文献

J-GLOBAL ID：201702267792453817   整理番号：17A0472991

複素ウェーブレット係数の非Gaussモデリングに基づく組織病理学における自動化有糸分裂検出【Powered by NICT】

Automated mitosis detection in histopathology based on non-gaussian modeling of complex wavelet coefficients

著者 (6件)： Wan Tao (School of Biomedical Science and Medical Engineering, Beihang University, Beijing 100191, China) ,  Zhang Wanshu (School of Biomedical Science and Medical Engineering, Beihang University, Beijing 100191, China) ,  Zhu Min (Pathology Department, Karamay Central Hospital, Karamay City, Xinjiang 834000, China) ,  Chen Jianhui (No. 91 Central Hospital of PLA, Henan 454000, China) ,  Achim Alin (Visual Information Laboratory, Bristol University, Bristol BS8 1UB, UK) ,  Qin Zengchang (Intelligent Computing and Machine Learning Lab, School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 237  ページ： 291-303  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 乳癌を診断するために,組織学的切片中に存在する有糸分裂細胞数は検査と等級付け生検試料の重要な指標である。本研究では,非Gaussモデリング法によるウェーブレットに基づく多重解像度表現における有糸分裂細胞を特性化することにより自動化有糸分裂検出の精度を改善することを目的とした。潜在的有糸分裂候補はデシメーションしないデュアルツリー複素ウェーブレット変換によるマルチスケール形態に分解した。二非Gaussモデル(一般化Gauss分布(GGD)と対称アルファ安定(SαS)分布)を用いて,ウェーブレット周辺分布のヘビーテイル挙動を正確にモデル化した。この方法はサポートベクトルマシン分類器による二つの独立したデータコホート,ベンチマークデータセット(MITOS)を含む,を評価した。定量的結果は,二変量SαSモデルはガウスモデルのための単変量GGDのための単変量SαS,0.72,および0.59のための二変量GGD,0.77 0.79と比較して曲線値0.82下面積を有する優れた分類性能を達成したことを示した。有糸分裂と非有糸分裂細胞の両方は,多種多様な形状を有する小物体として現れるので,有糸分裂の特性化は困難な問題である。全ての異なるスケールで出現する可能性が高いことを細胞内の顕著な特徴の抽出を可能にするウェーブレット係数のスケール間依存性は,二変量非Gaussモデルにより捕獲された,より正確な検出結果をもたらした。提示した自動化有糸分裂検出法は,運転効率と生産性を高めるだけでなく,診断の自信を改善における病理学者を支援するであろう。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： *有糸分裂 ,  生検 ,  *モデリング ,  乳房腫瘍 ,  サポートベクトルマシン ,  *波束 ,  細胞計数 ,  *自動化 ,  *病理学 ,  等級づけ ,  Gauss模型 ,  キャラクタリゼーション
準シソーラス用語： マルチスケール ,  多重解像度 ,  *ウェーブレット係数 , 【Automatic Indexing@JST】

著者キーワード (5件)： 組織病理学 ,  乳癌 ,  有糸分裂検出 ,  非Gaussianmodel ,  ウェーブレット

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： ウェーブレット係数 ,  モデリング ,  組織病理学 ,  自動化 ,  有糸分裂