文献

J-GLOBAL ID：201702216820182173   整理番号：17A0369064

局所特徴と誘導形状変形に基づく重複子宮頚部塗抹細胞の自動セグメンテーション【Powered by NICT】

Automatic segmentation of overlapping cervical smear cells based on local distinctive features and guided shape deformation

著者 (11件)： Tareef Afaf (Biomedical and Multimedia Information Technology (BMIT) Research Group, School of Information Technologies, University of Sydney, Australia) ,  Song Yang (Biomedical and Multimedia Information Technology (BMIT) Research Group, School of Information Technologies, University of Sydney, Australia) ,  Cai Weidong (Biomedical and Multimedia Information Technology (BMIT) Research Group, School of Information Technologies, University of Sydney, Australia) ,  Huang Heng (Department of Computer Science and Engineering, University of Texas, Arlington, USA) ,  Chang Hang (Life Sciences Division, Lawrence Berkeley National Laboratory, USA) ,  Wang Yue (Bradley Department of Electrical and Computer Engineering, Virginia Polytechnic Institute and State University, USA) ,  Fulham Michael (Department of PET and Nuclear Medicine, Royal Prince Alfred Hospital, Australia) ,  Fulham Michael (Sydney Medical School, University of Sydney, Australia) ,  Feng Dagan (Biomedical and Multimedia Information Technology (BMIT) Research Group, School of Information Technologies, University of Sydney, Australia) ,  Chen Mei (Department of Informatics, University of Albany State University of New York) ,  Chen Mei (Robotics Institute, Carnegie Mellon University, USA)
資料名： Neurocomputing  (Neurocomputing)
巻： 221  ページ： 94-107  発行年： 2017年 
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： 子宮頚部塗抹標本からの細胞の自動セグメンテーションは,雑音のある複雑な背景,貧弱な細胞質コントラストとファジィと重複細胞の存在のため,生物医学画像解析への大きな課題となっている。本論文では,弁別的な局所特徴と誘導スパース形状変形に基づいた,頸部細胞のクラスタにおける核と細胞質の自動セグメンテーション法を提案した。著者らの提案した手法は二段階:核と細胞クラスタのセグメンテーション,と細胞質重複のセグメンテーションを行った。第一段階では,画像スーパピクセルの局所識別形状および外見手がかりのセットは核,細胞クラスタ,背景の中に画像を分割するためのサポートベクトルマシン(SVM)により取り込まれ,分類される。第二段階では,スパース符号化(SC)理論に基づいており,代表的な形状特徴により誘導された,各重複細胞の細胞質形状を構築するために提案したロバストな形状変形フレームワーク。,得られた形状は距離正則化レベル集合の発展(DRLSE)モデルにより精密化した。ISBI2014挑戦データセット,合計810細胞の135合成細胞画像を用いて提案アプローチを評価した。著者らの結果は,筆者らのアプローチが重なった細胞をセグメント化し,正確な核境界を得るために既存のアプローチより優れていることを示した。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： 画像 ,  コントラスト ,  ロバスト性 ,  透視図法 ,  サポートベクトルマシン ,  曖昧さ ,  正則化 ,  特徴抽出 ,  画像分析 ,  *セグメンテーション ,  細胞質
準シソーラス用語： レベルセット法 ,  *自動セグメンテーション ,  *形状変形 ,  *局所特徴 , 【Automatic Indexing@JST】

著者キーワード (5件)： 重複子宮頚部塗抹細胞 ,  特徴抽出 ,  スパース符号化 ,  形状変形 ,  距離正則化レベル集合

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 局所特徴 ,  誘導 ,  形状変形 ,  子宮頚部 ,  細胞 ,  自動セグメンテーション