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。
本論文では,電子顕微鏡画像における緻密な堆積物を効果的に検出する方法を提案した。電子顕微鏡画像における緻密な堆積物の分解は難しいので,従来のSIFT,ORB,またはSURFの特性検出と記述アルゴリズムは理想的な効果を達成することが難しい。従来のコンピュータビジョンプロセス,例えばSIFT特徴抽出器,および記述器を用いて特徴抽出を行い,最後に,bago-of-wordsグローバル特徴ベクトルを構築し,最後に,SVMを用いて分類を行い,高密度堆積物の分類操作を行うことは困難である。本論文において,実用的LBP特徴抽出器を用いて,高いコントラストのテクスチャ特徴を抽出し,勾配ヒストグラム特徴抽出器を用いて輪郭特徴を抽出し,SchimidフィルタとGaborフィルタを用いて画像のテクスチャ特徴を抽出した。超高次元の特徴ベクトルを形成し、顕微鏡画像中の全面的な特徴を含む。電子顕微鏡画像は色情報を持たないため、テクスチャ情報が最も重要になり、また顕微鏡画像において、尺度と基本的に、LBPとHOGは高い逆輪郭特徴とテクスチャ特徴を非常に有効に抽出できることが分かった。2つのテクスチャフィルタを組み合わせることによって,特徴ベクトルが高いコントラストの特徴を強調することができる一方,通常のテクスチャ情報を無視することができない。特徴抽出の後に局所Fisher判別分析を用いて特徴ベクトルの次元を低減し、最も識別可能性と有効性の特徴を選択し、LFDAは指導なしの次元縮小を行い、最も分解能の特徴を保持でき、本論文で提案したアルゴリズムに対して極めて重要である。以前に発生した特徴ベクトルはすべての特徴に対して強弱の区別を行わないため、LFDAを経た後、重要でないあるいは広範な普遍性を持つ特徴が捨てられ、最も緻密な堆積物の特徴を代表することができる。これは,訓練速度を犠牲にすることなく,分類器間隔を効果的に形成することができる。”保証された分類器訓練を保証することができることを保証している。最終的に,アルゴリズムは訓練サンプルを訓練するためにprobabilistic boosting treeを使用し,PBTは分類に基づくディシジョンツリーであり,各ノードは強い意思決定器であり,それは過度訓練と高効率で正確な特徴を持っていないことを示しているが,それは,より良い性能を持っていることを示している。LFDA処理後の訓練サンプルの特徴ベクトルを入力することにより、緻密な堆積物を得る分類器を学習する。本論文で提案した方法の実現可能性を検証するために,50枚の電子顕微鏡画像を含むデータベースを実験に用いた。これらの50枚の電子顕微鏡画像において、各テンソルは異なる数の堆積物領域を含む。堆積物領域の総数は約500であった。これらの領域は正確に標識されている。アルゴリズムが出力した堆積物標識と人工標識領域の重合率が50%以上になると、この領域は正確に識別され、そうでなければ、識別できないと考えられる。実験において、10枚の電子顕微鏡画像は神経回路網の訓練に用いられ、残りの40枚はテストに用いられている。訓練サンプルは100×100分解能の画像ブロックであり、画像ブロック中に堆積物領域が含まれていれば、正サンプルと見なし、さもなければ負サンプルと見なす。サンプルの数を増加させるために,すべての正サンプルは回転,並進,拡大,縮小などのように変換される。訓練中に、全部で500個の正サンプルと約15000個の負サンプルがPBTに入力された。実験結果は,提案した方法が効果的に実際の電子顕微鏡画像における緻密な堆積物を認識することができて,認識効率が50%に近いことを示した。この結果は,LBP特徴とSchimidフィルタバンクおよびGaborフィルタバンクを用いることにより,顕微鏡画像の特徴を抽出することができるだけでなく,SIFTおよびSURFを用いるよりも一般的,ロバスト性および有効性が高いことを示した。顕微鏡画像から抽出される高次元特徴ベクトルに対して、局部Fisher判別分析法を用いて、次元縮小操作を非常に有効に実施でき、それにより、顕著な識別機能を持つ特徴をより有効な訓練分類器に保持できる。一方、probabilistic boosting treeは少量の訓練サンプルしか持たない訓練タスクに対して、非常に有効に収束し、過度のフィッティングを避けることができる。本論文で提案した処理フローは,顕微鏡画像に基づくターゲット認識,分類,および再認識タスクに適しており,高速,高いロバスト性,および容易な拡張などの特徴を持ち,高い実用性を持つ。Data from Wanfang. Translated by JST【JST・京大機械翻訳】
