metodą klinikinėje praktikoje, kaip „antrąją nuomonę".%This paper presents a new approach for human cataract automatical detection based on ultrasound signal processing. Two signal decomposition techniques, empirical mode decomposition and discrete wavelet transform are used in the presented method. Performance comparison of these two decomposition methods when applied to this specific ultrasound signal is given. Described method includes ultrasonic signal decomposition to enhance signal specific features and increase signal to noise ratio with the following decision rules based on adaptive thresholding. The resulting detection performance of the proposed method using empirical mode decomposition was better to compare to discrete wavelet transform and resulted in,70% correctly identified "healthy subject" cases and 82%, 97% and 100% correctly identified "cataract cases" in the incipience, immature and mature cataract subject groups, respectively. Discussion is given on the reasons of different results and the differences between the two used signal decomposition techniques.
机译:本文提出了一种基于超声信号数字处理的自动白内障识别新方法。所提出的方法使用现代的经验模式分离方法来突出显示特定的信号属性并提高信噪比,以及使用信号自适应阈值的计算制定决策规则。提出的方法正确地将70%的健康人信号(66个信号中),82%(61个信号中),97%(56个信号中),100%(20个中度)白内障病例进行了正确分类。还使用离散波形变换进行比较来实现此方法。在这种情况下,由于小波变换的适应性有限,因此获得的结果较差。由此产生的准确性使得能够在临床实践中使用自动识别白内障迹象的自动方法作为“第二意见”。%本文提出了一种基于超声信号处理的人类白内障自动检测新方法。给出了将这两种分解方法应用于特定超声信号时的性能比较。所描述的方法包括超声信号分解,以增强信号的特定特征并通过以下基于自适应阈值的决策规则来提高信噪比。所提出的使用经验模式分解的方法的检测性能与离散小波变换相比更好,并且在初始阶段正确识别出70%的“健康受试者”病例以及82%,97%和100%正确识别的“白内障病例” ,未成熟和成熟的催化剂锻炼对象组。讨论了产生不同结果的原因以及两种使用的信号分解技术之间的差异。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号