文献

J-GLOBAL ID：201702235659832710   整理番号：17A1093435

肺結節C ADにおける偽陽性低減のためのl_2,1ノルム正則化多重カーネル学習【Powered by NICT】

A l_{2, 1} norm regularized multi-kernel learning for false positive reduction in Lung nodule CAD

著者 (10件)： Cao Peng (Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Cao Peng (Key Laboratory of Medical Image Computing of Ministry of Education, Northeastern University, Shenyang, China) ,  Liu Xiaoli (Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Liu Xiaoli (Key Laboratory of Medical Image Computing of Ministry of Education, Northeastern University, Shenyang, China) ,  Zhang Jian (School of Computer & Software, Nanjing University of Information Science & Technology, Nanjing, China) ,  Li Wei (Key Laboratory of Medical Image Computing of Ministry of Education, Northeastern University, Shenyang, China) ,  Zhao Dazhe (Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Zhao Dazhe (Key Laboratory of Medical Image Computing of Ministry of Education, Northeastern University, Shenyang, China) ,  Huang Min (Information Science and Engineering, Northeastern University, Shenyang, China) ,  Zaiane Osmar (Computing Science, University of Alberta, Edmonton, Alberta, Canada)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 140  ページ： 211-231  発行年： 2017年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 【目的】本論文の目的は肺小結節のコンピュータ支援検出(CAD)における偽陽性低減のための新しいアルゴリズムを記述することである。【方法】本論文では,著者らは固形小結節を検出することを目的とした新しいCT肺CAD法を述べた。特に,特徴サブセットレベルからの不均一特徴融合と選択のためのl_2,1ノルム正則化によるマルチカーネル分類器を提案し,非平滑l_2,1正則化多重カーネル学習アルゴリズムのカーネル重みのパラメータを最適化するために二効率的な戦略を設計した。最初の最適化アルゴリズムをカーネル重みのl_2,1ノルムを解くための近接勾配法を適応し,FISTAに基づく加速法を利用第二のものは,近似勾配降下法に基づく反復方式を採用している。【結果】結果はFISTAスタイル加速近位降下法収束速度の理論的保証を有した複数カーネル学習のl_2,1ノルム定式化に効果的であることを示した。さらに,実験結果は,ROC曲線(AUC)の下での幾何学的平均(G 平均)と面積の観点から提案手法の有効性を実証し,競合する方法よりも著しく優れている。【結論】提案した方法は,不均一な特徴部分集合融合と分類相の両方でいくつかの顕著な利点を示した。特徴レベルと決定レベルの融合戦略と比較して,提案したl_2,1ノルムマルチカーネル学習アルゴリズムである相補的と不均一な特徴集合を融合正確に,自動的により識別的特徴集合を形成するために無関係で冗長な特徴部分集合を,有望な分類性能を得ることができる。さらに,提案したアルゴリズムは,文献に匹敵する分類手法を一貫して上回る。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： 定式化 ,  近似法 ,  *正則化 ,  最適化 ,  最急降下法 ,  *多重化 ,  部分集合 ,  アルゴリズム ,  学習アルゴリズム ,  *ノルム
準シソーラス用語： 収束速度 ,  最適アルゴリズム ,  *結節 ,  *Kernel法 ,  *誤検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 肺結節検出 ,  偽陽性低減 ,  分類 ,  不均一特徴融合 ,  マルチカーネル学習

分類 (2件)： 医用画像処理  (JE04020T) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (7件)： 肺結節 ,  AD ,  偽陽性 ,  ノルム ,  正則化 ,  多重 ,  カーネル学習