Robust Feature for Transcranial Sonography Image Classification Using Rotation-Invariant Gabor Filter

Arkan Al-Zubaidi, Lei Chen, Johann Hagenah, Alfred Mertins

Abstract

Transcranial sonography is a new tool for the diagnosis of Parkinson's disease according to a distinct hyperechogenic pattern in the substantia nigra region. In order to reduce the influence of the image properties from different settings of ultrasound machine, we propose a robust feature extraction method using rotation-invariant Gabor filter bank. Except the general Gabor features, such as mean and standard deviation, we suggest to use the entropy of the filtered images for the TCS images classification. The performance of the Gabor features is evaluated by a feature selection method with the objective function of support vector machine classifier. The results show that the rotationinvariant Gabor filter is better than the conventional one, and the entropy is invariant to the intensity and the contrast changes.
OriginalspracheEnglisch
TitelBildverarbeitung für die Medizin 2013
Redakteure/-innenHans-Peter Meinzer, Thomas Martin Deserno, Heinz Handels, Thomas Tolxdorff
Seitenumfang6
ErscheinungsortBerlin, Heidelberg
Herausgeber (Verlag)Springer Berlin Heidelberg
Erscheinungsdatum20.02.2013
Seiten271-276
ISBN (Print)978-3-642-36479-2
ISBN (elektronisch)978-3-642-36480-8
DOIs
PublikationsstatusVeröffentlicht - 20.02.2013
VeranstaltungWorkshop on Bildverarbeitung fur die Medizin 2013 - Heidelberg, Deutschland
Dauer: 03.03.201305.03.2013

Fingerprint

Untersuchen Sie die Forschungsthemen von „Robust Feature for Transcranial Sonography Image Classification Using Rotation-Invariant Gabor Filter“. Zusammen bilden sie einen einzigartigen Fingerprint.

Zitieren