ヒト組織密度の解析:医用画像からの特徴を抽出するための新しいアプローチ【Powered by NICT】

Reboucas Filho Pedro P.; Reboucas Elizangela de S.; Marinho Leandro B.; Sarmento Roger M.; Tavares Joao Manuel R.S.; de Albuquerque Victor Hugo C.

文献

J-GLOBAL ID：201802226787431704 整理番号：18A0328660

ヒト組織密度の解析:医用画像からの特徴を抽出するための新しいアプローチ【Powered by NICT】

Analysis of human tissue densities: A new approach to extract features from medical images

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A0328660&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A0328660&from=J-GLOBAL&jstjournalNo=H0913A") }}

著者 (6件)： , , , , ,
資料名：
巻： 94 ページ： 211-218 発行年： 2017年
JST資料番号： H0913A ISSN： 0167-8655 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

医用画像の処理と解析に基づく疾患の同定は,その意思決定においてそれらを支援する医師にとって非常に重要である。本研究では,ヒト組織密度パターンに基づく新しい特徴抽出法,ヒト組織密度の分析は,(AHTD)を提示した。提案した方法は,医用画像から適切な特徴の抽出に取り組むためにHounsfieldユニットにおけるヒト組織の放射線学的密度を用いた。この新しい方法は,と比較した:グレイレベル共起行列,Huのモーメント,統計的モーメント,Zernikeモーメント,楕円Fourier特徴,田村の特徴と統計的共起行列。四機械学習分類器は二CT画像データセットのための各特徴抽出器に適用した,胸部のCT画像における肺疾患を分類するために,もう一組は脳のCT像における脳卒中を分類した。属性は5.2msの肺画像から抽出し,肺疾患の検出と分類のための99.01%の精度を得た,脳画像からの属性は3.8msで抽出し,脳卒中の検出と分類のための98.81%の精度を得た。これらの結果は,提案した方法は,医用画像の疾患を分類するために用いることができる,適切な属性の高速抽出時間によるリアルタイム用途に使用することができることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

図形・画像処理一般 , 医用画像処理

, , , ,

前のページに戻る