アンサンブル学習と分類器のカスケード化に基づく眼底画像からの血管抽出

摘要

本論文では，アンサンブル学習に基づく眼底画像からの血管抽出アルゴリズムを提案する．ここでアンサンブル学習とは，教師あり学習を行うための機械学習アルゴリズムの一種であり，多数の弱分類器を重み付き線形和により組み合わせ，一つの強分類器を生成する．提案手法の特徴は，血管全体と細い血管に注目した2つの強分類器による血管抽出結果を組合わせた点と，そこで見落とした血管について集中的に学習した二段目の強分類器によるカスケード処理である．本報告では，提案手法の性能をDRIVEデータベースを用いて評価し，他の手法の性能と比較して有効性を示す．