文献

J-GLOBAL ID：201702291117044241   整理番号：17A0405812

微小動脈りゅうのコンピュータ支援検出における不均衡データ学習のためのアンサンブルに基づく適応オーバーサンプリング法【Powered by NICT】

Ensemble based adaptive over-sampling method for imbalanced data learning in computer aided detection of microaneurysm

著者 (8件)： Ren Fulong (College of Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Ren Fulong (Key Laboratory of Medical Image Computing of Ministry of Education, Northeastern University, Shenyang, China) ,  Cao Peng (College of Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Cao Peng (Key Laboratory of Medical Image Computing of Ministry of Education, Northeastern University, Shenyang, China) ,  Li Wei (Key Laboratory of Medical Image Computing of Ministry of Education, Northeastern University, Shenyang, China) ,  Zhao Dazhe (College of Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Zhao Dazhe (Key Laboratory of Medical Image Computing of Ministry of Education, Northeastern University, Shenyang, China) ,  Zaiane Osmar (Computing Science, University of Alberta, Edmonton, Alberta, Canada)
資料名： Computerized Medical Imaging and Graphics  (Computerized Medical Imaging and Graphics)
巻： 55  ページ： 54-67  発行年： 2017年 
JST資料番号： T0220A  ISSN： 0895-6111  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 糖尿病性網膜症(DR)は進行性疾患であり,初期段階でその検出は,患者の視覚を節約するために重要である。DRのための自動スクリーニングシステムは,DRによる完全失明の機会を低減と共に眼科医の作業負荷を低減するのに役立つ。DRの最初の兆候の中で毛細血管瘤(MA)である。しかし,検出アルゴリズムは高感度を持っているので,MA検出のための現行方式は多くの偽陽性を報告するように見えた。必然的にいくつかの非MA構造は初期MA同定段階でMAとして標識された。これは典型的な「クラス不均衡問題」である。クラス不均衡データは,従来の分類器の性能に有害な影響を及ぼす。本研究では,偽陽性削減におけるクラス不均衡問題を克服するためのアンサンブルベース適応オーバーサンプリングアルゴリズムを提案し,微細動脈瘤検出を改善するための組合せフレームワークとしてブースティング,バギング,ランダム部分空間を用いた。アンサンブルに基づく過剰サンプリング法は,適応オーバーサンプリングとアンサンブルの強度を提案した。アンサンブルと適応オーバサンプリングの融合の目的は,不均衡データから導入された誘導バイアスを減少させ,極端学習機械(ELM)の一般化分類性能を向上させることである。実験を行いその結果,提案ASOBoost法はROC曲線(AUC)下で高い面積と多くの既存のクラス不均衡学習法よりもG 平均値を持つことを示した。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： 患者 ,  糖尿病性網膜症 ,  *学習 ,  バイアス ,  高感度
準シソーラス用語： ROC曲線 ,  極度学習機械 ,  ブースティング ,  クラス不均衡 ,  誤検出 ,  眼科医 ,  進行性疾患 ,  *オーバサンプリング ,  コンピュータ支援検出 ,  *微小動脈瘤 , 【Automatic Indexing@JST】

著者キーワード (5件)： 毛細血管瘤検出 ,  分類 ,  偽陽性低減 ,  不均衡データ学習 ,  アンサンブル学習

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 微小動脈りゅう ,  コンピュータ支援検出 ,  不均衡データ ,  学習 ,  アンサンブル ,  適応 ,  オーバーサンプリング