文献

J-GLOBAL ID：201502282655252791   整理番号：15A0375285

病理組織診断脳腫瘍分類のための,フラクタルモデル設計に基づく多解像度臨床意思決定支援システム

A multiresolution clinical decision support system based on fractal model design for classification of histological brain tumours

著者 (2件)： AL-KADI Omar S. (Inst. of Biomedical Engineering, Univ. of Oxford, OX3 7DQ, GBR) ,  AL-KADI Omar S. (King Abdullah II School for Information Technol., Univ. of Jordan, Amman 11942, Jordan)
資料名： Computerized Medical Imaging and Graphics  (Computerized Medical Imaging and Graphics)
巻： 41  ページ： 67-79  発行年： 2015年04月 
JST資料番号： T0220A  ISSN： 0895-6111  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 組織テクスチャはヘテロジニアスまたは非定常特性を示すことが知られている;従って,最適分類のためには単一の解法によるアプローチを用いることは十分ではない。脳膜腫病理組織診断画像分類の最善ベース選択のためのサブバンドテクスチャフラクタル特性を活用する臨床意思決定支援システムを提案した。各サブバンドはエネルギーに代えて,そのフラクタル次元を用いて分析される。これは,画像輝度や組織テクスチャの突然の変化に対して感受性が低いという利点を有する。テクスチャ不連続性を最善に特定できる最も重要なサブバンドが次の分割のために選択される。そのフラクタル特性は分類のための最適特徴ベクトルを表わす。サポートベクトルマシン(SVM),ベイズ分類器,k最近傍(kNN)分類器を用いて性能を評価し,患者1人を残す方法でもって検証した。提案手法は古典的エネルギーベース選択アプローチを凌駕し,共起行列に対する86.31%,83.19%,51.63%,そして,エネルギーテクスチャシグネチャに対する76.01%,73.50%,50.69%と比較して,SVM,ベイズ分類器,kNN分類器に対して全体分類精度94.12%,92.50%,79.70%をそれぞれ達成した。これら結果は,高階統計的テクスチャ情報を識別するのに,放射線医の診断能力を補完できる意思決定支援システムとしての有用性の可能性を示すものである;それは通常の人間の視覚では困難である。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *組織診 ,  *サポートベクトルマシン ,  臨床医学 ,  *意思決定支援システム ,  脳腫瘍 ,  自動分類 ,  フラクタル ,  フラクタル次元 ,  分解能 ,  髄膜腫 ,  サブバンド符号化 ,  分類装置 ,  Bayes推定 ,  クラスタ分析 ,  予測技法 ,  パターン認識 ,  統計データ ,  放射線医学
準シソーラス用語： Bayes分類器 ,  k最近接法 ,  フラクタル解析 ,  フラクタル幾何構造 ,  フラクタル形状 ,  共起行列 ,  多解像度 ,  脳膜腫 ,  *病理組織診断 ,  臨床マネジメント ,  *臨床意思決定支援システム

分類 (3件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z) ,  臨床診断学  (GC03003G)

タイトルに関連する用語 (6件)： 病理組織診断 ,  脳腫瘍 ,  分類 ,  設計 ,  多解像度 ,  臨床意思決定支援システム