In this paper we present novel approaches for the computer aided diagnosis of leukoplakia on the vocal folds based on video endoscopic images of the larynx. The approaches applied for the classification of the vocal fold surface tissue are texture analysis methods, which have been enhanced to use spatial information as well as color information in one combined color texture approach. The multispectral approaches used are based on sumand difference histograms as well as statistical geometrical features. These novel features are applied on manually segmented and preclassified regions and subregions of the vocal folds. It can be shown that the use of these combined color and texture features is dominant to approaches, which make solely use of either color or texture features. 1 Motivation and Problem Definition Leukoplakia as premalignant lesion of the larynx can be regarded as a patchy buildup of tissue on the true vocal folds which has a leathery, white, inhomogeneous ’crusty’ appearance. These lesions can be isolated or bilateral, and are mostly asymmetrical regarding appearance and effect. With leukoplakia, a keratinizing cell layer develops as a whitish plaque on the surface of the vocal fold. As this layer enlarges, it may distort the glottal wave. As a result the voice becomes hoarse, and persistent coughing and throat clearing may follow. This abnormal mass on the vocal folds must be treated as a precancerous lesion, in the majority of cases in males who often have a long history of smoking and alcohol consumption [8, 3]. To detect laryngeal leukoplakia as early as possible, an examination using video-laryngoscopy and video-stroboscopy is highly recommended. Since the differential diagnosis of a leukoplakia versus carcinoma or chronic hyperplastic laryngitis can often be difficult, to the phoniatrician or ENT-specialist an objetive computer aided ’second opinion’ about the lesions in the video-stroboscopy images might be very useful. 1ENT= ’Ear Nose Throat’

Dieser Beitrag beschreibt die Segmentierung von Zellen aus zervikalen Abstrichen. Als Bildmaterial werden von einem Mikroskop aufgenommene, hochauflösende, registrierte Bildpaare verwendet, die jeweils aus einem Durchlichtbild und einem Fluoreszenzbild bestehen. Die Segmentierung der Zellplasmen erfolgt im Durchlichtbild, die der Zellkerne im Fluoreszenzbild, wobei jeweils histogrammbasierte Verfahren eingesetzt werden. Es werden sowohl einzeln liegende Zellen als auch sich überlappende Zellen segmentiert. Diese Zellaggregate werden anschließend getrennt, um jeweils einen einzelnen Zellkern mit seinem dazugehörigen Zellplasma zu erhalten. Während dieser Trennung werden die Überlappungen der verschiedenen Zellplasmen lokalisiert und berücksichtigt.

Kommt es bei einer Klassifikation auf die Verarbeitungsgeschwindigkeit an, so wird in der Regel der Polynom- gegenüber dem kNN-Klassifikator bevorzugt. Die Eigenschaft, den für die Klassifikation verantwortlichen Datensatz zu identifizieren, geht bei dem Polynomklassifikator und anderen Verfahren, wie etwa neuronalen Netzen, verloren. Die Nachvollziehbarkeit spielt aber gerade in medizinischen Anwendungen eine wichtige Rolle. Dieser Beitrag stellt einen neuen Ansatz vor, mit dem die Eigenschaften beider Klassifikatoren, die Nachvollziehbarkeit und die hohe Verarbeitungsgeschwindigkeit, kombiniert werden können. Das Verfahren beruht auf einer linearen Approximation des Sammon-Mappings. Der praktische Einsatz anhand des automatischen Zervix-Screenings zeigt die Nutzbarkeit des vorgestellten Verfahrens.

In diesem Beitrag stellen wir zwei neue Verfahren zur Farbtexturklassifikation in endoskopischen Bildern vor. Diese multispektralen Texturmerkmale basieren auf Summen- und Differenzhistogrammen sowie Statistischen Geometrischen Merkmalen. Die Anwendbarkeit dieser Farbtexturmerkmale zur automatischen Klassifikation von hochaufgelösten Bildern der Schleimhaut des Osophagus wird nachgewiesen. Es zeigt sich, dass durch die Verwendung dieser kombinierten Farbtexturmerkmale signifikante Klassifikationsverbesserungen erzielt werden können.

In this paper we present a new approach for color texture classification which extends the gray level sum- and difference histogram features [8]. Intra- and inter-plane second order features capture the spatial correlations between color bands. A powerful set of features is obtained by non-linear color space conversion to HSV and thresholding operation to eliminate the influence of sensor noise on color information. We present an evaluation of classification performance using four different image sets.