文献

J-GLOBAL ID：201802215610937638   整理番号：18A1808763

ウェーブレットに基づくエントロピー特徴を用いた乳癌の自動診断【JST・京大機械翻訳】

Automated Diagnosis of Breast Cancer Using Wavelet Based Entropy Features

著者 (2件)： R Karthiga (School of Electrical and Electronics Engineering, Sastra University, Thanjavur, India) ,  K Narasimhan (School of Electrical and Electronics Engineering, Sastra University, Thanjavur, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICECA  ページ： 274-279  発行年： 2018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： 乳癌は,女性の世界中で最も一般的で深刻な脅威の1つである。死亡率を避けるためには組織病理学的画像の予後が必要である。病理組織学は,顕微鏡下の病理学者による生検標本の検査を参照する。病理学者は画像タイプを分析して分類し,画像を分類する。分類は組織の構造,細胞分布,細胞の形状に依存し,病理組織像を良性または悪性と決定する。画像の手動分類は最も時間がかかり,誤差が起こりやすい。この困難さを克服するために,機械学習を用いた自動診断は正確で早期診断に必要である。本論文では,k-平均クラスタリングをセル核のセグメンテーションに用い,DWT(離散ウェーブレット変換)を分割画像に適用した。Coifletは本論文で用いた離散ウェーブレットの一つであり,消失モーメントを持つスケーリング関数を持つ。エネルギー,シャンノンエントロピーおよびログエネルギーエントロピー特徴をLL,LH,HLおよびHHサブバンドから抽出した。本研究では,BreakHis(乳癌組織病理学的画像)データセットを用いた。提案した方法は,線形SVMにおいて93.3%の精度をもたらし,二次SVMにおいて92.7%,Fine Gauss SVMにおいて91.3%の精度をもたらした。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 病理学 ,  *乳房腫瘍 ,  *エントロピー ,  セグメンテーション ,  *波束 ,  生検 ,  早期診断 ,  機械学習 ,  画像 ,  線形性 ,  モーメント ,  クラスタ化 ,  顕微鏡
準シソーラス用語： 離散ウェーブレット変換 ,  *自動診断 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ウェーブレット ,  エントロピー ,  乳癌 ,  自動診断