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.