文献
J-GLOBAL ID:201702216241471537   整理番号:17A1428229

自動化された病理学的脳検出システム:高速離散カーブレット変換と確率的ニューラルネットワークに基づくアプローチ【Powered by NICT】

Automated pathological brain detection system: A fast discrete curvelet transform and probabilistic neural network based approach
著者 (4件):
資料名:
巻: 88  ページ: 152-164  発行年: 2017年 
JST資料番号: W0178A  ISSN: 0957-4174  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
コンピュータ支援診断(CAD)システムは定性的および速い臨床意思決定に到達するためには研究者の関心を集め,研究の最も重要な方向の一つとなっている。本論文では,脳MR画像を用いた病理学的および健康な脳を分類するための効率的なCADシステムを提案した。示唆された病理学的脳検出システム(PBDS)は,放射線科医が初期段階で病気の患者を治療するための是正措置を開始するために支援する能力を持っている。提案した方式は,特徴抽出のための関心領域(ROI)セグメンテーションと高速離散カーブレット変換(FDCT)の領域のための単純化したパルス結合ニューラルネットワーク(SPCNN)を使用した。続いて,PCA+LDA手法は,特徴次元縮小のための利用し,最後に確率的ニューラルネットワーク(PNN)分類に適用した。スキームが様々な標準データセット上で検証され,特徴の分類精度と数に関して既存の有能なスキームと比較した。統計的設定は客観的な解析を導出するために最近の文献で報告された同じに保たれる。実験結果は,かなり少ない数の特徴を使用した他の方法と比較して,提案方式はより高い精度を与えることを示した。異なる段階で調整する必要があるパラメータの数は既存方式とは対照的である有意に少なかった。さらに,使用したPNNは,単純なネットワーク構造を持ち,高速な学習速度を提供する。,提案した方式は,リアルタイムでの病理学的脳を効果的に検出できる,医療ロボットに搭載される可能性がある。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
医用画像処理 

前のページに戻る