文献

J-GLOBAL ID：201002218020359054   整理番号：10A0367403

特徴選択を用いたAdaBoostアルゴリズムに基づくアンサンブル分類器を用いた超音波画像における乳房腫瘍の識別

Discrimination of Breast Tumors in Ultrasonic Images Using an Ensemble Classifier Based on the AdaBoost Algorithm With Feature Selection

著者 (3件)： TAKEMURA Atsushi (Tokyo Univ. Agriculture and Technol., Tokyo, JPN) ,  SHIMIZU Akinobu (Tokyo Univ. Agriculture and Technol., Tokyo, JPN) ,  HAMAMOTO Kazuhiko (Tokai Univ., Kanagawa, JPN)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 29  号： 3  ページ： 598-609  発行年： 2010年03月 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
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： 乳房腫瘍の早期検出と治療は患者の生存率の改善に重要で,超音波イメージングに基づく医学検査が不可欠である。ここでは腫瘍が良性か悪性かを分類するアルゴリズムを提案した。医師による診断観察のすべてに対応する208の特徴に基づいた識別アルゴリズムを示した。さらに対数圧縮K分布のパラメータにより定義した特徴群を提案した。このパラメータの長所は,エコーパターンの均質性を定量化できることである。ここでは単純K分布を詳しく検討し,対数圧縮器のシステムパラメータなしで対数圧縮K分布のパラメータを推定する方法を提案した。分類過程において,AdaBoost.M2を用いて分類器を訓練した。分類器の性能を高めるために,AdaBoost.M2に特徴選択戦略を導入した。この方法の性能評価のために,200の癌腫,50の線維腺腫と50の嚢胞を用いて10分割(10-fold)交差検証を行い,サポートベクトルマシンなどの他の分類器との比較を報告した。

シソーラス用語： *乳房腫瘍 ,  *超音波画像 ,  医用画像 ,  特徴選択 ,  学習アルゴリズム ,  特徴抽出 ,  確率分布 ,  パラメータ推定 ,  *パターン分類 ,  分類装置 ,  性能評価 ,  交差検証法 ,  サポートベクトルマシン
準シソーラス用語： AdaBoost ,  K分布

分類 (2件)： 医用画像処理  (JE04020T) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (6件)： 特徴選択 ,  AdaBoostアルゴリズム ,  アンサンブル分類器 ,  音波画像 ,  乳房腫瘍 ,  識別