Programm & Abstracts                 "Innovationen in der Augenheilkunde"

Aktuelle Tagungsinformationen
   News and Updates

Anmeldung zur Tagung
   Registration
Hotelbuchung
   Hotel Registration
Grußwort
   Welcome address
Beteiligte Gesellschaften
   Societies involved
Eröffnung des Kongresses
   Opening Ceremony
Preise
   Awards
Wissenschaftliches Programm
   Scientific program
Posterpräsentationen
   Poster Presentation
Kurse
   Courses
Begleitende Veranstaltungen
   Collateral Events
Rahmenprogramm
   Social program
Jubiläumsparty
   Jubilee Party
DOG Information
   DOG Information
Allgemeine Informationen
   General Information
Autorenindex
   Index of Authors
Ausstellerliste
   Exhibitors
Sponsoren
   Sponsors
Teilnahmegebühren
   Registration fees
Impressum



DOG Homepage

Simulationsbasierte Analyse der automatisierten Klassifikation von HRT-Bildern

1Adler W., 2Hothorn T., 2Lausen B., 3Paulus D.,
1Friedrich-Alexander-Universität, Institut für Medizininformatik, Biometrie und, Epidemiologie (IMBE) (Erlangen)
2Friedrich-Alexander-Universität, Institut für Medizininformatik, Biometrie und Epidemiologie (IMBE) (Erlangen)
3Institut für Computervisualistik, Universität Koblenz-Landau (Koblenz)

Hintergrund: Es soll das Verfahren von Swindale et al. (2000) zur automatischen Klassifikation von Bildern des Heidelberg Retina Tomographen (HRT) unter Verwendung von simulierten Bildern evaluiert werden.
Methode: Voraussetzung für die medizinische Analyse von HRT-Bildern ist ein Umranden der Papille in den Bildern, was in der klinischen Praxis von Hand erfolgt. Swindale et al. (2000) schlagen eine automatisierte Klassifikation der HRT-Bilder durch die Approximation einer nichtlinearen Modellfunktion vor. Um die Güte dieser Methode bei der Klassifikation von gesunden und glaukomatösen Bildern zu evaluieren, verwenden wir ein spezielles Simulationsmodell. Wir vergleichen lineare Diskriminanzanalyse, Klassifikationsbäume, Bagging (Breiman, 1996) und Double-Bagging (Hothorn & Lausen, 2002). Die Methoden werden an Daten einer Fallkontrollstudie (Mardin et al., 2002) illustriert.
Ergebnisse: Bagging reduziert die Fehlerrate einer Klassifikation mittels der Parameter, die durch das Verfahren von Swindale gewonnen werden.
Schlussfolgerungen: Die Ergebnisse stellen einen wichtigen Bestandteil in der Entwicklung arztunabhängiger Screening-Verfahren dar.
Literatur: Breiman L (1996): Bagging Predictors. Machine Learning, 24(2), 123-140. Hothorn T, Lausen B (2002): Bagging combined classifiers. In: Proceedings of the 8th Conference of the International Federation of Classification Societies, July 16-19, 2002, Cracow, Poland, Springer, Heidelberg. Mardin CY, Hothorn T, Peters A, Jünemann AG, Michelson G, Lausen B (2002) : New Glaucoma classification method based on standard HRT parameters by bagging classification trees, submitted. Swindale NV, Stjepanovic G, Chin A and Mikelberg FS (2000): Automated analysis of normal and glaucomatous optic nerve head topography images. Investigative Ophthalmology and Visual Science, 41(7), 1730-1742.

Zurück/Back