文献

J-GLOBAL ID：201802214840352568   整理番号：18A0536537

ウェーブレット変換とSVM(サポートベクトルマシン)を用いたMRI脳画像の腫瘍検出と分類【Powered by NICT】

Tumor detection and classification of MRI brain image using wavelet transform and SVM

著者 (2件)： Mathew A Reema (Dept of Electronics&Instrumentation, Vimal Jyothi Engg. College, Chemperi) ,  Anto P Babu (Dept of Information Technology, Kannur university)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICSPC  ページ： 75-78  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： 脳腫瘍は生命を脅かす疾患であり,その早期発見が救命にとって非常に重要である。腫瘍領域は,脳磁気共鳴画像(MRI)のセグメンテーションにより検出できる。疑わしい脳腫瘍の1例では,腫瘍の位置と大きさは放射線学的評価の助けを借りて決定することができる。この評価の報告は更なる診断と治療計画にとって非常に重要である。腫瘍の検出は,診断目的のための高速で正確ななければならない。MRIからの脳腫瘍のセグメンテーションや抽出は手動で可能である。時間がかかり,退屈であった。精度は専門家の経験に依存している。コンピュータ支援自動セグメンテーションが重要になっている。MRI走査画像は脳組織に関する価値ある情報を提供する。MRIスキャンは我々の身体の中で最も重要な臓器と組織の非常に詳細な診断画像を提供した。は一般的に無痛性と非侵襲性である。電離放射線を産生しなかった。MRIが最良の臨床画像診断法の一つである。いくつかの自動セグメンテーションアルゴリズムを提案した。しかし,MRI脳画像のセグメンテーションは,その複雑さのために困難な問題として残されている,満足のいく結果を生成できることを標準アルゴリズムではない。本研究の目的は,腫瘍検出と分類のための効率的なシステムを提案し,実行することである。本研究に含まれる異なる段階は,雑音除去,特徴抽出,セグメンテーションと分類のための画像前処理した。異方性拡散フィルタを用いたMRI脳画像は前処理研究提案。特徴抽出段階では,ベースの特徴離散ウェーブレット変換(DWT)を抽出した。抽出された特徴は,セグメンテーション段階への入力として与えた。サポートベクトルマシン(SVM)は,腫瘍セグメンテーションと分類に使用した。Copyright 2018 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： 脳腫瘍 ,  アルゴリズム ,  セグメンテーション ,  早期診断 ,  *画像 ,  *腫瘍 ,  前処理 ,  NMRイメージング ,  *ウェーブレット変換 ,  特徴抽出 ,  異方性 ,  *サポートベクトルマシン ,  走査
準シソーラス用語： *腫瘍検出 ,  *脳画像 , 【Automatic Indexing@JST】

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  電力系統一般  (NB02000E) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： ウェーブレット変換 ,  SVM ,  サポートベクトルマシン ,  MRI ,  脳画像 ,  腫瘍検出 ,  分類