文献

J-GLOBAL ID：201702225388498017   整理番号：17A1732298

乳房病変分類のためのNakagamiイメージングと畳込みニューラルネットワークの結合【Powered by NICT】

Combining Nakagami imaging and convolutional neural network for breast lesion classification

著者 (4件)： Byra Michal (Department of Ultrasound, Institute of Fundamental Technological Research, Polish Academy of Sciences, Pawin ́skiego 5B, 02-106, Warsaw, Poland) ,  Piotrzkowska-Wroblewska Hanna (Department of Ultrasound, Institute of Fundamental Technological Research, Polish Academy of Sciences, Pawin ́skiego 5B, 02-106, Warsaw, Poland) ,  Dobruch-Sobczak Katarzyna (Department of Ultrasound, Institute of Fundamental Technological Research, Polish Academy of Sciences, Pawin ́skiego 5B, 02-106, Warsaw, Poland) ,  Nowicki Andrzej (Department of Ultrasound, Institute of Fundamental Technological Research, Polish Academy of Sciences, Pawin ́skiego 5B, 02-106, Warsaw, Poland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IUS  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文では,乳房病変分類のための計算機支援診断システムを提案した。著者らのアプローチは定量的超音波と深層学習に基づいている。Nakagamiイメージングを用いた組織散乱特性を示す乳房病変のパラメトリックマップを作成した。このタスクのためにスライディングウィンドウ技法を適用した。Nakagamiパラメータは最尤推定量を用いて計算した。次に,Nakagamiパラメータマップを用いた畳込みニューラルネットワークを訓練した。分類性能は5重交差検証により評価した。0.91に等しい受信者動作特性曲線下面積を得た。結果は筆者らのアプローチが悪性および良性乳房病変間の区別に有用であることを示した。提案した方法は,組織特性化と分化のための一般的アプローチとして役立つ。本研究で用いたNakagamiパラメータは他のQUSパラメータにより置換されうるが,ニューラルネットワークも同様の方法で訓練できる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 血中濃度-時間曲線下面積 ,  *画像処理 ,  *乳房 ,  最尤法 ,  *畳込み ,  *ニューラルネットワーク
準シソーラス用語： 組織特性 ,  スライディングウィンドウ ,  散乱特性 ,  深層学習 ,  定量的超音波 ,  計算機支援診断システム ,  *病巣 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 乳房 ,  病変 ,  分類 ,  イメージング ,  畳込みニューラルネットワーク