文献

J-GLOBAL ID：201702233624341184   整理番号：17A1397380

ディジタル画像からの線形および非線形特徴を用いた黒色腫の自動診断【Powered by NICT】

Automatic diagnosis of melanoma using linear and nonlinear features from digital image

著者 (4件)： Munia Tamanna Tabassum Khan (Department of Electrical Engineering, University of North Dakota, Grand Forks, 58202, USA) ,  Alam Md Nafiul (Department of Electrical Engineering, University of North Dakota, Grand Forks, 58202, USA) ,  Neubert Jeremiah (Department of Mechanical Engineering, University of North Dakota, Grand Forks, 58202, USA) ,  Fazel-Rezai Reza (Department of Electrical Engineering, University of North Dakota, Grand Forks, 58202, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 4281-4284  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： メラノーマは皮膚癌の最も重大な型であり,皮膚癌の他の型よりも死亡の原因となる。通常は黒または褐色であるが,他の色パターンに現れる小さな小悪性モルである。硬化である可能性が最も高い場合にはこれが時間期間である黒色腫の早期発見が重要である。スマートフォン技術の進歩により,スマートフォンを用いた黒色腫モルの自動的かつ効率的検出は活発な研究領域である。本研究では,ディジタルカメラから撮影された画像を用いた自動黒色腫診断システムを開発した。著者らの研究は,黒色腫領域のセグメンテーションと悪性および良性黒色腫の分類のための非線形特性を考慮した地域における他の研究とは異なっている。本論文では,Otsuとk-平均クラスタリングセグメンテーション法の組み合わせは,十分な精度で影響を受けた領域の境界を分割し,自動的に抽出に適用した。また,異なる非線形特徴と共に病変モルから文献に存在する色とテクスチャ特徴を検討し,抽出した。これらの特徴の有効性を五つの異なる分類器からなる機械学習モデルで予測した。著者らのモデルは,89.7%の精度,すなわち,同じデータベースを用いて他の(著者らの知る限り)によって報告された結果よりも約10%モルの診断を予測した。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： *黒色腫 ,  データベース ,  画像 ,  早期診断 ,  *ディジタル画像 ,  皮膚腫瘍 ,  スマートフォン ,  *線形性 ,  セグメンテーション ,  機械学習
準シソーラス用語： テクスチャ特徴 ,  病巣 ,  診断システム ,  ディジタルカメラ ,  *自動診断 , 【Automatic Indexing@JST】

分類 (3件)： 腫ようの診断  (GE03020J) ,  皮膚の腫よう  (GF04000X) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ディジタル画像 ,  線形 ,  非線形 ,  黒色腫 ,  自動診断