文献

J-GLOBAL ID：201702275919321281   整理番号：17A0142823

肝臓カプセルおよび柔組織超音波画像特徴による肝硬変を診断するための学習【Powered by NICT】

Learning to diagnose cirrhosis via combined liver capsule and parenchyma ultrasound image features

著者 (6件)： Shuo Hong Wang (School of Computer Science, Shanghai Key Laboratory of Intelligent Information Processing, Fudan University, China) ,  Xiang Liu (School of Computer Science, Shanghai Key Laboratory of Intelligent Information Processing, Fudan University, China) ,  Jingwen Zhao (School of Computer Science, Shanghai Key Laboratory of Intelligent Information Processing, Fudan University, China) ,  Jia Lin Song (Department of ultrasound, Changzheng Hospital Affiliated to Second Military Medical University, Shanghai, China) ,  Jian Quan Zhang (Department of ultrasound, Changzheng Hospital Affiliated to Second Military Medical University, Shanghai, China) ,  Yan Qiu Chen (School of Computer Science, Shanghai Key Laboratory of Intelligent Information Processing, Fudan University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BIBM  ページ： 799-804  発行年： 2016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,肝硬変の診断だけでなく,その段階を決定できることを高周波超音波イメージングを用いた新しい肝硬変診断法を提案した。一側面だけを考慮したによるバイアスを避けるために肝臓カプセルおよび柔組織の両方から抽出された複合特徴を提案した。肝被膜であるマルチスケール,多目的最適化法を用いた局所およびカプセルの滑らかさと連続性を測定するために提案されている指数。柔組織はGauss混合モデル(GMM)でモデル化し,柔組織の病変はスケール空間欠陥検出アルゴリズムにより検出した。肝臓の病理学的変化の程度は,柔組織中のカプセルと病変の形態を記述する七つの特徴によって定量的に評価した。SVM分類器は試料を分類異なる肝硬変段階にように調整した。実験結果は,提案した方法,他の4種類の最先端レベル手法とカプセルまたは実質テクスチャ特徴だけを用いることを提案した方法よりも性能が優れているの有効性を示した。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： 連続性 ,  *超音波画像 ,  *肝硬変 ,  *カプセル ,  モデリング ,  病理学 ,  平滑度 ,  *柔組織 ,  検出アルゴリズム ,  スケール空間
準シソーラス用語： テクスチャ特徴 ,  SVM分類 ,  病巣 ,  Gauss混合モデル ,  マルチスケール , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 肝臓 ,  カプセル ,  柔組織 ,  超音波 ,  画像特徴 ,  肝硬変 ,  診断 ,  学習