文献

J-GLOBAL ID：201202209710840419   整理番号：12A0262855

超音波における非侵襲自動3D甲状腺病巣の分類:ThyroScan(M)システムのあるクラス

Non-invasive automated 3D thyroid lesion classification in ultrasound: A class of ThyroScan systems

著者 (7件)： RAJENDRA ACHARYA U. (Dep. of Electronics and Computer Engineering, Ngee Ann Polytechnic, 535 Clementi Road, Singapore 599489, SGP) ,  VINITHA SREE S. (Global Biomedical Technologies Inc., CA, USA) ,  MUTHU RAMA KRISHNAN M. (Dep. of Electronics and Computer Engineering, Ngee Ann Polytechnic, 535 Clementi Road, Singapore 599489, SGP) ,  MOLINARI Filippo (Biolab, Dep. of Electronics, Politecnico di Torino, Torino, ITA) ,  GARBEROGLIO Roberto (Scientific Foundation Mauriziana Onlus, Torino, ITA) ,  SURI Jasjit S. (Global Biomedical Technologies Inc., CA, USA) ,  SURI Jasjit S. (Biomedical Engineering Dep., Idaho State Univ. (Aff.), ID, USA)
資料名： Ultrasonics  (Ultrasonics)
巻： 52  号： 4  ページ： 508-520  発行年： 2012年04月 
JST資料番号： C0379B  ISSN： 0041-624X  CODEN： ULTRA3  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： 悪性腫瘍と良性腫瘍を客観的かつ正確に分類し,医師のセカンドオピニオンにもなり得る計算機支援診断手法を提案した。良性及び悪性結節のオフライン訓練用超音波画像テクスチャ特性の局所変化を特性化する特徴としてフラクタル次元(FD),局所二値パターン(LBP),Fourierスペクトル記述子及びをLawsテクスチャエネルギー(LTE)を抽出し,この特徴ベクトルを用いて7つの分類器,サポートベクトルマシン(SVM),ディシジョンツリー,Sugenoファジィ,Gauss混合モデル,動径基底確率的ニューラルネットワーク,ナイーブBayes分類器を構築した。次に,最大分類精度を与える特徴ベクトル分類器の組合せを用いてオンライン試験甲状腺超音波画像のクラスを予測した。10の良性結節と10の悪性結節を含むコントラスト強調超音波と3D高分解能超音波画像を用い,微細針吸引生検及び組織学結果を用いて悪性度を確認した。SVM又はファジィ分類器を結合したテクスチャ特徴の組合せは100%の精度を達成した。悪性/良性結節の診断に対し,FD,LBP4,LTEテクスチャ特徴を組合せた甲状腺悪性指数という統合指数を提案し,この指数は客観的に甲状腺病相の悪性/良性を鑑別できることを示した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *甲状腺腫瘍 ,  良性腫瘍 ,  *計算機診断 ,  自動分類 ,  超音波画像 ,  医用画像 ,  画像処理 ,  フラクタル次元 ,  ファジィ集合 ,  指数 ,  高分解能 ,  *鑑別診断 ,  腫瘍
準シソーラス用語： コントラスト強調 ,  テクスチャ ,  パターン ,  悪性腫瘍 ,  自動診断システム ,  特徴ベクトル ,  非侵襲

分類 (1件)： 腫ようの診断  (GE03020J)

タイトルに関連する用語 (7件)： 音波 ,  非侵襲 ,  3D ,  甲状腺 ,  病巣 ,  分類 ,  クラス