文献

J-GLOBAL ID：201702283223852248   整理番号：17A1349832

意識したCNNと極端な機械学習深部輪郭を用いた微視的血液スミアのセグメンテーションと分類【Powered by NICT】

Microscopic Blood Smear Segmentation and Classification Using Deep Contour Aware CNN and Extreme Machine Learning

著者 (2件)： Razzak Muhammad Imran ,  Naz Saeeda
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPRW  ページ： 801-807  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： ゲノミクス技術における最近の進歩は,マニュアル検出技術の欠点を克服する可能性を示す疾患の早期検出のための新しい分野を開いた。本研究では,分類のための各セグメント化電池から抽出したCNN特徴に基づく極端な機械学習を使用したが,完全に従来のネットワークに基づくに基づく効率的な輪郭を意識したセグメンテーションアプローチを提案した。公的に利用可能なデータセット上でのセグメンテーションと分類に基づくシステム性能を評価した。実験は64000の血液細胞について行い,データセットは,試験のための訓練のための80%と20%に分けられる。セグメンテーション結果を人手によるセグメンテーションと比較し,提案した方法は,それぞれRBCとWBCに対して98.12%と98.16%を備えた分類精度は,それぞれRBCとその異常検出とWBCのための公的に利用可能なデータセットは94.71%と98.68%で示されることが分かった。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： 検出法 ,  *セグメンテーション ,  電池 ,  *機械学習 ,  ネットワーク ,  マニュアル
準シソーラス用語： 異常検出 ,  分類精度 ,  血液細胞 ,  システム性能 ,  ゲノミクス , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (9件)： 意識 ,  CNN ,  機械学習 ,  深部 ,  輪郭 ,  血液 ,  スミア ,  セグメンテーション ,  分類