文献

J-GLOBAL ID：201702221704445629   整理番号：17A1519399

Bootstrap-異質なSVMアンサンブル学習に基づく肺結節分類法【JST・京大機械翻訳】

Classification of Lung Nodules by Ensemble Learning Based on Bootstrap-Heterogeneous SVM

著者 (3件)： Gao Feng (天津大学精密儀器与光電子工程学院,天津 300072;天津市生物医学検測技術与儀器重点実験室,天津 300072) ,  Dai Meiling (天津大学精密儀器与光電子工程学院,天津,300072) ,  Qi Jin (天津大学精密儀器与光電子工程学院,天津 300072;天津医科大学附属腫瘤医院,天津 300060)
資料名： Tianjin Daxue Xuebao. Ziran Kexue Yugongcheng Jishu Ban  (Tianjin Daxue Xuebao. Ziran Kexue Yugongcheng Jishu Ban)
巻： 50  号： 3  ページ： 321-327  発行年： 2017年 
JST資料番号： C3006A  ISSN： 0493-2137  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 肺結節の良性、悪性診断の定量的な客観的な分析と良性、悪性の分類の正確率を高めるため、肺結節CT画像に対して、ブートストラップ・ベクトルSVMに基づくアンサンブル学習方法を提案した。まず第一に,ファジィクラスタリング画像セグメンテーション法を用いて肺結節を抽出し,抽出した結節の特徴パラメータを学習分類に用いた。次に,サポートベクトルマシン(SVM)を用いて,異なるカーネル関数における異なる性能をもつサブ学習器を構築し,学習アルゴリズムの学習精度を改善するために,ブートストラップアルゴリズムを用いて,学習器の分類性能の全体的改善を実現した。...............................................の学習精度を向上させる.146個(40個の良性、106個の悪性)の肺結節サンプルに対して、それぞれ単一SVM、BP神経回路網とBootstrap-異質なSVMアンサンブル学習法を用いて学習テストを行い、得られた最高分類正確率はそれぞれ80%、82%と90%であった。実験結果は以下を示す。提案したブートストラップ-SVMアンサンブル学習法は,単一SVM分類器の最高正解率を10%向上させ,BPニューラルネットワークの8%より高い分類精度と良好な学習安定性を得ることができた。不平衡データセットにおける肺結節の分類に対する機械学習の能力を改善した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 学習アルゴリズム ,  *学習 ,  機械学習 ,  サポートベクトルマシン ,  ブートストラップ ,  ベクトル
準シソーラス用語： 分類精度 ,  逆伝播ニューラルネットワーク ,  Kernel関数 ,  *結節 ,  画像セグメンテーション ,  CT画像 ,  *分類法 ,  *肺結節 ,  *アンサンブル学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： lung nodules ,  fuzzy clustering ,  Bootstrap ,  heterogeneous SVM ,  ensemble learning

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： SVM ,  アンサンブル学習 ,  肺結節 ,  分類法