文献

J-GLOBAL ID：201702213073411842   整理番号：17A0242279

マルチカーネル学習を用いた免疫蛍光画像におけるHEp-2細胞の分類【Powered by NICT】

Classifying HEp-2 cells in immunofluorescence images using multiple kernel learning

著者 (4件)： Schaefer Gerald (Department of Computer Science, Loughborough University, U.K.) ,  Doshi Niraj P. (Department of Computer Science, Loughborough University, U.K.) ,  Korovin Iakov (Southern Federal University, Taganrog, Russia) ,  Shao Ying Zhu (Department of Computing and Mathematics, University of Derby, U.K.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SMC  ページ： 004466-004470  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 間接免疫蛍光(IIF)イメージングは,HEp-2細胞における抗核抗体を検出するための重要な技術であり,免疫系を含む自己免疫疾患と他の重要な病理学的条件の診断に用いた。,HEp-2細胞は異なるグループ,種々の自己免疫疾患についての意味を可能にし,に分類した。Tradditionally,この分類は,専門家により人手で実施される,は主観的であり,時間集中的である。本論文では,まず多次元LBP(MD LBP)ヒストグラムの形で局所二値パターン(LBP)テクスチャ特徴を抽出し,特徴空間をサンプリングすることにより生成されたサポートベクトルカーネルの多くを統合する分類への多重カーネル学習アプローチを採用したHEp-2細胞の分類のための効果的な方法を提示した。IC2012HEp-2コンテストのベンチマークデータセット上で提案アルゴリズムを評価し,著者らの用いてテクスチャ特徴は,HEp-2細胞の鑑別に有用であることを,著者らのマルチカーネル学習ベース分類アプローチは,単一のカーネル分類方式より優れていることを実証した。このアルゴリズムは競争に入ったことを全ての技術と人間エキスパートにより得られた競合結果に比べて優れた性能を提供することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ヒストグラム ,  *蛍光 ,  自己免疫病 ,  画像処理 ,  コンクール ,  病理学 ,  抗核抗体 ,  アルゴリズム ,  高次元
準シソーラス用語： *Kernel法 ,  特徴空間 ,  テクスチャ特徴 ,  *HEp2細胞 ,  *蛍光画像 ,  *マルチカーネル学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： マルチカーネル学習 ,  HEp-2細胞 ,  分類