文献

J-GLOBAL ID：201702255497843986   整理番号：17A0311090

乳房腫瘤分類のための深い特徴に基づくフレームワーク【Powered by NICT】

A deep feature based framework for breast masses classification

著者 (4件)： Jiao Zhicheng (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Gao Xinbo (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Wang Ying (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Li Jie (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 197  ページ： 221-231  発行年： 2016年07月12日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 質量の特性分類は乳癌の診断に重要な重要な役割を果たしている。既存の計算機は,実際の診断プロセスのシミュレーションで良好ではない低レベルまたは中間レベル特徴から多くの利益のために使用診断(CAD)法を,分類性能を改善するのに困難を加えた。本論文では,乳房腫瘤分類タスクのための深い特徴に基づくフレームワークを設計した。は主に畳込みニューラルネットワーク(CNN)と意思決定機構を含んでいる。原画像から訓練されたCNNにより自動抽出された強度情報と深い特徴を組み合わせて,提案した方法は,医師と達成された最新の性能により運用されている診断手順をより良くシミュレートできた。このフレームワークでは,質量画像により残された医師の大域的および局所的印象は高レベルと中間レベル特徴と呼ばれる二つの異なる層から抽出された深い特徴により表現した。一方,原画像は乳房腫瘤の詳細な記述と考えられた。,上記の特徴に基づく分類子は,試験画像のクラスを予測するために組み合わせて使用した。また異なる特徴に基づく分類器の結果は,テスト画像を定量するための共同で分析した。二種類特徴可視化法の助けを借りて,異なる層から抽出された深い特徴は分類性能と診断シミュレーションに有効で説明した。さらに,提案手法では,DDSMデータセットに適用し,二客観的評価尺度の下での高精度を達成した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 畳込み ,  可視化 ,  ニューラルネットワーク ,  医師 ,  乳房腫瘍 ,  シミュレーション ,  意思決定 ,  計算機診断 ,  計算機械 ,  *画像
準シソーラス用語： 高精度 ,  客観評価 ,  分類子 ,  自動抽出 ,  *乳房腫瘤 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深い学習 ,  畳込みニューラルネットワーク ,  乳房腫瘤分類 ,  コンピュータ支援診断 ,  特徴可視化

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 乳房腫瘤 ,  分類 ,  フレームワーク